Base Labs 用 Qwen 训出决策模型 mammoth-1

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 · Base Labs 用 621 万条样本把 Qwen 训成决策模型
2. 重点 · Claude Security 进入公测，从一次性扫描改为持续监测代码
3. 重点 · 开发者用 Claude Opus 5.5 写 7 款 Adobe 替代品，后承认「远未就绪」

全球 AI 资讯

4. IBM 发布 Granite Speech 5.0 2B，Open ASR 榜排第二
5. IBM 推出 Granite 时序集成预测，把 4 个开放模型合成一个默认方案
6. Amp 支持自托管 orbs，可跑在 Docker、K8s 或 Modal 上
7. ChatGPT 广告新增 26 个国家，已有超过 10 万家广告主使用

区域与早期信号

8. 成立一年的 Flapping Airplanes 融资 10 亿美元
9. Perplexity 与英伟达提出 JOLT，让一个模型同时当老师和学生
10. 豆包工作上线 IGA Pages 插件，一句话把生成的网页发布成公网链接

九凤根据本期已引用来源整理。

热门模型动态

Baseten 旗下实验室以 Qwen 为底座，发布了两款开放权重模型。它们不生成文本，而是直接给选项打出校准概率。

Baseten 内部研究实验室 Base Labs（负责人 Max Kirkby）10 月 21 日发布 mammoth-1 和 elephant-1。两款模型都基于 Qwen 后训练，训练数据共 621 万条样本。它们不输出生成式回答，而是给候选选项打出校准后的概率。

• mammoth-1：27B 参数，实验室称在 Jev Decision Index 排名第一
• elephant-1：9B 参数，实验室称在同等较小规模的模型里排名靠前
• 权重：两款都是开放权重
• 方法：实验室发布了技术报告，公开的方法细节足以检验其榜单说法

局限：榜单成绩来自 Base Labs 自己的发布。RuntimeWire 指出，这些提升能否迁移到真实业务流程，比榜单名次更重要。

来源：Base Labs（X） · RuntimeWire

Anthropic 把 Claude 的代码安全扫描做成了常驻服务：代码变了就重新扫描，每个问题一直跟踪到修复。

Anthropic 10 月 21 日扩展了 Claude Security。公测版加入跨代码仓库、跨 Git 托管平台的定期扫描，发现的问题会一路跟踪到修复。该功能面向 Claude Enterprise 客户，同时开放 API 和 MCP 连接器，方便接入现有安全流程。

局限：Anthropic 公布的漏洞发现数量是公司自报数据。RuntimeWire 认为，要判断这套流程能否站住，关键看采用情况、确认修复的数量和单独定价。

来源：Claude（X） · RuntimeWire

开发者先宣称一个月内与 Adobe 功能对齐，后来在 Hacker News 改口。这个 AI 生成项目的宣传和实际进度对不上。

一名开发者用 Claude Opus 5.5 为 7 款 Adobe 应用分别写了开源替代品，并在 Reddit 多个版块推广，预计约一个月内与原版功能「接近 100% 对齐」。之后，这名开发者在 Hacker News 上表示，这些项目「远未准备好」。

局限：据 InfoQ 报道，项目自己的路线图显示完成度为 45%，与「一个月内接近 100% 对齐」的宣传差距明显。目前只有 InfoQ 一家报道。

来源：InfoQ

全球 AI 资讯

这是一个 2B 参数、Apache 2.0 许可的语音识别与翻译模型，英文平均词错率 5.68%。

IBM 发布 Granite Speech 5.0 2B，用于语音识别和语音翻译，同时更新了 Turbo CTC 版和 4.1 版模型。

• 规模：2B 参数
• 许可：Apache 2.0
• 榜单：Open ASR Leaderboard 第 2 名
• 英文平均 WER：5.68%

局限：榜单名次与 WER 来自 MarkTechPost 对这次发布的整理。所附论文介绍的是 Granite Speech 系列的技术方法，5.0 版的具体评测设置以 IBM 模型卡为准。

来源：MarkTechPost · Granite Speech 论文

不用再纠结选哪个时序基础模型：一套配方组合了 4 种 Granite 架构，不需要重新训练就能出预测。

IBM Research 10 月 22 日发布 Granite Timeseries Ensemble。它组合了 4 种互补的开放 Granite 时序架构，其中包括基于 MLP mixer 的 Granite TTM-r3（Tiny Time Mixers），通过一个可扩展的预测接口统一调用，输出中位数预测和分位数预测。整个过程不需要在用户数据上重新训练，也不需要额外拟合集成权重。官方同时提供了入门 notebook。

局限：IBM 把它定位成「合理的默认选择」，不是每个场景下的最优解。原文也提到，擅长平滑工业信号的模型，遇到噪声大的零售需求数据或长季节周期时，可能会吃力。

图片来源：huggingface；已转存至九凤 R2。

来源：Hugging Face Blog（IBM Research） · PatchTST-FM-r1 论文 · 入门 notebook

用户自己出算力，Amp 把它变成 orbs，智能体的运行环境可以留在自家基础设施里。

用户在自己的基础设施里运行 amp orb provider 后，它会主动连接 Amp，等待创建、暂停、删除 orb 的请求。收到的请求按 spawn、pause、delete 三种操作，转给用户自己提供的程序（例如 ./dispatch.sh）执行。官方示例覆盖 Docker、E2B、K8s、Apple containers、Modal、Vercel、Daytona 和 exe.dev。

局限：自托管对算力有要求：要能快速启动新机器、快速休眠和恢复、长期保留实例，还要能缩容到零。达不到这些条件，就做不出托管版 orb 的体验。

来源：Amp Chronicle

OpenAI 扩大了 ChatGPT 广告的投放范围，广告主可以在用户比较商品、决定购买时触达他们。

OpenAI 宣布，ChatGPT Ads 新增 26 个国家。用过该平台的广告主已超过 10 万家，从本地商家到全球品牌都有。广告出现在用户探索、比较和决定购买的环节。

局限：本条依据 OpenAI 官方公告。26 个国家的具体名单和各地广告展示规则以公告原文为准，目前没有独立的第三方投放数据。

来源：OpenAI

区域与早期信号

这家研究实验室还没有商业产品，目标是用比当前前沿系统少得多的数据训练模型。

AI 研究实验室 Flapping Airplanes 10 月 21 日宣布完成 10 亿美元新融资，距成立约一年。据 Bloomberg 报道，本轮估值 60 亿美元。公司的目标是训练出比当前前沿系统用数据少得多的模型。第一年，公司主要在开发 GPU 底层原语，自称做出了「最完整的 megakernel 框架」。按 Index Ventures 的说明，megakernel 把整个程序作为单个 kernel 放在 GPU 上运行，减少步骤之间的空转。公司称，这个框架能在同一个 kernel 里同时完成整轮训练、提供推理服务，甚至运行一款电子游戏。

局限：公司目前没有任何商业产品，性能说法都来自公司自己。估值数字来自 Bloomberg 的报道，不是公司公布的。

来源：SiliconANGLE

后训练方法 JOLT 在 MATH 上追平了 GRPO 的准确率，处理的训练 token 少 6.5 倍。

Perplexity 和英伟达的研究人员提出 JOLT（Joint On-policy Learning and Teaching）。这种后训练方法让同一个模型同时当老师和学生。在 MATH 基准上，它的准确率与 GRPO 相当，处理的训练 token 少 6.5 倍。

• 评测设置：共 5 个，分别是 GSM8K、MATH、LiveCodeBench v6、AppWorld、Terminal-Bench 2.1
• 模型范围：Qwen3-0.6B 到 Qwen3-30B-A3B，以及 DeepSeek-V2-Lite
• 结果：JOLT+ 在每个设置里的平均分都最高

局限：以上结果来自研究团队自己的实验，目前只有 MarkTechPost 一家媒体报道。

来源：MarkTechPost

豆包工作生成的 HTML 页面，现在说一句「部署」就能变成可分享的链接，还能升级成多人共创页面。

据 InfoQ 中文报道，在豆包工作里对生成的网页说「帮我部署上线」，IGA Pages 会自动打包项目文件、上传到火山引擎服务器，几秒后返回公网预览链接。首次部署需要在浏览器里登录授权一次，之后会自动保持登录。用户还可以在原页面基础上升级成多人共创页面，支持景点投票、点赞等协作功能。

局限：预览链接有效期 3 小时，而且必须带 iga_token/iga_time 参数。使用时需要火山引擎账号；共创功能依赖火山引擎 Supabase，按实际用量计费，账号余额要充足。目前只有中文媒体报道。

来源：InfoQ 中文