阅读

OpenAI于2026年11月4日发布了新的Images 2.6模型，该更新已随ChatGPT向所有用户推送。此次升级的核心功能是允许用户通过提示词或上传照片直接在ChatGPT中生成GIF动图，并支持调整动画速度和逐帧编辑。此前，ChatGPT无法在单一步骤中原生生成GIF，用户通常需要借助外部工具进行转换或编辑。

除了动图功能，OpenAI表示Images 2.6还提升了图像生成的速度。公司披露，目前每周通过ChatGPT及其API生成的图像数量已超过40亿张，较9月份报告的30亿张有显著增长。这一数据反映了用户对AI图像生成工具的依赖程度正在快速加深。

此次更新还包括面向开发者的新模型变体：GPT-Image-2.6 Flare和Sunburst，旨在提供更快的生成速度和更高的图像质量。Images 2.6已在Web、桌面和移动端的ChatGPT及Codex应用中全面上线。

据TechRadar报道，俄罗斯总统弗拉基米尔·普京已签署一项紧急法令，允许俄罗斯国内企业在特定条件下临时使用海外数据中心。这一政策转变发生在一系列针对俄罗斯本土数字基础设施的乌克兰无人机袭击之后，旨在缓解因物理设施受损导致的算力和服务中断危机。

此次政策调整的背景是俄罗斯关键数字基础设施遭受了实质性破坏。报道称，Yandex位于Sasovo、Kaluga和Vladimir的三个主要设施受到冲击，导致部分Yandex服务下线，同时也影响了通过Yandex基础设施运行的第三方服务。Yandex拥有三台大型超级计算机，其中一台曾在2021年的全球排名中位列第19，这些设备对于模型训练至关重要。尽管目前认为这些硬件可能已被转移或正在转移中，但其可用性受到了严重挑战。

值得注意的是，这项法令并非完全放开数据出境。企业不能随意离开本土数据中心，任何安排仍需获得政府批准，当局可能会评估国内算力的可用性后再授予许可。此外，新规要求俄罗斯数据中心运营商必须保留10%的容量用于紧急政府用途，并在接到通知后24小时内随时准备让出这部分资源。

为了应对未来的威胁，俄罗斯还在探索更极端的物理保护措施。据报道，国有电信公司Rostelcom正与矿业公司Norilsk进行谈判，甚至有州长提议将数据中心建在露天煤矿坑内，以利用地下空间躲避无人机打击。这一系列举措凸显了现代战争中数字基础设施已成为高价值目标，也反映了俄罗斯在追求“数字主权”过程中面临的现实困境。

巴西人工智能初创公司 Dharma-AI 于2026年11月发布了名为 Dharma Field Extractor 的20亿参数小语言模型（SLM）。该模型专门用于从各种类型的文档图像中直接提取用户所需的具体字段，并将其输出为结构化的 JSON 格式。与传统的 OCR（光学字符识别）技术仅返回页面上的所有文本不同，Field Extractor 能够理解上下文和布局，将发票、医疗申请单或身份证件上的特定信息（如供应商名称、总金额、患者姓名等）映射到指定的键值对中。

在技术实现上，该模型基于 DharmaOCR-LITE v1.1 版本，通过监督微调和直接偏好优化（DPO）进行训练，并在此基础上使用包含43,384个样本的数据集训练了 LoRA 适配器。数据涵盖了英语多领域文档、葡萄牙语巴西本地文档以及部分其他欧洲和亚洲语言的文档。模型支持两种请求模式：一种是“开放式”请求，由模型自行判断并提取所有结构化字段；另一种是“架构导向”请求，用户指定确切的字段名称和数据类型，模型按此填充，遇到不存在的字段则返回 null。

根据 Dharma-AI 发布的内部基准测试结果，该模型在546份文档的测试中取得了0.834的综合得分，超过了包括 Claude Opus 5 和 GPT-5.6 Luna 在内的多个前沿通用大模型配置。在成本方面，由于该模型设计为自托管运行，其在单张 L40S GPU 上的推理成本比调用前沿 API 低约6倍至147倍不等。这一结果凸显了针对特定任务训练的专用小模型在高频企业应用中的潜在经济优势。需要注意的是，上述性能对比和成本节约均基于 Dharma-AI 自行构建的基准测试和硬件环境，尚未获得独立第三方的复现验证。

美国中期选举的结果在华盛顿制造了一种特殊的政治格局：总统来自共和党，国会两院由民主党控制。《资本观察者》作者James Picerno认为，这种分裂政府并非市场的利空因素，反而通过两条渠道为资产定价提供了新的支撑逻辑。

第一条渠道是政策可预测性。分裂政府意味着税法修订、大规模监管放松或扩张性财政刺激在国会层面难以推进。Picerno指出，减少政策意外本身就能为商业和投资者提供更稳定的运营环境，而市场历来偏好这种确定性。

第二条渠道是财政纪律。Picerno认为，民主党控制国会与共和党控制白宫的组合，使得大幅扩大预算赤字的立法更难通过。虽然僵局不太可能逆转联邦债务的长期上升趋势，但它降低了新增大规模财政刺激的概率。这一判断的可验证锚点是10年期美国国债收益率：如果收益率在选举后稳定或下行，可能表明债市投资者认可分裂政府构成了对赤字扩张的有效约束；如果收益率持续走高，则可能意味着投资者仍然担忧无论谁控制国会，联邦债务轨迹都不会改变。Picerno注意到，10年期收益率近日已回落至5%以下，暗示市场暂时不那么担忧通胀和财政风险。

但Picerno同时识别出一个板块例外：AI数据中心基础设施。他引用Politico上周发布的民调指出，大约一半美国民众反对在住所附近数英里内建设数据中心，而这一比例从1月的28%急剧上升。随着公众情绪转向支持限制，民主党可能寻求对数据中心开发实施更严格的监管。市场似乎已经在定价这一可能性：两只作为数据中心和数字基础设施股票代理的ETF近几周大幅下跌，而标普500 ETF（SPY）基本持平。这意味着分裂政府对AI基建板块的传导机制与对整体股市的方向相反——政策可预测性利好大盘，但监管收紧预期拖累特定板块。

Picerno的分析还留出了两条总统仍单方面掌控的风险通道。一是关税：即便国会分裂，总统仍可通过行政行动和现有贸易法征收或提高关税，国会制约能力有限。二是地缘政治：有分析人士认为，跛脚鸭总统在外交政策上可能感到更少约束，对伊朗采取更强硬立场。任何紧张局势升级都可能扰乱石油供应、推高能源价格，进而复杂化通胀前景。目前美国基准原油西德克萨斯中质原油（WTI）价格在每桶100美元以下交易，Picerno提出的问题是：这反映的是地缘政治担忧的持久缓解，还是市场在重新评估中东紧张风险之前的暂时停顿。

整体而言，Picerno的框架将选举后的市场判断分解为可逐条验证的命题：债市收益率检验财政约束是否被定价，板块ETF表现检验监管风险是否已反映，原油价格检验地缘政治溢价是否消退。每一条都有明确的信号方向，投资者无需等待事后总结即可持续跟踪。

这一分析的核心局限在于因果归属。ETF下跌和收益率回落可能部分反映选举前的预期调整而非选举结果本身的新信息；Politico民调显示公众情绪变化，但情绪转化为实际立法或监管行动需要时间且存在不确定性；总统的行政权力构成分裂政府约束的明确例外。Picerno的框架更适合作为观察清单而非交易信号。

英国人工智能大臣Kanishka Narayan近日在议会答复中承认，过去两年政府广泛引用的“AI将为英国经济带来4000亿英镑增益”这一数字，主要源自一份由谷歌委托、咨询公司Public First（现称PF Global）于2023年发布的报告。Narayan表示，政府自己的最新评估认为，到2030年AI和数据投资带来的经济增益约为550亿至1400亿英镑，中心估计值为1200亿英镑，远低于此前宣传的4000亿英镑。

这一披露揭示了公共政策制定中对行业资助研究的依赖问题。尽管政府部门和机构在过去两年间一直使用4000亿英镑这一数字来安抚公众对AI导致失业和经济崩溃的担忧，但官员们实际上早在2025年11月就已获知较低的内部估算值。负责学徒培训的政府机构Skills England甚至在四个月后仍继续发布旧数据。

PF Global首席经济学家Jonathan Dupont解释称，差异部分源于政府对AI采用速度的看法变化。该咨询公司在2023年的模型假设了更快的技术普及率，而政府目前的估算基于更慢的实际采用速度。Dupont强调，他们的研究是独立的，所有判断和假设均由其自行做出。

反对党及监管机构对此提出批评。保守党贵族Lord Holmes指出，政府应更早澄清数据来源，因为数十亿英镑的公共资金部署依赖于稳健的数据。工党议员、科学、创新和技术委员会主席Dame Chi Onwurah则认为，过度夸大技术收益会破坏数字化转型的正当性，政府需对公众保持透明。

Ada Lovelace Institute的政策分析师Sumedha Deshmukh警告称，许多看似精确的AI经济数据往往内嵌了假设和行业激励，政府应在制定政策前测试这些数字的来源和假设，并资助独立研究以验证承诺的收益是否真正兑现。

据Tom's Hardware报道，一个名为OccupySaaS的新开源项目已启动，其目标是用AI工具对常见的商业软件即服务（SaaS）进行“净室”重新实现。该项目试图为Auth0和Salesforce提供免费的开源替代品，分别命名为ZeroAuthy和SalesCompel。

由于这些商业服务运行在厂商服务器上，无法直接反编译二进制文件，开发团队依据公开文档、API规范和开放标准来指导AI生成代码。项目强调严格的伦理边界：所有工作必须是完全独立的净室重实现，禁止使用任何前雇主的机密信息或源代码，也不得复制UI资产或商标。

技术选型上，项目主要使用Go语言，以便将依赖项编译为单一二进制文件，方便通过Docker容器等方式进行自托管部署。尽管面临订阅疲劳和价格上涨的用户需求，但此类由社区驱动、依赖AI生成的复杂企业级软件能否达到生产环境的稳定性和功能完整性，仍有待观察。

非营利人工智能研究机构Ai2于2026年11月4日宣布，获得Google.org数百万美元三年期资助及Google Research的技术支持，共同开发开源气候模型NeuralGCM+。该项目旨在将物理方程与人工智能结合，模拟大气与海洋的耦合动态，以提供更快速、可靠的长期气候预测。

与传统气候模型计算成本高昂或现有AI天气模型仅关注短期（数天至数月）不同，NeuralGCM+的目标是预测未来几十年乃至本世纪中叶的区域温度和降雨趋势。这一能力对于水资源规划和社区适应气候变化至关重要。

技术层面，NeuralGCM+基于Google Research现有的NeuralGCM架构进行扩展。该架构利用物理方程模拟大规模动力学，同时使用AI处理云形成和降雨等小尺度过程。Ai2计划将其与海洋和海冰模型连接，以捕捉海洋吸收和重新分配热量对长期气候的影响。此外，团队还将改进模型在GPU上的性能，并开放代码和工作流，以便外部研究人员参与训练和贡献代码。

尽管Ai2此前发布的ACE模型已证明AI可将特定实验速度提高约100倍，但纯数据驱动的模型在预测未见过的未来气候时存在局限。NeuralGCM+的混合设计试图通过简化AI的学习问题来解决这一挑战，但实现可靠的未来预测仍是核心研究任务。

中国科技巨头腾讯控股（Tencent Holdings Ltd.）于2026年11月4日发布了其最新的大语言模型Hy4。该模型首次在Hy系列中引入了“计算机使用”（computer-use）能力，通过先进的视觉理解、推理和工具调用，旨在实现长周期的智能体（agentic）性能表现。

据SiliconANGLE报道，腾讯表示Hy4相比8月28日发布的Hy4 Preview版本有显著的性能飞跃。新模型拥有7700亿总参数和490亿激活参数，支持100万token的上下文窗口，这一规模与当前欧洲和中国开发者提供的开源前沿模型（如Mistral AI、Moonshot Technology和Z.AI）处于同一水平。

腾讯称其在预训练和后训练阶段均进行了大规模扩展，并在指令遵循、长上下文理解、智能体长周期任务和深度研究方面取得了进展。公司还指出，此前版本在“思考”过程中存在过度推理和过度验证的问题，新版本对此进行了优化。

在实际应用方面，Hy4重点提升了工作场所协作、人类体验和专业工作的生产力。腾讯特别强调了其在网页开发、文档摘要、视觉创意任务以及前端和游戏开发方面的能力。针对复杂的游戏逻辑、状态管理和编排，腾讯称Hy4集成了Unreal Engine、Unity和Godot等主流引擎，并声称在GameDev bench和GameLogic基准测试中分别比预览版提高了19.1%和9.8%，尽管具体的基线数值未公开。

此外，腾讯利用Hyra 2.0自主AI研究代理系统推进了递归自我改进（Recursive Self-Improvement），以增强研发能力。目前，Hy4已在腾讯云TokenHub、WorkBuddy、CodeBuddy、Yuanbao、企业微信AI助手等平台上线，并通过OpenRouter等第三方渠道提供访问。定价方面，输入token约为每百万0.90美元，输出token为每百万2.70美元，缓存输入token为每百万0.045美元。Flash版本计划近期发布，模型权重和系统卡也将在未来几天内开放。

2026年2月，Jason Maynard接替Zig Serafin出任体验管理公司Qualtrics的CEO。上任九个月后，他做了一个看似微小但指向明确的决定：在公司内部禁用'headless'这个词。'我不许任何人把headless放在任何一张幻灯片上，'Maynard对diginomica说，'因为那不是我们的产品战略，不是我们的愿景。'他给这个词起了个对仗的别名——brainless。

这不是对屏幕和仪表盘的怀旧。Maynard承认，随着AI代理承担越来越多工作，人们登录应用查看报表的场景确实在减少。他反对的是'headless'这个词背后的架构含义：它暗示你买了一个系统，就可以把里面的数据和逻辑全部抽出来，让外部代理随意消费。'如果头没了，大脑也就没了，'他说。在Maynard看来，这个叙事把客户关系的控制权拱手让给了第三方代理——那些试图插在品牌和用户之间的个人AI助手，正在被品牌方集体拦截，这恰恰暴露了问题所在。

Qualtrics的替代方案叫'嵌入式洞察'。Maynard预计，未来某个时点，公司90%到95%的输出将不再以仪表盘形式存在，而是以'洞察令牌'的形式嵌入到决策发生的地方——CRM系统、客服工单、营销自动化平台，甚至第三方代理。2026年9月，Qualtrics发布了新的XM Data & AI平台（计划2027年交付），围绕三项能力构建：模拟（在承诺之前测试一个决策会如何落地）、预测（使用小语言模型预判特定个体可能的反应）、以及可信结果（在任何行动到达真人之前，先对照组织自身规则进行校验）。关键区别在于：数据和推理逻辑留在Qualtrics平台内部，只把经过校验的最终洞察送出去。

Maynard举了一个航空公司的例子：一个常旅客计划决定谁获得升舱，背后有一套不可协商的确定性业务规则。问题在于，这些规则是否应该被蒸馏出来、嵌入到某个前沿大模型实验室的框架中？他认为大多数组织不想这样，因为'那是我们的知识产权，是重要的东西，要留在自己的框架里'。这引出了他所说的'逆流'——当前企业客户同时面对两股相反的力量：一方面，体验期望的扩散速度超出所有人预期，消费者在某处获得一次好体验后，就默认所有接触点都该如此；另一方面，对AI的信任反而在下降，对数据主权的诉求在上升。两件事同时为真。

这也是为什么Maynard坚持用'trusted outcomes'而不是单说'outcomes'。Qualtrics过去用三个词描述自己做的事：倾听、理解、行动。新平台加上了两个词：模拟、预测。但'可信'这个限定词是后来才加上去的。'如果不写trusted，只写outcome，没有意义；如果只写trust，也没有意义，'他说，'必须是这两个东西绑在一起。'他补充了一句带有行业批评意味的话：'任何组织——无论政府还是商业——都不能靠供应slop来经营。Brainless、headless的slop。你的生意，完了。'

销售对象也在变化。Maynard提到，过去十五年每个业务线各自采购SaaS应用的模式正在收拢。他引用了一位COO的话：过去有3000到4000个应用，现在缩减到800个。CIO、首席数据官或首席AI官正在进入采购决策的对话，不再只是HR和客户体验负责人。Qualtrics为此增加了具有跨职能高层销售经验的go-to-market领导层。'AI只有在跨孤岛推理时才能起作用，'Maynard说，'而一个以跨孤岛推理为卖点的供应商，需要坐在拥有所有孤岛的人面前。'

需要指出的是，文中引用的客户成果数据均为厂商自报：TruGreen称使用Experience Agents后升级投诉减少30%、留存率提升8%；Trillium Health Partners称将患者反馈响应周期从三个月缩短到24小时内可被管理者采取行动。XM Data & AI平台尚未正式交付，上述策略的实际效果有待2027年验证。但Maynard的论证本身提供了一个具体的分析框架：当企业评估任何声称'headless'或'agent-ready'的平台时，真正需要追问的不是'能不能接入'，而是'谁在控制推理过程，什么被交出去了，什么被留下了'。