GPT-6 Cyber：Firefox 挖出 81 个新漏洞
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型与重要行业动态，信息来自官方公告与多家媒体交叉核验；性能数据区分「官方口径」与「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：OpenAI 发布 GPT-6 Cyber，专攻漏洞挖掘，风险评级升到最高档
11 月 5 日（美东），OpenAI 正式发布网络安全专用模型 GPT-6 Cyber，只对经过审核的 Daybreak Red 客户开放，并把它在「准备框架」下的网络安全风险等级从 High 上调到 Critical（关键级）——这是该框架里最高的一档。路透社、IT之家、InfoQ 与官方发布稿的口径一致，这是今天全球最硬的一条。
它不是「通用模型加个安全滤镜」，而是专门为漏洞发现、可利用性验证、攻击路径分析、补丁生成训练的产品级模型。关键数字如下（均为官方口径，发稿时无第三方复测）：
- 基准提升：ExploitGym 成功率 48.5%，上一代 GPT-5.6 Cyber 是 32.1%，相对提升约 51%；面向远程漏洞利用的 RemoteExploitBench 完成 95% 的任务；Web 渗透测试的漏洞召回率 40.3%，超过自家通用旗舰 GPT-6 Astra 的 32.0%。
- 真实项目一：Firefox。在被反复审计、加固多年的代码库里，一轮研究挖出 81 个此前未知的高危漏洞（Mozilla 归类为高严重性），另外还证明 30 个已知问题的严重程度被低估。团队提交了证据、可复现测试与候选补丁，Mozilla 已开始发版修复。
- 真实项目二：Linux 内核。自动化流水线先扫了约 5034 个与安全相关的代码位置（约占全库 7%），收敛到 2308 个候选，在隔离虚拟机里动态复现 1724 个漏洞，最终为其中 948 个写出可运行的本地提权利用（其中 588 个此前未知），并向维护者优先披露 304 项关键发现加候选补丁。作为对比，同样的框架下 GPT-5.6 Sol 只做到 166 个。
- 成本：这轮研究烧掉约 121.34 万美元 API 额度，摊到每个可用提权链约 1279 美元。对比 Pwn2Own 这类漏洞赛事对同级别漏洞通常给 2 万–7 万美元奖金，自动化把「发现—验证—利用」的单位成本压了一个数量级。
- 它学会了守边界：在故意放了「更好打的辅助服务」的蜜罐测试里，不加部署提示时它 99.93% 拒绝越权攻击（上一代 94.49%），加上提示后达到 100%。这是安全智能体最难的一课——任务能完成，但不能顺手把授权外的机器也打了。
- 怎么用得上：目前只通过 API 和 Codex 开放给部分 Daybreak Red 客户，未来几周扩到全部获批客户；同时把上一代 GPT-5.6 Cyber 放开给所有 Daybreak Red 用户，并扩大 GPT-6 Astra 的 Daybreak Blue 防御方测试范围。思科、Palo Alto Networks、CodeRabbit 已在用它做漏洞研究与代码审查。
怎么看：这条的真正意义不是「模型又强了 51%」，而是漏洞挖掘开始工业化——过去靠安全研究员一个人啃几周的活，现在变成一条可并行、可计价、可复跑的流水线。代价也很清楚：能力是双刃的，OpenAI 自己把评级提到 Critical、把权重锁在许可名单后面，就是这个矛盾的直接体现；100% 的蜜罐合规也不等于真实环境不会越权。
今日第二重磅：蚂蚁 Ling-3.2-flash 上线，560B 原生多模态、1M 上下文
11 月 6 日，蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，并已在灵光 2.0 落地。它是本报 10-19 期报过的 Ling-3.1-flash 的正统升级，主打「执行完了自己看一眼对不对」。
- 规模：总参 560B、单步激活 25B，1M 原生长上下文，原生支持图像、文本、视频输入；注意力用 7∶1 混合结构（7 层 KDA + 1 层 Gated MLA）。
- 两个新机制：① 视觉反馈自检——把中间渲染画面或软件界面当成新的观测输入，对照参考图比对几何结构、光影、版面差异，再回头改代码或操作步骤；② 异常自适应恢复——工具报错、语法异常时读堆栈日志定位，重试、补偿或改分支，把没做完的步骤接着做完。
- 官方口径成绩（未复测）：三项超过 Claude Opus 5（max）——OmniDocBench1.5 92.21 vs 90.56、ZEROBench(Sub) 43.71 vs 39.52、Vision2Web 85.86 vs 80.20；DesignArena 的「设计稿转前端」榜以 1238 Elo 进入前十。
- 速度：Hopper 架构 GPU、约 30K 上下文下，单用户解码均值 280 tokens/s、单 Token 耗时约 3.54 ms；配合 DSpark 投机解码，多模态与文本任务平均接受长度都超过 3.5。
- 价格与获取：API $0.30 / $0.90 每百万 Token（约 ¥2 / ¥6），上线前两周限时免费；兼容 OpenAI 与 Anthropic 协议，可在蚂蚁百炼平台和 Ling Studio 体验。权重「近期开放」，截至发稿未放出——这点要留意，先别当开源模型排进方案。
- 官方自曝短板：长程跨应用任务的状态维持、三维空间大尺度动态推理、3D 资产的审美与细节保真度，与领先闭源旗舰仍有客观差距。
怎么看：多模态模型真正卡人的从来不是「能不能看懂图」，而是「干到一半崩了能不能自己爬起来」。Ling-3.2-flash 把卖点放在「交付可靠性」而不是榜单分数上，方向是对的；但权重没放、独立复测没有，$0.30 的价格能不能撑住 560B 的推理成本，还得看真实调用。
今日其他新发布（7 项）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| Kimi Hosted Agents（月之暗面） | 11-5 | 托管智能体服务 | 把 Agent 运行需要的 Harness 直接做成云服务：企业不用自建框架就有 7×24 托管环境，支持长程任务与多智能体协作；内置 140+ Skills、30+ 插件，每个智能体独立沙箱 + 网络权限控制 + 会话中止 + 审计导出；配 Kimi Inference Hook 在推理前按企业规则拦敏感数据。首批 8 个金融 Agent 模板，顺丰同城、中信建投已接入，仅企业认证用户内测。卖点从「卖 Token」上移到「卖运行环境」。 |
| MNN-Pocket-0.3B（淘宝 MNN 团队，开源） | 11-6 | 端侧小模型 | 约 3 亿参数、28 层稠密，词表从 151K 精简到 64K，4.1 万亿 Token 四阶段预训练、上下文扩到 32K。INT4 部署包仅 173MB、峰值内存增量 228MB（Qwen3-0.6B 为 340MB / 427MB，分别少 49% 与 47%）。真机：iPhone 18 Pro 完全离线约 350 tokens/s；iPad Pro M5 上 Prefill 8721、Decode 466 tokens/s（Qwen3-0.6B 的 1.63 倍）；骁龙 8 Gen 5 CPU 后端 251 tokens/s。能力：IFEval 73.20、中文 IFEval-zh 74.59、11 项均分 50.00（INT4 版 49.59），多教师蒸馏把均分从 35.79 拉到 50.00。厂商自测口径，目标是「手机应用原生」而非通用助手。 |
| Ripple-65B Preview（Ricursive，Apache 2.0） | 11-4 放权重 | 开源权重（稠密） | 65B 全稠密、80 层、12 万亿 Token 从零预训练、宣称 1M 上下文（托管方标 128K）。官方口径 Terminal-Bench 2.1 80.52，压过 Reflection Beam 501B（80.1）与 Meta Muse Spark Open 816B（76.4），所以自称「美国开源编程第一」——但领先第二名只有 0.4 分。自家模型卡同时写着：SWE-bench Verified 76.5 低于 Beam 的 81.6、DeepSWE 1.1 44.3 远低于 Muse 的 60.0。研发总花费 3200 万美元、140 万次 RL rollout（约为 Beam 的 1/70）、团队从 1 人扩到 5 人；API $0.20/$0.60，NVFP4 版可单台 DGX Spark 跑。Preview 版、后训练较轻、全部自报。 |
| SWE-2 Flash（Cognition） | 11-4 | 闭源编程模型 | 基于 Thinking Machines 的 Inkling-Small（276B-A12B）后训练，首次在大规模 RL 前插入中训练阶段：Terminal-Bench 4.0 从 0.9% 拉到 20.0%、DeepSWE 1.1 从 17.4 到 60.1、FrontierCode 2.0 24.0（略超自家 SWE-2 的 23.8），但 TB2.1 89.2 仍低于 SWE-2 的 92.8。官方称速度快 3 倍、价格是 SWE-2 的 1/5，Devin 付费用户免费用到 11-30。权重不公开：定向安全训练把 ExploitBench 从 11.3% 提到 34.8%，公司以网络安全风险为由只做伙伴白名单，细节「几周后公布」。 |
| PLaMo 3 Translate（Preferred Networks，开源权重） | 11-5 | 翻译专用模型 | 四档 0.8B / 2B / 8B / 31B，覆盖 53 种语言，完全离线跑在手机、笔记本或内网服务器上（官方演示 0.8B 在飞行模式下实时翻译）。承自 PLaMo 3 NICT，约 373 亿 Token 训练，SFT + DPO + 小模型蒸馏；提供 BF16/FP8/W4A16/NVFP4 及 GGUF、MLX 格式。官方称最小的 0.8B 就已超过谷歌 TranslateGemma 与腾讯 Hy-MT2（对手参数量是它的 30 倍以上）。许可是 PLaMo Community License：年营收 10 亿日元以下的个人与企业免费商用。对比数据为厂商自评。 |
| structRFM（中国科大，开源） | 11-5 | RNA 基础模型（AI for Science） | 把二级结构知识塞进大规模序列预训练：先构建约 2100 万条「序列—二级结构」配对数据，再用结构引导的掩码策略同时学序列上下文与结构依赖。只用序列输入就能抽出序列级、核苷酸级、核苷酸对级三层特征，支持二级/三级结构预测、剪接位点预测、IRES 识别、非编码 RNA 分类。成果 11-5 登《自然》（DOI 10.1038/s41586-026-11210-2），为 2026 年中国科大第 16 篇 CNS；配对数据、权重、代码全部开放（GitHub: heqin-zhu/structRFM）。 |
| Qwen3-30B-A3B-MoE-SAE（字节 Seed，开源） | 11-5 | 可解释性工具 | 针对 Qwen3-30B-A3B 的 MoE 块输出训练 TopK 稀疏自编码器（k=100、隐变量 2^20），覆盖第 4、30、46 层，每个 SAE 文件约 17.2GB，配套论文《Sparse Autoencoders Reveal That MoE Experts Exhibit Human-Interpretable Fine-Grained Specialization》——直白说，就是拿放大镜看「专家」到底各自在管什么，为 MoE 的可解释性与后续剪枝/路由优化提供工具。HF 上 apache-2.0 开放。 |
行业资讯
- 工信部给「智能体终端」立规矩（11-6）：印发《关于加强智能体终端设备进网管理的通知》（工信厅信管〔2026〕42 号），四件事最要紧：① 预置智能体的手机、平板、可穿戴设备，进网检测时必须做智能体适配验证，还要做涉诈风险评估与反诈能力前置评测；② 终端上的智能体应参照国家标准配唯一身份码；③ 通过 OTA 推送智能体升级，要提交方案、经专家评估后才能放量；④ 应用分发平台要公示适配机型清单，没做适配验证的限期整改或下架，App 也要用电子签名声明「是否同意被智能体调用」。意义：智能体从「一个软件功能」正式变成电信终端的监管对象，手机厂商与 Agent 开发者的适配成本会明显上升。
- 乌镇峰会闭幕，首发《全球开放人工智能行动倡议》（11-5）：138 个国家和地区、约 1800 名嘉宾参会；主论坛首次发布该倡议，从开放发展、安全可信、对话治理、互利包容四个方面提出 18 条具体行动；同期签约数字经济项目 116 个、金额超 1163 亿元。阿里披露千问系列已开源 460 余款、全球下载破 40 亿次。「开源」第一次成为这场会的主线。
- 网信办整治 AI 假冒名人（11-6）：针对用 AI 仿冒公众人物虚假带货、编谣言、诱导关注，累计清理违法违规信息 4.7 万余条、处置账号 3961 个，微信、抖音、小红书、B 站、快手均有典型案例。戏路很一致：换脸 + 合成声音 + 家属照片变体，做「明星同款推荐」。
- Anthropic 两条产品线动作（11-5）：① Claude 上线个人理财功能，通过 Plaid 只读接入银行账户，可看余额与最多 24 个月流水、做预算分析，先在美国向 Pro / Max / Ultra 开放——只读是关键，能看不能动；② 与美联社签下首份付费内容授权，中期选举期间可调用其实时选举数据。这是 Anthropic 第一次为新闻内容掏钱，此前一直主张网页抓取属合理使用。
- Meta 收购 Conductor（11-4 确认）：买下一款能在 Mac 上同时跑多个编程智能体、并行推进多个项目的工具；它自身不训模型，调的是 Anthropic、OpenAI 的模型，价值在编排层。Conductor 云服务 11-20 关闭并入 Meta。加上此前收的 Moltbook，Meta 的 Muse 系列智能体用户已破 1000 万——巨头抢的是「让一堆 Agent 像团队一样干活」的工作流。
- Kimi K3.1 Pro 进 Azure AI Foundry（11-6）：以 Preview 身份进入「Direct from Azure」精选序列，最大上下文 1,048,576 Token、输出上限 262,144；架构为 Kimi Delta Attention + Attention Residuals + Stable LatentMoE（896 个专家每次激活 16 个）。国产开源旗舰第一次以「云厂商一手目录」的方式进企业采购清单。
- 斯坦福给「引用最多的 AI 结论」做体检（11-5 报道）：用 20 个模型重跑 50 项高引 AI 研究发现，44% 的结论已不成立。提醒很实在：论文里的跑分会随模型换代过期，看到「某模型在某基准上超过人类」这类说法，先问一句是在哪个版本、哪个 harness 上测的——这也是本报每期坚持标注「官方口径 / 已复测」的原因。
- 两则资本与算力：视频大模型公司 Sand.ai 完成 2 亿美元 A+ 轮（基石资本、网宿科技联合领投，10 个月累计融资 3 亿美元），走开源 MoE + 极低成本路线；OpenAI 发布数据中心社区契约，承诺新建数据中心不推高当地电价、创造本地就业——数据中心抢电引发的社区反弹，已经写进厂商的公关文件。
本期排雷
聚合站与早报把 腾讯 Hy4、OpenAI Images 2.6、Kimi K3.1 Pro 权重都标成「11-6 今日发布」，实际分别是 11-4、11-4/11-5、11-4 的事，本报 11-5 期已报道，本期不重复；百度文心 5.5 Flash Base 部分媒体按 11-6 发稿，实为 11-5 下午发布、本报 11-5 期已补更。另有站点把 GPT-5.1、Claude 4 等 2025 年模型挂上「2026-11-6 发布」的日期，属陈旧占位条目，一律不采信。
一句话趋势
今天的分水岭是：模型开始干「具体的、危险的、要计价的活」。安全模型把漏洞挖掘做成 1279 美元一条的流水线，0.3B 把大模型压进 173MB 的手机安装包，托管服务把 Agent 的运行环境变成按月付费的云资源——竞争焦点已经从「谁的分高」转向「单位成本能交付什么结果」。顺带一句：工信部今天把智能体写进了进网管理，能力越强，缰绳也越紧。
（数据来自官方公告与公开报道，2026-11-06；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）
文中提到的模型，本站都有低价渠道
API 直连 · 无需自己充值 · 按量计费随用随走