AI前沿速递 · 2026年11月06日
OpenAI 给出 2027 IPO 时间表；Claude 只读接入银行账户；MIT「AI 读脑」论文遭 spaCy 作者拆解；百度开源 2800 亿参数文心 5.5 Flash Base；OpenAI 网安模型 120 万美元挖出 948 个 Linux 提权漏洞
本期看点：OpenAI 把 IPO 时间表摆上桌面，Claude 以只读方式接进银行账户，MIT 的「AI 读脑」论文被人当面拆穿，百度把 2800 亿参数的基座挂上 HuggingFace，一套安全 agent 用 10 天从 Linux 内核里拉出 948 个提权漏洞。
OpenAI 给出 IPO 时间表：2027 年「我觉得可以」
OpenAI 联合创始人、总裁 Greg Brockman 周三在《华尔街日报》科技大会上被问到公司明年是否具备 IPO 条件，回答干脆：「I think so. Yes.」他给的理由是企业营收：第三季度年化营收环比增长 70%，企业业务当季翻倍，企业收入如今占大头——一年前这一块只占总营收约 30%。他点名了摩根大通这类新签客户，也坦白今年前两个季度「相当艰难」，在 agentic coding 这个 Anthropic Claude Code 占据份额的战场上，OpenAI「根本不在对话里」，「我们有 Codex，但没人在谈论它」，剩下的事是「埋头执行」。
一级市场给出的耐心已经不多：融资目标从 300 亿美元砍到 200 亿、首关更低，估值从 1.4 万亿缩到 1.25 万亿。把叙事锚点从「下一轮」挪到「企业收入 + IPO」，等于给买不动的旧故事换了一个出口。企业业务一年内从三成涨到过半，这个转向速度本身就值得记录——它一半是 OpenAI 打出来的，另一半是被 Anthropic 的企业攻势逼出来的。
Claude 接入银行账户：只读，且边界逐项写明
Anthropic 周四为 Claude 推出 Personal Finance：用户经 Plaid 连接银行和信用卡账户，问一句「这个月钱花哪儿了」，Claude 按房租水电、餐饮、购物等类目汇总，能揪出重复扣费、不明费用和持续上涨的账单，还能解释 APR、算出过去一年付了多少利息。定位是只读——不能转账、不能管理、不能投资。数据边界逐项列清：银行名、账户名与类型、卡号后四位、余额、信用额度、最长两年交易记录；Personal Finance 里的对话不用于模型训练。本周起面向美国 Pro/Max/Ultra 用户 beta，追的是 ChatGPT 五月就上线的同类功能。
钱包是 agent 叙事里最敏感的落地场景。对照上期 Uber 数据——万圣节周 3.2 亿单里 agent 只打了 4 单——这里卖的干脆不是自动化，而是「读懂」：信任设计全押在只读、数据范围枚举、不训练三件套上。「无广告、无赞助推荐、不自己卖信用卡」这句写进产品文案的话，等于把两家公司的商业模式差异摆上了台面。谁先让用户放心交出账户读权限，谁就拿到下一个入口。
MIT「AI 读脑」论文被 spaCy 作者长文拆解：两种实验，一种魔法
上上期写过的 MIT 研究——Astra 只改 Qwen3.5-0.8B 中 0.016% 的权重，数学成绩从 7.9% 拉到 48.1%——本周迎来了正面反击。spaCy 作者、Explosion 联合创始人 Matthew Honnibal 发文称这项研究的呈现「存在严重误导」。他梳理论文全部 8 组实验后发现条件天差地别：识别小网络、修复卡住的赛车模型时，Astra 确实只看原始权重数字，参数量在 1.7 万到 17.2 万之间，不许写代码、不许运行目标网络；到了修复 Qwen 那组实验，Astra 被允许写 Python、最多跑 50 次前向测试，靠观察模型行为来调权重——角色是「场外教练」，不是「读脑」。摘要把两种能力打包成同一种超能力，他打了个比方：魔术师用不同道具演同一个戏法，观众每看一次都以为推翻了一层原理。
Honnibal 没有全盘否定：让 AI 在提示下设计并执行原本属于人类 ML 工程师的任务，本身是大进步，「一两年前的模型在这些任务上全会失败」。他的靶子只是呈现方式。这份拆解给 hype 周期留了个少见样本：能力可以存疑地讨论，但实验条件一旦换了，结论就不能打包出售——这跟本专栏反复记录的评测口径问题是同一条判据，只是这次发生在论文摘要里。
百度开源文心 5.5 Flash Base：2800 亿参数，激活 140 亿
11 月 5 日，百度把基座模型 ERNIE 5.5 Flash Base 挂上 HuggingFace：MoE 架构，总参数 2800 亿、每 token 激活 140 亿，33.5 万亿 token 预训练，预训练上下文 128K，微调与推理阶段最长 100 万 token。官方口径是知识、推理、数学、代码、多语言、长上下文多项基准拿下同尺寸 SOTA，超过 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base。架构上有三处新东西：Latent-Gated Sparse Attention 把门控投影权重砍掉 75%；Multi-Router Latent MoE 用多个独立路由器共同选专家，压低单一评分偏差；ECHO 复用主干最后一层直接预测后续 token，省掉独立 MTP 模块，末层顺手充当投机解码的草稿模型。
对标名单清一色是国产同尺寸 flash 系，「同尺寸效率」已经成了国内开源阵营的内战主场。文心延续 4.5 的开源路线，这次放的是 Base 模型——把微调和定制的空间留给下游，赌的是开发者生态而非 C 端声量。ECHO 那个「草稿模型白嫖主干末层」的设计，属于值得抄作业的工程巧思。
120 万美元、10 天、948 个 Linux 内核提权漏洞
OpenAI 官方博客披露了一场安全侧的实弹演习：一个尚未发布的网络安全模型带着多 agent 流水线扫了整个 Linux 内核，10 天花掉 120 万美元，锁定 948 个本地提权漏洞，其中 1169 个 exploit 实打实拿到 root 权限。流程分工明确：侦察 agent 从 4000 万行代码里圈出 280 万行高价值目标，花费 3426 美元；分析 agent 12 小时报出 2308 个疑似漏洞，耗资 31.6 万美元；分诊 agent 在 30 小时内复现 1724 个内核崩溃，命中率 74.7%，模型脑补导致的纯误报只有 3.1%；最后 ExploitDev agent 绕过 SMEP、SMAP、KASLR 写提权利用，平均每个成本 359 美元。折算下来，找到一个可利用漏洞的成本是 1279 美元——顶尖人类安全研究员一年在这个代码库里大约找到 20 个。安全团队抽样 166 个 exploit，数出至少 10 种业界没见过的内核攻击手法；200 个通关案例里有 20 个压根没用指定漏洞，agent 自己在现场挖了别的 0-day 一路提权到 root。对照更早的一组数字：7 月用 GPT-5.6 Sol 跑过一次，50 万美元找到 166 个；三个月后战果翻五倍多。
攻防的经济账从此失衡：发现成本四位数美元，修复要靠无数人天。OpenAI 的对策叫「Patch the Planet」，把前沿算力无偿投向开源生态修复，Firefox 已借此修掉 40 多个漏洞；Linux 社区在 10 天复核窗口里也自己修了 61 个。同一套代码，在新模型眼里就是筛子——「扫一遍现有软件」从尖端手艺变成常规操作，这个转折比战报本身更值得记下。