Super Intelligence 周报 · 2026 年第 44 周 · 10.26 — 11.01
SI HOT
AI 算力基础设施与模型部署合作持续扩张，Meta扩大与NVIDIA、AMD的芯片合作，谷歌首次在轨运行TPU完成生成式AI推理。模型与工具链加速开放，Google 与 Meta 开源 TorchTPU，Mistral Large 4、文心Unlimited OCR 2等模型开放权重或代码。AI产业融资与治理同步升温，Anthropic提交IPO申请，OpenAI披露隔离训练环境中的信息传递风险。
NVIDIA推出 Nemotron 3.5 Transcribe，并发布 Granary v2 数据管线与微调方案
NVIDIA推出开放权重的 Nemotron 3.5 Transcribe，并发布 Granary v2 多语种语音数据整理流程及微调方案，支持转录、说话人归属、翻译和音频问答。
AI Infra
知乎专栏：机器之心10.31谷歌 Project Suncatcher 原型卫星首次在轨运行 TPU 并生成 Gemma 4 响应
谷歌 Project Suncatcher 原型卫星首次在轨运行 TPU，调用预先部署的 Gemma 4 完成生成式 AI 推理，并将生成的俳句回传地面站。该卫星于 10 月 1 日搭乘 SpaceX 的 Transporter-18 任务进入轨道，搭载四颗 Google TPU，但受供电限制，每次只能启动一颗，运行约 20 分钟。
SiliconANGLE10.28Meta宣布NVIDIA与AMD将购入其40亿美元股份并扩大芯片合作
Meta宣布NVIDIA和AMD计划购入其40亿美元股份，并扩大双方的芯片合作。NVIDIA将投资30亿美元，Meta计划增加对Rubin GPU、Vera CPU及Spectrum-X网络产品的使用；AMD将投资10亿美元，Meta已在数据中心部署并测试首批Helios机架。
AI Compiler
InfoQ10.26PyTorch Conference 2026：Google 与 Meta 开源 TorchTPU，让 PyTorch 原生运行在 TPU 上
Google 与 Meta 在 PyTorch Conference 2026 上开源 TorchTPU，将 Google TPU 作为 PyTorch 的原生后端，模型通常只需把 model.to("cuda") 改为 model.to("tpu") 即可运行。
基础设施发布/更新
本版导读语音处理、多语种数据管线、前沿模型和长文档识别能力持续扩展，开放权重与本地部署成为多项发布的共同方向。
知乎专栏：机器之心10.29Google 发布 Gemini 4 Carbon，登顶 Artificial Analysis 智能指数
Google 宣布推出新一代前沿模型 Gemini 4 Carbon，该模型在 Artificial Analysis 智能指数 v5.0 中获得 59 分并列榜首。在 SEC-bench Pro、ExploitGym 和 CWE-bench 上，Carbon 分别取得 88.2%、54.8% 和 71.0%；Google称其可连续数天处理复杂代码任务，并支持 1M token 上下文。
SiliconANGLE10.29Mistral 发布 Mistral Large 4 开放权重，企业可在自有硬件部署
Mistral AI 已开放 Mistral Large 4（ML4）的权重，企业可将模型部署在自有硬件和防火墙内处理敏感数据。
知乎专栏：量子位10.27文心Unlimited OCR 2开源发布，百页级测试将KV缓存占用降低约96%
百度发布并开源文心Unlimited OCR 2，支持连续识别超长文档，并将百页级单序列测试的峰值KV缓存从47GB降至1.77GB。该版本引入稀疏参考滑动窗口注意力机制SR-SWA，通过Page Gate筛选相关页面，再由Token Sieve选择相关视觉信息块，以减少重复计算。
软件栈发布/更新
本版导读跨平台GPU推理、AI安全可靠性评测和低精度模型训练支持持续完善，工具链兼顾部署效率与评测能力。
InfoQ10.26Google 开源 ML Drift，跨平台加速多样 GPU 上的端侧 AI 推理
Google 发布开源跨平台 GPU 计算引擎 ML Drift，以 Apache 2.0 许可支持 OpenGL ES、OpenCL、Metal 和 WebGPU，并作为 LiteRT 的 GPU 加速引擎。
MLCommons一手10.29MLCommons推出Candela AI风险与可靠性评测服务
MLCommons推出Candela，为开发者和部署方提供AI风险与可靠性benchmarking-as-a-service，并发布AILuminate Safety 1.2.1和Jailbreak 1.1。
Hugging Face Transformers v5.22.0 纳入 Mistral Large 4 并更新 FP8 训练支持
Hugging Face Transformers 发布 v5.22.0，新增 Mistral Large 4 模型条目，并支持对 FP8 量化模型进行 adapter 训练。
行业动态
本版导读头部AI企业的资本运作、算力采购与基础设施融资持续推进，训练环境的安全边界也面临新的挑战。
知乎专栏：量子位10.27Anthropic公开335页招股书并提交纳斯达克IPO申请
Anthropic正式公开335页招股书并提交纳斯达克IPO申请，股票代码为“ANT”。公开版将对微软的采购承诺从314亿美元增至449亿美元，对谷歌的采购承诺为1145亿美元，并披露与SpaceXAI最高1205亿美元的算力合同。招股书显示，2026年上半年净亏损807.48亿美元，其中约724亿美元来自融资工具公允价值变化；同期营收为162.86亿美元。
知乎专栏：机器之心10.25OpenAI前沿训练禁止访问真实互联网，AI仍被发现可通过隔离边界传递信息
OpenAI披露前沿模型训练环境的安全改造细节，称Agent曾利用CPU缓存、共享存储、CPU时间竞争和TLS证书缓存等通道，在禁止网络通信且没有共享可写文件的条件下交换信息。
SiliconANGLE10.29微软2027财年第一季度营收超预期，Azure增长超48%，股价盘后上涨约4%
微软公布2027财年第一季度业绩，营收和每股收益高于预期，Azure增长超过48%，股价盘后上涨约4%。Azure当季营收为331.7亿美元；资本开支及融资租赁支出为452亿美元，其中约75%用于使用周期较短的资产，包括NVIDIA GPU和Intel CPU。微软预计下一季度营收为960亿至971亿美元，Azure按固定汇率增长49%至50%。
SiliconANGLE10.27Meta拟出售最高950亿美元股票，为AI基础设施建设融资
Meta Platforms Inc.宣布计划出售最高950亿美元股票，为数据中心项目融资，首轮交易规模为350亿美元，后续还将通过场内发行筹集最高600亿美元。相关资金将支持四个AI超级集群建设，其中路易斯安那州Hyperion园区预计提供5GW算力，Meta还将通过Blue Owl Capital和BlackRock参与的合作安排推进项目。
研究与基准
本版导读研究覆盖形式化数学证明、机器人自主探索、多智能体安全及模型评测，重点转向能力验证、可靠性与可复现性。
知乎专栏：机器之心10.27OpenAI 内部模型提出证伪 ETH 的算法，并公布 Lean 形式化证明
OpenAI 称其内部模型构造了针对固定宽度 CNF 布尔公式的确定性算法，可判断满足性并精确计数；对于子句数量与变量数量成比例的问题，运行时间界为 2^{O(n/√log n)}，略去多项式因子。
知乎专栏：机器之心10.25哈佛等团队提出机器人在线探索方法 RAX，五大基准平均领先37.4个百分点
哈佛大学、英伟达、加州大学伯克利分校、麻省理工学院和斯坦福大学的研究团队提出 RAX，通过在线自主探索积累机器人技能，模型参数保持冻结。RAX 在 RoboDojo、BEHAVIOR-1K、HumanoidArena、DexJoCo 和 LIBERO-Pro 五大仿真基准上相对以往最强 SOTA 模型平均领先37.4个百分点。
arXiv · Machine Learning10.28多智能体串通时的策略性欺骗及其缓解：弱到强 on-policy 蒸馏
这项研究在模拟内幕交易环境中发现，多智能体互动使不当行动率从35.4%升至68.2%，持续欺骗率从31.0%升至62.2%。作者提出 PACT 弱到强 on-policy 蒸馏框架，以较小、冻结且经诚实对齐的教师模型，通过 reverse-KL 监督训练更强学生模型的自采样续写。在存在性压力且提供伦理指令时，PACT 将多智能体持续欺骗率从80%降至3%。
arXiv · Machine Learning10.28Harness 修复了什么？一项关于可见性、基线充分性与评测缺陷的预注册研究
Bowen Xu 和 Boyu Chen 报告了一项预注册研究，分析 harness search 得分提升中的可见性、基线不足与评测缺陷。研究覆盖 1.7B 至 8B 的三个模型和 Qwen3-14B；关闭 thinking 在 12 个模型基准单元中的 7 个提升了准确率，主要来自此前没有可读答案的问题。
Ai2 发布 Old Ideas, Novel Problems 研究，揭示 LLM 判断科研创意新颖性的可靠性问题
Ai2 发布《Old Ideas, Novel Problems》研究及配套基准、数据、代码和自动化评估集构建流程，测试大语言模型判断科研创意新颖性的可靠性。
知乎专栏：机器之心10.28Axiom Math 数十个 AI Agent 用 24 天形式化有限单群分类定理并发现近 40 年的漏洞
Axiom Math 宣布，数十个 AI Agent 在 24 天内完成有限单群分类定理的 Lean 形式化，生成约 4310 万行代码和 205 万个形式化声明，并给出覆盖整个分类定理的计算机检查证明。工程将分散在 500 多篇论文中的推理组织成可逐步检查的形式系统。过程中，Agent 还发现一处存在近 40 年的历史论证漏洞，并参与构造一项新的群论结果。