01 Anthropic / 算力融资与基础设施
美国银行、黑石、花旗和摩根士丹利宣布一项630亿美元融资结构,支持为Anthropic提供算力设备。新设特殊目的载体SPV取得承诺融资,购买博通XPU加速器与网络设备,再将设备出租给Anthropic,预计从2027年开始交付。这不是向Anthropic直接注入同额现金的股权融资。
融资和资产安排把不同风险分配给不同参与者:美国银行、花旗和摩根士丹利安排第一顺位融资,黑石是第二顺位已承诺融资的唯一提供方;博通还提供相当于第一顺位融资金额的资产残值支持。设备由谁持有、现金流来自哪里、设备到期还值多少,都进入了这场算力扩张的交易结构。
前沿模型的竞争因此不仅发生在训练和产品端,也越来越依赖长期资本与设备供应的组织能力。融资结构可以帮助匹配昂贵设备和未来使用需求,但并不消除交付、利用率与技术迭代风险。后续应关注设备实际交付、租赁执行和算力利用,而不是把承诺规模直接当成已经实现的收入或可用产能。
融资公告美国东部26日16:15,即北京27日04:15。630亿美元为融资结构规模,不是Anthropic已收到现金或博通已确认销售收入。
[10] Broadcom / PRNewswire · [11] Blackstone · [12] IT之家
02 百度 / 文档理解与开源
百度在10月27日宣布开源文心Unlimited OCR 2,同时公开代码、模型权重和长文档评测集MarathonDocBench。它针对的不是单张图片上的文字识别,而是长文档处理时上下文越来越大、计算与显存负担随之增加的问题。
官方仓库介绍,模型采用SR-SWA稀疏检索滑动窗口注意力,在有限的上下文窗口中处理长文档。其思路是减少对全量序列反复计算的依赖,让当前窗口能够结合检索到的信息继续工作。开源模型和评测集同时出现,也让开发者有机会检查它在自己文档上的表现,而不只依赖产品介绍中的示例。
文档解析往往是检索、知识库和办公智能体的前置环节:如果结构或上下文在入口处丢失,后面的问答再流畅也可能建立在错误材料上。更可控的长文档处理可能降低这些流程的接入成本,但仍需检验复杂表格、跨页关系和不同版式下的可靠性。对实际部署者而言,完整处理一份业务文档的准确率、内存占用与耗时,比“无限”这一名称更重要。
百度官方新闻索引于10月27日09:58宣布开源,仓库同日记录模型和评测集发布;“Unlimited”是产品名称,不代表文档长度或资源消耗没有任何限制。
[18] 百度智能云 · [19] 百度官方GitHub · [20] 百度智能云新闻索引
03 小米 / 具身智能与工厂作业
据IT之家和21世纪经济报道,小米披露了具有21自由度、26个电机混合驱动及1500个全手掌触觉点的仿生灵巧手。与先追求更多关节、再寻找任务的思路不同,团队以小米汽车试制中心的工位与标准操作流程为输入,尝试从实际动作需求反推硬件设计。
报道介绍,团队从16类典型工位的2579项SOP中选出1827项进行采集和分析,覆盖超过七成的典型手工操作工序。触觉采用便于维护的手套式设计,方案也关注热状态预测等持续作业问题。这些选择说明,机器人要进入工厂,不能只在演示中抓住物体,还要处理触觉反馈、部件维护和长时间运行之间的约束。
更多自由度可能扩大可完成动作的范围,但不自动带来更高的真实生产效率。后续更有意义的证据,是具体工序中的连续任务完成率、工作时长和维护成本,以及更复杂硬件是否增加了故障和调试负担。若能够把工厂需求持续反馈到控制与硬件迭代中,这条路线才可能从灵巧展示走向稳定作业。
IT之家于10月27日12:26报道小米技术官微披露,21世纪经济报道16:40跟进;设计与仿真结果不等于已在工厂大规模部署。
[32] IT之家 · [33] 21世纪经济报道
04 OpenAI / 电脑操作与任务成本
OpenAI推出GPT-6.1 Terra,向ChatGPT Work和Codex的Plus、Pro、Enterprise、Edu用户以及API提供服务。标准API每百万输入Token为1美元、缓存输入为0.05美元、输出为5美元,产品重点放在视觉推理、电脑操作和写作,而非在所有任务上替代更大型模型。
公司称,在自有Agents’ Last Exam的中等推理测试中,Terra比GPT-5.6 Terra高出15个百分点,成本约为其三分之一。这组比较反映的是指定评测条件,不宜直接换算成所有办公室任务的效率提升;OpenAI仍建议将复杂编程交给Sol或Astra。模型选择因而更像工作分配:常规执行追求成本和吞吐,困难问题保留更强的推理资源。
对需要跨应用操作的智能体,便宜的Token只解决了一部分问题。一次失败后的重试、等待和人工接管,也计入用户完成任务的实际成本。如果更轻量的模型能在常见操作中保持稳定,它可能让持续使用更可行;接下来真正值得比较的是整条任务链的成功率与总支出,而不是单独一项价格或榜单分数。
窓の杜于日本时间10月27日07:51报道,即北京时间06:51;官方公告标注10月26日。成绩与速度比较为OpenAI自有测试,不代表所有工作流。
[01] 窓の杜 · [02] OpenAI
05 OpenAI / 科学研究与独立检验
OpenAI公布三项涉及调和分析、计算复杂性和量子场论的AI研究结果,将相关手稿定位为原始研究数据,并邀请外部专家参与理解与检验。公司称模型给出了局部光滑猜想的证明,还报告了反驳指数时间假设的结果;这些是公司披露的研究主张,不是已经完成的学界共识。
发布方式本身同样值得注意:数学研究直接公开模型输出,计算机科学和物理成果则由外部专家牵头组织协作;物理研究材料的公开安排由外部团队决定。数学等已公开的AI输出和形式化材料,有助于把审视对象从一次演示转向可检查的论证,但机器可验证的部分、研究所依赖的前提,以及结果应如何解释,仍是不同层次的问题。
这把AI科研的竞争从“能否提出答案”推进到“能否让他人有效检验答案”。如果研究共同体能够独立理解并复现关键论证,模型才可能成为更可靠的研究协作者。后续需要关注外部专家的分析、公开材料是否足够,以及相关结论在各自领域中成立的范围,而不只看发布时的突破措辞。
纳入10月27日11:06中文报道;官方公告日期为10月26日。本文记录公司公布的研究及审查安排,不把形式化验证等同于学界对所有解释与影响已有共识。
[03] cnBeta · [04] OpenAI