DAILY AI
商汤升级设计协作，Hydrogen开放科研权重，模型来源也开始有证明
本期的新进展各自回答不同问题：商汤把办公设计延伸到动态文件，Hydrogen尝试从完整实验过程学习，FlashProve探索如何确认回答来自指定模型。百度让无人车在可交互的虚拟城市里训练，OpenAI则把照护、购物和公共服务等生活任务纳入评测。从演示到可靠使用，环境、成本和结果验证仍是绕不开的环节。
商汤发布6.8 Flash正式版，设计交付扩展到动态PPT与3D
商汤11月2日发布SenseNova 6.8 Flash正式版，公告称其加强跨任务、跨会话协作，并将设计输出扩展到动态PPT、海报、网页和可编辑的Blender工程。模型已开放在线体验，也进入SenseNova Token Plan。官方展示了结合既有工作资料进行客户交接、持续跟进需求的案例，强调长期记忆与任务推进能力。
这让“交付什么文件、后续能否继续修改”成为比单张效果图更具体的观察点。使用时也要分清演示与可用范围：公告中的主动客户跟进演示基于小浣熊内部研发版，动态Blender创作依赖本地环境搭建与多轮交互。长期记忆能否帮助团队，取决于资料是否获得授权、过时记录能否更新，以及模型能否正确处理前后冲突的信息。
FlashProve开放研究代码，尝试证明回答来自指定模型
Anthropic于11月2日公布FlashProve研究原型，并以Apache 2.0许可开放代码、技术说明和形式化证明。它让服务方先固定一组模型权重，再为被检查的输入与输出生成密码学证明，用户无需获得权重或重新运行大模型即可核验。团队在Llama 4 Maverick的4比特版本上进行了测试；当前支持的上下文最多为1024个词元。
它针对的是“到底用了哪一个模型”的信任问题，而不是替回答中的知识和判断背书。成本仍是明显障碍：团队所测证明过程的GPU时间约为vLLM基线的70至95倍。原型证明的是整数运算、贪心解码下的特定计算，快速执行代码也没有完整的形式化保证；仓库还标明不维护。因此它更适合作为研究与复查起点，不能直接等同于成熟的在线服务保障。
深度原理开放Hydrogen-1.0权重，让模型学习完整实验过程
Deep Principle（深度原理）11月2日宣布Hydrogen-1.0，基于GLM-5.3进行科学领域后训练，覆盖化学、材料与生命科学。官方介绍，训练材料除了领域知识，还包括实验室记录和从选择候选、执行研究到根据结果调整方向的完整轨迹。模型已进入Mira科研助手，并提供权重及API入口；Hugging Face模型卡将BF16权重许可列为MIT。
这条路线尝试保留“为什么做这次实验、失败后如何改”的过程，让模型不只复述已有结论。开放权重有助于研究者在自己的任务上比较和适配，但完整训练数据与配方并未随之公开，不能据此认为已能完整复现训练。官方案例依赖外部工具与特定研究环境，输出仍需科学审查；Hugging Face下载还需要登录并同意访问条件。
参考来源：深度原理：Hydrogen-1.0技术说明 ↗ · 深度原理：Hydrogen-1.0模型卡 ↗ · 深度原理：Hydrogen-1.0发布说明 ↗
百度披露Apollo World，让无人车在交互仿真中练习
百度11月3日在深圳AI Day的Apollo专场披露Apollo World。据报道，这套世界模型不只生成道路视频，还随驾驶系统的转向、加减速更新环境，产生相机画面和激光雷达点云。虚拟城市中的其他车辆、行人也可作出决策与交互，让驾驶系统连续完成出发、行驶和送达等任务。百度称，它已用于萝卜快跑的全球化测试与验证。
交互仿真的价值在于把稀少、危险或难以重复的路况变成可反复练习的任务，观察不同驾驶动作的后果。但虚拟环境是否足够接近真实世界，仍决定训练收益能否带回道路。百度提出的因果性、交互性、物理准确性、持久性和实时性，是其判断框架，不是已经统一的行业认证；规模化测试和真实道路检验仍需要彼此对照。
OpenAI公布LifeVal，把日常办事纳入模型评测
OpenAI于11月2日公布LifeVal，评估AI在照护、教育、购物、家庭事务和公共服务等日常任务上的表现。团队以美国及多国时间使用调查为起点，再调查3995名受访者，筛选人们最希望助手分担的事情。展示的任务涉及择校、搬家找房、组织志愿者和安排家庭生活，强调从给出建议走向完成实际流程。
这些任务往往没有一道标准问答题那么简单：预算、地点、时间、个人偏好和最后一步确认都可能影响结果。把它们纳入评测，有助于让模型进步对应到真实需求。不过，官方展示的个别高分不能推成所有家庭、地区和网站上的成功率。更有用的检验是任务要求是否被完整保留、操作结果能否复查，以及需要人决定的事项是否及时交还给人。