2026年11月06日 AI 晚报｜智能体进网新规、蚂蚁 560B 多模态、AutoDNA 登 Nature

今天值得技术负责人记三件事。工信部把智能体终端纳入进网管理，权限调用、OTA 升级、应用分发第一次被写成可检查的条款；蚂蚁百灵上线原生多模态模型 Ling-3.2-flash，560B 总参数、25B 激活、1M 上下文；上海交大的自主实验室 AutoDNA 登上 Nature，20 余类仪器、逾 11000 个步骤交给 Agent 自主完成。

智能体终端进网新规：权限调用、OTA 升级、分发三条链路一起管

工业和信息化部办公厅印发《关于加强智能体终端设备进网管理的通知》，发文字号工信厅信管〔2026〕42 号，成文日期 2026-10-24，发布日期 2026-11-06。文件把预置安装智能体的手机、平板、可穿戴设备定义为"智能体终端"，并将适配验证、进网检测、现网升级、分发管理四条链路一并纳入监管。

其中几条会直接改变版本计划。智能体开发者要强化对权限调用、通信能力、网络与数据安全、用户权益和任务执行的管理，并在产品设置页面向用户公示适配验证列表，列明已完成的终端型号与操作系统信息；预置智能体的终端在进网检测中要依据有关标准开展智能体适配验证，终端上使用的智能体应参考智能体互联系列国家标准配备唯一身份码。

另外两条与迭代节奏直接相关。通过 OTA 推送现网升级，须提交升级方案，写明升级时间、规模、用户群体、业务场景、服务内容、经营模式、网络和数据安全措施以及反诈措施，升级结束后提交报告，经组织专家评估、征求意见后方可正式提供服务。应用分发平台则要推动开发者以电子签名声明是否同意被智能体调用，未声明同意的，智能体不得强制调用其他应用；对未完成适配验证的智能体，平台要限期整改或下架。

时间锚点：新华社 11 月 6 日 14:49 转发该消息。

对做端侧 Agent 的团队，这份通知调整的是交付顺序而不是产品形态。适配验证清单、权限声明表、OTA 升级方案与回滚预案，原本可以做在上线前，现在要前置到需求评审和排期里；跨端产品还要额外算一笔账——手机、平板、可穿戴设备的适配矩阵会成倍放大测试工作量，用一套自动化回归把适配矩阵覆盖住，比人肉逐台验证划算得多。合规材料怎么排、和算法备案怎么衔接，可以参考我们整理过的大模型备案流程说明。

来源：工业和信息化部原文 · 新华社报道

蚂蚁百灵上线 Ling-3.2-flash：560B 总参、25B 激活、1M 上下文

11 月 6 日上午，蚂蚁百灵团队宣布推出新一代原生多模态模型 Ling-3.2-flash。官方模型文档给出的规格是 560B 总参数、25B 激活参数。上下文窗口上限为 1M，原生支持图像、文本与视频输入，不依赖外挂视觉模块。

文档列出的四个强化方向是复杂视觉理解、多模态长程 Agent、三维理解与交互、医疗多模态。同系列上一代 Ling-3.0-flash-VL 引入了"观察—行动—验证—修正"的视觉反馈闭环，用于医疗报告解读、前端代码生成和界面自动化；Ling-3.2-flash 则把多模态感知、深度推理与自主执行放进同一个模型里。文档同时说明，1M 上下文下长程信息召回无明显衰减，目标信息放在头部、中部或尾部都能稳定检索。

时间锚点：11 月 6 日 08:07 起媒体报道团队当日发布，官方模型文档页面标注最后更新于 11 月 5 日。

工程上的意义在于容量与计算量的分离。560B 的总容量撑住世界知识和跨模态理解，单步激活压在 25B，推理成本按激活参数走。对做合同审阅、图纸比对、长视频质检这类"整份文件一次喂进去"的 Agent 流程，1M 上下文省掉了大量分段拼接逻辑；但上下文越长，注意力越容易被无关内容稀释，检索分层和关键段定位仍然是决定准确率的那一环。视觉能力增强也带来新的验收方式——不能只看文字输出，得把识别框、字段对齐、点击位置一起纳入回归用例。

来源：蚂蚁百灵官方模型文档 · DoNews

上海交大 AutoDNA 登上 Nature：Agent 排实验，20 余类仪器协同

Nature 11 月 4 日刊发的论文介绍，上海交通大学计算机学院与张江高等研究院的合作团队搭建了 AI 原生自主实验室 AutoDNA。样品由机械臂搬运，系统可自主编排超过 20 类仪器、跨越 11,000 个步骤，把人类提出的一句自然语言需求转成可执行的实验流程，人工干预限于补充试剂、耗材和维护硬件。

论文摘要把验证归纳为四类代表性应用：对照专家优化的酶促 DNA 合成产率、把并发实验流程提速 3.2 倍、端到端完成一次 DNA 数据存储循环并完整还原原始数字内容，以及识别并验证临床检出的 KRAS G13D 突变。

值得留意的是设计顺序的差别。据上海交大方面介绍，此前多数系统由人类专家配置仪器、AI 只负责流程中的一段，而 AutoDNA 从一开始就按 AI 原生来设计整个实验室，而不是给已有系统外挂 AI 能力。

时间锚点：论文 11 月 4 日在线发表，中文科技媒体 11 月 6 日集中跟进。

这条新闻对做工业 Agent 的团队比对生物实验室更有参考价值。长程任务靠的不是模型更聪明，而是状态机、设备接口标准化和异常恢复三件事：每一步操作要能被记录和回放，仪器返回的失败信号要有统一的处理分支，人员介入要能无损接管。把这套约束搬到排产、质检、维保场景，验收标准和实验室里几乎一样——不是"跑通一次"，而是在多设备、多异常下仍然可重复。多智能体之间的分工与仲裁，我们在此前的多 Agent 集群工程化讨论里拆过一遍。

来源：Nature 报道 · 论文原文 · 上海交大张江高等研究院

我们的解读

今天这三件事看起来分属监管、模型、科研三个圈子，落到企业身上其实是同一道题：AI 能力正在从"一个接口"变成"一套需要被管理的系统"。三者的差别可以先看一张表：

把三件事并排放，能看出监管、模型、工程三条线同时把要求往上抬了一格，企业的应对也可以拆成能排期的具体条目。监管先动的是边界。智能体进网管理把"智能体能调用什么、能升级什么、谁能分发"写成了可检查的条款，意味着端侧 Agent 的合规成本会从法务部门前移到研发排期。对正在做手机端、车机、联网设备面板类产品的团队，建议现在就把三样东西整理出来：一份能对应到具体机型的适配验证矩阵，一份权限调用清单（尤其涉及通信、通讯录、位置、支付的部分），一份升级方案模板，包含升级规模、用户群体、回滚条件和安全措施。这三份材料以后每次发版都用得上。

模型层的变化是成本结构。稀疏激活加长上下文，让"把整份材料交给模型判断"从演示变成可算账的方案，但贵不贵取决于激活参数而不是总参数，选型时要按真实请求的输入长度和输出长度去测算，而不是只看榜单。

工程层最值得抄的是 AutoDNA 的思路：AI 原生不是给旧系统外挂一个模型，而是从流程设计开始就假设有一组 Agent 在跑。多设备协同、长程任务、人工接管点，这些约束和我们给制造、物流客户做 Agent 系统时遇到的完全一致——先约定接口和状态，再谈模型效果。这也是我们在 AIcoding 全栈开发里坚持的做法：把需求拆到可验收的颗粒度，用双周迭代交付可用增量，让 Agent 写的代码先经过自动化回归再进主干，工程师专注架构和最后一公里。

延伸阅读

• AI Agent 工程化：桌面端的签名、更新与回滚——做升级管理前值得先读。
• 大模型备案流程的分界线：登记、算法备案与工期怎么算——合规材料的准备顺序。
• AI Agent 企业落地工程实践：从 Demo 到生产的系统性方法——从演示到生产要补的工程件。
• 从单 Agent 到多 Agent 集群：2026 年企业 AI Agent 工程化的五道坎——多设备、多任务协同的组织方式。
• AI Agent 开发：Web 端企业智能体从零到上线的 5 个工程化决策——把模型接进业务流程的落地顺序。
• UmaDev：一个模拟真实开发团队工作的 Agent——多角色协作智能体的交付实录。

联系我们

如果你正在评估端侧智能体的合规改造，或者想把一个跑在演示环境的智能体推到生产，可以约一次 30 分钟的技术沟通。我们会围绕你现有的系统给出可执行的 AIcoding 转型评估清单，不做产品推销。

预约 30 分钟免费咨询与技术评估 →