AI日报 · 2026年11月2日 | SemiAnalysis 发布 GDPx 基准，最好成绩只有 12%；阿布扎比与 OpenAI 签四份协议；AI 订阅补贴收紧

过去 24 小时没有太多硬发布，讨论集中在一个新基准、一组海湾协议和 AI 订阅的成本问题上。SemiAnalysis 发布 GDPx 基准，覆盖芯片设计、生物、量化交易等 11 个领域，最好的模型也只拿到 12 分，Google CEO 和多位研究者都作了回应。阿布扎比王储会见 Sam Altman 后，当地机构与 OpenAI 签下四份协议，覆盖能源、政府和投资。马斯克称 Grok Bot 的服务成本相对收入过高，Replit CEO 提醒补贴式订阅可能到头，OpenAI 帮助中心则宣布 12 月起 ChatGPT 与 Codex 共用额度。另外，Karpathy 用 Claude 两小时做出了 HackerTube，Axios 报道 OpenAI 的中期选举后政策计划，GPT-6.2 Astra、Mythos 5.5 等模型传言继续发酵，但都未证实。

今日要点

• SemiAnalysis 发布 GDPx：11 个领域、206 个任务，Claude Opus 5.5 12.0 分居首，Gemini 4 Carbon 10.9、GPT-6 Astra 9.6【第三方自报】。
• 阿布扎比与 OpenAI 签四份协议：ADNOC 用 OpenAI 的 GPT 模型、推理放在阿联酋境内，另有「机器可读政府」试点和穆巴达拉投资分析合作。
• 马斯克称 Grok Bot 服务成本相对收入高到不可持续【单方说法】；OpenAI 称 12 月起 Plus、Pro、Business 的额度在 ChatGPT 和 Codex 间共享。
• Karpathy 让 Claude 把 HN 20 年 4300 万条评论筛成 6454 个视频，做出 HackerTube（43526 赞）。
• Axios：OpenAI 准备在 11 月 9 日起的跛脚鸭会期推动 AI「限速」等四项提案，并把数据中心改叫「AI 算力园区」【媒体报道】。

1. SemiAnalysis 发布 GDPx 基准：最好成绩只有 12%，Opus 5.5 第一、Gemini 4 Carbon 第二【第三方自报】

**是什么：**据 GDPx 官网和 SemiAnalysis 博客，GDPx 用于衡量前沿模型的智能体能力，覆盖 11 个领域、206 个任务，与 14 家数据合作方共建。领域包括芯片设计、网络安全、生物、金融、法律、量化交易、递归自我改进、硬件设计、材料科学、对齐和软件工程，刻意不收政府、房地产、保险等行业。每个任务都带模拟工作环境，默认时限 8 小时，模型尽量跑在自家原生工具里（Opus 5.5 用 Claude Code、GPT-6 Astra 用 Codex、Gemini 4 Carbon 用 Antigravity，没有原生工具的用 OpenCode），总分按 3 次尝试的 pass@1 计。

**成绩：**Claude Opus 5.5 12.0，Gemini 4 Carbon 10.9，GPT-6 Astra 9.6，Muse Wonder Full 9.0，Claude Fable 5.1 8.5；Grok 4.7 3.9，GLM 5.3 2.7。博客提醒，Opus 5.5 和 GPT-6 Astra 的总分被自家安全分类器拉低；金融和法律任务按二元评分所有模型都是 0，榜上报的是平均部分得分。博客称 Gemini 4 Carbon 是唯一能和 Opus、Astra 同档的模型，Carbon 还没全面开放。SemiAnalysis 计划每 3–6 个月更新一版。

各方反应：@SemiAnalysis_ 发布后获 2527 赞、约 109 万浏览；Google CEO @sundarpichai 回应「很高兴看到有提升空间的高质量基准」，并建议关注 Carbon 的成本曲线（3198 赞）；SemiAnalysis 创始人、博客署名作者之一 @dylan522p 发帖向 Google「正式道歉」，称 Carbon 在几个领域表现很好，只是更偏科（1447 赞）；@emollick 称它是 GDPval 的接班者，但缺少人类基线，还提到 GPT-6 Pro 挑出了一些评分错误，0 分也掩盖了有经济意义的差异【观点】（218 赞）。

来源：@SemiAnalysis_ ① · @SemiAnalysis_ ② · @sundarpichai · @dylan522p · @emollick ① · @kimmonismus ① · GDPx 官网 · SemiAnalysis 博客

2. 阿布扎比与 OpenAI 签四份协议：ADNOC 成首家部署 OpenAI 前沿技术的能源公司

**签了什么：**据阿布扎比政府媒体办公室，阿布扎比王储哈立德会见 Sam Altman 后，见证当地机构与 OpenAI 签署四份协议，涵盖政府、能源和投资。① ADNOC、G42（经子公司 Inception42）与 OpenAI：把 AI 接入 ADNOC 运营，采用 OpenAI 的 GPT 模型，推理放在阿联酋境内；② 阿布扎比政府与 OpenAI 启动「机器可读政府」（MRG）：把一批政策法规转成机器可读形式，辅助官员做许可证、证书等常规合规审查，每次评估可追溯到对应条款，最终决定仍由官员负责；首个试点已在阿布扎比农业和食品安全局上线，针对食品进口；③ 穆巴达拉、Inception42 与 OpenAI：用 AI 做投资分析、机会识别和风险评估；④ Inception42 与 OpenAI 签五年协议，推动政府、企业和教育领域采用前沿 AI。

**目标：**阿布扎比官方称要成为全球首个完全 AI 原生政府。

各方反应：@Kalshi 发了快讯（3127 赞）；@Cointelegraph 也发了快讯（225 赞）；ADNOC CEO @SultanAlJaber 发帖称「世界一直在问能源能为 AI 做什么，现在我们要看看 AI 能为能源做什么」（228 赞）。

来源：@Kalshi ① · @Cointelegraph ① · @SultanAlJaber · 阿布扎比政府媒体办公室 · WAM · The National · CNBC

3. AI 订阅补贴收紧：马斯克称 Grok Bot 服务成本相对收入过高；OpenAI 12 月起 ChatGPT 与 Codex 共用额度

马斯克的说法【单方说法】：@elonmusk 回复网友称，Grok Bot 的服务成本相对收入高到不可持续（15378 赞、约 764 万浏览）；之后又回复另一位网友，反问「升级到更高用量套餐涨价太多？」（5753 赞）。同一天他还发帖推荐试用 Grok Bot，称团队每周 7 天都在上线几十项修复和新功能，并会关注用户反馈（9680 赞、约 765 万浏览）。

用户反馈【单方说法】：@op7418 称近来路由到 Opus 5.5 的概率越来越低，很多人发现 Grok Bot 用量额度一下子跳了 20%、30% 甚至 40%（112 赞）；@ai_for_success 称已负担不起全天候运行 Grok Bot（197 赞）。以上是用户观察，未见官方说明额度规则调整。

Replit CEO 预警【观点】：@amasad 发帖「如果你正在享受补贴的 AI 订阅，准备好被抽走地毯」（2802 赞）。

**OpenAI 额度合并：**OpenAI 帮助中心页面称，12 月起 Plus、Pro、Business 套餐的用量额度将在 ChatGPT 和 Codex 间共享，按 token 计量，用量取决于所选模型和任务；Instant 聊天不占额度；可在“设置 → 用量”查看合并后的剩余额度和重置时间；OpenAI 预计多数用户等待重置的频率不会比现在更高。页面没写 12 月的具体日期，也没给各档额度。

来源：@elonmusk ① · @elonmusk ② · @elonmusk ③ · @op7418 · @ai_for_success · @amasad · OpenAI 帮助中心：ChatGPT 与 Codex 用量

4. Karpathy 周末作品 HackerTube：让 Claude 从 20 年 HN 评论里筛出 6454 个视频

怎么做的（本人自述）：@karpathy 称对 YouTube 推荐不满，于是让 Claude 把 Hacker News 20 年间的 4300 万条评论筛成 6454 个被反复推荐的视频，用 Claude Code 桌面版和 Opus 5.5（中档推理）约 2 小时做完（43526 赞、约 381 万浏览）。网站不需登录，状态保存在本地浏览器；缩略图取视频中段代表帧，而不是上传者 A/B 测试过的封面；评论分析底层数据打包公开，他建议让自己的 Claude 照着做一个私人版本。

**提示词（本人自述）：**他在回复网友时贴出开场提示词，大意是「早上好……帮我做一个类似 YouTube 的网站，只收录多年来在 HN 上被反复推荐的视频，别出错」（2045 赞）。

来源：@karpathy ① · @karpathy ② · HackerTube

5. Axios：OpenAI 准备在中期选举后发起政策攻势，主打 AI「限速」，把数据中心改叫「AI 算力园区」【媒体报道】

**内容（Axios 独家）：**Axios 判断民主党可能在周二中期选举后拿下众议院，这会改变 AI 公司在华盛顿面对的局面。OpenAI 首席全球事务官 Chris Lehane 的团队从 8 月起储备政策提案，计划从 11 月 9 日开始的国会跛脚鸭会期起推进，主要有四项：① 为最强 AI 系统设立强制性保障，Lehane 称之为「限速」，让人始终掌控技术；② 提出新的社区契约，并推动州立法，让当地人对数据中心项目的建设方式和收益分配有实际发言权；同时把自家设施称为「AI 算力园区」，以俄亥俄州派克县的大型项目为例；③ 帮助劳动者应对冲击、扩大教育培训；④ 推动美国主导以民主价值观为基础的全球 AI 标准。Axios 称这次改名是有意挑起话题。

**注意：**目前没有法案文本、门槛或执行细节；Axios 文末披露，其与 OpenAI 有内容授权和技术合作协议。

各方反应：@AndrewCurran_ 转发了 Axios 的报道（859 赞）；@Polymarket 称 OpenAI 想借改名改善公众观感（1019 赞）。

来源：@AndrewCurran_ · @Polymarket ① · Axios

6. 模型传言扎堆：GPT-6.2 Astra、Mythos 5.5、Fable 5.5、Opus 5.6【未证实】

**GPT-6.2 Astra【未证实】：**此前的线索是用量统计里出现 gpt-6.2-astra。@Smlay_ero 进一步称它已在推送，可以在 Codex CLI 里用 codex --model gpt-6.2-astra 直接调用（1061 赞）；截至发稿未见 OpenAI 公告。

Mythos 5.5【未证实】：@AiBattle_ 称 Anthropic 官网 HTML 源码里出现 Mythos 5.5，而 10 月 23 日的快照里还没有，推测是最近几天加上的（243 赞）。其引用的原始爆料帖发于北京时间 11 月 1 日深夜，早于本期范围。

Fable 5.5 演示【未证实】：@chetaslua 发了一段视频，称是 Fable 5.5 一次写出的纯代码动画（3618 赞）；@kimmonismus 称这「很可能」是 Fable 5.5 的最新检查点（2083 赞）。模型来源无法核实。

Opus 5.6【二手传闻】：@Pirat_Nation 转述 kimmonismus 的爆料，称 Claude Opus 5.6 将和 Mythos、Fable 5.5 一同推出，并附了一组跑分数字（1863 赞）；这些数字没有官方出处，本栏目不转载。

辟谣【观点】：@kimmonismus 称所谓 Anthropic「Numbat」泄露很可能是假的，模型里部分参数和随机数完全一致，像从未训练过（305 赞）。

发布清单【观点】：@LuminaBench 列出接下来几周「顺利的话」可能发布的模型，包括 Fable 5.5、GPT-6.2 Astra、Qwen 4、DeepSeek V4.1 Pro 和 Gemini 4 Carbon 全面开放（203 赞）。

来源：@Smlay_ero · @AiBattle_ · @chetaslua · @kimmonismus ② · @Pirat_Nation · @kimmonismus ③ · @LuminaBench

简讯

• 韩国 AI 预算：韩国总统李在明 11 月 2 日在国会发表预算演说，2027 年预算案总支出 820.9 万亿韩元、增 12.8%，其中 21.3 万亿韩元投向半导体制造基地与数据中心、物理 AI 和 AI 推广三大项目，另拨 4.6 万亿韩元争取「全球性能最强」的主权 AI 模型（@Reuters，34 赞；@CNBC，55 赞；韩联社）。
• Google 砍掉 AI 摘要？【未证实】：@delonperc 称 Google 正在撤掉 AI 摘要，原因是它减少了网站点击、影响广告收入（@delonperc，13713 赞）。Google 发言人 10 月 30 日对 The Verge 表示没有减少 AI 摘要的触发，它本来就不会在每次搜索中都出现（The Verge）。
• Colossus 2 算力第一：@Rothmus 称 Colossus 2 约合 111 万块 H100 当量，是全球最强 AI 数据中心（@Rothmus，1228 赞）；@elonmusk 转发称「其他超算项目达不到目标，SpaceX 已经做到」【单方说法】（@elonmusk ④，16213 赞）。继马斯克此前公布 Colossus 2 的集群明细之后，Epoch AI 数据库估算 Colossus 2 目前约 111.2 万 H100 当量、IT 功率 946 MW，并预计 2027 年一季度升至约 182.4 万 H100 当量（Epoch AI）。
• 苏莱曼谈 AI 意识【观点】：@Kalshi 快讯称微软 AI CEO 警告不要把 AI 视作有意识（@Kalshi ②，862 赞）；原帖是 @mustafasuleyman 发的链接，发于本期范围之前（@mustafasuleyman，约 120 万浏览）。
• Mistral Large 4 写量子化学程序【厂商自报】：@MistralAI 称仅凭一段简短提示，Mistral Large 4 就从零写出量子化学 SCF 求解器、验证输出并完成 3D 可视化（@MistralAI，585 赞）。
• MiniMax M3.1 Flash 量化【厂商自报】：@MiniMax_AI 称量化了 428B 参数的 M3.1 Flash，降低加载内存和解码时搬运的权重数据，方便本地运行（@MiniMax_AI，615 赞）。
• 英伟达 AgentX 提交【第三方自报】：@SemiAnalysis_ 称一份英伟达 AgentX 提交显示，借助智能体集群编写的软件，HBM 芯片在 700B 以上大模型上可达每用户每秒 1000 token 以上；Rubin NVL72 的每 TCO 性能是 GB300 NVL72 的 20.9 倍（@SemiAnalysis_ ③，541 赞）。
• RTX 5080 Super 取消【媒体报道，官方未确认】：@GameGPU_com 称英伟达取消了 24GB GDDR7 版 RTX 5080 SUPER 的发布计划（@GameGPU_com，461 赞）；未见英伟达说明。
• Kimi 推广争议【观点】：@kimmonismus 称连 WhatsApp 都知道 Kimi K3.1 Pro 未披露推广的争议了，对 Kimi 来说很尴尬（@kimmonismus，1074 赞）。
• Mollick：智能体工作的起点【观点】：@emollick 称 GPT-4 只能独立工作 4 分钟（50% 成功率），现在的模型能做好几周的工作；2026 年 1 月可以看作智能体工作的起点（@emollick，691 赞）。
• 中国模型与 Mythos Preview【观点】：@scaling01 称快 7 个月了，中国模型还没追上 Mythos Preview（约 161 ECI）（@scaling01，564 赞）。
• Perplexity Computer 演示：Perplexity CEO @AravSrinivas 发帖「Computer，把地球 4 亿年的变化可视化」，附演示视频（@AravSrinivas，456 赞）。
• AA-AgentPerf 纳入 GPU 租价：Artificial Analysis 与 Silicon Data 合作，把市场化 GPU 租赁价格纳入数据中心性能基准 AA-AgentPerf，衡量每美元算力能支撑多少智能体工作（@ArtificialAnlys，21 赞）。

---

关于本栏目与核实方法

1. AI 辅助整理：AI日报由 AI 辅助整理，本期由 Grok Bot 辅助生成，覆盖北京时间 2026-11-02 00:00 至 22:07。
2. 推文逐条核对：引用的每条推文都逐条读取原帖，确认存在、作者一致、发帖时间在本期范围内；苏莱曼原帖和 Mythos 5.5 的原始爆料帖早于本期范围，只作背景。所有引用的推文另经 X 接口二次核对。点赞、浏览数为整理时（北京时间 11 月 2 日约 22:15）的读数。
3. X News 摘要只当线索：X News 摘要由 Grok 生成，只用来找线索，事实以原帖、官方页面和媒体报道为准；摘要与一手出处冲突时以一手出处为准。
4. 涉及 Grok Bot 的条目：主线第 3 条「AI 订阅补贴收紧」涉及辅助生成本栏目的 Grok Bot 本身，只按热度和公开帖子收录，不代表任何内部信息，标准与其他条目相同。
5. 标签含义：【未证实】= 有流传但未见官方或权威一手确认；【媒体报道】= 来自媒体报道、细节可能与官方口径不同；【媒体报道，官方未确认】= 媒体报道，官方尚未确认；【第三方自报】= 来自第三方机构自己公布的结果，未经独立复现；【厂商自报】= 来自公司公告或官方账号、未经第三方复现；【单方说法】= 仅一方的说法、未见其他来源佐证；【二手传闻】= 转述他人听来的说法；【观点】= 个人判断，非事实断言。