AI 日报 | 2026年11月07日

今天两条主线都指向同一件事：把「接入成本」压下来。AI 编程侧，Cursor 让人开口说话而不是盯着屏幕，Amp 让一个主智能体替人拆任务、开线程；模型侧，Thinking Machines 用 594B 总参只激活 17B 的稀疏结构，把长程编码推到第一梯队。具身侧，它石智航与安波福把百台机器人排进真实产线，瑞士 Embodied AI 干脆放弃双腿、用轮子加腱驱动换安全认证——通用性让位给可交付性。

Cursor 上线智能体实时语音通话：把「监督」从读屏改成对话

Cursor 于 11 月 6 日发布「与智能体实时语音聊天」（Voice Chat with Agents）。这是一次语音对语音的双向通话，不是把语音转成文字的听写功能：语音智能体负责倾听、回应、接住任务，再把具体编码工作交给当前会话里的编码智能体，后者在执行过程中主动播报简短进度。功能覆盖 Agents Window、桌面 IDE、网页端与 iOS 应用，iPhone 上可以用「Hey Siri, call Cursor」直接发起，并从锁屏或灵动岛静音、挂断。通话中可查询代码差异、运行状态、该智能体的历史消息与通话记录，这些查询均为只读，不会中断正在执行的编码任务。技术实现上，语音识别与合成由 Grok Voice 驱动，编码智能体仍使用用户自行选择的模型；开启隐私模式后通话零数据留存。官方同时说明有每日使用上限，若用户长时间沉默且智能体无任务在跑，通话约 10 分钟后自动结束。

值得关注：变化的不是省下打字，而是监督方式。文本流是「人写、机读」，语音流是「人说、机答」，中间多了一层调度角色。对跑几十分钟的长任务而言，从盯屏幕读 diff 改成听一段简短汇报，注意力占用确实下降。但边界同样清楚——语音承载不了行级别的精度，Cursor 自己把通话中的查询限定为只读，说明它并不打算让语音承担审批动作。官方未公布定价、包含该功能的套餐档位与具体限额，因此「语音监督是否真的比读屏快」目前没有数据支撑。

来源：Cursor Changelog — Voice Chat with Agents

Amp 推出 Spaces：让一个主智能体替你拆任务、开线程

Amp 于 11 月 6 日上线 Spaces。一个 Space 是一段用户与单个智能体的对话，但这个智能体的职责是替你生成并协调其他线程——用户不必再自己创建、命名、追踪一组智能体。团队成员可以在同一个 Space 里提需求、贴缺陷、补充想法，每个被拆出的任务以实时卡片显示状态以及是否需要人工介入；点击卡片进入对应线程，查看产出、继续迭代或直接推进交付。评论区的设计有一个细节：只有被 @amp 提及时，Amp 才会读取相关评论，以减少噪声干扰。官方给了三个自用案例：团队用一个名为「Spaces v1」的 Space 开发 Spaces 本身；一名成员在单个 Space 里完成服务账号功能的上线，包括监控 X、Slack 与工单、修线上缺陷、向受影响用户发邮件与退款；另一次定期安全审查中，主智能体首轮把代码库切成 16 个区域分线程审查，再在另一线程里交叉核验每条发现，最终把 14 个问题归入一份汇总文档。

值得关注：多智能体编程的瓶颈已经从「能不能并行」转到「谁来管并行」。此前开发者要自己切任务、复制项目背景、拼接结果，这部分注意力开销不进 token 账单，却是真实成本，Spaces 把这一层交给模型处理。Amp 自己的定位也直白：让人坐进「船长椅」，需要时再下到细节。但有两处需要打折——其一，三个案例都出自 Amp 自家团队与自家流程，可迁移性未经验证；其二，并行不是免费的，第三方汇总的多智能体团队测试显示成本最高上升到 5.1 倍而质量提升有限（该数据非 Amp 官方口径），Spaces 省掉的是组织线程的时间，协调成本本身不会消失。

来源：Amp — Spaces

Thinking Machines 发布 Inkling 2 Small：594B 参数只激活 17B，长程编码进第一梯队

Thinking Machines Lab（OpenAI 前 CTO Mira Murati 创立）于 11 月 5 日发布第二代模型 Inkling 2 Small。结构是稀疏混合专家（MoE，每次推理只调用部分专家而非全部参数）：594B 总参数、17B 激活参数，1M token 上下文，外挂一个 292M 参数的视觉编码器，支持图像输入与可调思考深度。预训练分四阶段共 12.2 万亿 token，其中第一阶段 8.4 万亿 token 在 NVIDIA GB300 NVL72 机架（单机架 72 颗 Blackwell Ultra GPU）上以原生 NVFP4 格式用 68 小时跑完；随后一次统一的强化学习跑了 9 天、1075 步、超过 1700 万次 rollout，动用了 2048 张 GPU，强化学习 token 中 65% 是编码任务。模型目前在 Tinker（其自有微调与推理平台）上以闭权重形式提供 API，官方称完成外部安全测试与红队后，于下周以 Apache 2.0 协议放出完整权重。

跑分呈现明显的偏科。官方表格中 SWE-bench Pro v2（Hard）86.3%、DeepSWE v1.1 72.1%、MMMU Pro 81.6%，Artificial Analysis 智能指数 31；但终端操作能力偏弱，Terminal-Bench 4.0 只有 13.1%，而 DeepSeek V4.1 Flash 同期为 33.8%，DeepSWE 也以 72.1% 落后于对方的 77.0%。官方最看重的一项指标是内部「不当行为」评分从初代的 66.8 降到 14.9，越低越好，但仅自家可测。演示任务给得相当硬：让它把 Qwen3.5-4B 训成一个时序预测模型，它自行分析任务、编写评估器、尝试不同数据集与训练配方并自行排错，4.5 小时、花掉 426 美元 Tinker 额度后把预测分翻倍。

值得关注：三个层面。第一是性价比形态——17B 激活撑起 594B 的知识容量，Artificial Analysis 记录的价格为每百万 token 输入 0.30 美元、输出 1.00 美元，这种稀疏配比正在成为开放权重模型的主流打法。第二是能力结构的分化——它强在「写代码」，弱在「在终端里把事做完」，说明编码能力与长程环境操作仍是两种不同的本事，采购时不能只看 SWE-bench 一项。第三是中国模型的位置变化——有第三方报道称其训练后段轨迹部分采样自月之暗面 Kimi K3，若属实，开放权重模型已从「被对标对象」变成「被当作训练数据源」。另有报道称该公司正以 400 亿美元投前估值募集 50 亿美元，尚未获官方确认。

来源：Thinking Machines Lab — Introducing Inkling 2 Small

它石智航与安波福签约：年底前百台级进产线，覆盖 33 类应用场景

11 月 6 日，第九届进博会期间，它石智航与安波福（Aptiv，汽车零部件与智能驾驶技术供应商）签署战略合作协议。按协议，安波福将在今年年底前完成百台级它石 A 系列工业具身机器人的规模部署，覆盖柔性组装、检测协同、生产管理等 8 大生产工艺、33 类应用场景，首批机器人已在安波福智能工厂的真实产线投入应用。合作是双向的：安波福的高性能计算平台与智能电源管理方案将率先装入它石机器人本体，作为工业具身智能的算力底座，计划 2026 年内实现量产。此前在嘉定区政府支持下，双方已于今年 6 月启动「全国首个千台级工业具身机器人集群」建设，首期落在安波福生产基地，重点是让机器人适配真实产线的工艺流程。模型侧依托它石通用具身大模型 AWE（AI World Engine，今年世界人工智能大会「SAIL 之星」获奖项目）。展会现场，AWE 驱动的 A3 机器人演示了连接器自主装配，全自主完成「取料—精准插接—投料」循环。

值得关注：这是「汽车供应链反向供给机器人」的一个清晰样本——车规级的计算平台、电源管理与量产工程能力流向机器人本体，机器人则把真实工况数据反哺给模型，形成双向依赖而非单向采购。它石联合创始人陈同庆的分工表述值得记下：「具身模型定义了能力的上限，本体决定落地的边界，而可信赖的表现决定物理 AI 能否真正进入产线。」边界也需要说清：百台级是年底目标，33 类场景是规划口径，实际稳定运行时长、任务成功率与节拍均未披露；千台级集群仍处建设期，尚不等同于已交付产能。

来源：新浪科技 — 直击进博会：它石智航与安波福签约

瑞士 Embodied AI 发布 AIR：不要腿要轮子，用腱驱动把安全做进硬件

11 月 6 日，瑞士公司 Embodied AI 在慕尼黑 Humanoid Europe 2026 上发布首款完整人形机器人 AIR。公司是洛桑联邦理工学院（EPFL）的孵化项目，2023 年由 EPFL 与 MIT 的机器人方向博士创立，总部在洛桑。AIR 是轮式上半身人形：用轮子而非双腿，理由是工厂地面平坦，足式行走增加机械复杂度与失效模式却不带来生产价值，轮式更稳定、更可靠、也更容易通过工业安全标准认证。手臂采用腱驱动——电机、减速器与电子件全部集中在躯干，通过线缆把动力传到关节，手臂本身几乎不承载运动质量；接触时靠机械柔性自然让位，而不是靠软件限扭。整机按 ISO/TS 15066:2016（协作机器人工作空间安全国际标准）设计，计划 2027 年取得 CE 认证。学习路径也反常规：第一个班次就由人工遥操作，边干活边记录，自家 AI 栈从这些示范中学习，通常一个月后可自主执行，人则留在旁边处理没见过的边缘情况，一台学到的能力可迁移给同队其他机器。公司称此前双臂工站已在欧洲制造商处付费部署，在某消费电子厂商的线缆处理测试中，五家有融资的机器人公司无一达标，只有它满足全部指标，可靠性 98%（目标 90%）。

值得关注：它选择了与主流相反的方向——不做双足通用人形，做轮式专用工位。这不是能力不足的妥协，而是把「认证」放在第一约束位置：安全由硬件几何与机械柔性保证，AI 只需在既定的物理边界内变聪明。代价同样明确：轮式上不了楼梯、越不了障、进不了户外，「通用」这个词被主动放弃，场景锁死在平层产线。另外，98% 可靠性、「一个月学会」、9 个月从研究到产品这三项均为公司口径，客户名称、机器台数、价格与产能均未公布，需待第三方部署数据验证。

来源：Yahoo Finance / Business Wire — Embodied AI Unveils AIR