11 月 2 日，美团发布 LongCat-2.5，定位「面向长程智能体任务的原生多模态模型」，总参数 1.6 万亿、每个 token 激活约 480 亿，训练全程在国产算力上完成，美团称这是目前国产算力上完成的最大规模训练任务（今年 6 月的 LongCat-2.0 首次在国产卡上跑通万亿参数的全流程训练与推理）。技术上三处要点：视觉信号被表示成多层级离散 token 与文本统一处理，支持交互网页与 3D 展示页面；中训练阶段序列最长达 1M token、累计数万亿 token，针对国产卡单卡显存小的短板把参数与数据的主要通信压进超节点内高速互联，长上下文监督微调的单卡吞吐较 DDP 基线提升 86%（折算约 1.86 张卡的工作量）；推理用 W4A4，专家权重与激活都压到 4 比特，相对 W8A8 INT8 基线输入处理与逐 token 生成吞吐各提升约四成，首次出字快约 16%、后续每 token 快约 20%。评测口径含糊：官方只说多项主流基准介于 Claude-Opus-4.8 与 Claude-Opus-5 之间、部分超过后者，没给分数与测试配置。真正落地的是商业分析——技术博客里模型自主搭出渠道利润表，识别出支付 GMV 涨 23.2% 而渠道利润掉 1.7%，进而结合清货经济价值、复购与库存风险给差异化资源配置建议；配套的 AI 经营工作台「妙手」已服务古茗、徐升记、益禾堂等连锁品牌，在商家授权范围内调工具、调系统执行任务。用户在 longcat.ai 体验，开发者走同步上线的 API。

11 月 2 日，腾讯混元发布自动化科研框架 Hyra 2.0，把重心从「让 AI 直接解题」转到「让通用 agent 研发并升级可复用的科学模型、研究工作流与软件工具」。起因是 Hyra 1.0（约三个月前发布的极简 agent 循环）已经证明刷题路线可行——发布一周后驱动开源模型 Hy3 解决加法组合学中悬置五十多年的「和集与差集最优指数」，为国产开源模型首次全自动解决数学开放问题——但混元认为解出一道题只得到一个答案、不提升下一次研究的能力，而工具升级的收益会被所有下游任务反复复用。工程上把研究工作拆成 Overall（对齐人类目标、管优先级与资源）、Mission（长期负责单一问题、定路线、对结论负责）、Worker（独立读代码、做实验、分析失败，可质疑 Mission）三层，接进真实环境（企业微信对齐需求、计算平台提交实验、代码仓库改代码），大算力与共享知识同步操作需人工审批，任务进持久化队列，等待训练或审批时其他任务照跑。硬规矩是证据：Worker 交差须附代码版本、实验结果与日志或原始轨迹，需要独立验证时另起 Review Worker 先接触原始问题以避开执行者结论的影响；经验分项目状态、agent 分层记忆、共享知识库 Books 三套存，Books 里分「观察 / 已验证 / 约定」三级，约定须人类确认。成果：HyInv 196 万参数做蛋白质逆折叠，比 ProteinMPNN 快 57 倍，单张 H20 上 128 条约 400 残基序列约 50 毫秒；HyPLM-Flash 6.5 亿参数、7260 亿 token；HyFF 五个规模 230 万至 12 亿参数、覆盖 83 种元素，模拟近 6 万原子水通道蛋白 100 纳秒、4.6 万原子酶体系看到完整断键成键；HyProver 与数学家核验丘成桐圆周作用猜想、五维 Petty 等距点猜想；HyQEC 构造量子码 [488,123,22]，kd²/n 达 122.0，比 qLDPC Challenge 原榜首高约 48%，并把原榜首码距上界从 95 收紧到 86；香山 RISC-V 的 SPEC CPU2006 每 GHz 性能 +5.79%、面积仅 +0.3%；灵巧手自主设计出五指绕掌心、由短到长的「旋梯手」，最初比最优设计慢约 11%，同预算控制算法训练后仿真转速 3.28 rad/s 对基线 2.55、快 28.6%。它已参与混元下一代模型的预训练、后训练与推理系统优化。

11 月 2 日，2026 年世界互联网大会领先科技奖在浙江乌镇揭晓，20 个获奖项目现场发布，华为申报的「昇腾 950 超节点」（Atlas 950 SuperPoD）获奖。华为官方口径：这是一套用自研灵衢互联协议把多个计算节点连成逻辑上一台机器的系统，支持 128 与 1024 张 NPU 两种配置，单节点配 1024 张 NPU、1300 余颗灵衢互联芯片、4000 余只光模块，靠大带宽、低时延、统一内存编址支撑万亿与十万亿参数模型的训练推理；训练算力利用率可达 45%，推理时延低至 5 毫秒；CANN 基础软件全面开源开放。华为昇腾计算产品线总裁张迪煊现场称目前已有 40 多个大模型在昇腾完成原生预训练，超节点累计落地 1000 多套，服务互联网、运营商、金融、教育、能源等行业。需要留意一处口径不一致：华为官方公众号写「45%，为业界 1.5 倍」，光明网现场报道写「为业界 1.8 倍」，两处数字对不上，官方新闻稿未给测算方法。同批获奖项目还包括「九章四号」光量子计算原型机、小米通用机器人操作基座模型、地平线整车智能体平台、蚂蚁全流程数智健康服务平台、BrainCo 智能仿生手、阿里云 Qoder 与微软 Copilot Cowork。

11 月 2 日，阿里云发布面向投研场景的 AI 工作台 Qovest。用法是一句话提研究需求，它自己去查金融数据、读财报和公告、翻研报、做分析、出报告；结果存进「投研空间」，下次接着做，不用每次从零开始；还能设定时任务，按日／周／月自动跑同一批标的并更新看板。官方说团队采购了权威金融数据库、部署在阿里云上，并自研了面向金融场景的 Agent 工程框架 Harness，把数据调用到分析输出串起来；在开源金融评测集 FinFirst 与 IRAB 的内部横评中，回答质量、响应速度、成本均称领先参与评测的主流产品，但没有公开具体分数与测试配置。商业化口径有个拧巴的地方：对外定位写的是「面向专业机构投资者」，实际卖法却是个人申请、按月付费——官网 qovest.cn 目前只有「申请体验」和「查询申请进度」两个入口，注册送积分免费试用，之后是每月 99 元或 199 元两档，各含一定使用额度，额度多少、用完怎么算都没写；面向券商、基金、资管的企业版称近期推出，支持多账号协同与私有数据接入。产品 slogan 是「你负责判断，研究交给 Qovest」，演示看板自己标了不构成投资建议。

10 月 23 日起，Hugging Face 上一个 10 月 16 日才注册的匿名账号 burner22 陆续上传 772 个 safetensors 分片、合计约 7.72 TB，仓库名 numbat，模型卡自称是「Anthropic 下一代 Mythos 级训练」在预训练第 183 万步（总计划约 196 万步）导出的评测副本：约 14 万亿参数、114 层、Gated DeltaNet + MLA 混合注意力、1224 个路由专家（每个 token 激活 48 个，另加 1 个共享专家）、NVFP4 量化，并附完整配置、架构实现代码、分词器、张量索引、末 400 步训练日志与自报评测（MMLU 88.49%、ARC-Challenge 72.01%）；它给出的可信理由是 numbat 这个代号出自 2026-03-31 Claude Code 源码泄露里的一句注释。11 月 1 日仓库在 Reddit 与 HF 讨论区扩散，页面显示 5846 次下载、74 个赞，而 Hugging Face 自己统计的参数规模约 6.85 万亿，与宣称的 14 万亿口径不一。同日 15:46 UTC 有用户贴出统计分析称权重是脚本随机抽的、从未训练；16:29 UTC 用户 FloxUnder 给出可复现检验：把张量名做 SHA-256、取前 8 字节作 PCG64 种子、生成标准正态 FP32 再按类型变换（归一化权重 exp(0.06z)、卷积核 z/6）后舍入到 BF16，43 个完整张量、730368 个 BF16 数值逐位一致，盲测的 21 个张量全部命中，全程只需 HTTP Range 拉约 90 KB，不必下载那 7.72 TB。其他反常点：测算激活参数约 553B；分词器风格偏中文常用 BPE；自报评测没有脚本可复现；声称跑在 AWS Trainium2 上却用英伟达的 NVFP4 格式；训练日志单步稳定约 7 秒，按此推算剩余步数要跑数月。截至 11 月 1 日 16:40 UTC，Anthropic 与 Hugging Face 均未回应，也没有人证明这份权重能产出任何东西。