🔦 今日速览
华为诺亚团队以HiPhys-RSI方案登顶BEHAVIOR-1K Challenge 2026，云天励飞、小米分获亚季军，中国包揽前三，最佳完整任务成功率一年内从12%升至48%。微软就全球宕机正式致歉：网络容量升级引发、与AI无关；Gemini 4 Carbon登顶MathArena但成本约为GPT-6.1 Sol的15倍。
本文为周末合辑，覆盖11月13日—15日，2条为窗口内漏报的【补录】。
趋势1：具身智能比拼长时任务完成率 趋势2：前沿模型性能与成本分化 趋势3：单一云依赖成企业风险点
🌍 国际动态
1.【补录】微软就全球大宕机正式致歉：网络容量升级引发，与网络攻击及AI无关
事件简述：11月12日（美东）Microsoft 365多核心云服务发生大规模故障，Outlook、Exchange、Teams、OneDrive、SharePoint及Copilot在至少70个国家中断，Downdetector报障一度近13.8万条，日本政府部分机构被迫改用电话办公，OpenAI与Anthropic所使用的连接组件同步受波及。微软11月13日（美东）在X发布声明"深表歉意"，定性为一次更早的网络容量升级缺陷在近期网络变更后暴露，明确与网络攻击及AI/智能体无关；11月14日称各项服务已"全面恢复和稳定"，部分地区仍待恢复，承诺事后发布完整复盘报告。 关键数据：影响70+国家、报障近13.8万条、持续超24小时。 影响分析：AI服务被证实与所依赖的办公云基础设施深度耦合——企业把唯一出口交给同一朵云的系统性风险，第一次以全球故障的形式定价。 📅11月12—13日（美东），致歉于北京时间11月14日凌晨
2. Gemini 4 Carbon登顶MathArena，成为近期首个力压OpenAI模型的公开模型——但贵15倍
事件简述：The Decoder 11月14日报道，谷歌11月10日发布的Gemini 4 Carbon（high）在MathArena数学基准以85.4%预期得分登顶，成为近期首个登顶的非OpenAI模型；Anthropic的Claude Fable 5.2以82.8%列第二，GPT-6.1 Sol以80.6%退居第三。成本分化同样显著：Carbon单题15.70美元，约为GPT-6.1 Sol（1.07美元）的15倍，Fable 5.2更高达40.20美元。Carbon最常见的失败模式是超时，且几乎从不放弃任务。OpenAI近期传闻解决Navier-Stokes等难题的模型尚未公开发布。 关键数据：85.4% vs 80.6%，单题成本15.70美元 vs 1.07美元。 影响分析：数学推理的排名竞赛与单位成本曲线首次明显脱钩，"性能价格比"正取代"刷榜"成为前沿模型商业化的核心指标。 📅11月14日（The Decoder）
3.【补录】SpaceX裁撤Grok Imagine约60名员工，xAI资源全线转向编程与智能体
事件简述：The Information 11月13日报道（财联社当日引进中文区）：SpaceX旗下AI团队上周裁撤约60名负责Grok Imagine图像与视频生成工具的员工，仅留少数人员维持运营，产品前景不明。自2月以2500亿美元股票并表xAI、8月以600亿美元收购Cursor后，公司战略重心已明确倾斜AI编程工具与Grok Bot智能体产品线，此轮裁员是架构重组的延续。 关键数据：裁撤60人；xAI并入对价2500亿美元、Cursor收购600亿美元。 影响分析：与OpenAI解散机器人团队同周发生——马斯克与奥特曼两家同时在做减法，把视频/机器人等垂类让位于编程与Agent这两条被验证的现金流感官赛道。 📅11月13日（美东/The Information）
4. 黄仁勋离职余波：亚洲多国政府回应芯片供应，马新两地升级Megaspeed调查
事件简述：TechCrunch 11月14日汇总各国反应：韩国科技部称英伟达重申供应26万颗先进GPU并继续联合AI项目；台湾经济部门称全球AI产业增长不会因人事更替显著改变；日本产业省表示密切关注；中国外交部否认相关"间谍"指控、反对出口管制扰乱供应链。同期马来西亚调查Megaspeed子公司Speedmatrix是否再出口进口AI硬件，新加坡对一名中国籍高管提出41项刑事指控（涉917台含受限英伟达硬件服务器），Megaspeed已聘美国律所对AI GPU做全面库存审计并配合美国商务部检查。 影响分析：后黄仁勋时代的出口管制执行与客户信心维护，已上升为英伟达临时CEO克雷斯特金三财季财报（11月17日）之外的第二根神经。 📅11月14日
🇨🇳 国内动态
1. 华为诺亚夺冠李飞飞BEHAVIOR-1K挑战赛，云天励飞、小米包揽前三
事件简述：CoRL 2026（11月9—12日）期间公布的第二届BEHAVIOR Challenge结果揭晓：华为诺亚方舟实验室具身智能团队The North Star凭HiPhys-RSI方案在全球57支参赛队伍中夺冠，在斯坦福李飞飞团队BEHAVIOR-1K基准的100项家庭任务隐藏测试中取得约0.683的Q-score与48.2%完整任务成功率——为上一届冠军（12%）的4倍；云天励飞IF1001团队、小米机器人Cyber团队分获亚季军，中国科技企业包揽前三。李飞飞在社交平台转发并感叹"机器人学习取得了令人难以置信的进展"。华为方案的核心是用冻结的编程智能体把交互经验沉淀为可复用程序，走"结构化缩放"路线而非单纯堆数据算力的VLA scaling，程序生成的轨迹再反哺动作模型形成协同演化。本届赛事任务从50项扩至100项、场景从3个增至7个、参赛者从96人增至265人。 关键数据：完整任务成功率48.2%（一年4倍）、57支队伍、包揽冠亚季军。 影响分析：具身智能的竞争轴已从"比谁技能多"转向"比谁能稳定完成长时任务"；中国三家包揽T0级榜单前三，是继开源调用量之后国产具身路线的又一次公开验证。抓取失败与超时仍是主要败因，"机器人学习的ImageNet"仍在途中。 📅11月9—12日（CoRL 2026宣布），11月14日中文报道铺开
2. 浙江算力规模突破198 EFLOPS、智算占比96%，"十五五"算力网进入地方落地期
事件简述：据财闻11月14日报道，"十五五"规划纲要明确加快建设全国一体化算力网、算力网正式纳入国家新型基础设施核心矩阵后，浙江省率先晒出成绩单：截至2026年10月全省已建算力中心113家，建成投用总算力规模超198 EFLOPS，其中智能算力占比高达96%；已建成平湖润泽等5个万卡智算集群。下一步浙江将聚焦人工智能与制造业融合，降低中小企业使用AI的门槛和成本。同日杭州上城区披露具身智能先导区进展：上半年集聚规上AI核心企业79家，产业营收增速达79.7%。 关键数据：198 EFLOPS、智算占比96%、5个万卡集群。 影响分析：算力基建的考核指标正从"有没有"转向"智算占比与利用率"，96%的智算占比是全国省级层面罕见的高纯度数据，地方算力规划已整体切换到AI负载。 📅11月14日
📄 今日论文
1. Goal Encoding in LLMs：大模型如何"记住"目标
作者/机构：Arnab Sen Sharma, Eric Todd, Sheridan Feucht et al. 核心贡献：在多子任务编程环境中定位出LLM"下一目标"的内部表征——存在一组稀疏注意力头既编码当前子目标，又能以自然语言解码出模型的未来动作；该编码具有因果性且可移植（把编码移植到另一种编程语言会触发同一操作）。提出"非递归目标追寻"（NRGS）解释：模型无需携带状态，而是反复从任务说明中重读目标、对照上下文中的进度继续执行。 为什么重要：为Agent长程执行的"状态从哪来"给出可干预、可验证的机制解释，直接服务于Agent可靠性与可解释性工程。 📄 arXiv:2611.17297 📅11月12日
2. Actor, Judge, or Teacher？行为差的模型也能教出好学生
作者/机构：Haochen Liu, Qianhao Zhu, Zixuan Wang et al.（ZJU-REAL） 核心贡献：同一决策模型可当执行者、评审者或教师。研究发现：作为演员，所有模型都会被"更容易的子目标"带偏；但作为看完整条轨迹的评审，同样的模型能正确给通往关键子目标的步骤记分——把问题从"任务会成功吗"改成"这步有帮助吗"即可区分有效与无效动作。用JEV当教师通过GRPO把Qwen2.5-1.5B策略在ALFWorld从72.8%提升到82.9%、WebShop从56.8%提升到71.4%。 为什么重要："差演员可以当好老师"意味着RLHF/RL训练中的奖励与教学信号不必来自最强模型，显著降低Agent后训练成本。 📄 arXiv:2611.17167 📅11月12日
3. CapLite：小模型Agent写不好安全策略，那就别让模型写
作者/机构：Zimo Xu, Wenzhuo Liu, Hideki Nakayama 核心贡献：实证检验15个开源模型（13个为1.7B—12B）能否为自己编写防提示注入的安全工件：结果不能——自写策略使Progent/IPIGuard/DRIFT分别在14/13/11个模型上被攻破，CaMeL的程序在68%的场景直接跑不起来。CapLite改由工具schema推导权限策略、在读任何工具结果前锁定写操作，并要求写入的每个关键参数必须来自用户明示——13,935次攻击零成功，Token消耗仅为CaMeL的18%。 为什么重要：端侧小模型Agent的安全防线不能依赖模型自证清白，这套"不靠模型写安全件"的机制可直接落地到本地推理产品。 📄 arXiv:2611.17115 📅11月12日
4. Sketching Language Models for Context Attribution：上下文归因的计算量下界
作者/机构：Christopher Liaw, Aranyak Mehta, Grigoris Velegkas et al. 核心贡献：对n个token提示的leave-one-out归因（删除某段看输出变化），直接算需要n次模型评估。该文在稳定性假设下给出仅需O(√log(1/ε)/ε)次评估的草图算法，并证明同阶下界——评估次数与提示长度n无关。关键技术是把前向微分作用到反向传播电路上，方差大幅降低。 为什么重要：RAG溯源、幻觉定位、提示工程的"哪段上下文起了作用"问题从O(n)降到常数级评估成本，可实用化进生产级归因审计。 📄 arXiv:2611.17313 📅11月12日
💡 值得关注
llama.cpp与ggml迎来1.0.0：创始人Georgi Gerganov 11月13日宣布本地推理基石项目llama.cpp及底层引擎ggml进入1.0.0库版本，本地大模型部署生态第一次有了稳定ABI承诺，对端侧推理、隐私敏感行业部署是基础设施级节点。
英伟达"后黄仁勋"两周节点临近：11月17日Q3财报+11月18日国会闭门问询接连到来，董事会仍未选定猎头公司；11月13日AMD单日一度跌11%、回吐轮动涨幅，芯片股对"领导层不确定性"的定价仍在反复。
Anthropic IPO进入最后一周：路演估值带1.3—1.4万亿美元、11月19日以代码ANT挂牌，OpenAI Q3营收约100亿美元、环比增近50%但运营亏损扩大至约109亿美元的对照数据同期曝光——11月19日市场将给出AI估值的第一个公开基准。