11 月 2 日，腾讯混元发布 Hyra 2.0。它交出来的东西可以逐个点：香山 RISC-V 处理器每 GHz 得分涨 5.79%，芯片面积只多 0.3%；一个 196 万参数的蛋白质逆折叠模型，生成速度是老牌工具 ProteinMPNN 的 57 倍；量子纠错码的编码效率，比 qLDPC Challenge 原榜首高约 48%。

这些数字都写在官方博客里，附图、附脚注、附对照型号。

同一篇博客里还有一个数字没有：这套系统跑了多久，烧了多少 token，人工审批过多少次算力申请。

• Anthropic 把对话历史搬到服务端：Message threads 公测，每轮只发新增消息和上一条 ID，50 万 token 以上的会话首字延迟降约 35%。
• Vercel 让 agent 别再看截图：agent-desktop 用 Rust 写，直接读系统无障碍树拿稳定元素引用，今天进了 GitHub 日榜。
• 昇腾 950 超节点拿了领先科技奖：1024 张 NPU 当一台机器用，训练算力利用率 45%，40 多个大模型在昇腾完成原生预训练。
• 一个导航模型开始自己出题：复旦 RSI-Nav 用同一个 Qwen3.5-9B 写指令、走一遍、筛数据、再训练，R2R-CE 从 52.9% 到 68.6%。

三个 agent 分工，第四个专门挑错

Hyra 2.0 的骨架里没有一个新模型，全是调度和记忆的工程。

研究工作分三层。Overall 和人类研究者对齐目标、管优先级、协调资源；每个 Mission 长期负责一个研究问题，定路线、设计实验、组织 Worker，并对结论负责；Worker 独立读代码、做实验、分析失败、提新想法，也可以质疑 Mission 的判断。不同 Worker 可以用不同模型，好让复核意见来自不同的底子。

任务进持久化队列，按优先级、依赖关系和资源上限调度。等训练结果的空档，别的任务照跑；agent 还能给自己设下一次唤醒时间，实验完了或到了检查点再接着干。进展记在 Research Board 上，普通进展由其他 agent 异步读，必须处理的走消息通知，收件方要明确回应。

交活要带证据。Worker 报告完成时得附代码版本、实验结果、日志或原始运行轨迹，Mission 可以翻实际操作记录，看实验支不支持报告里那句话。要独立验证，就另起一个 Review Worker，让它先看原始问题和原始证据，再看执行者的结论——顺序是刻意的，先看结论就会被结论带走。

三套存储是分开的：项目状态（任务队列加 Research Board）、每个 agent 的分层记忆（当前认识、关键假设、已排除的路线、下一步计划）、跨任务复用的共享知识库 Books。Books 里的记录分三档：单次实验看到的现象算「观察」，独立复现过的才算「已验证」，影响团队行为的「约定」要人类确认。项目复盘时，可迁移的方法再整理成 skill。

成果那张单子

五条线，五组数字。

方向	产出	它交的数	对照
蛋白质设计	HyInv	196 万参数，速度快 57 倍	ProteinMPNN
蛋白质语言模型	HyPLM-Flash	6.5 亿参数，7260 亿 token	ESM-2 650M 的 0.73 倍用量，35 个任务平均第 3
量子纠错	HyQEC	编码效率高约 48%	qLDPC Challenge 原榜首
处理器	香山	每 GHz +5.79%，面积 +0.3%	官方团队约 2–3 个月迭代
数学证明	HyProver	丘成桐圆周作用猜想、五维 Petty 等距点猜想	数学家核验

HyInv 那条值得多看一眼：196 万参数的图神经网络，规模不大，预训练、监督微调、强化学习、推理优化四步却全由 Hyra 2.0 自己完成，还顺手设计了「先起草、再改写」的两步采样。单张 H20 上生成 128 条约 400 个残基的序列，约 50 毫秒。HyPLM-Flash 则是另一个方向：7260 亿 token 只有 ESM-2 650M 的 0.73 倍，在 12 个蛋白质语言模型里推理最快，35 个评测任务平均排名第 3。

香山那组更硬：修的是 SPEC CPU2006 暴露出来的问题，频率没动、面积只加 0.3%，所以那 5.79% 不是拿频率和面积换的。另外它新设计的 fuzz 测试找出 7 个 bug，加上 3 个独立发现共 10 个，都不在官方 issue 列表里；还用 TLA+ 找到一个多核缓存一致性的反例，修复已提交给开源末级缓存 OpenLLC。

5.79% 和 28.6% 不是一回事

还有一只「旋梯手」：五根手指长短递增，初版比原有最优设计慢约 11%。在相同预算下重训控制算法之后，仿真里的旋转速度反而快了 28.6%。

这两个数字经常被并列着说，但它们的分量不一样。

5.79% 是同频同架构下的比较，分母是 SPEC CPU2006 每 GHz 得分的几何平均，单核频率保持不变——改的是微架构和工具链，不是拿频率和面积换分。至于「相当于官方团队 2–3 个月迭代」，是按香山官方性能看板记录的历史迭代速度估出来的，不是拉官方团队做了一次对照实验。

28.6% 那段要小心读。手本身是慢 11% 的，反超发生在「重训控制器」之后，而且是仿真环境里的旋转速度。准确说法是「AI 找的手形，加上一套一起调过的控制器」，把结构单独拎出来看是负贡献。灵巧手的协同设计本来就是这个结论：结构和控制策略得放在一个循环里搜，单看结构会误判。

所以那只手不是「AI 设计得比人好」，是「AI 把设计和控制一起调，调出了人没试过的组合」。这个区别在转发里基本会丢。

缺的那一栏

整篇博客里，产出侧的数字一列接一列，投入侧的一个都没有。

这不是抠细节。Hyra 2.0 论证自己值不值得做的核心，是「一次投入、多次复用」——解题的答案只能用一次，升级过的工具能被下游反复调用，收益可以叠。这个论证要成立，至少需要三个数：一次工具研发花掉多少 token 和 GPU 小时；同一套 skill 被后一个项目调用了多少次；中间人介入了几次、每次多久。

三个都没给。博客只写了「接入企业微信和研究者对齐需求」「较大算力开销需要人工审批」——人在环里，但环有多粗不知道。

我的判断是：这类系统真正的分水岭不在加速比，在复用率。57 倍和 5.79% 证明的是「它做对了一次」，不是「它能一直做对」。下一个项目启动时，同一个 skill 被调用还需不需要人重讲一遍背景——如果还要，那它省下的只是一个执行力，不是判断力。

其他动态

Anthropic 把对话历史搬到了服务端

11 月 2 日，Anthropic 把 Messages API 的 message threads 放进公测。第一个请求带完整对话并开一条线程，之后每轮只发新增消息和上一条响应的 ID。官方说，50 万到 100 万 token 的会话里，首字延迟（TTFT）中位数降了约 35%。

线程存在内存里，加密，不落盘，最后一次请求后 5 分钟失效；失效之后客户端得重发全量对话，重新开一条。

值得关注的原因：它改的是账单之外的那一半。token 照收，降的只是起步时间，所以别指望它省钱；但 5 分钟窗口是个硬约束——你的工具调用如果跑 6 分钟，回来线程已经没了，得把几十万 token 再发一遍。写 agent loop 的人应该拿自己的工具超时对着这个数看一遍。

让 agent 别再看截图，改读无障碍树

Vercel Labs 的 agent-desktop，Rust 写，Apache-2.0，作者是 agent-browser 的 Chris Tate。1.0.0 在 10 月 27 日加上 Linux，1.0.2 在 10 月 30 日跟进，今天进了 GitHub 日榜，约 7,800 星、单日新增 2,200 多。

它不是截图找按钮。系统本来就给读屏软件留了一份结构化的元素清单，它直接读这份无障碍树，拿到稳定的元素引用，再基于引用去点击、输入、选择、校验结果。支持 MCP。

值得关注的原因：截图方案的问题不是识别不准，是坐标会漂——窗口挪一下、主题换一下、分辨率改一下，坐标就废了；而且失败之后你不知道该重试还是该放弃。无障碍树给的是结构不是像素，重试因此变成可判定的事。有人把它接进 Codex 做月度记账：下载收据、对上发票，以前要三个多小时，这次不到一小时跑完。

昇腾 950 超节点拿了领先科技奖

11 月 2 日乌镇，2026 世界互联网大会领先科技奖颁出，430 多项申报、43 个国家和地区、20 个获奖，华为的「昇腾 950 超节点」在列。

单节点满配 1024 张 NPU、1300 多颗灵衢互联芯片、4000 多只光模块，支持 128 和 1024 两档配置。训练算力利用率 45%，推理最低时延 5 毫秒，40 多个大模型在昇腾完成原生预训练，超节点已落地 1000 多套。

有一处口径要对齐：华为自己公众号的原文写「为业界 1.5 倍」，光明网和快科技的稿子写「1.8 倍」。同一组数字，两种说法。

值得关注的原因：超节点卖的不是单卡算力，是把上千张卡编成一台机器的能力——统一内存编址，跨卡取数不用反复中转。所以它要证明的是系统工程的效率，跟「单芯片追没追上」是两个话题。1.5 还是 1.8，取决于「业界平均水平」怎么取样，而这个取样口径没人写。

一个导航模型开始自己出题、自己走、自己判卷

复旦和上海 AI Lab 的 RSI-Nav（arXiv 2610.15782），基于 Qwen3.5-9B，一个模型干三件事：按指令导航、按轨迹写出导航指令、判断空间关系。三个任务共享参数，用任务提示区分。

流程是四步循环：当前模型给一批无标注轨迹写指令（Generate），自己从轨迹起点按这条指令走一遍（Execute），按是否到达和路径效率筛选（Filter），立刻拿通过的样本做监督微调（Update），再处理下一批。每 16,384 条轨迹更新一次。用的是 SFT，不是 RL。

R2R-CE 从 52.9% 到 68.6%，RxR-CE 从 54.7% 到 72.4%。累计造出约 250 万条导航样本、110 万条指令样本。真机部分部署在 DEEP Robotics M20 四足上，推理跑在远程 RTX 4090，做的是障碍绕行、窄道通过、开放词汇地标、跨房间长指令这些场景的定性演示。

值得关注的原因：它把「谁来出题」交给了正在被训的模型，再用执行结果当判卷人——不引入 RL，只靠 SFT 就转起来了数据飞轮。容易被忽略的是代价：真机只有定性演示，没有大规模成功率统计；起点仍是一批离线轨迹，不是自己探索出来的。

顺带一提

• Linux 7.4-rc1 发布，18,591 个非合并变更集，是这个合并窗口的历史新高；2,678 名开发者参与，625 人首次贡献。Torvalds 说合并窗口里 AI 相关的工作大量涌入，AI 修 bug 正在变成常规流程的一部分。正式版预计圣诞节前。
• DeepSeek Harness 上线 Creator Mode：一句话描述需求，生成可安装的自定义插件，扩展工具、技能和界面。官方放了 7 组中英文提示词，从 3D 建筑展厅、Transformer 三维可视化，到海报工作台、视频剪辑台、论文阅读器。
• 谷歌 DeepMind 推出 SynthID Detector：一个上传入口，检测所有接入 SynthID 的厂商内容，OpenAI、英伟达、Kakao 已在列，苹果即将加入；Meta 和微软的方案不兼容。大改过的图会削弱水印信号，结果只能给「不确定」。

参考资料

• 腾讯混元：Hyra 2.0：自动化科研的下一步，2026-11-02，hy.tencent.com/research/hyra2
• RSI-Nav：Data-Centric Recursive Self-Improvement for Navigation via Policy-Synchronized Language-Action Dual Bootstrapping，arXiv 2610.15782；代码 github.com/OpenGVLab/RSI-Nav
• Anthropic：Messages API message threads 公测公告，2026-11-02
• Vercel Labs：agent-desktop 仓库与 1.0.2 发布说明，2026-10-30
• 光明网：「昇腾950超节点」获 2026 年世界互联网大会领先科技奖，2026-11-02；华为中国政企业务公众号同题稿
• Linux 7.4-rc1 发布公告（LKML），2026-11-02
• Google DeepMind：SynthID Detector，2026-11-02
• DeepSeek Harness：Creator Mode 与 7 组演示提示词，2026-11-02

微信公众号

欢迎关注「字与码」

如果这篇文章对你有用，也欢迎在微信里继续关注后续更新。

X

X / Twitter

关注 @ax2_zicode

更即时的技术观察、新文章提醒和一些短想法会发在 X 上。