ChatGPT Wallet 让智能体完成支付，Claude Code 新增 Code Mode，llama.cpp 升至 1.0

OpenAI 推出 ChatGPT Wallet：其个人智能体 dots 现在可以完成支付，每次购买都需通过生物识别验证批准，并使用隐藏真实银行卡信息的令牌付款。同一天，Google 将 Gemini 应用接入 Google Wallet，仅提供读取功能。Claude Code 2.1.323 新增 Code Mode，让 Claude 编写 JavaScript 来串联工具调用；DeepSeek 通过 API 开放其应用中的搜索、文件和语音功能；llama.cpp 则升至 1.0.0，提供稳定的 API。GitHub Copilot 接入 Gemini 4 Hydrogen，并宣布将于 12 月 14 日下线六款模型。

ChatGPT Wallet：OpenAI 的 dots 可完成支付，使用令牌隐藏真实银行卡信息

11 月 13 日 — OpenAI 推出 ChatGPT Wallet，让其个人智能体 dots 能够替用户完成购买。银行卡只需登记一次。每次付款前，dot 会展示商家、商品、总金额和所选银行卡；用户通过生物识别验证（Face ID、Touch ID 或指纹）批准，每次批准都会留下获授权购买的记录。

We’re introducing ChatGPT Wallet, setting a new bar for secure payments by agents. It’s the first wallet that lets agents pay without access to users’ actual card details and that requires a security check for every purchase, while also preserving existing card rewards and protections for eligible disputes.

🇨🇳 我们推出 ChatGPT Wallet，为智能体支付的安全性设立了新标准。它是首个让智能体无需访问用户真实银行卡信息即可支付、并要求每次购买都经过安全验证的钱包，同时保留现有的银行卡奖励和符合条件的交易争议保护。 — OpenAI，ChatGPT Wallet 发布公告

这一机制依赖支付网络的令牌化技术。购买获批后，支付网络会提供一个支付令牌，其中包含替代性的卡号、安全码和有效期：银行卡会被扣款，但智能体和商家都看不到真实的银行卡信息。银行卡奖励和交易争议保护仍然保留。该钱包与 American Express、Mastercard 和 Visa 合作打造；对 American Express 而言，这是其 Agentic Commerce Experiences 服务的首次集成。至于它是否为首个此类钱包，目前仍是 OpenAI 自身的说法。

发布要素	截至 11 月 13 日的条件
使用场景	与 dot 的对话；不包括 Chat、Work 或 Codex 的独立会话
适用订阅用户	美国年满 18 岁的 ChatGPT Pro 用户，逐步开放
支持的银行卡	美国发行的 American Express、Chase、Mastercard 和 Visa 信用卡
首发时不支持的银行卡	借记卡和虚拟卡
每次购买的验证方式	生物识别验证：Face ID、Touch ID 或指纹
商家收到的数据	替代真实银行卡信息的支付令牌

帮助文章提醒，批准支付不等于订单已确认，仍需向商家核实；发布公告还补充，一些网站可能仍会无意中阻止智能体购买。未来，用户将能在预先设定的限制内委托智能体完成整个购买流程，包括支出上限、商品类别和时间范围，但目前没有具体日期。

面向商家，OpenAI 发布了 Commerce Partner Playbook：通过 11 月 10 日推出的 Businesses in ChatGPT 认领商家资料并发布商品数据源，在 CDN 或防火墙中识别 ChatGPT 智能体使用 Web Bot Auth 签名的请求，并确保反欺诈工具（Forter、Riskified、Sardine、Signifyd）和支付服务商（Adyen、Checkout.com、Stripe）接受此类购买。继 3 月推出视觉购物和 Agentic Commerce Protocol 后，OpenAI 由此推进到了购买流程的最终成交环节。

🔗 使用 ChatGPT Wallet 购物（OpenAI 帮助） · ChatGPT 版本说明 · Commerce Partner Playbook（OpenAI）

Gemini 应用中的 Google Wallet：读取支出，但无法操作资金

11 月 13 日 — 同一天，Google 选择了相反的方向：助手读取钱包信息，但绝不付款。Google Wallet 与 Gmail、Photos、YouTube 和 Search 一起，成为 Personal Intelligence 的已连接应用，面向美国所有 Gemini 应用用户开放，支持网页、Android 和 iOS。提及 @Google Wallet，即可获取现金流、资产配置或预算图表，找出定期订阅及其涨价情况，或根据去年的交易记录规划节日预算。银行账户和信用卡账户可通过 Plaid 关联到 Wallet。

Gemini can only read information from your accounts; it can’t move, manage, or invest your money.

🇨🇳 Gemini 只能读取您的账户信息；它不能转移、管理或投资您的资金。 — Google 在 blog.google 上的文章

这项连接为可选功能，可随时在 Personal Intelligence 设置中断开。同一篇文章还推出了 Memory Summary：这个页面会展示 Gemini 记住的内容，包括偏好、兴趣和当前目标，并允许用户进行更正；在所有提供 Personal Intelligence 的地区，网页端和移动端均可使用。

编程智能体：Claude Code 2.1.323 推出 Code Mode，另有 Codex CLI 0.169、Antigravity 2.32、Devin Apps 和 Devin Teams

11 月 12 日 — Claude Code 2.1.323 于 11 月 12 日晚在 GitHub 发布，共列出 294 项变更，其中 195 项为修复。该版本引入了实验性选项 Code Mode，改变了 Claude 使用工具的方式。未启用时，Claude 每次请求调用一个工具（Bash、Read、Edit），读取结果后再决定下一步。启用 Code Mode 后，它会编写一段 JavaScript，在一个步骤中串联多次调用：并行执行命令、将一次调用的结果用于下一次调用，并仅返回输出中有用的部分。文档建议将其用于跨大量文件的重复修改、需要先筛选再读取的搜索，以及彼此独立的命令。对话中仍会显示工具调用；代码本身可在会话记录视图中查看（Ctrl+O）。

Code Mode 要求	文档中的说明
启用方式	设置变量 `CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1`，然后在首次启动时确认
最低版本	Claude Code 2.1.323，原生构建
所需账户	Claude 订阅或 Console 账户
支持的模型	Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2
支持的使用环境	终端中的交互式会话（不支持 `-p`、SDK Agent、VS Code、Desktop 或云端会话）
不支持的配置	网关、Amazon Bedrock、Google Cloud 的 Agent Platform、Microsoft Foundry、HIPAA、零数据保留
单段代码的最长运行时间	等待时 10 分钟，后台最长 2 小时

在安全方面，由代码发起的每次工具调用仍然必须经过 deny 和 ask 规则以及 PreToolUse hooks。在 auto 模式下，分类器会在执行前检查代码，但不会检查每一次调用：它看不到执行过程中计算出的值，例如从搜索结果中获取的路径，因此文档建议为敏感调用保留规则或 hooks。管理员可以在托管设置中将该变量设为 0，为整个组织禁用此模式，但无法通过这种方式启用它。文档还说明，如果账户尚未获准使用该模式，请求会被拒绝，并建议改天再试。npm 的稳定渠道目前仍停留在 2.1.311。

该版本的其他变更修复了权限漏洞。在 auto 模式不可用时以该模式启动的会话，现在会进入先询问再操作的 Manual 模式，而不是权限更宽松的模式；Write 和 Edit 无法再向受 Read deny 规则保护的路径写入，deny 和 ask 规则也无法再通过 sudo 或 env 绕过。未知模型的默认上下文窗口从 200,000 扩大至 1,000,000 tokens，MCP v1 客户端被移除，插件可以声明其支持的 Claude Code 版本（engines["claude-code"]）。在终端之外，Claude Tag 将其 Slack 会话接入 Enterprise 的 Compliance API，目前处于测试阶段；Code Review 则可按仓库以 CSV 格式导出费用。

🔗 Claude Code 2.1.323（GitHub） · Code Mode 文档

Claude Code 2.1.325：沙箱中的 Bash 命令重新经过权限审批，并修复 zstd 漏洞

11 月 13 日 — 次日，Claude Code 2.1.325 更改了一项默认行为：在沙箱中执行的 Bash 命令现在会走正常的权限审批流程，而不再未经询问就直接执行。要保留旧行为，必须设置 sandbox.autoAllowBashIfSandboxed: true；如果沙箱由组织启用，则需在优先级最高的托管设置来源中进行设置。该版本还修复了一个解码 zstd 压缩响应时的漏洞，但未提供更多细节。

其他变更也收紧了权限：在既不是项目仓库、也不是受信任仓库的仓库中，只读 git 命令会请求确认；/loop 等计划任务在启动声明了获准工具或 hooks 的技能前，也会先询问（无人值守使用时，在 permissions.allow 中设置 Skill(name)）。此前，使用 claude.ai 账户开启的后台会话可能使用从 shell 继承的 API 密钥，并通过该密钥计费：这一问题已修复。139 项变更中有 88 项为修复，其中多项涉及 Code Mode；不到两小时前在 npm 发布的 2.1.324 没有版本说明。

🔗 Claude Code 2.1.325（GitHub）

Codex CLI 0.168 和 0.169：侧边对话以标签页呈现，codex exec 要求信任项目

11 月 13 日 — OpenAI 在不到五小时内发布了两个 Codex CLI 稳定版本。0.168.0（03 时 54 分 UTC，列出 226 个 PR）引入了可选的侧边对话（features.tui_workspace），显示在主对话旁；0.169.0（08 时 37 分 UTC，243 个 PR）将其改为标签页，重启后会重新打开。Sessions → Model providers 面板可为新对话选择模型提供商，不影响已打开的对话；现在也可直接在终端中创建自定义提供商，SSH 连接则使用设备代码。

对脚本和 CI 有重要影响的变更来自 0.169.0：在未受信任的目录中，即使使用 --sandbox workspace-write，codex exec 也不再加载项目配置及其 MCP 服务器。需要向 codex exec 或 codex review 传入 --trust，以记录对项目的信任。这两个版本还增加了可选的动态 GIF、搭配兼容模型的音频录制、智能体指挥中心的历史任务搜索，以及本地诊断 ZIP 包（Ctrl+S）。features.multi_agent 选项正逐步弃用，由 agents.enabled 取代；还有一个 PR 的标题提到在本地迁移 Claude Code 技能，但版本说明中没有对应条目。

🔗 Codex CLI 0.168.0（GitHub） · Codex CLI 0.169.0（GitHub）

Antigravity 2.32 和 Antigravity CLI 1.5.8：使用 Python 的 Dynamic Workflows，以及通过 Gemini API 密钥使用 Hydrogen 和 Carbon

11 月 13 日 — Antigravity 应用升至 2.32.0，推出 Dynamic Workflows：智能体通过编写 Python 来编排并行子智能体和多步骤任务，代码由应用附带的运行时执行。这一思路与 Claude Code、Copilot CLI 和 Devin 已提供的动态工作流相近；更新日志未说明该功能与 11 月 10 日进入预览阶段的 /swarm 如何衔接。该版本还加强了对智能体控制的浏览器标签页的保护：来自其他网站的内嵌框架（frames）会以未登录状态加载，未经明确授权，不会出现在智能体的截图中。总计有 11 项改进和 13 项修复，包括 Everforest 主题，以及为远程智能体将 GitHub 云端仓库克隆到本地的功能。

同一天，Antigravity CLI 1.5.8 向使用 GEMINI_API_KEY 密钥连接的用户开放 Gemini 4 Hydrogen（Low 至 XHigh 级别）和 Gemini 4 Carbon（Low 至 High 级别）；Hydrogen 还支持使用 Google Cloud 凭据（ADC）及通过企业网关连接。其 22 项修复堵住了多种安全绕过方式：通过 URL 中编码后的斜杠（%2F）或“..”路径段欺骗沙箱网络代理，在 Windows 下通过 cmd 或 PowerShell 滥用“始终允许”规则，某些工具忽略 MCP 权限规则，以及 Windows 下用双引号编写的阻断 hook 被静默跳过。

🔗 Antigravity 更新日志

Devin Apps：托管在 Devin 云端机器上的私有网页应用

11月13日 — Cognition 推出 Devin Apps：只需描述团队需要的工具（仪表板、审核队列、项目状态页），Devin 就会构建并上线，团队随后可通过固定网址打开。应用也可以从正在进行的会话中创建，基于已展示的浏览器预览生成。应用保持私有：必须登录 Devin，可按个人、组织或整个企业共享。每次修改都会在同一地址生成新版本；如果新版本无法启动，旧版本会继续提供服务。

这些应用基于支持 Devin 休眠的内存快照：机器会在最后一次请求的 5 分钟后进入休眠，并在下次访问时于几秒内唤醒。费用按唤醒时长计算，未公布具体价格。任何能够提供 HTTP 服务的技术栈都适用，SQLite 或 Postgres 可部署在同一台机器上；每个应用运行在单台机器上，面向内部工具和预发布环境，不适合高流量服务。此次公告紧随 Cursor 的 Apps（11月5日）和 Amp 的 Boxes（11月10日）之后发布。

🔗 Devin Apps 介绍 · Devin Apps 文档

Devin Teams：Devin Desktop 取消付费席位要求，Free 模式采用 SWE-2，席位上限降至 100

11月12日 — 前一天晚上，Cognition 调整了 Devin Teams 套餐。Devin Desktop 不再要求付费席位，由自研模型 SWE-2 驱动的 Free 模式为每位用户免费提供两个并发会话。自9月以来经历多次限时免费后，Teams、Pro 和 Max 套餐在 Devin Desktop 和 CLI 中免费使用 SWE-2 的安排转为长期提供。

Teams 套餐项目	Cognition 公布的变更
Devin Desktop 席位	全团队均可使用，不再需要付费席位
Free 模式	每位用户 2 个并发会话，采用 SWE-2
单点登录	Okta、Microsoft Entra ID，以及任何 SAML 或 OIDC 提供商
使用限额	最多 3 级，额外额度可由人工或自动批准
席位上限	100，此前为 200
配额席位	将在 30 天后移除

套餐还加入了 Devin Coach，例如会建议小任务使用更轻量的模式；另提供标准健康数据处理协议（BAA），可从设置中申请。未公布任何价格。

🔗 Devin 全新 Teams 套餐

DeepSeek 通过 API 开放应用功能：搜索、文件、链接读取、安全与语音

11月13日 — DeepSeek 向开发者开放构成其应用体验的功能。自10月17日起，API 已提供搜索和网页读取功能（Search 和 Fetch）。如今，DeepSeek 将应用的全部功能加入其中，在 Messages、Responses 和 Chat Completions 三种 API 中，只需为 deepseek-flash（DeepSeek-V4.1-Flash-1017）设置几个参数即可启用；服务会自行完成工具调用和上下文组装。

The capabilities behind the DeepSeek App are now available through the DeepSeek API. Enable built-in features with a few parameters, or call standalone APIs such as OCR, ASR, and TTS.

🇨🇳 支撑 DeepSeek 应用的功能现已在 DeepSeek API 中开放。只需几个参数即可启用内置功能，也可调用 OCR、ASR 和 TTS 等独立 API。 — @deepseek_ai 在 X 上

工具 deepseek_web_search 可搜索网页或图片，并在关闭思考时给出带引用的回答；开启思考后，模型会连续执行多次搜索，并自行读取链接。工具 deepseek_read_url 会获取消息中引用的网页。文件（PDF、Office 文档、图片）经解析后会加入上下文。安全控制参数会检查输入和输出，发现风险时返回拒绝标记；DeepSeek 要求面向公众开放的服务启用该参数，并履行相关义务（内容安全审查、大模型备案、人工智能标识）。

这些功能模块也单独提供，包括三种新的 API：OCR、语音识别（ASR）和语音合成（TTS）。工具费用在 tokens 费用之外另行收取，tokens 价格保持不变：deepseek-flash 在高峰时段每百万未缓存输入 tokens 为 0,30 美元，每百万输出 tokens 为 1,20 美元，非高峰时段半价。

计费功能	标价	临时价格（-50 %）
网页搜索（文本、图片）	每 1 000 次 0,75 美元	无折扣
网页读取（fetch）	每 1 000 次 0,75 美元	无折扣
文件解析与 OCR	每 1 000 页 0,225 美元	无折扣
语音合成（TTS）	每 10 000 字符 0,45 美元	0,225 美元
语音识别（ASR）	每小时音频 0,116 美元	0,058 美元

为展示整套功能，DeepSeek 以 MIT 许可证发布了 chat-demo。这是一个无需服务器的静态聊天客户端，可直接从浏览器调用 API，支持搜索、链接读取、附件、语音和应用聊天记录导入。同日，DeepSeek Harness 的预览版加入了一个实验性插件，可将这些对话导入工作区。开发者因此可以在自己的产品中复现 DeepSeek 应用，也可以只使用其中一个功能模块。

🔗 DeepSeek API 更新日志 · DeepSeek API 价格 · 聊天机器人构建指南（DeepSeek） · chat-demo（GitHub）

llama.cpp 与 ggml 发布 1.0.0，承诺 API 稳定；SGLang、Transformers 和 Diffusers 完善开放工具体系

11月13日 — 在按构建编号发布版本三年半后，llama.cpp 及其计算库 ggml 发布了首个主版本 1.0.0。这一引擎可在手机到工作站等设备上本地运行模型，是众多应用的基础。现已加入 Hugging Face 的团队承诺对公共 C API 采用语义化版本控制（semantic versioning）：任何 API 或 ABI 不兼容变更都将通过新的主版本发布。

版本类型	触发条件
主版本	公共 C API 或 ABI 出现不兼容变更
次版本	兼容的新功能、新后端、新模型或新增 API
修订版本	修复缺陷且不改变 API

升级至 1.0 也进行了一轮清理：移除了 35 个已弃用函数，并将 NextN 推测解码 API 纳入主头文件 llama.h。该版本新增 FP8 KV 缓存，以及位于主机内存中的 MoE 专家缓存，后者可调节交由处理器承担的比例；同时支持 Kimi-K3.1-Pro、Ripple-65B-Preview、语音合成模型 drama-3，以及 MageVL-Cowork 和 Kimi-K3.1 的视觉功能。llama-server 服务器加入了针对 SSRF、CORS 和 DNS 重绑定攻击的防护、兼容 OpenAI 的 /v1/audio/speech 端点，以及重新设计的网页界面。

据博文介绍，该引擎支持超过 150 种架构变体，以及所有常用的推测解码方法。该库通过 Homebrew、Winget、conda-forge、Debian、Docker 或 MacPorts 分发，团队使用 HF Jobs 和 NVIDIA、AMD、Qualcomm、Arm、IBM 及 Intel 借出的机器测试每项修改。克莱芒·德朗格将这个 v1 版本称为使用最广泛的本地模型运行库的首个完全稳定主版本。Cohere 也祝贺此次发布，并表示其小型模型 North Micro Vision 现已获得支持。对于将 llama.cpp 集成到产品中的开发者，这意味着两个主版本之间的 API 将保持稳定。

🔗 ggml-org 在 Hugging Face 上的博文 · llama.cpp v1.0.0（GitHub） · 格奥尔基·格尔加诺夫的公告

SGLang Consortium：八家创始成员围绕 LMSYS 推理引擎展开合作

11月12日 — 开发开源推理引擎 SGLang 的非营利组织 LMSYS Org，在11月12日至13日于旧金山举行的首届 SGLang Summit 开幕时成立了 SGLang Consortium。八家创始成员分别为 NVIDIA、AMD、Intel、Google、Meta、Cloudflare、Modal 和 RadixArk。每家成员任命一名技术代表，每年参加两次路线图会议；维护者继续掌握技术决策和代码接纳权，项目仍向所有人开放。重点方向包括新模型、推理与多模态、分布式推理和硬件优化。

NVIDIA 于13日转发了公告，称双方合作涵盖从 Ampere 到 Vera Rubin 的五代加速计算技术，并已在超过 100 个模型发布当天提供支持。LMSYS 援引 Deloitte 的数据称，推理在人工智能计算中的占比预计将从2025年的一半升至2026年的约三分之二。

🔗 LMSYS Org 成立 SGLang Consortium · @NVIDIAAI 的转发

Transformers v5.23.0：以统一的 ExportedModel 支持 ONNX Runtime、OpenVINO、ExecuTorch 和 Dynamo

11月13日 — Transformers v5.23.0 统一了模型导出机制。无论目标是 ONNX Runtime、OpenVINO、ExecuTorch，还是 PyTorch 的 Dynamo 计算图，导出操作现在都会返回一个 ExportedModel，其调用方式与原模型相同（参数和输出类均一致），可发布到 Hub，并直接加载到目标引擎。这是一项不兼容变更：export() 不再返回原来的对象。ONNX 导出结果可针对处理器、CUDA、WebGPU 或 DirectML 进行融合。

引擎与硬件（EmbeddingGemma2，版本说明）	相对 PyTorch eager 的提升	相对 torch.compile 的提升
ONNX Runtime 搭配 TensorRT，A100	7,6 倍	1,4 倍
OpenVINO，Xeon Platinum 8570	4,1 倍	2,2 倍
OpenVINO 搭配 int8 权重，同款 Xeon	4,9 倍	2,6 倍

该版本新增七个模型，包括 Thinking Machines 的 Inkling 2 Small、Liquid AI 的 LFM3 和 LFM3-VL、Dots 3 Note Preview（文本、图像、视频和音频）、IQuest-Coder-V1 和 InternLM3；JEV 决策头仍处于实验阶段。

🔗 Transformers v5.23.0（GitHub）

Diffusers 0.43.0：五条模块化流水线，涵盖 MiniMax-H3-Image 至 PAN 2 模拟器

11月12日 — Diffusers 0.43.0 以模块化流水线的形式新增五个生成式模型。MiniMax-H3-Image 和 Pruna AI 的 P-H3-Image 可根据文本和参考图片生成、编辑图像（P-H3-Image 最多支持八张参考图片），仅需六步或八步。基于 MiniMax-H3 构建的 Pika H3 Flex 可在六步内生成带同步立体声的视频。Kandinsky S2V 1.0 根据一张人物照片和一段本人录音生成动画，包括身体动作，每段五秒。PAN 2 是一个拥有 290 亿参数的模拟器，可根据动作和摄像机运动生成场景，默认启用安全检查。该版本还改进了张量并行、LoRA 和注意力后端。

🔗 Diffusers 0.43.0（GitHub）

GitHub Copilot 模型目录：Gemini 4 Hydrogen 纳入 Pro 套餐，六个模型将于12月14日下线

Gemini 4 Hydrogen 登陆 Copilot，涵盖 Pro 套餐

11月13日 — 在 Google 发布后的第二天，Gemini 4 Hydrogen 在 GitHub Copilot 中正式上线。GitHub 将其介绍为 Google 最新的 Flash 模型，面向快速的智能体编程、工具使用和多步骤工作流，指令遵循能力优于 Gemini 3.8 Flash，但未提供具体数据。与此前上线的 Gemini 4 Carbon 和 Claude Fable 5.2 不同，此次支持范围除 Pro+、Max、Business 和 Enterprise 外，还包括 Copilot Pro 套餐。

该模型出现在十一个使用入口中：包括 Carbon 已覆盖的十个入口，从 Visual Studio Code 到 Eclipse，以及 Copilot CLI、编程智能体、GitHub Copilot 应用和 GitHub Mobile，另新增 Copilot SDK。费用按供应商标价依使用量计算；只要管理员未关闭新模型默认启用设置，Business 和 Enterprise 就会自动启用。此次部署将逐步进行。同日，Hydrogen 也登陆了 Perplexity 的 Agent API 和 Antigravity CLI。

🔗 GitHub Copilot 中的 Gemini 4 Hydrogen（GitHub 更新日志）

六个模型将于12月14日从 Copilot 下线

11月13日 — GitHub 宣布，将于 12月14日 从所有 Copilot 使用场景（Chat、行内修改、ask 和 agent 模式、代码补全）中移除六个模型。每个模型都有建议的替代项，其中不少是在最近几周上线的。

已弃用模型	GitHub 建议的替代项
Claude Fable 5	Claude Fable 5.2
Claude Haiku 4.5	Claude Haiku 5.5（按年订阅的个人用户仍可使用 Haiku 4.5）
Gemini 3.8 Flash	Gemini 4 Hydrogen
Gemini 4 Argon	Gemini 4 Carbon
Grok 4.6	Grok 4.7
Kimi K3	替代项待公布

对于 Business 和 Enterprise，开启新模型默认启用设置后，替代模型会自动启用，旧模型的移除也无需任何操作。GitHub 此前已按同样方式于10月2日移除四个模型、10月19日移除六个模型；10月中旬上线的 Gemini 4 Argon 在 Copilot 中仅停留了两个月。

🔗 部分 GitHub Copilot 模型将于12月弃用（GitHub 更新日志）

模型评估：Anthropic 的安全建议与 Ai2 的 XYBench

Anthropic：可靠安全评估的十条建议

11月13日 — Anthropic 在其工程博客发布了一份关于如何设计、执行和展示安全评估的指南，据其推文介绍，指南包含十条建议。文章的出发点是：声称一个模型“比上一代更安全”，其可信度取决于衡量这一点的评估，而人工智能评估很容易被绕过，也难以复现。文章借鉴了心理学在遭遇可重复性危机后的改革，包括在查看数据之前预先登记假设（预注册）。

相比拒答率，Anthropic 更倾向于使用恰当回答率，并通过多轮对话进行衡量，其中任何一轮回答不当，整段对话就被判为失败：一个 Claude 模型扮演由专家设定的模拟用户，再由经过人工标注验证的自动评估器为每份对话记录评分。在发生内部事件后，许多具有互联网访问权限的评估被暂时叫停。

Anthropic 提及的指标	公布的数值
无害回答，API 单轮测试	所有近期模型均为 94 % 至 98 %（已饱和）
claude.ai 上的情感诈骗	Opus 5：98 %，Opus 5.5：94 %（差异不显著）
Fable 5.1 在 API 与 claude.ai 之间的差距	最高达 34 个百分点
自杀与自残，使用新系统提示词	API 为 60 %，claude.ai 为 94 %
最小样本量	多轮测试 100 项，单轮测试 1 000 项

🔗 构建有力的安全评估（Anthropic） · @AnthropicAI 的公告

XYBench：面对表述不当的请求，助手很少看清背后的真正问题

11月13日 — Ai2 与卡内基梅隆大学、NVIDIA 及约翰斯·霍普金斯大学共同发布 XYBench，该成果获得 EMNLP 2026 最佳资源论文奖。这项基准关注“XY 问题”：有人想实现目标 X，假定方法 Y 可行，于是请求别人帮助解决 Y。基准包含 8 115 个问题，涵盖从编程（Stack Overflow）到烹饪和家居维修（WikiHow）的多个领域。受测的五个较早代际模型经常会提出解决真正问题的方案，但回答仍围绕请求的字面含义展开。

受测模型（Stack Overflow 问题）	提供实现真正目标的方案	回答围绕目标展开	指出错误观念
最佳人工回答	67 %	55 %	79 %
GPT-5	71 %	41 %	60 %
Qwen3.5-9B	64 %	41 %	60 %
DeepSeek-V4 Pro	66 %	35 %	55 %
Gemini 3.1 Pro	62 %	40 %	54 %
Claude Sonnet 4.6	59 %	36 %	47 %

当被要求在两个回答中做出选择时，模型在 71 至 84 % 的情况下更偏好处理真正目标的回答，但它们自己写出的回答中，只有 35 至 41 % 做到了这一点：能够识别好的回答，并不意味着能够生成这样的回答。

🔗 XYBench（Ai2） · @allen_ai 的公告

提示词注入：IBM 发布 LLMON 及两个抵抗能力更强的 Granite 4.1 预览版

11月12日 — IBM 推出 LLMON，一种专为语言模型设计的标记语言。IBM 表示，在执行长任务的过程中，模型上下文会混杂系统提示词、对话、检索文档、工具返回内容、输出约束和推理过程，这些内容要么缺乏明确结构，要么使用 JSON 等并非为模型设计的格式。LLMON 为这些元素分别添加标记，让模型知道自己正在读取什么，从而帮助它避免遵循注入上下文中的指令。

IBM 发布了两个基于 Granite 4.1 基础模型的实验性预览版：granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，二者均经过训练，能够读取和生成带有 LLMON 标记的文本。IBM 表示，在其提示词注入基准中，这些模型成功抵御的攻击数量，比受测的最佳前沿模型多 47 %，比最佳开源模型多 95 %，同时在通用基准上保持了与 Granite 4.1 Instruct 相当的水平。这些数据由发布方在其自有基准上测得。

🔗 面向语言模型的原生标记语言 LLMON 现已引入 Granite（Hugging Face）

PARDIG 与 SatWeave：Google DeepMind 开放 WeatherNext 3 背后的数据集

11月13日 — Google DeepMind 免费开放了其于9月推出的全球天气模型 WeatherNext 3 所依赖的两个数据集。SatWeave 将地球静止轨道卫星（GOES、Meteosat、Himawari）的图像拼接为包含 17 个通道的全球影像，并每小时更新一次：这使 WeatherNext 3 能够每小时生成一次新的全球预报，而其他一些模型则基于每六小时更新一次的分析数据进行预报。

PARDIG 每 15 分钟估算一次全球降水，分辨率约为 10 km。它从 NASA 的 GPM 任务所搭载的星载雷达测量数据中学习，而非仅依赖地面仪器，因此在没有雷达和雨量计的地区也能发挥作用。通过与三个雷达网络（美国、欧洲、日本）及超过 36 000 个观测站进行比较，其对弱至中等降雨的小时级检测能力，相比 NASA 的基准产品 IMERG-Final 提升了超过 30 %。

开放数据集	内容与更新频率	可用历史数据
SatWeave	17 通道地球静止轨道卫星拼接影像，每小时更新	超过十年
PARDIG	全球降水，每 15 分钟更新，分辨率约 10 km	1999 至 2026

实时数据流和历史数据均可在 Google Cloud Storage 获取，PARDIG 也已接入 Google Earth Engine。

🔗 开放人工智能天气模型背后的数据集（Google DeepMind） · @GoogleDeepMind 的系列帖文

生成式音频：Suno Bridge 进入 Ableton Live，Stable Audio 改版并推出 Generate 和 Sampler

Suno Bridge：在 Ableton Live 12 工程中生成 Suno 音轨

11月13日 — Suno 推出 Suno Bridge，这款处于测试阶段的独立应用将其音乐模型接入用户的音乐制作软件。发布时，它仅支持 Mac 上的 Ableton Live 12；未来计划支持其他系统和数字音频工作站，但尚无时间表。Bridge 与 Ableton Live 同时运行，并与已打开的工程同步，工程文件会上传至 Suno，以便它理解音乐上下文。用户通过提示词生成新的乐器或人声片段，这些片段会匹配工程的速度、调性、风格、和声及律动，并位于通过编曲视图标记选定的循环区间内（例如从第 9 小节到第 16 小节，共 8 小节）。生成结果直接出现在时间轴上。Bridge 包含在所有 Premier 订阅中，不单独收费。

🔗 Suno Bridge：由 Suno 驱动你的数字音频工作站 · @suno 的公告

Stable Audio：统一工作空间，Generate 用于创作乐曲，Sampler 用于制作音色套件

11月12日 — Stability AI 宣布对 Stable Audio 进行改版，并在11月版本说明中详细介绍了相关变化（页面元数据标注日期为11月4日，公告发布于12日）。网站现将项目和声音整合到统一工作空间中，所有应用共用一个首页和素材库。

Stable Audio 应用	生成内容
Generate	通过文字或流派、风格及乐器的“paints”生成乐曲或音效；使用 Lens 剪切、替换或延长内容
Sampler	每个提示词最多生成 8 种变体，或一套 8 个声音的音色套件；提供 8 乐器、16 步音序器，乐段最长 32 小节，支持 ZIP 导出
Sessions（Labs，测试版）	通过聊天操控的制作人生成完整混音或 8 条可编辑音轨

Stability 未公布新模型或价格。

🔗 Stable Audio 11月版本说明 · @stableaudio 的公告

Cohere 完成收购 AISLE，并迎来 cubic 团队组建安全编码业务

11月13日 — Cohere 宣布完成对 AISLE 的收购，距10月15日签署意向书已有一个月。AISLE 开发能够自主发现和修复漏洞的系统。在同一篇文章中，Cohere 还宣布迎来 cubic 团队。cubic 是由保罗·桑格莱-费里埃创立并领导的人工智能代码审查平台，该团队将组建 Cohere 的“安全编码”业务（安全编码垂直业务）。据 Cohere 介绍，加上 Aleph Alpha 和 Reliant AI，AISLE 与 cubic 使其今年的战略并购交易数量达到四笔。交易金额均未公布。

AISLE 的联合创始人将担任管理职务：翁德雷·弗尔切克出任 Cohere Cyber 高级副总裁，这项新设的网络安全业务面向企业、政府和关键基础设施运营商；贾亚·巴卢将按前一天公布的安排担任首席信息安全官；斯坦尼斯拉夫·福特出任人工智能安全副总裁。Cohere 计划在布拉格进行长期投资，并将其定位为未来的全球人工智能网络安全中心。cubic 的代码审查智能体可在本地及隔离环境（物理隔离）中运行；Cohere 称其在代码审查基准中表现位居前列，但未提供具体数据。

🔗 Cohere 借助 AISLE 与 cubic 扩展主权人工智能平台

Perplexity：Teammates 登陆 Mac 应用，面向 Max 订阅用户开放

11月13日 — Perplexity 将 Teammates 引入其 Mac 应用，仍仅面向 Max 订阅用户开放。这些用于处理长时间任务的个人智能体于11月5日在网页版推出。公告称，它们可以独立工作，也可以与其他 Teammates 协作，例如执行质量保证、客户服务、研究或增长营销任务。

截至我们查阅时，产品页面尚未更新：页面称该功能已支持网页版和 iOS，“即将”登陆桌面端和 Android。发布时并未宣布 iOS 版本，其推出日期仍不明确。计费模式保持不变：Teammates 在促销期间免费，之后会消耗 Max 套餐包含的额度。前一天晚上，Perplexity 还展示了 Computer 和 Teammates 的浏览器操作智能体如今能够实时显示工作过程，并允许用户重新接管操作。

🔗 @perplexity_ai 的公告 · Teammates 产品页面

Google AI Studio：Pro 与 Ultra 订阅用户无需离开工具即可领取 Google Cloud 额度

11月13日 — Google AI Pro 和 Ultra 订阅用户此前已可通过 Google Developer Program 获得每月 Google Cloud 额度，但领取时需要访问多个网站。现在，这些操作可直接在 Google AI Studio 中完成：创建 Developer Program 个人资料、关联结算账号、领取额度和查看余额都整合进同一流程，后续额度会自动发放。

每笔月度额度的有效期仍为 12 个月，各月额度可以累积；最接近到期的额度会优先使用。这些额度可用于支付 Gemini API 费用，以及在订阅配额耗尽后使用付费层级模型的费用。使用条件有两项：Cloud 结算账号至少预付 5 美元，且仅限订阅的主账号持有人使用，家庭成员无法使用。额度金额取决于订阅档位，文章未给出具体数值。

🔗 在 Google AI Studio 中领取 Google Cloud 额度（blog.google）

SO-101 机械臂上的 Praxis-1：Runway 发布两天前预告的模型检查点

11月13日 — 在以开放权重形式发布 Praxis-1 两天后，Runway 又推出了适用于 SO-101 的版本；此前的发布已在11月11日报道。SO-101 是一款低成本开源机械臂，在爱好者和研究人员中广泛使用。11月11日的 README 曾预告该模型检查点“即将推出”：如今 praxis-1-so101（Apache 2.0 许可证）及其 NVFP4 变体均已上线 Hugging Face，测试平台代码（服务器、LeRobot 客户端）也已放入 GitHub 仓库。Runway 表示，该模型采用 NVFP4 时可在单张 RTX 5090 上运行。

为进行微调，Runway 使用了 LeRobot 社区的数据：来自 1 783 名贡献者的 3 956 个公开 SO-100 和 SO-101 数据集，总计约 1 260 小时；实际微调使用了其中 3 814 个数据集的约 1 070 小时数据。模型以 15 Hz 控制五个关节和夹爪，可在配备或不配备腕部摄像头的情况下运行。Runway 未公布该机械臂的任何任务成功率，仅提供了叠毛巾、擦盘子等视频。仓库还加入了推理优化及对 Jetson Thor 的支持，相关贡献归于 NVIDIA。

🔗 @runwayml 的公告 · Hugging Face 上的 praxis-1-so101 · Praxis-1 技术报告

简讯

编程智能体与 CLI

Copilot CLI 1.0.111 — 该版本于 11 月 13 日转为稳定版，支持在企业强制执行的 Shell、Bash 和 PowerShell 权限规则中使用正则表达式，并阻止动态工作流无限复制自身。预览版 1.0.112-0 默认采用各模型推荐的上下文窗口；SDK 方面，Claude Haiku 5.5 会话的默认提示词容量从 100K tokens 提高至 936K tokens，发布说明指出，这可能带来更高费用。🔗 来源
Qwen Code v0.27.3 — 共 113 项更新，没有破坏性变更：新增仅支持发送通知的 DingTalk 渠道、在 Web Shell 中将 GitLab 用作仓库渠道，以及通过 /pr 将会话关联到拉取请求；auto-edit 模式现在遵循 permissions.ask，而 git commit --amend 在 AUTO 模式下需要批准。🔗 来源
Kimi Code 2.6.1 和 2.6.2 — 两个修复版本：重新打开长会话不再需要数秒，会话不再卡住而无法压缩上下文，Swarm 面板已修复，且 /feedback 不再接受纯文本返回结果。🔗 来源
Gemini CLI — 自 11 月 10 日的 v0.68.0 以来仍未发布新版本，每夜构建也仍然失败。主分支已合并的三个修复终于让 gemini-3.8-flash 出现在 gemini models list 中；仓库内没有 Gemini 4 Hydrogen 的踪迹。🔗 来源
DeepSeek Harness 0.2.2-rc.3 — 这是第 39 个预览版，仍无稳定版。该版本新增实验性插件，可将 DeepSeek 应用或网站上的对话导入工作区并继续对话，同时修复了 Windows 应用的更新问题。🔗 来源
Delta 0.26 和 Zed — Delta 现在支持从网页版和手机创建会话、自定义快捷键，以及预览 worktree 合并；Zed 宣布，智能体将能够从一行代码追溯到编写它的会话，但未给出日期，并展示了基于 DeltaDB 的代码归属高亮功能。🔗 来源
Replit 的 Performance Agent — 该智能体可从 Monitoring 选项卡检查代码和日志中的性能瓶颈，在发布前就能使用，面向付费套餐开放；Enterprise 项目现在还可以共享给指定的 Viewers。🔗 来源
Durable Objects 上的 Codex — Cloudflare 宣布，Codex 可以在其 Durable Objects 上运行，“就像在笔记本电脑上运行一样”；11 月 11 日发布、由 OpenAI Developers 转发的帖子仅展示了一张代码截图，没有文章或价格信息。🔗 来源
GitHub Agentic Workflows 1.2.3 — 该预览版默认将未指定模型的工作流以成本优先模式路由至 Copilot，将 Jira、Linear 和 Azure DevOps 集成替换为声明式连接器，并阻止合并涉及受保护文件的 PR。🔗 来源

SDK、API 与平台

Agents SDK JS 0.22.0 — 该稳定版收紧了部分类型约束，可能导致现有 TypeScript 代码不兼容；在 Chat Completions 中使用 gpt-6-sol 和 gpt-6-luna 时，工具与 handoffs 的推理力度默认设为 none。🔗 来源
OpenAI Python SDK 3.51.0 和 Node SDK 7.57.0 — 这两个版本为智能体会话的提示词缓存有效期、图像编辑中的 SVG 输出、Live 会话的安全标识符，以及 OCI Vault 外部密钥提供了准备支持，这些功能尚未出现在 API 更新日志中。🔗 来源
Perplexity Agent API 中的 Gemini 4 Hydrogen — 每百万 tokens 的输入价格为 1,50 美元，缓存输入为 0,075 美元，输出为 7,50 美元，包含推理；Gemini 3.6、3.7 和 3.8 Flash 已从文档中消失，但尚未宣布从 API 下线。🔗 来源
通过 REST API 使用 GitHub AI Scan — 该功能处于公开预览阶段，可通过组织和仓库层级的 repository_scan 设置启用或停用仓库的 AI Scan；启用本身不会启动扫描，每次分析都会消耗 Code Security 的人工智能额度。🔗 来源
GitHub Copilot 应用与 GitHub Enterprise Server — 从 1.2.0 版本起，应用正式支持添加 GHES 账户，用于访问仓库、议题和拉取请求；GHES 不支持云端会话。🔗 来源

助手与智能体

会议中的 Grok Bot — SpaceXSI 向 Super、Ultra、Team 和 Enterprise 套餐及对应的旧版套餐开放 Grok Bot 参会功能；Grok Bot 1.0 的介绍文章此前只提到 Team、Enterprise 和 Ultra。🔗 来源
Perplexity 浏览智能体 — Computer 和 Teammates 中的浏览智能体现在会实时展示操作过程；用户可以接管操作，亲自登录网站后再交还控制权。🔗 来源
Manus 的 Side chat — 在进行中的任务旁打开附带任务上下文的侧边对话，方便提问而不挤占主会话；未说明适用套餐或额度消耗。🔗 来源

指南与应用

持续运行的智能体 — claude.com 的一篇指南介绍了五个组件：事件收件箱、定时器、持久文件记忆、权限和发件箱；在一项未具名的编程基准测试中，Opus 5.5 每解决一项任务的成本比 Opus 5 低 78 %，而典型工作负载的降幅为 40 %。🔗 来源
八家初创企业中的 Claude Tag — 在 NavigateAI，Claude Tag 运行于约 90 个频道，自 6 月以来已创建约 223 个 PR，其中 134 个已合并；指南提醒，该测试版仅向 Team 和 Enterprise 开放，不适用于 ZDR、CMEK 和 HIPAA 环境。🔗 来源
智能体技能指南 — GitHub Blog 介绍了如何在受版本控制的目录中围绕 SKILL.md 文件编写一次技能，并让多个智能体使用，同时提醒技能本身不会授予工具或权限。🔗 来源
Gondola 与 Codex — 根据 OpenAI 发布的这项案例研究，Gondola 表示，其工程团队的月度产出增加了约 25 %，营业收入在一年内增长至两倍以上，同时薪资总支出没有增加。🔗 来源
Perplexity 搜索引擎指南 — 该指南区分了爬虫搜索引擎、元搜索引擎和人工智能答案引擎，并引用 StatCounter 2026 年 10 月的市场份额数据，Google 为 91,05 %；没有产品更新。🔗 来源

图像、视频与音频

Runway 上的 Seedance 2.5 Flash — ByteDance 的这款视频模型变体被描述为速度更快、价格更低，但未提供速度、成本或分辨率数据。🔗 来源
Reactor API 中的 Pika H3 Flex — 支持参考图像、首尾帧控制，以及用户提供的音频，可用于音乐短片或对话；未公布价格。🔗 来源
Picsart 和 HyperFrames Studio 上的 MiniMax H3-Image — Picsart 宣布可在约十秒内生成和编辑 4K 图像；HeyGen 的工具 HyperFrames Studio 则支持生成 1600 万像素图像，并可使用最多 16 张参考图像。🔗 来源
Genspark Media Studio 中的 Redraw — 在图像需要修改的区域涂画，并描述替换内容，其余部分保持不变；未公布上线日期或额度消耗。🔗 来源
Luma 整理工具 — Luma 智能体可按产品、概念、活动或渠道对创意看板中的内容分组并添加标签，最多支持 10 000 个元素，未经同意不会移动任何内容。🔗 来源
ElevenLabs 的 Forward Deployed Creatives — 制作人与创意策略师在 ElevenCreative 中与品牌团队合作，或交付制作完成的广告，提供三种服务方案，未公开价格。🔗 来源
面向失声人士的 ElevenMusic — 永久失声人士可免费使用 ElevenMusic；NYU Langone Health 加入了 1 Million Voices，该声音恢复计划称已帮助超过 11 000 人，Wounded Warrior Project 则成为 Impact 计划的合作伙伴。🔗 来源
SOFIA for Business — 这款基于 ElevenAgents 构建的语音智能体，让用户可以就 Oxford Saïd 的 Inspiring Female Founders 项目访谈内容提问，还能自行开展新的访谈。🔗 来源

开放模型、研究与机器人

TRL v1.18.0 — AsyncGRPOTrainer 将交由 vLLM 处理的生成过程与训练分离，现已成为可从 trl 导入的稳定训练器；旧的实验性路径仍可使用，直至 v2.0.0。🔗 来源
llama.cpp 中的 North Micro Vision — Cohere 在祝贺 v1.0.0 发布时表示，其最小的视觉语言模型现已获得 llama.cpp 支持，但未提供日期或相关变更链接。🔗 来源
Déjà View 演示 — NVIDIA 在 Hugging Face 上发布了其三维重建模型的交互式演示，无需编写代码；该模型有 1.17 亿个参数，于 11 月 11 日公布。🔗 来源
FLUX-mimic — 初创企业 mimic 与 BMW Group 展示了一款基于 FLUX 3、用于汽车装配的视频动作模型：在一项零件整理任务中，使用 2 小时演示数据时成功率为 77,5 %，使用 8 小时数据时为 95 %。🔗 来源
OpenMed — 两款分别用于药物和解剖信息的提取模型，各有 7390 万个参数，采用 Apache-2.0 许可证；在 200 篇此前未见过的 PubMed 摘要上，两者的 F1 分别从 45,09 提升至 66,81，以及从 26,20 提升至 61,74。🔗 来源
TiHon-TTS — 据作者介绍，这款拥有 100 118 个参数、体积为 402 Ko 的越南语语音合成模型，在单个 x86 核心上的运行速度达到实时速度的 40 倍，并可在 Cortex-M 微控制器上运行。🔗 来源
NXP i.MX 95 上的 YOLO26 — 根据 Au-Zone 的测量，其 EdgeFirst 软件让模型在 2 TOPS 的 NPU 上从约每秒 40 帧提升至 84 帧，同时 mAP 提高了 7 个百分点。🔗 来源
s1d1-bench — 这项开放基准将一个多语言提示词路由器与三个本地 LLM 评审模型进行比较：据作者介绍，路由器与评审模型的一致性为 0,807（QWK），评审模型之间为 0,774，而 RouteLLM 的 BERT 路由器为 0,278。🔗 来源

生态

Black Forest Labs 入选 AI 100 — 继 Synthesia 之后，开发 FLUX 的这家实验室也进入了 Newcomer 与 Bessemer 首次发布的私营人工智能公司榜单，未提及具体名次。🔗 来源

这意味着什么

付款还是读取：OpenAI 与 Google 在同一天让各自的助手接入用户资金，但采用了截然不同的信任授权程度。ChatGPT Wallet 允许智能体完成购买，但每笔付款都要经过生物识别验证，并使用替代令牌，因此智能体和商家都看不到银行卡信息；带有额度上限的完全委托功能已宣布，但尚无日期。Gemini 可以读取关联 Google Wallet 的账户，却没有任何操作权限。前一天，Replit Agent 也已通过 Link 和 Visa 开始代为购物。接下来还需要商家跟进：OpenAI 发布了一份指南，帮助网站识别带签名的智能体，并让反欺诈工具接受它们的购买操作。

编程智能体正在把原本逐轮执行的工作交给程序。Code Mode 让 Claude 编写 JavaScript 来串联工具，Antigravity 的 Dynamic Workflows 则用 Python 做类似的事情，以编排子智能体。效率提升的代价是可见性降低：在 Claude Code 中，auto 模式的分类器会在执行前判断代码，却看不到执行过程中计算出的值，文档因此建议通过规则和 hooks 处理敏感调用。当天发布的其他版本则收紧了控制：Claude Code 2.1.325 中，沙箱内的 Bash 命令重新需要接受权限检查；没有 --trust 时，codex exec 会忽略未经批准项目的配置；Antigravity CLI 1.5.8 则修复了 Windows 下绕过代理和规则的漏洞。

开放工具正在为稳定性和治理制定规则。llama.cpp 承诺，对其 C API 的破坏性变更将通过主版本发布；SGLang 将八家企业聚集到一个联盟中，同时让维护者继续掌握代码控制权；Transformers 为四种运行时引擎提供统一的导出接口。DeepSeek 在服务方面也朝着同一方向发展：它销售的不再只有模型，还包括从搜索到语音的应用组件，并提供采用 MIT 许可证的演示客户端。

评测方法本身也受到了质疑。Anthropic 认为，其单轮安全测试已经饱和，所有近期模型的得分都在 94 至 98 % 之间，并展示了同一个模型在 API 与 claude.ai 上的表现可能相差 34 个百分点。XYBench 衡量了另一个盲点：模型在 71 至 84 % 的情况下能够识别出真正回应目标的答案，但自行写出这类答案的比例只有 35 至 41 %。IBM 宣布的提示词注入防护改进，以及 Transformers 宣布的导出改进，都来自开发方在自身测试平台上的测量；Runway 也没有公布 SO-101 的任何成功率。因此，Anthropic 关于公开不确定性的建议同样适用于它们。