主题： 万亿参数模型回到国产算力、推理框架整仓开源，以及具身智能开始按「数据单价」与「全自主完成率」交答卷
编制时间： 2026 年 11 月 3 日 07:00（北京时间）
本期看点： 美团把 1.6 万亿参数的 LongCat-2.5 在国产算力上训完，并给出长上下文与 W4A4 推理的工程数字；腾讯混元把 Hyra 从「解题」推到「造工具」，一次性放出四个科学模型与两个数学结果；DeepSeek 开源生产推理框架 DeepInfer，但只先支持一个模型；企业侧，高盛把编程类 AI 工具收回工程师专用。具身侧，宇树 A2 在泰山 3100 级台阶上全自主跑完，优必选发布 Real2Sim2Real 仿真平台，机器科学与简智分别拿到新一轮融资。

一、要闻速览

序号	方向	事件	关键数字
1	AI Coding	美团发布 LongCat-2.5 原生多模态模型	1.6 万亿总参数 / 480 亿激活 / 国产算力
2	AI Coding	腾讯混元发布科研系统 Hyra 2.0	三层架构 / HyInv 快 57 倍 / 量子码 +48%
3	AI Coding	DeepSeek 开源生产推理框架 DeepInfer	Apache-2.0 / EP64–EP128 / 草稿减 30%
4	AI Coding	高盛限制非工程岗位使用编程类 AI 工具	10 月内部指引 / 12000 名工程师
5	具身智能	宇树 A2 拿下机器人登泰山大赛竞速冠军	3.9 公里 / 3100 级 / 43 分 41 秒
6	具身智能	优必选发布仿真平台 Thinker-Sim	渲染 +67.3% / 单节点日均 390 小时
7	具身智能	机器科学完成 A2 轮融资	数亿元 / 单条数据 0.05 元
8	具身智能	简智机器人披露 1 亿美元 A+ 轮	累计超 3 亿美元 / 单季百万小时

二、AI Coding 深度动态

1. 美团 LongCat-2.5：1.6 万亿参数，训练与推理都在国产算力上跑通

事件

11 月 2 日，美团发布新一代大模型 LongCat-2.5。这是一款面向长程智能体任务的原生多模态模型，总参数 1.6 万亿，每 token 激活约 480 亿，训练全程由国产算力完成。美团方面称，这是目前依托国产算力完成的最大规模训练任务。模型可在官网 longcat.ai 体验，开发者通过同步上线的 API 调用。

核心参数与产品细节

• 上下文与训练量：中训练阶段采用最长达 1M token 的序列开展长上下文训练，累计训练量达数万亿 token；监督微调阶段同样使用长序列。
• 训练效率：技术博客给出的长上下文监督微调任务中，优化后单卡训练吞吐较 DDP 基线提升 86%，按单卡折算相当于一张卡完成原来约 1.86 张卡的工作量。
• 显存与互联适配：针对国产算力单卡显存不足 80GB 的限制，训练系统重点优化显存开销，并围绕超节点设计并行策略，让参数与任务数据的主要通信在超节点内的高速互联网络中完成。
• 推理量化：采用 W4A4 方案，把专家权重与激活同时量化到 4 比特，并针对国产 AI 加速器特性优化计算与传输；预填充与解码吞吐相对 W8A8 基线分别提升 43.3% 和 42.77%。
• 多模态与编程：视觉信号被表示为多层级离散 token，与文本统一进主干处理，支持交互网页、3D 展示页面等任务；智能体编程侧引入大规模长程强化学习，并把真实 Agent 的失败轨迹转成可复现、可验证的训练任务。
• 评测口径：官方表述为多项主流基准成绩介于 Claude Opus 4.8 与 Claude Opus 5 之间，部分评测超过 Opus 5。此前 6 月的 LongCat-2.0 首次在国产算力上完成万亿参数模型的全流程训练与推理。

值得关注的原因

模型能力的对比结论需要第三方复现，但工程侧的三个数字是可以直接用的：1M 序列、单卡吞吐 1.86 倍折算、W4A4 下的双端吞吐提升。它们决定了同等国产算力能承接多长的上下文、多大规模的强化学习 rollout。落点则被美团压在主业上，基于 LongCat 的 AI 经营工作台「妙手」已服务古茗、徐升记、益禾堂等连锁品牌；技术博客中的案例是模型自主构建渠道利润表，识别出支付 GMV 增长 23.2%、渠道利润下降 1.7% 的增长质量问题，并给出资源配置建议。对做私有化部署的团队，这条路线说明万亿级 MoE 在国产卡上已经具备可运行的工程范式，剩下的是成本与稳定性。

2. 腾讯混元 Hyra 2.0：从「解题」转向「造工具」，一次研发供后续复用

事件

11 月 2 日，腾讯混元发布 AI 科研系统 Hyra 2.0。与 1.0 版本把通用 Agent 直接用于攻科学难题不同，2.0 的重点是让 Agent 参与科学模型、研究工作流与软件工具的研发和升级，使一次研发的成果能被后续任务反复调用。发布页把这一转向概括为从「抽卡刷题」到「工具升级」。

核心参数与产品细节

• 组织架构：研究工作分为 Overall、Mission、Worker 三层。Overall 与人类研究者对齐目标、管理优先级与资源；Mission 长期负责单一研究问题，判断路线、设计实验并对结论负责；Worker 独立读代码、做实验、分析失败原因，也可以质疑 Mission。系统另设 Review Worker 做独立复核，先接触原始问题与证据。
• 存储与知识：项目状态、Agent 分层记忆、共享知识库 Books 三套分离。Books 中的记录分「观察」「已验证」「约定」三级，单次实验的现象只能作为观察，经独立复现的才能作为依据，影响团队行为的约定需人类确认。项目复盘时，可迁移的方法会被整理成 skill。
• HyInv：196 万参数的图神经网络，做蛋白质逆折叠。预训练、微调、强化学习与推理优化均由 Hyra 2.0 完成，官方称与制药行业常用的 ProteinMPNN 相比，生成序列与目标结构的吻合度更好，速度快 57 倍。
• HyPLM-Flash：6.5 亿参数蛋白质语言模型，累计使用 7260 亿训练 token，为 ESM-2 650M 的 0.73 倍、E1-600M 与 ESM C 600M 的五分之一到八分之一；配 INT8 推理引擎，单张 H20 上约每秒 13 万残基。
• HyFF：面向分子模拟的原子级基础模型，五个规模从 230 万到 12 亿参数，覆盖 83 种元素，支持带电与开壳层体系。官方对比称 HyFF Andante 的力误差 7.65 meV/Å 接近 UMA-S-1.2 的 7.55，分子动力学速度为其 29 倍；Largo 的能量误差 0.364 meV/atom 为所评测模型最低。
• HyQEC：面向量子低密度奇偶校验码的构造与验证系统。构造并严格验证量子码 [488,123,22]，编码效率指标 kd²/n 达 122.0，在非 CSS、校验权重不超过 8 的条件下比 qLDPC Challenge 原榜首高约 48%；复核时把原榜首码的码距上界从 95 收紧至 86，并为排行榜 187 个条目中的 178 个完成精确码距认证。
• 数学结果：五维 Petty 等距点猜想被证明，每五个实赋范空间都含有六个等距点，最高已证维度从 4 推到 5；圆周作用猜想给出的是七维闭流形的反例，该流形非单连通，单连通版本仍然开放。

值得关注的原因

这一轮的关键不在模型参数量，而在「工具被谁造出来」。HyInv、HyPLM-Flash、HyFF 三个模型的权重、推理代码与技术报告同日放出，仓库以 Apache-2.0 许可发布，HyFF 的权重在 9MB 到 4.8GB 之间。这给外部团队提供了可复现的入口，也把争议点摆明：哪些结果出自 Agent 自主，哪些环节仍由人类定标准。另一个细节是 Review Worker 属自建机制，不是第三方评审，因此论文级结论仍需外部验证。对做科研 Agent 的团队，可迁移的经验是把「失败记录」与「可迁移方法」当作一等资产，而不是只保留最终答案。

3. DeepSeek 开源 DeepInfer：生产推理框架整仓放开，先只支持一个模型

事件

乌镇峰会召开前，DeepSeek 宣布在已开源大模型、TileLang 编译工具与推理算子库的基础上，进一步全面开源内部推理框架 DeepInfer，并同步开放生产级 Token 编解码组件 deepseek-recipe。框架用于支撑 DeepSeek V4.1-Flash 的大规模推理服务，后续新模型的推理代码与优化也会在该仓库持续更新。

核心参数与产品细节

• 许可与来源：DeepInfer 以 Apache-2.0 许可发布；最初主要基于 vLLM 构建，并吸收了 SGLang 与 TensorRT-LLM 的部分设计思路。
• 算子栈：集成 FlashMLA、DeepGEMM、DeepEP、TileKernels、DeepSelect 与自研 TileLang 内核。
• 并行策略：注意力层采用数据并行与均衡的上下文并行，MoE 层采用专家并行加专家并行负载均衡器 EPLB。解码阶段通常运行 EP64 到 EP128，预填充阶段使用内存允许的最小 EP，通常为 EP2 到 EP8。
• DSpark 推测解码：草稿模型每步提议 5 个 token，置信度头预测每个草稿 token 的接受率，调度器只验证最有价值的前缀。官方口径是待验证草稿 token 数量减少约 30%，接受长度基本不变。
• SWA 有界重放：缓存命中场景下只重放滑动窗口的有界后缀，默认保留 140 个 token（DEEPINFER_YOCO_PREFILL_KEEP_TOKENS=140），使重计算成本不随上下文长度增长。
• 一致性与输出：支持批不变推理（DEEPINFER_BATCH_INVARIANT=1）、确定性采样与结构化输出，后者可约束为 regex、JSON schema 或 EBNF 文法。
• 硬件与边界：支持 NVIDIA SM100 GPU 与华为昇腾 950 NPU；仓库明确写出本次发布不含 KV 缓存系统、PD 分离与数据并行副本间的负载均衡，这三项是完整推理服务所需。
• 基准条件：预填充在 4 张 SM100 上测，解码在 64 张上测，各自位于同一 scale-up 域内。

值得关注的原因

开源模型回答「能不能用」，开源推理框架回答「能不能便宜地用」。对做私有化部署的团队，每百万 token 的实际成本主要取决于这一层。这次没有给跨框架的横向对比数字，只给了自家模型上的帕累托曲线，因此判断收益要以自测为准。另一处值得记的是时间线：仓库首次提交在 10 月 20 日，早于乌镇上的表态，说明代码先落地、通稿后发。对昇腾生态来说，DeepInfer 把 950 明确写进支持列表，是国产卡承接主流开源推理栈的一个可验证入口。

4. 高盛把编程类 AI 工具收回给工程师：试验期结束后的第一份答案

事件

彭博社报道，高盛在 10 月更新的内部指引中规定，多数员工不再能使用专为编程设计的高级人工智能工具，Anthropic 的 Claude Code 与微软 GitHub 的编程产品只留给工程师使用。此前数月，该行允许交易员与银行家在工作中使用这些工具。

核心参数与产品细节

• 决策依据：高盛首席信息官 Marco Argenti 在对生产力与风险进行评估后作出该调整；发言人 Nick Carcaterra 表示，试验期内会评估生产力与风险管理等多种因素，之后把工具交给最适合长期使用的人员。
• 范围与例外：禁令覆盖大多数非工程岗位；从事交易、量化研究与软件工程交叉工作的「strats」不在其列。
• 此前用法：交易员曾用这些工具监控客户交易流、对市场变化与头寸建模，以及制作文字与图形内容。
• 前后对照：今年 7 月，Argenti 还公开称赞交易员、银行家等非技术员工的「编程氛围」，称他们用 AI 工具开发出解决方案，再交给 12000 名工程师中的一些人改进。
• 历史动作：这并非首次收紧，今年早些时候该行曾限制香港员工使用 Anthropic 的 Claude。
• 同行动向：摩根大通 7 月表示希望员工弄清什么用途该用什么模型，避免在研报归纳这类简单任务上使用最昂贵的模型；高盛自己也有一款整合 OpenAI、Anthropic 与 Alphabet 模型的内部助手。

值得关注的原因

这条消息与「人人都是开发者」的叙事相反，落点是权限与责任。编程类 Agent 一旦能读写仓库、执行命令，风险面就不再是「答错一句话」，而是「改错一个文件」，风险管理部门的介入几乎是必然。对工具厂商，席位扩张会撞上组织边界：同一个工具在工程部门是生产力，在交易台是审计难点。对开发者，值得留意的是权限粒度会不会成为下一轮产品竞争点，例如按目录、按命令白名单授予，而不是整账号开关。

三、具身智能方向深度动态

5. 宇树 A2 全自主跑完泰山 3100 级台阶，拿下竞速冠军

事件

11 月 2 日，首届 CMG 世界机器人登泰山大赛在山东泰安开赛，赛道从红门到中天门，全程 3.9 公里、3100 余级台阶、高差近 600 米，以连续石阶、陡坡弯道为核心挑战。足式机器人竞速赛中，宇树旗下北京灵翌科技队携 A2 机器狗出战，实际用时 41 分 41 秒，加罚时 2 分钟后以 43 分 41 秒夺冠。

核心参数与产品细节

• 全自主模式：A2 全程无遥控干预，靠实时感知与实时决策在不规则石阶上行进。宇树方面表示，官方仅派出 A2、B2 两款四足机型参赛，未派出人形机器人。
• 成绩构成：竞速赛冠军为北京灵翌科技队 43 分 41 秒；上海高羿科技队的另一台 A2 获竞速亚军；同队 B2 获负重赛亚军。
• 负重数据：B2 在万仙楼到斗母宫赛段有效负重 66kg，含支架实际负重 74kg，满载完成登阶。
• 人形组别：人形机器人竞速赛正赛段（红门广场到斗母宫）冠军为智身凌岳队，最终成绩 27 分 26 秒；挑战赛段（斗母宫到壶天阁）的「勇闯巅峰奖」同样由该队获得，用时 55 分 34 秒。
• 其他组别：足式负重赛冠军为灵锶智能灵狮队，积分 400 分、用时 1 小时 51 分 29 秒。
• 现场状况：一台宇树 G1 开发版机器人中途因过热出现状况，操作手为安全起见选择退赛，由工作人员抬下山；该机属第三方团队二次开发后参赛，非宇树官方队伍。
• 赛事规模：近 90 支赛队参赛，同期在泰安还有 110 家企业参展的具身智能产业生态展览。

值得关注的原因

实验室里的跑跳与真实山路是两回事。3100 级不规则石阶考的是关节散热、步态规划与抗冲击的联合表现，退赛的那台 G1 恰好说明了热管理的边界在哪。这场比赛给出的可比数据是时间与负重，而不是演示视频，因此可以横向对照：同一台 A2 在不同队伍手里相差一个名次，说明本体之外的调参与策略同样关键。场景侧的映射也直接：能爬台阶意味着能进楼道、上山路，能全自主跑完意味着不必全程遥控，巡检、山区物资转运、应急救援是现成的方向。

6. 优必选发布 Thinker-Sim：把真实厂区搬进仿真，单节点日均产出 390 小时数据

事件

11 月 2 日，优必选发布具身智能仿真平台 Thinker-Sim，以 Real2Sim2Real 为核心，构建覆盖真实场景数字化、规模化仿真数据合成、机器人能力评测的一站式体系，目标是把真实世界快速映射进仿真，再让仿真里练出的能力回到真机。

核心参数与产品细节

• 场景重建：基于自研 Thinker-GS 高保真场景重建算法与全流程 SimReady 资产自动化生成技术，实现从真实场景采集、三维重建到仿真资产生成的转换。工业工厂场景可还原厂区空间布局、环境结构与视觉细节，再按训练、数采、评测的不同需求加载机器人、生产设备、人员等前景资产。
• 数据合成：自研高性能渲染引擎，渲染效率提升 67.3%；单节点（8GPU）日均可合成 390 小时仿真数据；自研 SIL/HIL 通信模块效率提升超过 400%。
• 能力评测：面向感知、导航、操作搭建统一评测体系，通过场景、光照、纹理、材质等多维度随机化复现真实环境的不确定性，评估任务执行能力、鲁棒性与泛化能力。
• 使用门槛：内置标准化仿真任务模板，一键启动并支持实时画面推流；可视化工作流零代码编排，官方称适配 90% 以上的目标仿真场景；自研 Ulab-Agent 支持以自然语言完成场景创建、环境配置、任务编排与调度执行。
• 场景覆盖：工业制造与商业服务两类，商业侧支持展厅等数字孪生环境的训练与部署验证。

值得关注的原因

具身智能的瓶颈正在从「模型不够大」转向「数据不够真、验证不够快」。这条路线把三件事压到一条链上：真实场景三维重建降低建模成本，并行仿真提高数据吞吐，随机化评测把「演示能过、现场不能过」的差距提前暴露。对本体厂商，这类平台的价值在于把交付前的验证周期从周级压到天级；对买方，值得追问的是仿真与真机的一致性指标，即同一策略在仿真与现场的成功率差多少。优必选这次没有给出该差值，只给了渲染与吞吐的效率数字。

7. 机器科学完成 A2 轮数亿元融资：把单条训练数据压到 0.05 元

事件

11 月 2 日，通用具身智能企业 RoboScience 机器科学宣布完成 A2 轮数亿元融资。本轮由琥珀资本、鸿瑞达投资、上海半导体产投联合领投，爽资本、360 战投、国联通宝、金鼎资本及多家上市公司平台跟投。资金将用于具身大模型迭代、物流与零售及工业场景的 POC 验证与规模化落地，以及高端人才储备。

核心参数与产品细节

• 团队背景：公司成立于 2024 年 12 月，创始人兼 CEO 田野曾任苹果 AI Platform 技术负责人、斯坦福 AI Lab 硕士；联合创始人邵林为新加坡国立大学助理教授、斯坦福 AI Lab 博士。
• 产品序列：2025 年 9 月发布自研物理仿真引擎 RoboMirage，2026 年 6 月推出通用具身大模型 Visics，8 月发布轮式仿人形机器人 REX G1。
• 数据成本：官方称「仿真 + 视频」双数据路线把单条数据获取成本压到 0.05 元，为传统方案的 1/20 到 1/200；视频训练数据从 2026 年初的 100 万小时增至 10 月的 400 万小时，仿真训练数据超过百亿次运动轨迹。
• 模型架构：Visics 采用分层解耦，上层具身世界模型负责认知与物理轨迹预演，下层通用操作模型把轨迹转成不同机器人的控制信号，以物体连续 3D 点云轨迹作为中间接口。
• 跨本体表现：在 WAIC 与 WRC 展会上，搭载 Visics 的机器人可在 30 秒内切换不同品牌灵巧手且无需重新训练，并能抓取观众随机提供的物品。
• 交付形态：模型能力被封装为云端具身智能服务 EaaS，已上线腾讯云，通过 API 开放调用，支持适配不同形态的灵巧手与末端执行器。
• 融资节奏：加上本轮，公司今年已完成三轮融资，招商局创投连续两轮参与。

值得关注的原因

具身智能的成本结构里，数据长期是最难摊薄的一项。把单条数据从「几元到几十元」压到「几分钱」，直接影响的是场景迁移的边际成本：能否在一个新场景里用可接受的投入跑完 POC，而不是每次都重新采一遍。这条路线依赖仿真保真度，0.05 元对应的数据质量需要用下游任务成功率来验证，公司目前给的是展会现场的表现而非产线连续作业数据。对买方，判断标准可以简化成一句：换一个没见过的场景，需要多少小时、多少条数据、多少次返工。

8. 简智机器人披露 1 亿美元 A+ 轮：数据交付从单季十万小时走到百万小时

事件

11 月 2 日，简智机器人宣布已于 2026 年第三季度完成 1 亿美元 A+ 轮融资。产业方包括上汽集团、马来西亚 Eastworlds、百度集团、首程控股、GALBOT（银河通用），财务方包括光合创投、SUNHELM、中信金石投资、中证投、建银国际、华泰紫金等。公司表示，截至目前累计融资额超过 3 亿美元。

核心参数与产品细节

• 定位：面向具身智能与世界模型的数据与评测基础设施，成立于 2025 年 5 月，业务覆盖大规模人类技能数据收集、数据基础模型训练与数据处理、真机集群评测验证三步。
• 交付规模：有效数据交付量已从单季度十万小时级提升至单季度百万小时级；按现有产能与交付规划，公司预计 2027 年实现单季度千万小时交付。
• 客户与验证：数据产品已在全球多家物理 AI 模型上完成大规模验证，公司未披露具体客户名单。
• 产品节奏：将在 CoRL 期间发布 DAS 2.0 旗下的 Ego 2.0 与 Dex 2.0。Dex 2.0 按模型数据需求反向定义采集系统，包含侧置仿生外骨骼、关节内磁编码器与半柔性全手电子皮肤，同步支持无本体采集与机器人遥操作两种模式。
• 资本结构：老股东连续追投，产业方以车企、互联网平台与机器人本体公司为主。

值得关注的原因

数据正在从「项目制交付」变成「按小时计价的中间品」。单季百万小时意味着供给开始有规模，但买方需要的是可用率而不是时长，这一层目前没有公开口径。对上游，采集设备从「传感器堆叠」转向「按模型需求反推」，说明数据生产正在被训练端反向定制；对下游，真机集群评测是比采集更稀缺的能力，因为它直接决定一个模型能不能进产线。接下来要看的是单季千万小时的产能承诺能否兑现，以及交付数据在客户模型上的增益是否公开。

四、产业趋势总结

这一天的几条消息指向同一个方向：把能力换成可计量的量。

模型侧的计量单位是工程效率。美团给的是 1M 序列、单卡吞吐 1.86 倍折算、W4A4 下的双端吞吐提升；混元给的是 196 万参数的模型快 57 倍、6.5 亿参数用 7260 亿 token、量子码编码效率高 48%。这些数字的共同点是可以被同行在同等硬件上重算，也因此比「介于某两个模型之间」的位置判断更耐用。DeepSeek 的做法相反，干脆把支撑线上服务的推理层整仓放开，让成本问题从「厂商口径」变成「自己测」。

企业侧的计量单位是权限。高盛的调整说明，编程类 Agent 进入组织后，第一个真正的门槛不是能力而是责任划分：谁能改仓库、谁能跑命令、出了事谁签字。这条线会推着工具厂商把权限粒度做细。

具身侧的计量单位换了两次。一次是时间与负重，泰山赛道把「能跑多久、能背多重、要不要人遥控」变成名次；一次是数据单价，机器科学把单条数据压到 0.05 元，简智把交付量报到百万小时级。两种计量都在把「机器人能干什么」翻译成采购方能签字的条款，缺的仍是同一件事的横截面：仿真与真机的一致性差多少、数据可用率是多少、连续作业的故障间隔是多少。

五、值得持续关注的信号

• LongCat-2.5 在 Terminal Bench、ProgramBench 等基准上的逐项对手分数，以及第三方在同等国产算力上的复现结果。
• Hyra 2.0 的 Review Worker 机制能否外化为可审计的评审流程，五个科学模型的权重下载与社区复现情况。
• DeepInfer 何时补齐 KV 缓存、PD 分离与数据并行副本负载均衡，昇腾 950 上的实测吞吐是否公开。
• 高盛之后是否有第二家金融机构跟进限制编程类 AI 工具，以及工具厂商是否推出按目录、按命令的细粒度授权。
• 泰山赛道之外的连续作业数据：宇树 A2 在巡检、山地运输场景的故障间隔与自主接管率。
• Thinker-Sim 的仿真与真机一致性指标，以及 390 小时日均产能对应的实际可用率。
• 机器科学与简智两家给出的数据单价与交付量，在客户模型的成功率上能否得到对应增益。