Nace AI 开放 27B 决策模型 Drex Max v1

概览

本期共 9 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 · Nace AI 开放 Drex Max v1 权重：27B 决策模型，Mac 上可本地跑
2. 重点 · Claude 水印扩到四款旧模型，其中两款可绕过

全球 AI 资讯

3. 重点 · Google 牵头的 StreamVibe：做饭、装家具时只在需要时开口的视频智能体
4. Grafana 用 SLO 和错误预算衡量 AI 智能体的幻觉
5. Koppar 创始人：Claude Code 审查发现了电气检查漏掉的 LTE 调制解调器板错误
6. 智能体每天在腾讯云创建 2 万多个 TDSQL-C 数据库

区域与早期信号

7. Pika 基于 MiniMax H3 开源 H3 Flex：6 步去噪同时生成音视频
8. 清华姚期智团队提出代数世界模型，ARC-AGI-3 全部 183 关通关
9. 千问 AI 眼镜 OTA 升级：新增通话翻译和媒体翻译

九凤根据本期已引用来源整理。

热门模型动态

Nace AI 开放了旗下能力最强的决策模型 Drex Max，路由、分类和策略检查都能在本地机器上完成。

这次放出了 bf16 权重、Q8_0 GGUF、affine Q4 checkpoint，以及 llama.cpp 和 Ollama 的分支。

• 规模：稠密 27B 参数，多模态
• 许可证：Nace.AI Open RAIL-M
• 上下文：262,144 token（默认 16,384）
• 输出：每题最多 255 个选项
• 硬件：bf16 用 NVIDIA H100，8-bit 用 48GB L40S；Apple Silicon 24GB 以上跑 affine Q4，48GB 跑 Q8_0 GGUF；CPU 可用 llama.cpp 和 Ollama
• 成绩：Decision Index v0.4 得分 67.52；InfographicVQA 97.3，Tools 类 81.9

局限：Decision Index 分数由 Nace AI 自报。报道里 Drex v2.0 的 61.25 分是 v0.3.1 版指数的成绩，和 Drex Max 的 v0.4 分数版本不同，不能直接对比。

图片来源：huggingface。

来源：有原始出处 Hugging Face：drex-max-v1-Q8_0 · MarkTechPost

Anthropic 给 Mythos 5、Opus 4.7、Opus 4.6 和 Sonnet 4.6 加上文本水印，但在 Opus 4.6 和 Sonnet 4.6 上，水印只在默认设置下生效。

Anthropic 在发给 API 客户的邮件里说，将给 Claude Mythos 5、Claude Opus 4.7、Claude Opus 4.6 和 Claude Sonnet 4.6 加水印，目的是赶上欧盟《AI 法案》12 月的期限。Claude Opus 5.5 等较新的模型已经带水印，Amazon Bedrock 上可能晚几天上线。

Anthropic 称，水印是一种「用词上不可察觉的模式」，不改变含义、质量和可读性，不增加字符或 token，不影响价格和请求/响应格式，对输出速度影响很小，也不包含用户、组织或对话的信息。水印可以用一个处于私测阶段的检测 API 验证。

局限：The Decoder 报道，在 Opus 4.6 和 Sonnet 4.6 上，水印只在默认采样设置下生效，API 用户改一个采样参数就能避开。

来源：单一报道 The Decoder

全球 AI 资讯

研究团队想让视频助手听懂「遇到困难就帮我」这类模糊请求，测试结果显示现有模型离这一点还很远。

来自 Google、斯坦福、牛津和几所美国大学的研究者发布了 StreamVibe。论文指出，现有视频助手是为「水开了告诉我」这类明确指令设计的，很少能察觉用户没说出口的意图，也难以记住哪些步骤已经做完，因此会重复建议或回应太晚；用户中途改要求时，它们还常常照着最初的指令走。StreamVibe 把任务中的用户意图分成三类：明说的、没说出口的、中途变化的。

局限：这是研究原型，不是产品。The Decoder 的总结是，测试首先说明了「何时开口」对今天的模型有多难，参评模型没有一个做好。

来源：有原始出处 arXiv 论文 · The Decoder

Grafana Labs 把 SRE 常用的 SLO 和错误预算用到智能体行为上，把幻觉、任务完成度、毒性和成本变成可以持续监控的指标。

做法分两步。第一步是评估：逐次检查每次交互是否有依据、是否完成了请求、是否含有毒内容、是否泄露个人信息、是否受到提示词注入影响，可以用 LLM 当裁判，也可以用正则这类确定性检查。第二步把评估结果转成 SLI，对照 SLO 衡量。Grafana 举的例子是：30 天内 95% 的对话被判定完成了用户请求，剩下的 5% 就是错误预算。Grafana 不主张合成一个单一的「质量分」，而是每个维度分别设目标。

局限：这是方法建议，原文没有给出生产环境的效果数据。用 LLM 当裁判时，评估本身也可能出错。

来源：多家媒体报道 InfoQ 中文 · InfoQ（英文）

一块 AI 设计的 LTE 调制解调器板通过了 Koppar 的电气检查，但 1-2 小时的 Claude Code 审查加上人工目检，又找出了天线、元件和布局问题。

Koppar 创始人 Abijah Kajabika 说，送去制板的是修订后的版本，审查发现的问题已全部修正，物料清单也已更正。他预计 11 月 5-6 日拿到组装好的板子和散装模组，之后手工焊接、上台测试，计划在下一周公布结果。

局限：板子还没造出来，也没测过，实际性能尚未验证。RuntimeWire 11 月 1 日更正过报道：初版说射频走线和 SIM 位置没有改动，创始人澄清所有修正都已应用。

来源：有原始出处 GitHub：koppar-lte-modem · RuntimeWire

腾讯云称，由智能体创建的 TDSQL-C 实例每天超过 2 万个，增长超过 80 倍。

腾讯云给出的数字：智能体每天创建超过 20,000 个 TDSQL-C 数据库实例，增长超过 80 倍，活跃实例超过 100 万。报道还提到，WorkBuddy 用户李宁目前运行约 50 个智能体，计划一年内增加到 200 个。

局限：数字由腾讯云自报，未经第三方核实。

来源：单一报道 Pandaily

区域与早期信号

Pika 开放两套 LoRA 适配器和推理代码，把 MiniMax H3 的 50 步去噪蒸馏到 6 步。

• 输入：文本、首尾帧、多模态参考
• 输出：原生 480P、768P，约 5-15 秒视频，带同步立体声
• 接入：ComfyUI 工作流、Hugging Face Diffusers
• 训练：先在内部音视频数据上做监督微调，再用投影分布匹配蒸馏（PDMD）把 50 步压到 6 步，最后用奖励反馈学习和 DPO 训练 LoRA
• 托管推理：8 张 B300 生成 5 秒 768P 音视频，总耗时从 3.409 秒降到 2.129 秒，约快 1.6 倍
• 榜单：DesignArena 文生视频榜第 8，是该榜排名最高的开源视频模型

局限：1080P/2K/4K 增强和五类音轨分离（对白、配乐、音效、拟音、环境声）只通过 Pika API 服务提供，不在开源范围内。五项质量指标领先是 Pika 自己公布的对比。本条依据雷锋网的中文报道。

来源：单一报道 雷锋网

AWM 把游戏里的对象、关系和规则抽象成代数结构，能证明某一关「不可能」通关，并说出还差几步。

清华大学姚期智、袁洋团队提出了代数世界模型（AWM）。研究人员把 ARC-AGI-3 的 sc25 关卡改成步数不够、无法通关。在 12 次类似测试里，GPT-6 Astra 和 Claude Opus 5.5 加起来只有 5 次判断出「不可能」，其中 4 次给出的最少步数还是错的。基于 Opus 5.5 的 AWM 试了两次就证明这一关无解，并指出再多一步就能赢。使用 Opus 5 时，AWM 通关全部 183 关，得分 99.9%，平均动作数是人类基准的 43%。

局限：「不可能」测试只有 12 次，样本小。本条依据量子位的中文报道。

来源：单一报道 量子位

千问 AI 眼镜可以实时翻译电话、线上会议，以及外语播客、网课和影片。

11 月 1 日的 OTA 升级新增通话翻译和媒体翻译（译文同步显示在千问 AI 穿戴 App 上），还加强了嘈杂环境下的语音识别。千问 AI 眼镜 G1 今年 3 月开售，之后推出了旗舰款 S1；10 月发布的 N1 系列支持换电池，Pro 版支持眼动交互和全天候健康监测，2899 元起。

局限：报道没有列出支持的语种和延迟数据，也没有说明哪些型号能收到这次升级。本条依据 IT之家的中文报道。

来源：单一报道 IT之家