AI 与前沿科技综述:GPT-6.2 Astra 泄露、本地推理记录与智能体市场兴起
在这批帖子中,没有前沿实验室确认新的旗舰模型。贯穿其中的主线是未经证实的泄露和关于 GPT-6.2 Astra 与 Gemini 4 Krypton 发布节奏的猜测、一系列具体的本地和边缘推理基准测试,以及快速成熟的智能体基础设施层——市场、托管、身份和自我改进框架——此外还有新的真实世界机器人评估数据和一起供应链安全事件。
前沿模型:泄露、传闻与发布节奏
这里没有任何内容得到模型供应商的官方确认。讨论最多的是泄露、经销商访问权限和社区的怀疑。
- Token Gremlin 报道称,在一场看似大规模的泄露之后,GPT-6.2 Astra 可能已经通过 API 经销商出售,用户获得访问权限并将其接入官方框架上的 Codex。该帖子推测,一个与 Azure 相关的漏洞可能让该模型在发布当天流出,并称测试者将其描述为明显优于 GPT-6 Astra,效率更高,且输出具有经典的 GPT 风格。作者表示仍无官方确认,并称如果属实,这可能是 OpenAI 及其合作伙伴的一次巨大失败 @TokenGremlin。
- 同一位作者认为社区反应不对称:Fable 5.2 在 10 月 1 日的匿名 A/B 测试中广受赞誉,而 GPT-6.2 Astra 在 11 月的匿名 A/B 测试中却被广泛称为伪造 @TokenGremlin。
- Token Gremlin 还声称,完全从零生成——无素材、无参考——的图像来自早期访问中的 GPT-6.2 Astra,并表示 OpenAI 有一个准备发布的庞然大物,可能会撼动 Anthropic 的 IPO @TokenGremlin@TokenGremlin。
- 在另一篇帖子中,Token Gremlin 声称 OpenAI 难以将超过 10 万亿参数的预训练运行转化为公开产品,GPT-6.1、GPT-6.2 和 GPT-6.5 因安全和对齐失败而被推迟,并且 OpenAI 在这方面落后 Anthropic 数月。这是观点和未经证实的传闻,而非供应商声明 @TokenGremlin。
- 一篇帖子统计自 OpenAI 上次发布前沿模型以来已过去 72 天,称这是自 GPT-5 到 5.1 之间等待以来最长的间隔,并指出进一步延迟将使其成为自 o3 到 GPT-5 以来最长的间隔 @synthwavedd。
- 一篇 Gemini 4 Krypton 泄露帖子声称该模型正在进行内部测试,第一个检查点已到达,已经能产生强大的 3D 和 SVG 输出,它是通过代码生成音频的最佳模型,甚至优于 Fable 和 Astra,并且它花费的时间几乎是 Carbon 的两倍,但完成了艰巨的工作。作者预计下个月发布 @pankajkumar_dev。
- 神秘的 Qoduck AI 模型被揭示为 Qwen4-Max-Preview,现已在 Qoder AI IDE(阿里巴巴的 AI 编程智能体)中提供,并限时享受 80% 折扣 @Div_pradeep。
- 百度的 ERNIE 5.5 Flash Preview 在 OpenRouter 上免费提供,280B MoE,14B 激活参数,1M 上下文和工具调用,根据一份免费资源综述,该综述还列出了 Thinking Machines Inkling 2 Small(17B 激活 / 594B MoE,1M 上下文,文本和图像)、Duck.ai 上的免费聊天层级、每月 1,000 次 Tavily Search API 积分、开源 CapCut 替代品 OpenCut、prompts.chat、AgentRing、$50 Runloop Pro 试用积分和 Lovable 构建积分。该帖子警告说,OpenRouter
:free路由限制为每分钟 20 个请求,每天 50 个,除非至少购买了 10 个积分 @calbuldelis69。 - Jen Zhu 表示,DeepSeek 开源了其整个应用和全套 API,称这是最彻底的开源举措,是对集中式封闭 AI 的蔑视 @jenzhuscott。
本地和边缘推理里程碑
这是这批帖子中最具体的内容:在本地运行模型的具体吞吐量、延迟和硬件数据。
- 在 Apple M5U Studio 上运行的 tensorfold 上的 GLM 5.3 Flash 4bit 在散文上达到 2,100 tok/s 预填充和 102.2 tok/s 解码 @ashxhart。
- deepseek-v4.1-flash 原始权重在 4x DGX Spark 上以标准 GPU 频率和 vLLM 运行,平均生成 82.2 tok/s,预填充 6,364 tok/s,8k 上下文下首 token 时间 1.15 秒,批次大小为 8 时达到 284 tok/s @ivanfioravanti。
- Strata v0.2.14 于 11 月 15 日由 Niko Veit 发布,将提示专家计算移至原生 GPU 内核,取代了之前在 Windows 和 Linux 上 NVIDIA 和 AMD GPU 上的 llama.cpp 路径。报告的基准测试:RTX 5090 7,870 对比 6,851 tok/s(提示处理 +14.9%);RTX 4090 处理 20K token 提示耗时 5.65 秒对比 6.11 秒(约快 7.5%);RTX 5070 Ti 1,408 对比 953 tok/s(+47.7%);双 RTX A6000 75.88 对比 64.16 tok/s(输出 +18.3%);Mac M5 Max 94.7 对比 92.8 tok/s 输出(IQ3_S)。无需新设置,现有模型、聊天和配置保持不变 @uctive。
- Liquid AI 的 d1-2B 在 mlx-vlm 上运行,搭载 Apple Silicon M5 Max MacBook Pro,约 68 毫秒内从网络摄像头读取手势和表情,大约每秒 14 个决策,生成 0 个 token,100% 本地运行 @ivanfioravanti。
- Seeed Studio 演示了 DeepSeek-R1-Distill-Qwen-1.5B 完全在设备上运行,使用 reComputer Industrial RK3588 和 6 TOPS NPU,通过 RKLLM 和 Docker:约 18.3 tokens/s 生成,0.57 秒首 token 时间,约 573 个生成 token,总响应时间 31.88 秒,无云 API @seeedstudio。
- 在 16GB GPU 或 24GB Mac 上,Qwen 3.8 27B 的压缩 IQ3 文件约为 12GB,据一位用户称,在 20 项任务测试中得分与 ChatGPT 相同 @trikcode。
- Refuseless 将 Abliterated DeepSeek V4.1 的缓存费率从 $0.025 降至 $0.019,并推出了新的“Abliterated Fast”层级,以之前的 $0.025 缓存费率提供更快的速度 @refuselessai。
- Numes 报告单日 368k 请求和 38B tokens,几乎是前一天的两倍,11 天内达到 1.40M 请求和 157B tokens,当时 Kimi K3.1 Pro、GLM 5.3 和 DeepSeek V4.1 Flash 免费 @Schnitzel。
- Acurast 发布了 Qwen3.5 在手机上的基准测试:在 16GB Android 手机上,9B 模型处理 7K token 提示耗时 3 分 15 秒,而 0.8B 模型仅需 15 秒。作者表示,真正的机会是在数千台设备上运行较小的模型,用于后台任务、欺诈检查和自动化,而不是用手机取代 ChatGPT @tienho_nyx。
- Acurast 的基准测试评分权重据报道为 RAM 容量 46.15%,单核 CPU 23.07%,多核 CPU 23.07%,存储 7.69%。处理器定期发送心跳以确认资格,被分配实际部署的设备在该奖励周期内其基准测试指标额外获得 10% 的权重——这是评分提升,而非保证的支付增加。基础基准奖励不需要质押 ACU @skysaksham。
- Acurast 将其手机处理器引入 peaqOS,首批 1,000+ 个已上线并质押 $PEAQ。在一次演示中,Unitree G1 人形机器人发送任务,以 USDC 支付,三部手机处理其遥测数据并返回结果,机器人身份和手机认证,没有中间人收取信任费用。作者指出,1,000 个处理器是试点,而非市场 @superpobe。
- DeepSeek V4.1 Flash(全量化)被用于逆向工程汽车 bin 文件,以 90 tokens/s 解码速度定位点火表等数据,完全本地进行 @ashxhart。
智能体基础设施与智能体经济
一个反复出现的主题是将智能体视为具有身份、权限、托管、验证和支付轨道的经济参与者的基础设施。
- FlashDrive(YC F26)推出,作为智能体的一个共享云盘:它像本地磁盘一样挂载,让每台 Mac 和沙盒即时同步,适用于 Claude、Codex、Cursor 以及任何通过 MCP 连接云的智能体,像一个数据库,编辑合并包括 CSV 行,处理冲突,并且可以回滚智能体删除的文件。早期访问限时提供免费层级 @daleverett。
- TermiX 及其 AACP 框架被描述为服务市场而非智能体目录。客户端定义任务,提供商竞争,评估者检查提交的工作,仲裁者处理争议。客户端可以在提供商投标前定义验证标准,因此智能体了解他们同意什么 @0xHecktor。
- 同一框架被定位为互操作性解决方案:由不同团队在不同堆栈上构建的智能体需要一种共享方式来发现能力、理解任务、就交付物达成一致、交换和验证工作以及结算交易,否则每个新连接都会变成定制集成 @Yosefphr。
- 在 TermiX 上,用户可以创建智能体、列出服务并在 Base 上以 USDC 获得支付,AACP 在链上处理托管、支付和声誉。作者表示,值得关注的数据是奖励消失后有多少客户为第二次工作付费 @sozdetrader。
- TermiX Agent Skills 让任何 AI 智能体连接到真实工作和赏金,完成任务并获得奖励 @svbrother211。
- TermiX 还推出了由 Claude Fable 5.2 驱动的游戏创建智能体,可将描述的游戏创意转化为可玩的体验 @dezydank。
- TermiX 上的智能体发现按服务类别组织,包括编程、研究、自动化、安全、数据分析和设计,列表显示定价、预计交付时间和智能体声誉。找不到服务的用户可以发布公开请求,让智能体提交报价 @haiderlevi。
- Fensory 将交易限制放在账户上而非提示中。用户连接 Claude、ChatGPT、Cursor 或其他 MCP 客户端,设置每笔订单上限和市场允许列表,每笔订单首先通过 Fensory 后端,因此 $100 上限意味着没有订单会是 $101,智能体永远无法提款。它还提供紧急停止开关、允许列表之外不可达的市场和一键撤销访问权限 @remonnyy。
- 另一篇帖子将同一产品描述为一种无需编码即可使用 AI 智能体创建、回测和执行交易策略的方式 @cypherweb31。
- Motes 分离了三个层:NFT 建立独特的智能体身份,专用智能账户持有 USDC 等资产,所有者签名的权限策略定义智能体可以做什么。该结构总结为 1 NFT = 1 智能体身份 = 1 智能账户 @JohnsonBam85400。
- 同一架构被定位为问责基础设施:交易历史、执行记录、费用和实际性能应提供可验证的收据,而非解释 @Juior2012。
- 关于 Motes 提出的一个开放问题是,当 Genesis NFT 被出售时,智能体现有的策略、活动历史和偏好会发生什么——一切是否转移给新所有者,还是智能体从头开始,以及如何处理个人数据和智能体连续性的边界 @DebshSukil。
- Motes 智能体还被描述为能够在所有者设置的权限内与 Polymarket 等预测市场交互,将用户从手动跟踪每个市场转变为让智能体分析机会并执行已批准的策略 @LaxmiWeb3。
- NEAR 上的 bonuz ID 让用户通过一条签名消息将已验证的 NEAR 账户附加到其身份,无需 gas,无需 NEAR,NEAR 主网上的注册表自行检查签名,因此没有密钥就无法附加账户。任何应用或智能体都可以向 NEAR 询问账户是谁 @BonuzMarket。
- Primus Labs 围绕可验证隐私展开:检查财务要求的 AI 智能体需要一个事实的证明,而非完整的银行历史,因此未来可能是 AI 知道得更少但做得更多 @bitnexst。
- Primus 还在 Primus Points (AlphaNet) 的 Agentic Ara 下引入了新的验证任务,Proof of Creation,让用户验证跨 Hailuo、CapCut 和 Dreamina 的视频创建活动。Primus 扩展必须更新到 v0.4.15 或更高版本 @NickRotenberg。
- Actum 认为,智能体经济将取决于企业能否证明其 AI 智能体做了什么——真实、可归属的执行,最终有人类负责,而非置信度分数或演示 @Actum_system。
智能体工程实践
这批帖子中的从业者正从编写提示和规则转向设计测试、框架和模型路由。
- Grok Bot 背后的工程师 Lauren Tan 每月提交 3,000+ 个拉取请求。她处理智能体错误的方法包含四个问题:能否重新设计代码使错误不可能发生,lint 规则或类型能否自动捕获,智能体能否通过运行和检查自己的工作来捕获,以及是否真的需要书面规则。每个错误对应五种修复之一——重新设计、lint、验证、编写规则或人工审查——大多数修复从不触及 AGENTS.md。她的团队在四个月内从 7 条 lint 规则增加到 167 条 @0x_kaize。
- 一篇相关帖子补充说,她花了六个月制定其 AI 无法打破的规则,几乎禁止了所有代码注释,因为 AI 用它们来制造借口,从 2024 年检查 3 段代码到 2026 年约 300 段,她的团队发布 11,000 次更新,几乎没有破坏,AI 修复自己的错误并自行发布修复 @kirillk_web3。
- Anthropic 分享了一个 Claude Code 设置,运行 Sonnet 5.5 作为主会话编写代码,Haiku 5.5 子智能体并行探索文件、映射仓库、查找调用点并拉取 API 文档,Opus 5.5 按需作为顾问。Opus 仅在计划锁定前、同一错误出现两次时以及宣布完成前介入,因此无需为每个常规轮次支付 Opus 费率即可获得 Opus 级别的判断 @xsmryze。
- 一位用户描述了在 Claude Code 中使用 Claude Fable 5.2 进行视频编辑:原始片段放入一个文件夹,一条消息描述情绪和长度,模型挑选最佳镜头并剪切停顿,而用户做其他事情 @adamgrag。
- Self-Harness 论文提出让智能体改进自己的框架。智能体运行真实任务,失败按原因分组,同一模型对其框架提出多个编辑,每个编辑在两个独立任务集上测试,仅当没有变差且至少有一项变好时编辑才保留。模型权重从不改变。报告的结果包括 Qwen3.5 在 Terminal-Bench 2.0 上从 18% 提升到 36.7%,GLM-5 在 AppWorld 上从 44.4% 提升到 85%,权重相同 @HoodieFade_。
- 一篇相关论文,被描述为“框架工程的终结”,认为手写框架是一个人类在一个下午的一次猜测,被投入生产并数月无人阅读。它提议保持大模型 100% 冻结,同时框架在四步循环中自主进化:运行时失败被捕获到结构化跟踪中,轻量级 4B 编辑器生成 8 个候选框架差异,所有 8 个在保留评估套件上运行,得分最高的单个编辑存活到下一版本。人类的工作缩减为设计评分集 @damkina7。
- 一篇关于开发 microVLA 的博客文章涵盖了构建过程中学到的训练和推理优化直觉 @starlitmatcha。
- 一场关于训练前沿本地编码 LLM 的演讲涵盖了评估、架构选择、密集与 MoE 对比以及扩展实验 @zainhas。
- 在 Epic Games MegaJam 中,2,500+ 名构建者使用 Grok、Cursor 和 Unreal Engine 创作。一个轶事强调了使用 Cursor 项目加上在强大开发机器上的自托管运行器进行云编排 AI 工作流,Grok Bot 作为轻量级编排器 @mattyp。
研究:推理、基于能量的模型、可解释性
- Li 和 Webb 的一篇论文从零开始训练网络,处理受控的抽象序列和实体-属性绑定任务,调整架构和训练数据,并使用因果中介和表征分析来跟踪符号特征何时出现。报告的结论是,数据多样性而非架构承担了几乎所有繁重工作:更多样化的训练分布产生了更强的符号机制,相同的特征出现在修改后的 Transformer 甚至普通 MLP 中 @gurtej__gill_。
- CRAM(紧凑推理联想记忆)是一种受 Hopfield 网络启发的基于能量的模型,学习能量景观并朝向最低能量状态下降,而非在循环中预测下一步。报告的结果包括训练速度至少比循环模型快 1,000 倍,相同精度下推理 FLOPs 减少 282 倍,极端数独逻辑谜题上 99.996% 的准确率,仅用 30 个训练谜题即可达到近 100% 的数独准确率,无需时间反向传播,以及推理计算量随难度扩展的自适应推理。由于它通过显式能量状态学习,学习到的权重被描述为可检查的 @HowToPrompt__@crazyMLguy。
- 一个智能体发现 Qwen3-TTS 偶尔呼吸和笑声背后的 417 个神经元——约占说话者 MLP 神经元的 0.48%——其中 61 个处于休眠状态。一起放大它们会在说话时产生呼吸声、低语 ASMR、说话时自然的笑声、增强的耳语以及第二个说话者出现。这项工作受到最近关于重新编程休眠神经元的 Lazarus 研究的启发 @TensorSlay。
- Inkling 2 Small(一个 LLM)与 Qwen-Image(一个图像模型)在相同提示和一次编辑下进行了比较。Inkling 编写代码渲染成图像,而 Qwen 生成像素 @kickingkeys。
- 一个非常实验性的 MiniMax H3 LoRA 一次交换最多三个角色,用彩色法线贴图或 DWPose 骨架标记谁被替换。工作流使用 BFS Video Segment Picker 节点(ComfyUI-BFSNodes)用 SAM 3.1 选择角色,可选 Molmo2 以保持跨镜头切换的选择一致性。作者指出它是实验性的,以低分辨率渲染,并计划为静态图像提供 H3 Image LoRA @Alissonerdx。
AI 与金钱和工作的交汇
- 一篇新的 NEJM AI 论文称,约五分之一的 Medicare 医生支付流向 AI 可以替代的工作,皮肤科和骨科受到保护,而初级保健暴露在外。评论该论文的医生认为,在论文中,“AI 可以替代它”意味着计费代码不涉及医生接触患者,而 AI 执行任务的能力从未被测量 @HemeOncBuddy。
- Niels Rogge 认为,“超级智能”是 AI 的重新包装,目的是从风投那里筹集更多资金,递归自我改进尚未开始,被描述为递归 SI 的东西更接近超参数扫描和内核优化,类似于人类运行的 NanoGPT 速通记录。他引用了 Recursive SI 的 Flint 模型,其中“递归 SI”相当于确定总参数和激活参数数量——更改配置。他指出令人印象深刻的基准数字与缺乏经济影响之间的差距,并表示 LLM 尚不能像人类一样进行研究、运行实验、发明新事物或泛化到训练数据之外 @NielsRogge。
机器人与物理 AI
- Boston Dynamics 正在用强化学习、真实世界执行器和先进全身控制推动 Atlas,目标是可靠、自适应并准备好应对真实世界的人形机器人 @LeonwithAi。
- NVIDIA GR00T 2 被描述为在人类演示上训练的机器人模型,可跨不同机器人本体携带技能——教一个机器人一项技能,观察它转移 @Inomsxbt@CoderJunkie。
- 一位研究人员正在试验一种历史条件策略,通过从短历史动作和观察中推断关节如何影响运动,来适应未见过的机器人本体 @ryanrahman360。
- RoboColosseum,一个由 BitRobotNetwork 与 Hugging Face、NUS MAGIC Lab 和新加坡具身 AI 中心共同创立的真实世界评估网络,发布了上线首日结果:跨四种本体的 15,000 次试验,仅开放赛道就运行了 41 天、11,398 次评估和 124 个站点。没有评估策略在 Unitree G1 上完成五项任务中的任何一项,平均进度得分在 13.3% 到 23.2% 之间。在 901 次匹配比较中,来自 xAI、Anthropic 和 OpenAI 的前沿模型在 394 例中比专用机器人策略取得了更多任务进展,而后者为 265 例。每次 rollout 都以 LeRobot 格式发布到 Hugging Face,包括失败,任务难度仍部分依赖于 1 到 10 分的人工评分 @ekinoks_26。
- Vangrid 正在构建一个去中心化的物理世界数据网络,人们使用智能手机以 3D 方式捕获真实世界环境,将这些捕获转化为机器人、自主系统和物理 AI 的 ground-truth 数据,当提交满足质量要求时获得奖励 @DaSpielberg。
- 同一网络被描述为将日常智能手机转变为捕获空间数据并赚取 USDC 的边缘节点,无需大规模数据中心或专用硬件 @AAJoy09。
- Vangrid 的方法也被与 NVIDIA GTC 2026 Physical AI Data Factory Blueprint 对比,后者强调真实世界数据是物理 AI 的约束。人脸和车牌在编码前直接在设备上模糊处理,使可识别 footage 远离上传管道 @Maviskrypt。
- 报告的 Vangrid 数据包括 10 月 125 万+ 次捕获、45 万+ 用户和 60 万+ 美元 USDC 结算,外加 900 万美元种子资金。组织可以为特定地点发布赏金,贡献者捕获,footage 被重建为 3D 模型并带有链上捕获证明,AI 智能体可以通过 Base 或 Arc 委托捕获并以 USDC 支付贡献者 @0xPritom。
- Noah Shachtman 总结的 CNBC 报道称,一家由 Eric Trump 支持的人形机器人初创公司声称拥有 2400 万美元的五角大楼合同,但无法支付工资 @NoahShachtman。
安全:被盗密钥和木马化扩展
一个被盗的 Fireworks AI 密钥触发了 Cursor 的泄露和木马化的 Claude Code 扩展。攻击者推送了一个恶意更新,旨在安装 SSH 后门,多达 5,000 名用户可能收到了它 @TheHackersNews。
学习资源
- 一个 12 周构建计划收集了 12 个免费资源,涵盖 Python 基础、实用深度学习、从零开始构建神经网络、PyTorch 基础、LLM 和微调、构建 LLM 应用、RAG、AI 智能体、智能体架构、MCP、生产工程和 MLOps。建议的目标作品集是一个模型训练项目、一个带引用的 RAG 助手,以及一个带评估和部署工作流的工具使用智能体,每周 10-15 小时 @mentalium_。
- 另一份路线图列出了 Anthropic 工程师的 23 步路径,从编程基础和数学到深度学习、LLM API、提示和上下文工程、向量数据库、RAG、智能体和框架工程、编排、微调、多模态 AI、评估、推理、AI 后端、MLOps、云、AI 安全、系统设计、真实项目和职业准备 @Mr_Buzzoni。
- 一份免费课程列表包括 Google Prompting Essentials、Generative AI: Prompt Engineering Basics、Deep Learning Specialisation、GPT Vision、AI Agent Developer Specialisation 和 Agentic AI and AI Agents for Leaders @Mohiniuni。
- 一份 50 仓库 GitHub 列表包括 ollama、langchain、n8n、dify、langflow、mem0、browser-use、crewAI、MetaGPT、AutoGen、aider、markitdown、open-webui、TradingAgents、firecrawl、transformers、vLLM、llama.cpp、llama_index、nanoGPT、RAGFlow、ComfyUI 和 freeCodeCamp @IsabellaA60913。
摘要: 本综述涵盖未经证实的前沿模型泄露,如 GPT-6.2 Astra 和 Gemini 4 Krypton、新的本地和边缘推理基准、带托管和身份的智能体市场、机器人评估结果,以及 Cursor 供应链泄露。
标题: AI 与前沿科技综述:GPT-6.2 Astra 泄露、本地推理记录与智能体市场兴起