标签： GPT-4

英伟达等发布Realtime-Bench：GPT-6-Astra实时任务成功率仅44%

2026年11月5日，英伟达联合得克萨斯大学奥斯汀分校等机构发布实时交互基准Realtime-Bench。在最严格的评测条件下，表现最好的GPT-6-Astra任务成功率仅为44%，说明大模型在低延迟与深度推理之间仍难兼顾。

OpenAI 于 2026 年 11 月 4 日推出 Images 2.6，覆盖 ChatGPT、Codex 和 API，图像生成速度提升 50%，并新增 GIF 动画生成、编辑一致性和 API 侧精准标注等能力。

arXiv 上一篇新论文指出，LLM 生成代码的“验证通过率”会掩盖两层失效：证明义务未必绑定到规格，而规格也未必忠实于真实需求。作者用两组实验显示，高通过率与低语义正确性可以同时存在。

arXiv 上出现的一篇新论文主张，医疗多智能体系统不应在答题前一次性选专家、取知识，而应由外部“挑战者”在推理过程中发现知识缺口、再定向补料；摘要称该策略在 MEDAGENTSBENCH 难题集上优于前置检索。

arXiv 新论文提出 Agent Harness Awareness，让宿主在执行前向模型提供经核验的实时状态快照，使工具调用选择更贴近当下可用的执行条件；摘要称在受控评测中，这一设计显著缩短了策略遗憾并提升了单次派发完成率。

OpenAI于2026年11月5日发布图像生成模型GPT Image 2.6 Sunburst与Flare，官方称其速度是上一代Image 2.5的两倍以上，引入动态推理后最低延迟可降至5秒，同时维持相近的生成质量。

部分 Codex 用户的用量统计中出现了“gpt-6.2-astra”标识，早于官方公告；据 The Information 报道，OpenAI 最快可能于当地时间 11 月 6 日推出 Astra、Sol 以及一款网络安全方向的 Cyber 模型。

英伟达发布工厂运营蓝图FOX，为现有工厂系统提供“工厂经理Agent”参考架构，用于协调专业Agent排查生产问题、安排返工并调查根因，开发者可据此接入自有数据和设备。

月之暗面在 Hugging Face 发布开源权重模型 Kimi K3.1 Pro，总参数 2.8 万亿、激活参数 104B、上下文达 100 万 token，并公布与 Claude、GPT-6、DeepSeek 等旗舰模型的横向评测。开源大模型与闭源头部产品的差距，再次成为可公开对照的话题。

一篇 2026 年 11 月发布在 alphaXiv 的论文提出 PEARL 方法，试图在“事后”压制大模型的错位行为，并让压制效果在继续微调时更不容易反弹——这直指当前对齐训练的一个软肋。