Anthropic 开源可证明推理系统 FlashProve，基于零知识证明，在不公开模型权重的前提下证明某段回答确实出自所承诺的模型；但该方案只证“来源”不证“正确性”，且当前开销与适用范围限制明显。
本条来自腾讯研究院 AI 速递（20261105）的第二条简讯。核心问题是：如何在模型权重不公开的情况下，让外部方验证某条输出确实由某个承诺的模型生成。FlashProve 给出的路径是零知识证明——验证者无需看到权重即可核验来源。
腾讯研究院（搜狐同步）
查看来源原文本期 9 件事。点击标题可查看卡片、来源与相关知识点。
腾讯发布混元Hy4正式版，通过扩大预训练与后训练规模并首次引入视觉与电脑操作能力，在游戏开发、逻辑评测与金融任务众测中表现提升，自称跻身最强开源模型之列。
据腾讯研究院AI速递（20261105）报道，腾讯发布Hy4正式版。相较预览版（preview），Hy4扩大了预训练与后训练规模，并首次引入视觉与电脑操作能力。材料称其已上线腾讯云与OpenRouter，API价格不变，并计划开源权重。
腾讯研究院（搜狐同步）
查看来源原文微信视觉团队开源 WeVisOne-VL，用统一输出格式在一个模型内完成框选定位、计数、读字、分割与抠图，并以约 960 万参数的小模块替代外接 SAM；目标不在图中时可直接返回 None。
据腾讯研究院 AI 速递（20261105）报道，微信视觉团队开源视觉模型 WeVisOne-VL，核心问题是把传统上依赖多个模型或外接分割模块（如 SAM）的视觉任务，收敛到单一模型的统一输出格式中完成，覆盖定位、计数、读字、分割与抠图等能力。
腾讯研究院（搜狐同步）
查看来源原文百度Apollo发布世界模型ApolloWorld，通过多智能体驱动的可交互虚拟交通环境，支持完整Robotaxi行程级别的虚拟路测，已用于萝卜快跑全球化测试，宣称一天虚拟路测里程相当于真实测试车约三年。
百度Apollo正式披露全新世界模型ApolloWorld，目标是解决L4无人驾驶规模化验证中真实路测费时费力、复杂场景难以按计划复现的问题。系统构建持续变化的虚拟交通环境，让无人车在其中经历不同天气、道路和交通参与者，完成完整Robotaxi行程。ApolloWorld已开始应用于萝卜快跑无人车的全球化测试与验证，将部分原本需在真实道路完成的训练和验证转…
量子位
查看来源原文LiberAI 发布世界动作模型 Liber-0，在无目标任务示范条件下完成 GPT-6 随机生成的 60 项任务，整体成功率 36.0%，远高于 Astra 直接做策略的个位数水平。
据腾讯研究院 AI 速递（2026-11-05），LiberAI 推出世界动作模型 Liber-0。该模型经少量后训练后，能按订单组合技能完成长程奶茶制作。研究问题聚焦于：在无目标任务示范的零样本条件下，世界动作模型能否泛化完成随机生成的多项任务。
腾讯研究院（搜狐同步）
查看来源原文ChatGPT消费者产品负责人Adam Fry公开表示，ChatGPT的搜索类查询量已达到谷歌约五分之一，周活跃用户在两个月内从10亿增至12亿。
本条为腾讯研究院AI速递（20261105）收录的行业动态之一。OpenAI旗下ChatGPT的消费者产品负责人Adam Fry对外披露了两项关键指标：一是搜索类查询量与谷歌的相对比例，二是周活跃用户规模及其近期增速。该数据用于说明ChatGPT在搜索场景与用户规模上的进展。
腾讯研究院（搜狐同步）
查看来源原文腾讯研究院基于2026年全球数字生态大会及内部HR实践提出：AI原生组织是以AI为核心生产力、围绕其执行能力重新设计业务与运行方式的组织，传统企业同样可以通过“从高频重复任务切入、逐步扩散”的路径转型，而非初创企业专利。
材料由腾讯研究院专家吴朋阳、腾讯云资深云产品策略专家季新苏撰写，核心问题是：如何将AI的生产力效应从个体扩展到组织？文章引用OpenAI 2026年9月数据（使用量前10%企业每活跃用户输出Token为中间10%企业的8.3倍，1月仅为2.6倍）与麦肯锡2026年调查（80%受访者称AI提高个人效率，但仅37%称AI改善了企业EBIT，与2025年基本持平…
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 发布 Factory Operations Blueprint（FOX）参考架构，用“工厂经理代理”统一连接工厂数据、编排视觉检测/车队管理/根因分析等专业子代理，并以 SMT 产线 AOI 告警为参考案例演示从二次检测、返修搬运到根因报告的端到端协同。
问题背景：Siemens 报告估算，受访行业的大型工厂每年因非计划停机平均损失 2.53 亿美元；工厂数据虽在，但跨系统取证、咨询专家、协调下一步耗时费力。 FOX 定位：在既有工厂系统之上增加“工厂经理代理”的参考架构，开发者接入既有数据与工具、配置专业代理，并定义哪些决策需要操作员复核。 参考案例：一条 PCB 生产的 SMT 组装线，从 AOI 告警…
NVIDIA 博客
查看来源原文Claude Code 工程师 Addy Osmani 提出，使用 Agent 编程时要主动设置“理解关卡”：让 Agent 在完成大改动后总结改动并出题考人，答对才合并，避免从“认知卸载”滑向“认知投降”而积累理解债。
提出者：Addy Osmani，前 Google Cloud AI 总监，现为 Claude Code 工程师（据材料表述）。 核心问题：开发者过度依赖 Agent 后，可能把模型产出直接当作自己的理解，交付变快却说不清系统如何运作，形成“理解债”。 他区分了两个阶段：认知卸载（把部分思考外包给工具）尚属正常；认知投降（放弃对结果的理解与判断）则是需要防范…
腾讯研究院（搜狐同步）
查看来源原文