ARTICLE · 1324053
AI资讯 · 11-03:最强智能体也只干对 12% 的活,Claude 今天起全量加水印
AI资讯 · 11-03:最强智能体也只干对 12% 的活,Claude 今天起全量加水印今天 AI 圈最大的事不是谁又变强了，是两条分界线同时划下来了：智能体干真实专家活的上限被量出来了，AI 文本的隐形标记也从今天起默认全开。 是什么：研究机构 SemiAnalysis 于 2026年11月2日发布 GDPx 基准，把智能体扔进芯片设计、量化交易、生物、法律等 11 个领域的真实工作环境，每任务默认给 8 小时，206 个任务由 14 家数据伙伴共建，不再是选择题式问答。 为什么火：第一名 Claude Opus 5.5 也只拿到 12.0%，Gemini 4 Carbon 10.9%，GPT-6 Astra 9.6%，Meta Muse Wonder Full 9.0%，开源权重里最好的 GLM 5.3 只有 2.7%，金融与法律领域在严格二值评分下所有模型均为 0 分，Opus 5.5 平均每任务还要花 51.41 美元、约 548000 输出词元，Gemini 4 Carbon 每任务 16.29 美元，便宜近 3 倍。 怎么用：别再只看跑分榜选模型，上线前先在自己行业的真实长任务里跑一遍，能交出合格交付物的才算数，榜单分数目前均为 SemiAnalysis 自家发布、尚未第三方独立复跑，榜单里的 GPT-6 Astra 只是该榜单的标注名，不等于 OpenAI 已发布该模型。 来源：SemiAnalysis GDPx 11-02 发布，经 Unite.AI 报道：https://www.unite.ai/semianalysis-launches-gdpx-benchmark-spanning-11-agentic-domains/ 是什么：Anthropic 上周向客户发邮件，宣布从 2026年11月3日起把不可见水印扩展到旧模型，Mythos 5、Opus 4.7、Opus 4.6、Sonnet 4.6 全部纳入，最新模型含 Opus 5.5 早已带水印，机制源自 Google DeepMind 公开的 SynthID-Text（合成标识文本技术），通过词选统计模式埋入标记。 为什么火：水印肉眼完全看不出、用户无法退出，Anthropic 称目前无法按地区限制、全球同步上线，昨天还在讨论“怎么检测 AI 文本”，今天检测就变成了默认项，代写、投稿、作业场景的分界线今天起正式改写。 怎么用：用 Claude 起草后凡是要求“人工原创”的场合，先按平台规则披露 AI 辅助，别等被标记查出来再解释，水印本身不改变文字质量，但改变了“能不能假装没用 AI”这件事。 来源：Anthropic 客户邮件，2026-11-02 报道：https://medium.com/@ataurrehman1993/starting-tomorrow-everything-you-write-with-claude-gets-watermarked-46de02862bfc 是什么：Nace AI 开源权重发布 Drex Max v1，密集 27B 参数、262144 词元上下文窗口，每题最多 255 个选项，输入一段状态加几个命名问题，一次前向就返回每个选项的概率，不生成一句废话，适合智能体分流、工单分类、规则检查。 为什么火：公开 Decision Index（决策指数）0.4 得 67.52 分，自述比上一代 Drex v2.0 的 61.25 分高 6.27 分，本地可跑：苹果芯片（Apple Silicon）Q4 量化版 14.45GB、Q8_0 版 27.25GB，英伟达显卡 bf16 版约 49GB，一台像样的 Mac 就能离线做判断。 怎么用：凡是“只要判断不要文章”的环节都值得一试，比如先让决策模型把工单分流、把明显违规的请求拦下来，再把真正需要写东西的活交给生成模型，分工比单模型硬扛更省成本，分数为厂商自述、尚未第三方独立复核，引用时保留这句。 来源：MarkTechPost 2026-11-01：https://www.marktechpost.com/2026/11/01/nace-ai-open-sources-drex-max-v1-local-inference/ 是什么：商汤开源多模态模型 SenseNova Loop-9B-Preview，约 9B 参数，32 层解码器里共享的 24 层块跑两遍、共 56 次层计算，用“算力深度换参数规模”，训练序列最长支持 262144 词元，Apache-2.0 开源。 为什么火：思路反直觉：不堆参数，把同一组层多跑一遍换更深的计算，厂商称在部分基准上达到 27B 级，并在 WorkBuddy、RaccoonPPT、AutomationBench 上超过 Qwen3.5-27B，但均为厂商自述、未经独立验证，发布仓库约 38.2GB 且用自定义代码，接入门槛不低。 怎么用：本地部署小模型的团队可以把它当架构样本对照：层复用省了参数、但多了计算时间，延迟敏感的场景先实测再上，别只看“27B 级”四个字就替换现有模型。 来源：TechNode 2026-11-02：https://technode.com/2026/11/02/sensetime-open-sources-9-billion-parameter-ai-model-that-reuses-layers-for-deeper-processing/ 是什么：当日两份榜单首位各补一块短板：crosswalk 首页顺序第 1 名 beacon.sh，给 AI 编程智能体用的开源自改进记忆；orangebot 当日投票榜第 1 名 Agent Inbox，给智能体一个邮箱地址、Slack 与 Telegram 账号；crosswalk 首页顺序第 2 名 Xmind 2027，思维导图变 AI 思考伙伴。 为什么火：两份榜单首位拼在一起正好是智能体落地的两块短板：记不住事与没有自己的联络方式，同一天被两个产品分别补上，说明智能体产品正在从“会说”卷向“能长期干活、有身份办事”。 怎么用：编程智能体总在新会话里失忆的，先试 beacon.sh 这类记忆层；想让智能体独立收发消息、跟进任务的，留意 Agent Inbox 的身份层是不是真能接进现有工作流，两份快照口径不同，本条同时标注来源。 来源：Product Hunt 11-02 首页榜单：https://crosswalk.to/crosswalk/ph-launches Zenstiddy 点评：今天没有“更强模型”的喜报，只有两条越来越具体的规矩：活干得怎么样要按真实任务量，文字是谁写的从今天起机器说了算，先把这两条分界线想清楚，再追新东西不迟。 话题标签：#AI资讯#GDPx#Claude水印#决策模型#ProductHunt 落款：Zenstiddy · 你的灵感伴侣
