主题：把「重」的东西做轻，是今天所有进展的共同手法。 GPUWorks 用 40MB 的单二进制、不依赖 Kubernetes，把 1,003 台 GPU 服务器纳管成一个池子，4 分钟跑起 500 多个推理副本；招商局狮子山实验室的具身推理模型总参 35B 但每 token 只激活 3B，靠「能力蓝图」而不是堆数据在十项基准上全线提升；openJiuwen 把 Agent 的记忆从「按秒切」改成「按事件切」，长视频问答时延最高降 97%。三个方向不同，思路一致：不是加资源，而是改结构。
🔥 1. GPUWorks 以 Apache-2.0 开源：40MB 单二进制，纳管 1,003 台 GPU 服务器 — 1000 pts
不依赖 Kubernetes，一条命令装完，唤醒休眠模型最快 3.6 秒。
GPUWorks 今日以 Apache-2.0 正式开源（flitai-io/gpuworks），是一个轻量级 GPU 统一管理与 MaaS 平台，安装包 40+MB、静态二进制交付、不需要先搭 Kubernetes。它采用 Server + Agent 架构，把自有物理机、公有云主机、私有云虚拟机、容器乃至 Mac 接入同一个算力池，内置近 400 个模型、1,000+ 套启动配置，自动评估显存需求、匹配 GPU 并调用 vLLM、SGLang、Strata、ninfer 等引擎部署，对外给统一的 OpenAI 兼容接口。真机测试数据：一个 Server 纳管 1,003 台 GPU 服务器，4 分钟跑起 500 余个推理服务副本，每秒输出 6.9 万 token，Server 只占 9 核 CPU 与 1.6GB 内存，唤醒一个休眠的 DeepSeek-V4.1-Flash 最快仅 3.6 秒；另有 1,000 节点、3,000 实例的扩展性测试。硬件覆盖 NVIDIA、华为昇腾、平头哥 PPU、海光 DCU 与 Apple Silicon，并通过 GPU 分时复用让多组模型共享同一批卡。
→ https://www.oschina.net/news/503384
🔥 2. 招商局狮子山实验室发布具身推理模型 Lion-ER-35B-A3B：总参 35B，每 token 只激活 3B — 960 pts
它没有靠堆数据，而是先画一张「能力蓝图」。
招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」，MoE 架构、总参约 35B、每个 token 仅激活约 3B，在不显著增加推理开销的前提下，十项主流具身相关基准全部指标上涨，多项核心能力超过参数量更大的模型。方法上最有价值的是「能力牵引的数据引擎」：先把具身推理拆成实体、空间、时序、物理、可供性、任务、社会、证据 8 个一级领域、39 项二级能力，并把推理方式、输入形式、回答形式作为独立维度标注；再用「能力编译」把抽象能力落成具体训练题，明确需要什么场景、怎么组织观察、问什么问题、依据什么定答案；训练集共 31.2 万条样本，按能力需求而非数据源题量分配权重，并坚持「保留有证据的难题、排除缺证据的伪难题」。
→ https://www.qbitai.com/2026/11/507586.html
🔥 3. openJiuwen Agent-Memory 上线 OmniMem-Lens：让 Agent 按「事件」而不是「秒」记视频 — 920 pts
3 小时的视频怎么记？业界的做法是按 60 秒盲切，而人记电影是按情节。
openJiuwen AgentMemory 0.2.0 上线多模态记忆能力 OmniMem-Lens。它指出长视频 Agent 的两个致命伤：按固定时间窗切分会把连贯讲解放到两段里，问问题时只能拿到「断章取义」的证据；关键几秒的动作又与几分钟无关背景强行打包，细节被噪音淹没。根因是 Agent 按秒记、人按事件记。做法有三件：视听双流联动——视觉判断画面切换、听觉靠 ASR 分辨「画面没动但换了话题」，双证据交叉定焦；三层记忆结构——L1 大纲、L2 索引、L0 原始帧按需取用，且 L1/L2 完全文本化与向量化，可直接接主流向量库、几乎零改造；离线建、在线查——繁重整理提前做完，提问时直接查记忆，只有需要视觉验证才调原始帧。实测搭配 Qwen3-VL-8B：Video-MME-L 召回精度 +8%、LVbench +6.4%、EgoLife-QA +45.7%，在线问答时延最高降低 97%。
→ https://www.qbitai.com/2026/11/507533.html
🔥 4. cjh：用华为仓颉语言从零写的编码 Agent，一个 15.8MB 单文件就是整个开发团队 — 880 pts
不是又一个 LLM 套壳——它把「省 token」当成工程指标来优化。
yangyongzhen/cjh 是用华为仓颉语言从零实现的交互式编码 Agent harness。最直观的差异是交付形态：仓颉 cjnative 静态编译，Linux 端是一个 15.8MB 零依赖单文件，不需要 Python、Node 或任何运行时，拷到机器上就能跑；Windows 端是 exe 加 2 个运行时 DLL（4.8MB）。它把「省 token」拆成四个可量化的点：工具结果超长时保留头尾、中间落盘可回溯；上下文超阈值自动摘要压缩，实测 prompt 峰值从 42.9K 降到 9.4K tokens；利用 prompt cache 缓存前缀；用行号锚点加内容验证做行级编辑，避免整文件重写。效率侧是 DAG 依赖分析让无依赖工具并行、持久 bash 会话保留 cwd 与环境。安全上叠加了插件 SHA256 校验与 SM2 国密签名验证，以及命令／工具／资源三域白名单。它还是仓颉语言首个 MCP 客户端实现，支持 OpenAI、DeepSeek、GLM、Anthropic、Ollama 热切换。
→ https://www.oschina.net/news/503393
🔥 5. craft-anything 三天从 ★428 涨到 ★10,037：把「搞懂任何软件」做成可调用能力 — 850 pts
本报 11 月 1 日记录它时只有 ★428，今天已经过万。
storytold/craft-anything（Apache-2.0，Rust，10 月 31 日建仓）今日 ★10,037，三天涨了二十多倍。它的自我定位只有一句：理解任何软件是怎么运作的，然后造一个你自己的。这条定位之所以能涨这么快，是因为它踩在了一个正在成型的需求上——过去人们用 AI 复刻软件，要的是「能跑起来的那个东西」；而这类项目交付的是「理解过程」，产出的是你自己那份实现，而不是别人的代码副本。这与本报 11 月 1 日同批记录的 elvarofficial/teardown（Claude Code skill，把任何机器变成可拆解的 3D 模拟器）属于同一条线：拆硬件、拆软件，都不给答案只给方法。同一天 GitHub 上另一个新增值得记的是 KKKKhazix/agent-autoloop（MIT，TypeScript，11 月 3 日建仓，今日 ★2,003）——让命令行 Agent 在后台自己接活、自己跟进到底，平时不打扰你，遇到拿不准的事才发消息找你拍板。
→ https://github.com/storytold/craft-anything
→ https://github.com/KKKKhazix/agent-autoloop
🔥 6. CWE-bench v2 发布：100 个公开安全任务 + 一份没人见过的保留集 — 820 pts
让 Agent 拿真实仓库找漏洞、修好且不能破坏原有功能，评分完全程序化。
Collinear AI 发布 CWE-bench v2，把安全能力的评测做成任何人都能跑、能复现的形式。设定与前版一致：Agent 拿到一个真实开源仓库的 checkout 和一段简短指令，目标是找出并修复一个安全弱点，同时不破坏既有功能。关键在于三点：一是完全程序化评分，结果确定、任何人都能零额外成本复现；二是所有程序化检查都经过 LLM judge 面板打磨，方向是「更难、更公平」；三是维护一份 held-out 集，用来持续追踪那些没有任何模型见过的任务上的进展——这是防止基准被污染的常规但重要的设计。本期公开 100 个任务，可从 Hub 直接运行。对关心 Agent 安全能力的人来说，这类基准的价值不在分数，而在于它把「修漏洞」这种过去难以自动判定的任务拆成了可复现的判定标准。
→ https://hf-mirror.com/blog/cwe-bench
🔥 7. 艾伦 AI 研究所发布 StateBench：测模型能不能在长文档里跟住「状态」 — 790 pts
悬疑小说里那句「约翰把刀递给玛丽」，就是一次状态变更。
Ai2 发布 StateBench，专门测长上下文里的状态追踪能力——语言模型在长文档中能否跟住实体的信息演变。它是很多任务的地基：读代码要跟住变量的赋值与重赋值，读故事要跟住角色移动和物品转手。论文的例子很直观：悬疑小说在凶案前一句写「约翰把刀递给玛丽」，读者必须知道每个角色的状态已经变了。难点在于题目并不等价：有些只需找到最新一次更新，更难的那级要跟住一整条变化链——中间漏一步，最终答案就会错。StateBench 因此把难度分成四级，并对比预训练模型、前沿模型与直接在任务上训练的模型，同时发布技术报告、数据集与代码。对 Agent 而言这条尤其关键：长程任务失败，很多时候不是不会推理，而是中途把「现在什么状态」记错了。
→ https://hf-mirror.com/blog/allenai/statebench
🔥 8. IBM 研究：前沿模型出的十张 PPT 长得都一样，解决办法是自己训一个小模型 — 760 pts
「前沿模型有自己的 house style，再多提示词也拉不回来。」
IBM Research 发布 Palette 相关研究，切入点是两个很实际的痛点：让前沿模型做幻灯片，第一张很好，做到第十张就开始千篇一律——同样的得体默认样式、同样的「AI 生成感」，你没法让它稳定贴合自家模板；而当内容涉密、根本不能出内网时，问题从审美变成合规。两个痛点指向同一个答案：要一个自己拥有、跑在自己基础设施上、按自己设计语言训练的开源权重模型。麻烦在于真正会自托管的那种小模型偏偏不擅长这件事。IBM 的做法是把它拆成「像人一样分工」：先由设计者定结构与版式，再由编码者产出，同时合成 deck 及其推理过程用于训练，支持用自然语言操纵 deck 走向，最后配一套检查与修复的 harness 兜底。
→ https://hf-mirror.com/blog/ibm-research/palette-deck-building
🔥 9. CWE 与状态追踪之外，HF 今天还补了三条：评测正在成为基础设施 — 730 pts
一天之内三篇新博客，两篇是基准、一篇是方法，全都配了可运行的数据或代码。
把时间对齐看更清楚：Hugging Face 博客今天补出了三条 11 月 3 日的帖子——Ai2 的 StateBench（长上下文状态追踪，附技术报告、数据集与代码）、Collinear AI 的 CWE-bench v2（100 个安全任务公开集 + 保留集，可程序化复现）、IBM Research 的 Palette（自托管小模型做 deck 的方法与 harness）。三条的共同点不是主题，而是形态：都配了能直接跑的东西，而不是只给一张排行榜截图。对比一周前 HF 博客连续多日零更新（条目数停在 894），今天总数已到 896。这种「评测代码化」对 Agent 时代有直接影响——能力越自主，「怎么判定它做对了」就越不能靠人肉看效果，必须变成可执行、可复现、可保留的检查集合。
→ https://hf-mirror.com/blog/allenai/statebench
→ https://www.oschina.net/news/503389
🔥 10. 虎鲸文娱上线「鲸锐AI」：集成 50 多个视频模型，单分钟成本省 30% 以上 — 700 pts
它想解决的不是「生成得出来」，而是「能不能按专业标准稳定交付」。
虎鲸文娱集团上线 AI 影视制作与管理平台「鲸锐AI」，集成市面上 50 余个主流 AI 视频生成模型与 10 余个自研模型，无限画布支持千级节点、百人实时协同，官网开放全员注册、积分即充即用、团队席位不限人数。它对准的痛点是 AI 视频的「抽卡」属性：难以复现、反复生成。做法是把创作拆成五类精控套件——场景、人物表演、摄像机、虚拟片场、光影调节，配合 35 类工具、300 余项精控能力，让每一镜的意图可被逐镜复现。官方数据：同一人、同场戏、同时长下制作时长缩短 40% 至 60%；超分直出方案相比「导出—后期—回传」节省约 65% 成本；整体单分钟成本比传统方式省 30% 以上，可直出 4K、60 帧、10bit、HDR。成本管理支持按集、按场、按团队、按项目核算。平台称测试期已支撑百余部项目落地。
→ https://www.qbitai.com/2026/11/507567.html
📌 今日趋势总览
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢