Claude 取消 5 小时限制、AI 写算子反超人类巅峰、大模型定义芯片、机器人有了绩效单位：AI 产业重写度量衡
本期四条：Anthropic 把订阅限流从 5 小时窗口换成周预算并将 Max 20x 改名 Ultra；新芯航途 X7 Ultra 用 Momenta R7 量产世界模型定义芯片性能度量，NPU 利用率 98.7%；智元给物理 AI 定绩效单位 Worken，GO-3 与 WITA-OMNI 双模型登顶七项榜单；面壁 ForgeKernel 用 22.5 小时把 DeepSeek FlashMLA 算子写快 9.8%，算子优化主体从人类转向 AI。
芯片性能不再用 TOPS 描述、机器人开始结算工时、算子优化交给 AI 自进化、订阅限流从时间窗换成周预算——四条动态指向同一件事：AI 产业正在给自己换一套度量衡。
1. Claude 取消 5 小时限制：限流度量从时间窗换成周预算
事件概述
10 月 31 日，Anthropic 调整 Claude 订阅体系：Max 5x 与 Max 20x 分别改名 Max 与 Ultra，月费维持 100 与 200 美元；Ultra 档取消 5 小时使用窗口，已验证账户可在每周额度内连续使用，周额度保持 Pro 用户的 10 倍。多数存量 Ultra 用户当天起陆续解封，新账号凭账号与支付历史自动完成验证，Settings → Usage 页面的 5 小时进度条消失即为生效。订阅产品负责人 Mike Overell 发帖解释调整，并为 Max 20x 的命名误导道歉。
技术解析
这笔账的根子在两套额度并行的旧设计：Max 20x 的「20 倍」指单个 5 小时窗口内的用量为 Pro 的 20 倍，每周额度却只有 Pro 的 10 倍，用户花 200 美元买到的是两条互相不一致的约束。取消时间窗之后，周预算成为唯一变量，限流模型从「窗口清零」变成「配额消耗」，与云厂商按预算管理的资源配额同构。验证机制用账号与支付历史做信用筛选，把滥用风险前置到入口而非运行中。
行业影响
时间点上与 OpenAI 前一天给 Pro 用户额度翻倍正面对撞，高价档位的竞争焦点从模型能力清单挪到可用性承诺。用户评论把这次调整直译成「Fable 5.5 的额度消耗太惊人」——推理模型吃额度越来越快，限流设计对重度用户去留的影响权重在上升。对 Agent 场景还有一层实际意义：5 小时窗口是长程任务的中断源，周预算制给 Claude Code 的后台连续作业留出了制度空间。今年 6 月《华尔街日报》报道过针对高价订阅额度宣传的诉讼，透明化改名也算对监管压力的回应。
相关链接
- 量子位报道：刚刚，Claude宣布取消5小时限制！首批Ultra用户已「解封」
- Anthropic 新闻室：Anthropic News
2. X7 Ultra：「大模型定义芯片」把评测对象换成量产世界模型
事件概述
10 月 31 日，成立两年多的新芯航途（XHEART）首次公开亮相，发布智驾芯片 X7 Ultra：700 TOPS，Arm v9 车规 CPU 首次在中国落地，SoC 达 ASIL-B、集成 MCU 达 ASIL-D。Momenta 创始团队成员曹旭东、夏炎通过控股股东间接持股，两家为姐妹公司，Momenta 的 R7 世界模型对 X7 Ultra 做 Day 0 适配；前代 X7 已在上汽大众新车量产。
技术解析
三个官方数字分开看：量化模型输出与 FP32 基准的相似度超过 99.99%，NPU 计算利用率 98.7%，对比行业旗舰内存带宽消耗降低 80%、能效提升 100%。硬件侧是超大核 NPU 加核间互连，为 LayerNorm、Softmax、Transpose 这类高频配角算子单独配了专用计算引擎，激光雷达加速器每秒处理 2000 万点、支持千线级点云。软件侧用统一 AI 工具链做计算图融合与任务调度，减少中间数据往返搬运——带宽降 80% 对应的正是这一层。「大模型算力」这套度量的规则很苛刻：直接把 Momenta R7 量产世界模型跑上芯片测，约束是模型结构不许改、计算精度不许降、驾驶体验不许打折。曹旭东把「大模型定义芯片」列为 Momenta 的第三个重要判断：端侧模型要到 10B 甚至 100B 参数才能支撑百万级 L4 部署，智驾摩尔定律正从两年 10 倍向每年 10 倍加速。
行业影响
TOPS 之争失灵是行业共识：稠密或稀疏的峰值算力回答不了「量产模型上去能跑多快」，实验室基准与真实体验之间隔着算子类型、数据搬运与调度效率三道墙。X7 Ultra 把评测对象换成真实模型，芯片竞争的度量衡从峰值算力换到系统效率，这条思路对任何做端侧大模型的芯片公司都成立。与本期第四条 ForgeKernel 放在一起看更有意思：芯片侧用真实模型定义性能，算子侧用 AI 生成最优实现，两头夹击的正是 CUDA 生态十几年人力堆出来的软件壁垒。
相关链接
3. 智元 GO-3 与 WITA-OMNI：物理 AI 拿到绩效单位 Worken
事件概述
10 月 30 日智元创新日，具身基座模型 GO-3 Preview 拿下 RoboDojo、RoboTwin、RoboColiseum 三项评测第一，全模态交互大模型 WITA-OMNI 在 Daily-Omni、TimeLens-Bench、EmbSpatialBench、MMAU 四项评测登顶。发布会上定义了物理 AI 的度量单位 Worken：活跃机器人数量 × 自主工作时长 × 产出效能比。本专栏 4 月 18 日那一期记录过 WITA Omni 1.0 作为季度承诺的预告，这次是交付兑现。
技术解析
GO-3 的具身原生架构 WRAM（World Reasoning Action Model）把任务理解、推理、未来状态预测、动作生成放进一个学习框架；预训练靠模型与数据共同 Scaling，后训练系统 Genie Evolver 把百台真机、物理仿真与世界模型组合成「实习车间」，部署侧由 Genie Master 承接任务规划与异常恢复；模型支持跨本体迁移，换到双足人形 X2 上能双手开门、跪地取物。WITA-OMNI 把输入（语音、视觉、文本）与输出（语音、表情、动作）放在同一模型里协同建模，免唤醒词——靠声音方位、声纹、人脸与唇动识别对话对象，用视线与语气判断回应时机；快慢双系统里前台 Interaction Engine 即时应答、后台 Background Agent 做推理与长任务，平均响应 600 毫秒、最快 400 毫秒，能听懂 100 多种语言、说 29 种语言与 7 种方言，支持本地无网运行。硬件架构 AHA3 用单颗 SoC 调度运动、交互、作业三套智能，体积缩小 50%、响应提升 90%；灵渠 OS 1.0 在 1000Hz 高频任务下端到端时延抖动小于 4 微秒，年底全面开源并捐赠给开放原子开源基金会。
行业影响
Worken 的野心对标 Token 之于大语言模型：给物理 AI 一个与实际产出挂钩的商业锚点，让行业竞争从 Demo 观感转向兑现率。智元摆出的实绩够硬：与龙旗合作的全球首条具身智能 3C 产线 2026 年 3 月投产、稳定运行超 7 个月，6 天直播累计作业 64824 次、生产 17625 台平板电脑、成功率 99.99%、单件节拍 22 秒与人类熟练工持平；爱仕达门店 100 台灵犀 X2 三天带动销售 223 万元；横琴长隆近 500 台机器人覆盖 100 多个岗位。稚晖君的总结是「万台下线只是制造业的胜利，万台上岗才是物理 AI 的胜利」。榜单分数衡量能力上限，Worken 衡量兑现率——后者才是采购方与资本愿意付费的口径。
相关链接
- 量子位报道：榜一，拿来吧你！智元这波双模型杀穿多榜榜单
4. ForgeKernel 22.5 小时反超 FlashMLA：算子优化从专家手艺变成 AI 自进化
事件概述
10 月 30 日，面壁智能的无人参与算子生成系统 ForgeKernel 完成一场直播：只拿算子的数学定义与目标硬件约束，在 B200 上用 22.5 小时、42 轮迭代、32 个版本、1 张 B200 加 22 个 GPU 小时，把 DeepSeek-V4.1 的 FlashMLA Prefill 算子从 1834 微秒压到 472 微秒，比 FlashMLA 的 518 微秒快 9.8%，全程人类代码 0 行。直播结束后，智能进化实验室联合 OpenBMB 社区宣布开源。再往前三天，昇腾 CANN 官方点名 ForgeKernel 同时登顶 CANNBench 950DT（4010.75 分，领先第二名 27.8%）、950PR（4165.94 分，加速比 1.638×）、A3（4341.16 分，加速比 1.898×）三张硬件榜单。
技术解析
方法学基础是 10 月 27 日挂上 arXiv 的论文 JustGoal（2610.36434，面壁智能与清华等机构，作者含李宇轩、刘知远）：只给通用 Agent 一个优化目标，不给算子知识库、评估方法与预设流程，让它自建评估回路——B200 上 10 个算子里 8 个跑赢人类维护的开源库，单算子几何平均加速 1.14× 到 2.34×；同模型对照下，MIT 韩松团队参与的 KDA-0.5 专用框架只做到 JustGoal 的 0.95×，消融显示领域知识与预设流程没有稳定增益。JustGoal 的短板在架构：模型擅长调细节，却常在开局几次尝试里把整体结构定死。ForgeKernel 补三件事——架构设计与实现分离、把架构决策拆成里程碑；实测过的硬件经验存进知识库跨算子复用；拿自己上一版当下一轮对手。直播里的关键一跳正是自进化的产物：后期它发现 Q 的突发加载在与 KV 数据搬运争抢访存资源，主动控制 Q 的请求节奏再压 2.4% 耗时——这类判断过去是资深专家的专属。迁移成本被刻意压低：从英伟达换到昇腾只需把性能分析工具从 NCU 换成 msprof，硬件知识由模型在新芯片上边测边积累。
行业影响
Gartner 预测 2026 年全球 AI 基础设施支出约 1.48 万亿美元，算力效率每提升 1% 对应约 148 亿美元。国产芯片是最大受益方：同一套做法在国产芯片上能提速 20% 到 30%，在英伟达上只有 5% 到 10%，差距来自 CUDA 生态多年的专家优化把余量吃掉了。ForgeKernel 生成的算子已接入训练框架，在国产芯片与英伟达平台完成 MiniCPM5-1B 长训测试，「国产模型写算子、国产芯片跑算子」的全栈闭环开始成形。人类专家并未离场，工作重心从亲手打磨每行底层代码转为搭环境、定目标、设验证标准——研发主体从人转向 AI，人类转型为系统架构师。
相关链接