AI 资讯
AI 日报 · 11/02｜没人 @ 也能自己提 PR
DeepSeek 公开 Super-agent 架构，AI 可主动发现 Bug 并提 PR；美团发布 1.6 万亿参数 LongCat-2.5，清华团队让 AI 用 Lean 4 证明「这关无解」。
6 分钟阅读
本文目录
今天有四条消息，共同点是：AI 正在从「回答问题」转向「自己动手」，而围绕它的规则也在同步跟进。
美团发布 LongCat-2.5：1.6 万亿参数，专攻长程智能体
11 月 2 日，美团龙猫发布面向长程智能体任务的原生多模态模型 LongCat-2.5。总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上进一步强化原生视觉理解与智能体编程能力。（来源：IT之家）
值得看的是训练方法上的取舍。它在长序列训练里加入了更多长程轨迹数据，并用大规模长程强化学习提升模型在复杂代码库开发、完整项目构建这类任务上的端到端能力。另一个做法挺巧妙：把真实 Agent 的失败轨迹转化为可复现、可验证的训练任务，针对能力短板持续补数据——比起只喂正确样本，这更像是针对「它在哪里卡住」来做专项训练。
架构上，LongCat-2.5 把视觉信号表示为多层级离散 token，让主干模型以统一的 token 形式处理视觉与文本输入，因此支持创意设计和 3D 等任务。官方提到这些升级由基础设施支撑：优化国产算力上的长上下文训练与 W4A4 推理。目前已可在 longcat.chat 在线体验和接入 API，Github 与 HuggingFace 权重「即将上线」——也就是说，现在还不能自托管，想本地部署的团队要再等等。
DeepSeek 开源 Agent 底座：没人 @ 也能自己找 Bug 提 PR
DeepSeek 公开了个人 Agent 的底层架构思路，题为《Super-agent：迈向更自主的 Agent 系统》。它要解决一个很具体的痛点：传统 Coding Agent 的操作分散在不同会话里，用户得自己记住每个会话进行到哪、再把上下文交代过去，而一个人通常只能同时跟进 3 到 5 个活跃会话——模型单项能力越强，多任务协作效率越受人类注意力限制。（来源：量子位）
Super-agent 的解法是把上下文从「会话」提升到「工作」。在团队内部运行的实例中，同一个开发任务可以从 IM 群聊一直延续到 GitHub PR 评审：用户先在群里决定用方案 A，又在 GitHub 评论里要求改成方案 B，系统能判断这两条消息属于同一项工作并调整后续执行方向，而用户面对的始终是同一个 Agent。
它提出的四个特征是连续、高效、主动、持久。其中「主动」靠的是投机执行（Speculative Execution）：群里有人讨论一个 Bug，Super-agent 会先在后台尝试复现和定位，找到简单可行的修复就把结果交给用户；没找到就保持安静，避免打扰。架构上分两层——上层 Router 负责接收消息、分配任务、维护全局上下文，下层 Worker 是一组具体执行任务的会话，多个任务可同时推进。
初步实测数据：在模拟多任务环境中，任务完成时间中位数 12.4 分钟、95 分位 15.7 分钟，优于测试中的传统单会话方案。这条的意义在于，它把「Agent 该不该主动做事」从概念推到了工程实现层面——什么时候该动手、什么时候该闭嘴，成了需要设计的参数。
清华姚期智团队：让 AI 从「记录现象」走向「推导规律」
清华大学姚期智和袁洋领导的团队提出「代数世界模型」（Algebraic World Model，AWM）。它要回答的问题是：AI 能不能像牛顿那样，从观察和实验中推导出规律，而不只是记录现象。（来源：量子位）
文章里有个很好的类比。在 ARC-AGI-3 这类「没有规则、没有目标，全靠自己摸索」的游戏集上，顶流模型能拿到 99.9% 的高分，它会自己把游戏机制整理成一堆符号化规则——但这些本质上是第谷的实验记录本：精确得吓人，却只是记录现象。真正从中发现行星运动三大定律的是开普勒。
「只记录现象」会有严重后果。研究者把某个关卡改成根本不可能通关（本来起码要 19 步，只给 18 步），让模型去玩。结果模型试了 8 轮后断言「18 步肯定不行，我估计至少要 22 步才能赢」——不仅没发现正确答案，还给出了错得离谱的数字。在 12 次类似测试里，GPT-6 Astra 和 Claude Opus 5.5 加起来只有 5 次判断出「不可能」，其中 4 次给出的最低步数还是错的。
AWM 的做法分三步：探索（边玩边把现象写成可执行的 Python 代码，作为初步假设）、凝炼（用新观察验证修正，提炼成更通用的对象与规则）、证明（形式化成 Lean 4 语言，变成机器可自动检查的数学断言）。效果上，面对那个无解关卡，基于 Opus 5.5 的 AWM 只尝试两次就证明了「当前步数下无解，且只需再多一步就能获胜」；在整个 ARC-AGI-3 测试集上，它 183 个关卡全部通关、得分 99.9%，平均通关动作数只有人类基准的 43%。
OpenAI 支持统一的训练偏好信号
治理侧也有一条。OpenAI 宣布将遵循 robots.txt 中一项通用信号，让网站表达其内容是否可用于基础生成式 AI 训练。这项自愿性举措的价值在于：以前网站运营者要逐个识别各家爬虫、为每个供应商单独维护规则；有了跨供应商的共享信号，只需表达一次。OpenAI 表示计划在未来数月内实现，届时会公布实现细节。（来源：OpenAI）
两个细节值得留意：这个新信号不会取代现有的 robots.txt 控制，原有爬虫规则继续有效；它接续的是 IETF「AI Preferences」工作组的工作。换句话说，内容授权正在从「各家自建规则」走向「行业通用协议」——这对内容站运营者是个实际的好消息，意味着不用再逐家适配。
对读者意味着什么
四条连起来的图景是：模型在往「长程自主执行」走（LongCat、Super-agent），研究在往「可验证的推理」走（AWM），而内容侧的授权规则在往「通用协议」走（robots.txt 信号）。
落到具体动作，有三点值得现在就做。第一，评估模型时别只看跑分，看它的「动作效率」——AWM 那个「只有人类 43% 动作数」比 99.9% 的通关率更能说明问题，因为动作数直接对应 Token 成本和执行时间。第二，如果你在关注 Agent 落地，DeepSeek 那个「一个人只能管 3 到 5 个会话」的观察很实在：多任务并行的瓶颈往往在人不在模型，选方案时优先考虑能自动归并上下文的。第三，如果你是内容站运营者，关注这项 robots.txt 通用信号的落地，早一点把偏好写清楚，比事后追溯省力。站内GPT 与 DeepSeek 怎么选和DeepSeek 模型选型指南给了按任务与成本做选型的口径。
本文由 AI 辅助整理，信息以文中来源链接为准；文中所述均来自公开报道与厂商公告，未做一手实测。
讨论 0