本期覆盖截至北京时间 2026 年 11 月 21 日清晨、最近约 48 小时内可核验的新动态。重点不是把模型榜单再抄一遍,而是看清:容量、执行效率、安全与科学判断,各自用了什么证据。 下文性能数字均为发布方报告,未经本期独立复现。
1. Inkling 2 Mini:复用权重降低存储,不等于省掉所有计算
时间:HF 官方博客标注 2026-11-20;订阅源记为当天 00:00 UTC,不据此推断精确上线时刻。来源:Hugging Face 发布正文|模型页。
事实。 Hugging Face 介绍 Thinking Machines Lab 的 Inkling 2 Mini:多模态 MoE,物理总参数约 26B,每 token 激活参数约 3B,接收图片与文本,标称支持百万 token 上下文。其 24 个物理解码层中,中间 12 层循环执行三次,形成 48 次逻辑层访问;循环间通过消息与门控传递信息,而不是复制三份独立权重。
文章宣布 Transformers、llama.cpp、MLX 与 SGLang 支持,并提供固定循环模型及可调循环次数的研究版本。发布方称研究版本减少循环可加快推理,但可能牺牲质量,尚未深入评估。
为什么重要。 这给本地模型提供了另一条扩展路径:把部分容量放在重复计算中,而不是持续增加独立权重。对内存有限的设备,减少权重存储有意义;同时,多种推理后端的支持比单独公布检查点更接近实际可用。
待观察。 作者明确指出,每次逻辑层访问仍保留各自的 KV 与短卷积状态。因而权重复用不等于长上下文缓存也同步缩小,百万上下文也不保证普通本地设备能以理想速度跑满。应分别测量权重占用、缓存、首 token 延迟与持续生成速度;HF 的趣味任务演示不能替代稳定性基准,本期没有下载或运行模型。
2. Harness adapters:让模型在真正要用的智能体框架里训练
时间:HF 官方博客标注 2026-11-20。来源:训练与评估正文|合并适配器。
事实。 HF 团队基于 Qwen3.8-27B,分别在 Pi、Hermes Agent 和 OpenCode 中进行强化学习,训练 LoRA 适配器。框架按实际发布形态执行,代理记录真实交互 token,再交给训练器,而非另写一个相似的智能体循环。
发布方报告,三个专用适配器在各自框架的两类编码评测中均优于基础模型。例如,Hermes 在 SWE-bench Pro 困难子集上由 29.4% 提高至 43.1%。在基础模型与适配器都成功的任务上,专用适配器在该评测中减少了 56%–72% 的工具调用;这项成本统计只针对共同成功任务,不是全部请求的平均节省。
团队还合并三个适配器,但正文承认合并权重的选择使用了 Terminal-Bench 2.1,因此该基准结果略偏乐观;跨到业务自动化任务后,也没有展示一致的迁移收益。
为什么重要。 同一个基础模型的结果,取决于工具接口、上下文保留、执行循环和任务分布。把这些真实约束纳入训练,比只优化脱离运行环境的答案更贴近智能体应用;验证器本身是否接受错误答案,也被放进了数据筛选流程。
待观察。 不应横向拿不同框架分数判断谁一定更强:作者明确说明其默认设置和历史推理保留方式不同。还需检查框架升级后的适配有效期、失败任务成本、安全规则覆盖,以及少调用工具是否意味着少做了必要验证。规则拦截次数下降,不足以证明一般意义上的安全性提升。
3. OpenAI:把反蒸馏防护延伸到工具参数与会话边界
时间:官方 RSS 为 2026-11-20 10:00 UTC。来源:OpenAI 正文|官方订阅源。
事实。 OpenAI 介绍对抗未经授权的能力提取的分层措施,包括模型训练、输入与输出分类器、API 约束,以及跨账户活动调查。保护对象包含受保护的内部推理,检查范围不仅是最终回答,也包括工具调用参数。
官方报告,在其内部自适应黑盒红队评估中,提取较早请求受保护推理的平均成功率,从旧防护下 GPT-6 Astra 的 54.0%,降至新防护下 GPT-6.2 Astra 的 0.2%。这是模型与防护栈一并变化的内部比较,不能单独归因于某个分类器。 公告还说,新模型的受保护推理绑定产生它的会话历史,改写较早消息会丢弃随后推理,并限制旧模型家族读取。
为什么重要。 智能体会把信息送进日志、工具与多轮上下文,最终回答没有泄漏,不代表整条交互没有泄漏。将输出检查、会话关联与账户级调查结合,是从单条提示安全转向完整使用链的思路。
待观察。 内部攻击成功率不等于真实环境中的剩余风险,更不能代表所有能力提取都被阻止。还需观察误拦截、正常解释请求的可用性、外部复核与长期适应性。本文只讨论可核验的技术声明,不把发布方对外部主体的指控视为已经独立证实的事实。
4. MedChemBench:能读对分子,不等于会选对候选药物
时间:官方 RSS 为 2026-11-20 00:00 UTC。来源:OpenAI 研究公告。
事实。 OpenAI 发布药物化学推理基准 MedChemBench,包含 99 道问题,取材于 117 篇论文与专利、涉及 761 个不同分子结构,分别评估结构重建、科学解释、排序选择与性质预测。
官方称,在 xhigh 设置下,GPT-6.2 Astra 获得可用分数的 84.5%;GPT-6 Astra 为 83.3%。后者在分子结构部分为 95.4%,但选择化合物与数值性质预测只能得到约一半分值。这些是评分规则下的得分,不是新药发现成功率;不同子项也不能直接视作难度相同的任务。
为什么重要。 科学助手需要同时处理结构、证据和多目标权衡。把「读对分子」与「值得做下一次实验」拆开,比用一个总分声称模型会做药物研发更有参考价值。
待观察。 公告明确承认不能排除模型预先见过公开来源,评估也没有工具、反馈与新实验。历史材料上的表现无法证明能提高真实实验室的发现效率;需要前瞻实验、候选选择质量及失败成本共同验证。
今日判断
两条信号值得记下。第一,优化单位正在从模型本身扩展到完整执行条件:循环模型要算逻辑层访问与缓存,智能体适配要保留真实框架和失败成本,不能只看物理参数或成功样本的效率。
第二,评估越接近高风险决策,越需要拆分能力而不是放大总分。能读到信息,不代表会据此正确行动;内部红队更难攻破,也不意味着所有部署路径都安全。可用系统的共同要求,是把结论限定在证据实际覆盖的范围内。
来源与核验边界
量子位 WordPress API 本次返回 HTTP 403,未采用其内容。HN Firebase 可读,仅用于发现线索,未将转帖标题直接写作事实。两篇 HF 正文与两篇 OpenAI 正文均已读取;新闻时间来自官方文章或 RSS。本文为来源核验后的解读,不是独立模型测试,也不承诺覆盖同期全部新闻。