AI 研究與效率每日追蹤｜2026-11-04
今日重點
今天最值得注意的是 OpenAI 公布了工程代理的 CAD／電路板評測進展，但領先的仍是未公開內部模型，不能當成已可使用的能力。新架構方面，AgiWorld 把代理規劃與影片世界模型接成閉環，嘗試讓生成場景在長時間探索後仍保持一致。兩者都把重點從單次生成移向「持續更新狀態並驗證結果」；目前證據仍以作者自測為主。 openai.com
重要更新
1. OpenAI｜工程代理與 BenchCAD 2.0｜11 月 3 日，研究公布
方法：以模型操作 CAD、電路板設計和模擬工具，評估重建 3D 零件與組件、辨識電路板連接等工程任務。這是能力與工作流程研究，不是新模型正式發布。 openai.com
數據：OpenAI 的 BenchCAD 2.0 內部評測中，未公開的新模型平均得分 0.875；GPT‑6 Astra 在最高推理設定下為 0.594。官方未公布題數、完整評分細則、硬體、token 用量與成本，因此不能推算部署效率。 openai.com
實際意義：工程代理已有機會協助跨 CAD、PCB 與模擬工具的設計迭代；OpenAI 正讓合作夥伴的工程師檢查實際輸出。 openai.com
限制與疑點：比較屬官方內部評測，領先模型尚未開放；OpenAI 自述測試裝置進入製造前，仍需人工反覆修正公差與組裝細節。分數提高不等於製造流程已能自主完成。 openai.com
一手來源：OpenAI 研究公告 openai.com
新架構雷達
UT Austin／Adobe Research｜AgiWorld｜11 月 2 日
這是什麼：以代理規劃探索路線、影片世界模型逐段生成，再把生成影像的幾何資訊寫入空間記憶；下一段規劃會讀取並修正這份記憶。它嘗試解決世界模型「走遠後再回頭，場景卻變了」的問題。 arxiv.org
符合的門檻：① 不同於傳統純文字 LLM 的代理—影片世界模型閉環架構；② 有公開論文、方法與實驗細節。尚無獨立驗證，不把作者測試算成第三項。 arxiv.org
廠商／作者宣稱：在 World Explore 的 40 個未參與訓練的戶外場景，60 秒生成影片的鏡頭平移誤差由最強對照的 1.32 公尺降至 1.05 公尺；這是作者設定的對照，不代表所有場景都改善。 arxiv.org
第三方驗證：目前未見獨立重測；仍要看更廣泛場景、長時間運行的穩定性與生成成本。 arxiv.org
一手來源：AgiWorld 論文 arxiv.org
趨勢整理
- 代理走向實體工作流：OpenAI 今天測工程設計；前幾天 NVIDIA 則公布世界模型的訓練與部署配方。從工具操作到場景模擬，驗證已比展示片段更重要。 openai.com
- 記憶不只是加長上下文：AgiWorld 用幾何可見性挑選歷史畫面，並維護可信的空間記憶；這與單純保留更多影片影格是不同取捨。 arxiv.org
- 先分清測量對象：BenchCAD 分數衡量指定工程題目，AgiWorld 的公尺數衡量鏡頭／幾何一致性；兩者都不能直接換算成實際生產力或推論速度。 openai.com
值得追蹤
- OpenAI 是否公開 BenchCAD 2.0 題目、評分方法，以及領先內部模型的可用性與推理成本。 openai.com
- AgiWorld 是否釋出可重現的權重或程式碼，並接受非作者場景的長時間重測。 arxiv.org
- NVIDIA 先前公布的訓練復原與世界模型部署方案，是否出現第三方的端到端有效吞吐和品質測試。 developer.nvidia.com