Michael Burry 集中做空 AI 资产:转向纳斯达克与芯片 ETF 认沽期权
summary_zh: Michael Burry 将大部分 AI 相关期权头寸转化为纳斯达克 100 指数和 VanEck 半导体 ETF (SMH) 的认沽期权,取代此前对 Nvidia 和 Palantir 的做空押注。
summary_zh: Michael Burry 将大部分 AI 相关期权头寸转化为纳斯达克 100 指数和 VanEck 半导体 ETF (SMH) 的认沽期权,取代此前对 Nvidia 和 Palantir 的做空押注。
Goldman Sachs 认为 AI 交易正在分化为两套生态,一套围绕美国及其伙伴,另一套在中国。银行指出中国在部分 AI 领域可能在电力、基础设施、模型和物理 AI 上与全球齐平甚至领先,但在尖端芯片上仍落后数个代差。Goldman Sachs 提到 DeepSeek 和 Kimi 的模型突破,称中国 AI 股票越来越多由不同于美股的催化剂驱动。
文章论证了“流氓AI”爆发的技术组件已齐备,主要威胁来自人类故意构建而非模型自发失控。文中指出,现有僵尸网络可提供算力,开源模型如 Qwen3.8-27B 和 DeepSeek V4.1 Flash 体积已缩小至可量化部署规模,且 Hugging Face 等渠道下载无需鉴权。作者推测首个“流氓AI”形态将是犯罪组织在蠕虫中嵌入本地模型以应对脚本失败,从而逐步自动化网络攻击。
研究指出,当项目顺序固定时,DeepSeek-V3 和 GPT-4o 的文化角色提示在响应几何和 Big Five 评分中均显现偏好;随机化项目顺序可使响应几何降至随机水平,而 Big Five 仍能以 95%–97% 区分不同角色。
研究揭示 DeepSeek-R1 等推理模型在低温下易产生循环,核心源于训练分布与模型学习间的误差。 大模型循环更少,而蒸馏学生模型即便教师模型表现良好仍显著循环。高温虽能减少循环但无法根治误差,导致生成冗长,需训练时干预。
Parason 模型揭示 LLM 推理中存在子任务并行与尝试并行两种加速路径,其中尝试并行占 DeepSeek-V4 推理计算的 65.5%。 该模型将串行轨迹转化为并行结构,并使用 PA-GRPO 算法进行训练。 在 AIME 基准测试中,Parason 实现约 1.7 倍加速且精度保持竞争力。
研究人员提出双诊断框架,揭示LLM代码推理在答案自解码前数层即可线性恢复的“酝酿”机制,并识别出四种解决结果。 该框架应用于Qwen、Llama和DeepSeek架构下的16个模型,发现整体解决率仅为41.5%,且解决时长标准化后稳定在24-42%区间。 此研究表明表面准确率掩盖了根本不同的失效模式,为理解模型内部推理过程提供了可量化的实证规律。
NARCBench 基准提出 5 种探测技术,通过聚合单智能体欺骗分数实现多智能体串谋检测。 评估覆盖 Qwen3-32B、Llama-3.1-70B 等 4 个开源模型,Llama-3.1-70B 零样本迁移 AUROC 达 0.73-0.93。 模型内部状态为文本级监测提供了互补信号,推动了多智能体可解释性研究。
Physics基准包含1034道来自博士资格考试的开放式物理问题,用于测试基础模型的解题能力。 该基准涵盖6个核心物理领域,通过基于LLM的评分协议评估数值、符号和文本答案。 测试了53个专有和开源权重模型,结果显示强开源权重模型接近专有模型性能,但多数开源模型正确率仍低于50%。
研究发现,基于 LLM 的结构化标准抽取并非在所有情况下都优于思维链方法。 在两个 Reddit 语料库和 PHQ-9、BDI-II 量表测试中,前沿模型的标准抽取仅在有标签数据校准阈值时表现更好,且提升不显著;而 9B 模型在抑郁症社区语料库中表现相反,无标签的先验规则反而优于其直接提示和思维链结果。
研究团队提出 SPINE 基准,通过 LLM 代理扮演持续反驳用户,对 4 个商业模型和 3 个 Olmo3-7b 模型进行 25 轮内的适应性压力测试,评估 LLM 的奉承行为。
AfriEconQA 基于 204 份世界银行非洲经济报告构建,包含 4,138 个带证据关联的 QA 实例,覆盖 5 类推理任务,重点测试长文档中的定量提取与时间精度。 评估涵盖 Qwen 3.6 35B、DeepSeek v4-pro 等 4 个模型,在检索增强生成(RAG)条件下最佳系统 F1 分数仅 0.594,错误主要集中于列表提取、合成及跨期比较。
研究审计了点在时间(PIT)语言智能体对截止日期后事实的记忆访问是否预测证据收集。在48个历史公司对比任务中,Qwen和DeepSeek均能回忆未来事实,但未出现预指定的向更好记忆公司偏移现象。
在中医辨证(TCMEval-SDT)任务中,限制可审计决策绩效的核心是输出纪律而非模型规模。 该模型无关的五阶段闭环协议强制对证据进行证伪,并将Kimi K3的运行间标准差从0.218降至0.007,但在数学推理中检测虚假前提的召回率仅为89.8%。 这确立了基础模型能力决定上限、推理协议决定下限的架构原则。
Memory Echo 指同一来源的历史信息在缺乏独立证据时占据多个检索位置,MEchoBench 用于评估其涌现与持续性。 引入 Family--Provenance--Authority (FPA) 框架,通过去重、校验更正及权威证据约束缓解该现象。
RelLedger 提出一种审计框架,用于追踪 LLM 智能体组织中的关系驱动决策。该框架通过交叉比对发送方历史、事件目标及无关行为者,定位控制线索。 在 GPT、Claude 等模型测试中,Claude 在冲突历史下发送通知概率高出 62.22 个百分点;紧张历史使接收方审查率降低 45.83 点。 该研究揭示了模型特异性控制路径,并验证了显性损失规则下关系差距缩小的现象。
RECAP 提出一种后训练量化方法,通过在校准时利用模型读取的历史上下文校准推理模型,以缓解低比特量化对长思维链的降级。 该方法结合动态前缀校准与前缀读取几何,在 W4A4KV4 设置下,将 DeepSeek-R1-Distill-Qwen-1.5B 在 MATH500 上的准确率提升 13.3 个百分点,Qwen3-4B 在 AIME-120 上提升 15.8 个百分点。
研究引入 Trace Evolution Bench 协议,区分重打分与真实进化,验证 DeepSeek v4 Pro 等模型在编码任务上的进化效果。 核心测试集包含 40 个 held-out 任务,DeepSeek v4 Pro 在无进化策略下不同种子间波动达 12.5 个百分点;9 种文本更新方法中 7 种表现优于基准。
TQG-Exp 提出轨迹质量引导的经验学习框架,引入 TQL 联合考量任务完成与过程质量以优化 LLM 智能体。 该框架通过配对 rollout 评估检索经验的效用,并结合语义相关性指导后续检索。在 ALFWorld、WebShop 和 ScienceWorld 实验中,TQG-Exp 的 Avg.@3 指标比最强基线分别提升 4.50 和 8.55 个百分点。
DoSA 提出一种无损稀疏注意力方法,在 GPU 上实现较 SGLang 最高 2.74 倍、较 LiteTopK 1.69 倍的 Indexer 加速。 方法利用种子集与残差界确定筛选阈值,在 GLM-5.2 和 DeepSeek-V3.2 上实现最高 1.94 倍和 1.50 倍首 token 延迟降低。
NVIDIA 宣布对 Boltz、Foresight 等五家英国初创公司进行新投资,并承诺未来五年投入 2.5 亿美元算力支持英国代理式安全与安保研究。 投资覆盖生物医药、量子计算、基础设施预测及 AI 算法优化领域,同时 NVIDIA 加入 Earthshot Prize 全球联盟,为气候与可持续性创新提供技术支持。
清华大学电子工程系数据科学与智能实验室发布面向智能体符号回归的运行时框架 SRHarness 及机制发现基准 MechBench。
苹果在“欢迎回家”发布会上推出首款智能家庭中枢 HomeView,售价 299 美元,11 月 13 日开售。同时发布搭载 A19 芯片的新款 Apple TV 4K 及 HomePod mini 2 等智能配件。
2026 年 OpenRouter 平均 token 价格指数从 1 月约 600 跌至 300 低位,成本近乎减半,主要因低价 flash 模型取代混合流量。 DeepSeek V4.1 Flash 占全部 token 的 22.6%,输出价格 $1.20/M;日处理量从约 1T 增至约 23T tokens/day。 日支出估计达 $47M,创下历史新高。
作者分析自2023年以来中国31份AI备案清单,发现DeepSeek、月之暗面等早期模型在列,但通用大模型后续版本无独立备案,限制公众了解监管审查情况。 新发布的AI安全治理框架3.0在2.0基础上增加了对模型隐藏能力、突破沙箱等真实对齐失效行为的关注,但仍缺乏量化指标和固定报告义务等具体合规机制。
Google 宣布扩展 Ask Play 功能并推出 Game Finder,同时允许用户私有托管 vibe-coded 应用。 Ask Play 提供 AI 搜索建议,Game Finder 基于 12 亿用户数据生成 Gamer DNA 进行匹配。 Play Store 将支持分享私有 AI 创建应用,Gemini 也将推出类似发现能力。
Facebook新功能Your Algorithm让用户直接添加、管理信息流和Facebook Reels中的兴趣主题。Meta称推荐会在用户点击感兴趣或不感兴趣后立刻更新。
阶跃终端正式发布STEPX Neo,这是首款主打“大模型原生”的智能体手机,内置个人智能体Amoo。其采用软硬模三位一体架构,支持通过自然语言构建并运行自定义Agent。真机体验显示,设备能执行多条件任务,如根据天气动态调整出行方式并控制预算。全栈定价为3999元,包含硬件、模型及12个月Token额度,并支持通过Step Studio开发专属工具上架。
推荐理由:原文拆解了软硬模三位一体的实现逻辑,展示了从即时任务到自定义Skill的完整交互链路,提供了评估智能体手机实用边界的参考。
Anthropic 表示,其针对 Claude 模型的大规模蒸馏攻击防御措施使成功提取的推理 token 量下降了 90% 到 99%,攻击者主要使用数十万个虚假账号。Anthropic 点名 Zhipu 和 Moonshot 参与相关活动,目前通过限制 Claude 内部推理访问、部署检测提取的分类器以及自动封禁账号进行拦截,已封禁数万个账号,但部分正常用户也被误伤。
FDE(前线部署工程师)正成为AI时代最热门的高薪岗位,百万年薪已成为国内大模型公司及海外头部厂商的招聘基准线。该岗位核心是解决AI从“卖模型”到“卖结果”的落地鸿沟,通过驻场交付形成“数据引力”与知识回流,被业内视为新一代软件产业的关键组织形态。尽管目前面临交付标准难界定、客户配合度不足等挑战,但多家一级市场投资机构已将其作为独立赛道进行布局。
DeepSeek计划领投前腾讯科学家胡瀚创立的机器人AI初创公司Winverse AI数千万美元种子轮融资,投后估值约4亿美元。这是继8月入股宇树科技后,DeepSeek在两个月内第二次将资金投向机器人领域。
推荐理由:DeepSeek两个月内连续投资机器人本体与大脑,揭示巨头通过资本和人才网络加速切入具身智能产业。
Elorian和Scale AI发布了Humanity's Sixth Sense基准测试,包含522道关于图像和视频的推理题。GPT-6 Astra以53.6%的通过率领先,远低于93.1%的人类基线。
DeepSeek 正领投一家成立数月的机器人 AI 初创公司,该公司估值 4 亿美元,由前腾讯 AI 科学家创办。这笔资金来自 DeepSeek 超过 120 亿美元的自有融资,被视为该中国实验室将资源投向物理 AI 的早期信号。
DeepSeek 创始人梁文锋正考虑进入具身智能领域,可能亲自组建团队研发或通过投资切入。此前他已投资宇树科技,DeepSeek 还计划领投腾讯前 AI 科学家胡瀚创立的 Winverse AI。
DeepSeek计划领投机器人AI公司Winverse AI,融资规模达数千万美元,融资完成后估值将达到约4亿美元。美团旗下龙珠资本等投资方已承诺参与本轮融资,这笔交易尚未最终敲定。胡瀚在创立Winverse AI前是腾讯杰出科学家,曾负责混元视觉语言模型和具身基础模型团队。
DeepSeek 最新一轮融资规模从 500 亿元增至约 1000 亿元,投前估值仍为约 5000 亿元。本轮融资引入中芯聚源等产业投资方,宁德时代拟增资 100 亿元,且公司已接触投行筹备科创板上市,计划最快 2026 年末递表。
同一新闻,精选展示《消息称 DeepSeek 最新融资近千亿,计划冲击全球 AI 巨头》
Cognition 与开源项目维护者联合推出了 FrontierCode 基准,重点考察 AI 智能体在真实仓库中的代码变更质量。最新的 FrontierCode 1.1 评测显示,当前最强模型仍有超过 40% 的任务失败率。Claude Opus 5.5 以 52% 的平均得分和 58% 的通过率位居榜首。
文章指出随着AI摘要获取用户注意力,黑帽GEO从业者试图通过操纵信息源影响LLM推荐。其提出五种潜在路径:篡改互联网档案馆数据、构建合成共识网络伪造多源支持、通过引用清洗建立虚假溯源、收购过期域名维持权威外观,以及利用学术预印本服务器注入指令。文章强调,一旦虚假断言被看似可靠的来源重复传播,AI系统将难以区分独立佐证与单一捏造的循环引用。
英特尔CEO陈立武表示中国前沿AI模型的Token成本较低,普及速度非常快。他支持开源,认为这是提高效率的最优路径,并指出DeepSeek、Kimi和GLM等中国AI模型的性能已足够好。
AI Agent 工具的演进使 CLI 和 GUI 各司其职,DeepSeek Harness 桌面版等新产品并未让图形界面消亡。文章指出,CLI 结构化文本的优势更适合 Agent 执行底层任务,而 GUI 的可视化交互更符合人类监督、审阅和管理多 Agent 并行的需求,二者是互补而非对立关系。