Claude Duet 开启研究预览，基于 Opus 5.5

概览

本期共 10 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · Claude Duet 开启研究预览，基于 Opus 5.5
2. 重点 · Anthropic 公益报告：现有可解释性方法还不能可靠发现所有危险行为
3. 重点 · Mistral Large 4 联手英伟达，做 AI 原生的工程仿真流程
4. Gemini 对话式导航登陆 Apple CarPlay，美国先上线

全球 AI 资讯

5. 英伟达 DSX POD：集装箱式 AI 集群，部署时间从 6 个月缩到 14 天
6. 英伟达 Kumo Relational：不用训练，41 项关系型任务超过监督学习
7. AWS 发布教程：用 torchtitan 在单台 Trainium 实例上训练 Qwen3
8. VocabX：给小模型定制词表，线上推理成本降低 77%

区域与早期信号

9. MiniMax 转发 SGLang-Omni 实时多模态推理指南
10. 清华 AIR 孵化的紫荆智康上线「医生 AI 分身」多学科协同

九凤根据本期已引用来源整理。

热门模型动态

Anthropic 向部分候补名单用户开放 Claude Duet 研究预览。这是一个基于 Opus 5.5 的个人助理，可在多个终端上使用。

• 底座模型：Claude Opus 5.5
• 支持平台：iPhone、Android 和网页端
• 开放方式：候补名单用户可进入研究预览
• 沿用内容：账户里的记忆、技能和已连接的应用

Duet 会判断哪些事需要用户亲自处理、哪些可以先放一放，也会判断什么时候应该先征求用户的意见。

局限：目前只是候补制研究预览，还没有全面开放。

来源：Claude（X） · RuntimeWire

Anthropic 的《2026 公益报告》承认，核心安全工作还没有完成。另有一份评估回顾了公司此前披露过的网络安全事件。

报告写明，目前的可解释性方法还不够可靠，不能保证发现模型的每一种危险行为。公司也承认仍有安全缺口，独立监督也有限。报告把这些不足和 Anthropic 的公益承诺放在一起对照，公司的公益章程页面可以找到这份报告。另有一份评估在 9 月 9 日发布，补充了 Anthropic 此前披露过的网络安全事件的细节。

局限：根据报道，这些网络测试没有启用正式发布的模型所带的防护措施，因此测试中的表现不等于线上模型的表现。这份报告是 Anthropic 的自我评估，没有经过第三方核验。

来源：Anthropic 公益章程 · RuntimeWire

Mistral 把 Large 4 和自家的数据生成、物理建模管线接入英伟达的加速计算，并承诺发布公开基准和开放数据集。

• 模型：Mistral Large 4，搭配 Mistral 自己的数据生成和物理建模管线
• 加速栈：英伟达 CUDA-X 库和 NVIDIA Warp；3D 仿真和资产创建使用 Omniverse
• 评测：将推出公开基准和开放数据集，用来统一计算机辅助工程（CAE）中物理 AI 与智能体 AI 的评测
• 目标行业：航空航天、汽车、半导体

Mistral 称，这项合作的目标是让仿真更快，并实现由 AI 驱动的闭环设计。

局限：目前只是合作方向的公告，来源没有给出基准分数、仿真提速倍数，也没有给出数据集的发布时间。

来源：Mistral AI · NVIDIA Warp

Gemini 对话导航去年先在 Android Auto 上线，现在 Google 地图把它带到了 CarPlay。

从今天起，美国的 CarPlay 用户可以在 Google 地图里点击 Gemini 图标，用语音和 Gemini 对话。它支持多步提问，比如先请它推荐可以去的地方，再让它导航过去并避开收费路段。Google 去年先在 Android Auto 上推出了这个助手。

局限：Google 只说「也在全球推送」。The Verge 已向 Google 询问具体开放哪些地区，目前还没有得到答复。

来源：The Verge

全球 AI 资讯

英伟达在 GTC Berlin 发布 DSX POD 参考架构，GPU、CPU、网络、散热和配电设备全部在工厂预装好。

DSX POD 是一份参考架构，合作伙伴可以按照它造出装在集装箱里的 AI 集群。每个集装箱里都有 Rubin GPU、Vera CPU、网络设备、散热设备和配电模块，出厂前就完成集成和测试，客户不需要自己组装。英伟达估计，硬件部署时间可以从 6 个月缩短到 14 天。Dell、HPE 等十多家厂商是合作伙伴。

局限：「6 个月缩到 14 天」是英伟达自己的估算，目前还没有客户的实际部署数据。

来源：SiliconANGLE

这是一个预训练的关系型基础模型，可以直接在企业数据库上做预测，一次前向推理就能得出结果。

Kumo Relational 收到预测查询后，会收集最多 10,000 条历史样例作为上下文，用来预测客户流失、需求、欺诈等结果。它不需要针对具体任务训练，不需要做特征工程，也不需要把多张表合并成一张。在 15 个数据库的 41 项任务上，它的表现超过了监督式关系深度学习模型，也超过了专家搭建的梯度提升树管线。英伟达称它可以扩展到 5000 亿行以上的数据，既能通过开源库 structured-data-models 使用，也能作为 NVIDIA NIM 使用。

局限：基准成绩来自英伟达自己的博客和论文，还没有独立复现。

来源：Hugging Face 博客 · 论文 · 文档

TorchNeuron 把 Trainium 注册成原生的 PyTorch 设备，所以 torchtitan 的用法基本不用改。

教程在单台 trn2.48xlarge 上用三种方式训练 Qwen3：

• 方式一：把 Transformers v5 作为 torchtitan 的建模后端，通过 AutoModelForCausalLM 运行 Hub 上的模型，直接读写已发布的 safetensors 权重
• 方式二：修改 config.model_spec，切换到 torchtitan 原生的 Qwen3 实现
• 方式三：加入 torchtitan-neuron 配方里的 NKI 混合专家（MoE）内核，也可以通过 override 注册表挂接自己写的内核

三种方式都用同样的 torchrun 命令和配置结构启动。既可以从随机初始化开始预训练，也可以微调已发布的权重。

局限：这是 AWS 的上手教程，摘录里没有吞吐量或成本数据。运行环境要求使用 Neuron 版深度学习 AMI，或者 Neuron PyTorch 训练容器。

来源：AWS Machine Learning Blog · torchtitan-neuron

Dharma-AI 按每个 token 的成本、而不是出现频率来重建词表。底座模型没有换，实测推理成本降低了 77%。

团队在生产环境运行一个葡萄牙语作文评分模型，它基于 Qwen3-4B 构建。这个模型沿用的通用词表，会把它最常输出的文本切成很多个 token。VocabX 按每个 token 的成本重新定制词表，在底座模型不变的情况下，把实测推理成本降低了 77%。作者认为，对只服务单一领域的模型来说，分词器可能是最大的成本杠杆之一，而且它在训练开始前就已经定下来了。

局限：这只是 VocabX 论文的结果预览，论文还没有发表。数据来自单一的线上应用，换到其他任务能省多少还不清楚。

来源：Hugging Face 博客

九凤根据本期已引用来源整理。

区域与早期信号

这份教程讲的是用同一个运行时协调实时语音对话里的多个模型。MiniMax 没有说自己在用它。

10 月 21 日，MiniMax 分享了 SGLang-Omni 的教程和代码。SGLang-Omni 是一个运行时，可以在持续进行的语音对话中协调多个模型，涉及语音模型、打断处理和持久会话。

局限：报道特别说明，这条分享只是指向 SGLang 的技术工作，不表示 MiniMax 已经采用这个运行时、参与了贡献，或者把自家模型接入了它。

来源：MiniMax（X） · RuntimeWire

紫荆智康发布多分身智能体协同技术，并升级了「紫荆AI医院」（Agent Hospital）。

这套系统给每位医生配一个专属的 AI 分身。在预问诊和首诊阶段，如果系统发现患者需要其他专科参与，就会把相关专科分身的意见以提醒的方式推给医生。比如一位甲亢患者同时有哮喘病史，系统就会提示相关专科的意见。各个分身的建议分开显示，意见不一致的地方会高亮，最后由人类医生做判断。这条技术路线来自清华 AIR 刘洋教授团队。

• 门诊测试：北京清华长庚医院 18 个临床科室在做门诊测试，40 余名医生常态化使用
• 效率：整体诊疗效率提升 30%
• 评测：AI 医生在 MedQA 上准确率超过 96%
• 规模：截至 2026 年 7 月，系统已构建 54 位 AI 医生

局限：目前只有一家中文媒体报道，以上数字都来自这篇报道，还没有其他来源交叉核实。

来源：量子位