AI 日报 · 2026 年 11 月 7 日 · 星期六
MYHOT
METR 审计发现 Anthropic 或已于 7 月跨越自身 AI 加速预警阈值
METR 审计发现 Anthropic 模型测试分数自 2025 年 10 月起以约 1.9 倍于此前两年的速度提升，AECI 指标年增速从 15 点升至 29 点。
The Decoder原文 产品发布/更新
AWS Machine Learning Blog一手SageMaker Inference 支持 Multi-Instance GPU 以最大化模型端点 GPU 利用率
Amazon SageMaker Inference 新增 GPU 分区功能，利用 NVIDIA MIG 将物理 GPU 划分为独立分区，支持在单 GPU 上部署多个隔离模型。测试显示，H100 的 mig-3g.40gb 分区在吞吐和延迟上优于整卡 A100-40GB，且在长上下文高并发场景下成本降低 18%–34%。
行业动态
TechCrunch · AIRamp 数据显示 AI 支出停滞，正值 Anthropic 临近 IPO
Ramp 报告显示，尽管 AI token 用量持续上升，但企业 AI 支出在夏末出现停滞，8 月至 9 月仅增长 1.5%，远低于 7 月的 42%。Ramp 首席经济学家 Ara Kharazian 指出，OpenAI 和 Anthropic 的降价策略以及企业更精细的成本控制导致市场进入买方市场，头部 1% 企业的支出增速放缓已足以拖累整体营收。
技巧与观点
The DecoderFrontier Radar #5：AGI临近之际，为何众多人才离开大厂创立新实验室
The Decoder 发布 Frontier Radar #5，分析了在 GPT-6 Astra 发布后，Ilya Sutskever、Yann LeCun 等顶尖人才离开大厂创立新实验室的现象。文章将 27 家新实验室分为六类，分别押注持续学习、非语言模态、私有数据、计算效率、自动化科研及垂直应用，并指出这些实验室正通过巨额融资填补大厂未覆盖的研究空白。
AWS Machine Learning Blog一手Amazon Quick 智能体原语分类体系：基于 When、What、Who、How 的架构解析
Amazon Quick 团队提出了一套智能体原语分类体系，通过 When、What、Who、How 四个问题拆解智能体工作流。该体系将触发器（Triggers）定义为工作的启动与指令载体，智能体（Agents）定义为持久化且具备学习能力的执行主体，能力（Capabilities）则涵盖工具、技能与工作流。