AI 日报 · 2026-11-04

AI 基础设施与开发者工具今天出现两条主线：Together AI 推出 Together Compiler，把推理优化变成「持续编译」的智能体驱动循环，声称在多个前沿开源模型上获得最高 2.6 倍 TPS 提升，并在低延迟基准上领先。OpenAI 一边通过收购 Pierre Computer Company 强化 Codex 的代码浏览、审阅与编辑能力，一边把 Daybreak Red 网络安全模型推入 AWS GovCloud，并展示 GPT-6 与 Astra 在机械/电子设计和原型制造上的加速作用。LangChain 则公布了 LangSmith BYOC 在 AWS GA、Azure/GCP Beta，以及浏览器智能体工具优化的经验。此外，Ai2 的 StateBench 显示，即使前沿模型在长文档状态跟踪的较难任务上仍会失效。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [其他] OpenAI to acquire Pierre Computer Company, Inc.

OpenAI 宣布将收购 Pierre Computer Company, Inc.，即 Code Storage 与多款开源开发者工具背后的公司。Codex 应用中的文件浏览与变更审阅已经在使用 Pierre 的 Trees 和 Diffs 库。Pierre 还推出过可在 diff 中直接改代码的 Edit 模式，以及随开发者输入或 agent 流式输出而更新的语法高亮工具 Highlights，并为 Code Storage 设计了 API。交易需满足包括监管批准在内的惯例成交条件，完成前两家公司保持独立；Pierre 的开源项目将继续开源，Code Storage 客户在交易完成后仍可继续使用，OpenAI 计划把其功能整合进 Codex。OpenAI 本周早些时候还介绍了用于扩展 Git 的自研源码控制后端 Pando。

⭐⭐ [产品更新] Daybreak Red is now available in AWS GovCloud (US-East)

OpenAI 宣布，Daybreak Red 已在美国东部区域的 AWS GovCloud 上线，经批准的客户可通过 Amazon Bedrock 使用 GPT‑5.6 Cyber。Daybreak Red 提供 OpenAI 专门训练的网络安全模型，供经授权的漏洞研究、漏洞利用验证和安全测试使用；据原文说明，该模型可帮助防御方排查复杂的软件弱点、在受控环境中复现漏洞并开发缓解措施，不过提出修复方案后仍需合格的安全从业者审核。面向政府团队时，此次上线的价值在于让符合条件的安全团队能在既有的安全、治理和运营要求下把该模型接入工作流。原文还提到，在 Daybreak Red 上开展授权网络安全任务时，拒绝次数更少，同时配有更强的身份验证、监控与访问控制；在 Amazon Bedrock 上运行的推理数据不用于训练模型，客户也无须把数据共享给 OpenAI。使用需先获得 OpenAI Daybreak Red 批准并完成 AWS 配置，仅在 AWS 侧批准并不会自动开通模型访问权限。

⭐⭐ [研究] Accelerating engineering for the physical world

OpenAI 发布一篇研究文章，介绍其模型在机械工程、电气工程和端到端系统设计中帮助工程师设计、仿真和制造物理产品的能力，文章称这些能力已用于内部团队更快地测试想法和迭代。其中一个测试由 GPT‑6 定义功能需求，并由 Astra 完成外观、外壳、PCB 与软件集成的设计，做出一个可与 Codex 对话的设备；两名团队成员以副业形式在不到一周内完成设计，代工厂在一个月内做出少量原型。文章称该设备进入量产仍需多轮评审和迭代，Astra 未能稳定考虑代工厂的产能限制、公差以及装配所需的细节，这些缺口被用来确定后续模型需要改进的方向。OpenAI 的硬件与基础设施团队使用 Codex 和 ChatGPT 创建和修改 CAD 模型、准备制造图纸、搭建仿真并审查设计；自 2 月以来，这些团队的模型用量（按 token 计）增长了 23 倍。文章最后表示，OpenAI 希望与从事复杂物理产品设计、仿真、制造或生产的工程师、工程公司和软件厂商合作。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐⭐ [产品更新] Together Compiler: Continuous Compilation for AI inference

Together AI 发布 Together Compiler（TKCC），将其定位为首个真正持续的推理优化循环：以输入流量形态、模型和硬件为条件，由智能体自动生成针对推理引擎的一系列优化。文中指出手工优化已不可扩展——OpenRouter 上排名前十的开源 LLM 架构各不相同，硬件覆盖 H100、B200、B300、NVL72、VR、Groq 等，且 Together 每天服务数万亿 token、客户流量形态各异。TKCC 的核心做法是「持久化引擎」：引擎只启动一次，可热重载任意候选前向计算而不重启，从而避开动辄数十分钟的引擎启动时间；同时并行派生多个智能体持续产生想法并通过消息总线通信（原文此处截断）。作者称在不到 24 小时内，TKCC 在前沿开源模型（Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash）上取得最高 2.6 倍 TPS 提升，在 SemiAnalysis 的 InferenceX 低延迟基准上取得最好成绩（MiniMax M3.1-Flash 1111 TPS、DeepSeek v4.1-Flash 1205 TPS），并在 Llama 1B batch size 1 设置上比现有开源 megakernel 高 1.7 倍。文章还称 TKCC 可泛化到天气建模、PDE、时间序列和生物领域，其实验吞吐相比基线智能体性能优化系统高 252 倍，目前已用于服务数万亿 token。

⭐⭐ [产品更新] LangSmith BYOC is now available on AWS, Azure, and Google Cloud

LangChain 宣布 LangSmith 的 BYOC（Bring Your Own Cloud）部署方式现已在 AWS 正式可用（GA），并在 Azure 和 Google Cloud 上进入 Beta。BYOC 将控制面与数据面分离：控制面由 LangChain 运行，包含认证、组织与工作区配置、计费元数据、哈希后的 API key 和静态 UI 资源；数据面归客户所有，承载 traces、prompts、datasets、实验、agent 部署和工作区密钥等敏感数据。一个组织可以按区域、环境或业务单元拥有多个数据面，各自位于指定的云账号和区域。文章称，对比自托管模式，BYOC 由 LangChain 负责扩缩容、schema 更新和运行时依赖，客户无需自行安排维护窗口或管理 Helm 升级，新功能也能更快进入 BYOC 数据面。各云厂商版本基于各自的网络策略、身份模型与安全要求构建，例如 Azure 版在专用虚拟网络中运行数据面并使用私有 AKS API 端点，通过 Helm 部署 Istio 与 KEDA，系统遥测发送至 Azure Monitor。

⭐⭐ [产品更新] How We Optimized Browser Use for Deep Agents

LangChain 发文介绍其为 Managed Deep Agents 中的智能体接入浏览器工具的过程：团队对比了七套工具集，最终选用 Browserbase 的 Stagehand，并依据 LangSmith 中的 trace 记录发现问题、改进工具集，每次改动都用 evals 验证。文章指出浏览器工具面临两类上下文管理难题：任务链条长、工具调用串行（在 Playwright MCP 上单个 WebVoyager 任务平均 26 个模型轮次），以及网页内容庞杂（经 Browserbase 托管 MCP server 单次导航返回内容中位数约 17,000 字符）。评测使用三套基准：WebVoyager 的 100 个日常任务（用 Claude Sonnet 5.5 运行）、Browserbase 的 HardBench 102 个较难任务（多用 Claude Opus 5.5）、以及微软的真实长尾任务集 WebTailBench（跑了 150 个，按简短评分标准打分）。所有工具集都被要求返回结构化 JSON 答案，以免格式失误影响浏览表现评分，该选项已上游贡献给 Browserbase 的 evals。文章称最大的体会是，通过工具设计改进智能体的空间很大。

研究

⭐⭐ [研究] StateBench: Testing how language models track state changes over long documents

Ai2 推出 StateBench，一个用于评测语言模型在长文档中是否能持续跟踪实体状态变化的基准。该基准按状态更新的复杂度分为四级：取值不可变的 R-trivial、按值重新赋值的 aperiodic、带自引用更新的 soluble，以及按引用赋值并形成跨更新依赖的 general finite 问题，覆盖从查找最新值到追踪依赖链的不同难度。研究动机包括 Transformer 在长依赖链状态跟踪上的理论限制，以及 Gated DeltaNet 等循环或混合架构使用持续记忆处理这类问题。在直接训练于这些任务时，循环模型与混合模型比 Transformer 泛化得更远；但 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 等前沿模型在输入变长后，仍在更难的状态跟踪任务上失效。