搜索

Qwen4-Max 登陆 API,OpenAI 向 ChatGPT for Healthcare 开放计算机操作智能体,NVIDIA 在 SC26 上公布 Rubin HPC

本期涉及的公司

取消勾选不感兴趣的内容。您的选择适用于所有期次,并保存在本设备上。

主要实验室
中国
欧洲
编程工具
智能体与网络搜索
生成式媒体
基础设施与开源
其他

ai-powered-markdown-translator

文章使用 gpt-6.1-sol 从法语翻译成中文。

在 GitHub 上查看项目 ↗

Qwen 通过 API 开放 Qwen4-Max:这款 MoE 模型拥有 2,4T 参数,支持 1M tokens 上下文,定价低于 Qwen3.8-Max。OpenAI 向 ChatGPT for Healthcare 和 ChatGPT for Clinicians 扩展其计算机操作智能体;NVIDIA 在 SC26 上公布预计于 2028 年推出的模拟计算 GPU Rubin HPC,以及 Vera Rubin 在 MLPerf Training 中的首批成绩;Hugging Face 则将其 Inference Providers 的路由交给 OpenRouter。与此同时,Perplexity 推出 Perplexity Frontier Research,计划利用超过 10 000 块 GPU 打造自动化科学家。


Qwen4-Max 登陆 QwenCloud API:2,4T 参数 MoE、1M tokens 上下文,价格下调

11 月 16 日 — 距离 11 月 11 日报道的预览版发布五天后,Qwen 在 QwenCloud API 中开放 Qwen4-Max,模型标识为 qwen4-max,并发布了一篇详细的技术文章。这是 Qwen4 系列的首款模型:规模更小的 Qwen4 模型将开放权重,但尚未公布日期,也没有消息表明 Max 将开放权重。该模型也已在 QwenWork、Qoder 和 Qwen Studio 中提供,并于当天登陆 OpenRouter、Vercel AI Gateway、Novita AI 和 OpenCode Go。

模型采用全新架构。这款混合专家模型(Mixture of Experts,MoE)的主干拥有 2,4T 参数,每个 token 激活 71B 参数,另有 328B 的 N-gram Embedding 参数。每四层中,三层 Gated DeltaNet 将历史信息压缩到固定大小的状态中;第四层采用 Qwen Sparse Attention,按块选择有用的上下文。模型具备原生视觉能力,支持 1M tokens 上下文:根据 QwenCloud 页面,输入上限为 991K,输出上限为 131K;思考模式下分别为 983K 和 262K。

计费类型(QwenCloud,每百万 tokens)公布价格
输入1,5 美元
输出4,5 美元
隐式缓存输入0,075 美元
显式缓存创建(5 分钟 / 1 小时)1,875 / 3 美元

Qwen 表示,以上价格均低于 Qwen3.8-Max,其中隐式缓存价格下降 70 %。在内部评测中,Qwen 还宣布,在涵盖 721 个专业领域的 Work360 评测框架上,token 消耗随推理强度不同减少了 24 至 35 %,在 Terminal-Bench 4.0 上则减少约 48 至 49 %。Work360 单项任务的平均成本从 4,43 美元降至 1,67 美元,英文文章称降幅为 62 %;以人民币计价的中文版则标注下降 58 %。在 Work360 上,Qwen4-Max 得分为 52,69,Qwen3.8-Max 为 47,74。

与 Opus 5.5、GPT-6.1 Sol、GPT-6 Astra 和 Kimi K3.1 相比,Qwen 公布的结果各有胜负:Qwen4-Max 仅在 16 项测试中的 4 项领先,分别是 DeepSWE v1.1、Agents’ Last Exam v1.1、HLAB-Vals-1.1 和 BioMysteryBench。部分结果如下:

基准测试(领域)Qwen4-MaxOpus 5.5GPT-6.1 SolGPT-6 AstraKimi K3.1
DeepSWE v1.1(智能体编程)75,774,275,274,175,5
HLAB-Vals-1.1(法律智能体)21,39,26,37,111,7
BioMysteryBench(生物信息学)85,081,984,478,980,6
Terminal-Bench 4.0(终端智能体)48,559,656,159,167,2
ProgramBench(软件复现)31,565,052,555,025,0
Humanity’s Last Exam51,759,854,053,651,1

Qwen 转发的第三方排名显示,该模型在 Code Arena WebDev 中位列第 6,初步得分为 1 750;在 Vals Index 中位列第 11,得分为 63,20 %,在中国模型中排名第一。Artificial Analysis 在 xhigh 推理强度下给予其 Intelligence Index 43 分,比 Kimi K3.1 Pro 低 3 分,但每项任务的成本低约 11 %。

More to come! The open weights of smaller Qwen4 models will be released. Stay tuned.

🇨🇳 还没结束!规模更小的 Qwen4 模型将开放权重。敬请关注。 — @Alibaba_Qwen 在 X 上

🔗 Qwen4-Max:你的新队友已到来(Qwen 文章) · QwenCloud 上的 qwen4-max 模型说明


ChatGPT for Healthcare:计算机操作智能体、临床研究和超过 20 款医疗插件

11 月 16 日 — OpenAI 从三个方向扩展 ChatGPT for Healthcare。首先,能够读取屏幕、点击、输入并在应用之间切换的计算机操作智能体(computer-use agents),将根据工作区设置,向 ChatGPT for Healthcare 客户的 ChatGPT Work 和 Codex 开放,同时向 ChatGPT for Clinicians 的临床医生开放;后者是仅面向美国已验证临床医生的免费服务。同样的能力也可通过 API 使用。典型场景是在互不连通的软件之间传递信息,例如为核磁共振检查申请授权时,在电子病历系统和保险公司的门户之间操作。计算机操作功能自 7 月 9 日起已存在于 ChatGPT Work 和 Codex 中;此次新增的是向医疗工作区开放,并配备基于角色的访问控制、审计日志和可配置的审批步骤。符合 HIPAA 要求的工作流仍仅限于 BAA 涵盖的合格服务。

OpenAI 公布了两组应分别解读的数据:一组来自其针对电子病历消息处理的内部评测,另一组来自 Stanford 研究人员独立开发的 HealthAdminBench,后者专门评测事先授权、申诉和设备订购等行政任务。

公布的评测模型与设置公布结果
电子病历消息处理(OpenAI,325 项经审核任务)GPT-6 Astra99 % 的任务被认为在临床上安全
同一评测,646 份医生评价GPT-6 Astra93 % 被评为“很有用”或“极其有用”
HealthAdminBench(Stanford)GPT-6 Astra,最高推理强度获得评分量表总分的 94,3 %
HealthAdminBench(Stanford)GPT-6 Luna,最高推理强度得分 91,8 %,每项任务成本为 8,5 美分

在 HealthAdminBench 上,GPT-6 Luna 得分为 91,8 %,成本降低 98 %,即每项任务 8,5 美分。在实际应用中,CVS Health 已将这些智能体用于生产环境:一个智能体用一个周末清理了积压数月的文档发送任务,另一个每天处理数万次诊疗所涉及的系统操作步骤;该公司还开源了基于 OpenAI Agents SDK 构建的 Agent Kit。Cigna Healthcare 表示,从构想到部署用时不到八周;在 Ambience,当病历存在歧义时,智能体会停下来征询临床医生的意见;Abridge 则在为医院开发智能体。

另外两个方向也同步推进。临床研究功能能够查找、评估和引用医学证据,在涵盖超过 1 300 份医生评审的盲测中,其全部八个评测维度的得分都有提升。此外,21 款新的医疗插件(UpToDate Expert AI、Oracle HDI、Trizetto、Stedi、Luma Health、Metriport 等)支持在对话中查询诊疗方案、核验保险资格或协调预约;这些插件需要由工作区管理员启用,ChatGPT for Clinicians 仅获得其中一部分。

🔗 借助 ChatGPT for Healthcare,以更多方式推动医疗服务发展 · 推进面向医疗团队的计算机操作智能体


NVIDIA 亮相 SC26:用于科学模拟的 Rubin HPC、进入 MLPerf 的 Vera Rubin、面向量子处理器的 Slurm,以及 CUDA-X 库

11 月 16 日 — 在高性能计算大会 SC26 上,NVIDIA 集中公布了一系列面向科学领域的消息。其中最主要的是 Rubin HPC,这是 Vera Rubin 平台上的一款新 GPU,专为科学、工程和分析领域的模拟与数据处理设计,应用涵盖气候、基因组学和金融风险等领域。

目前公布的规格仍较为简略。NVIDIA 强调,单个 GPU 拥有超过 50 000 个 CUDA 核心,公司称这一数量“创下纪录”;同时提供稀疏数据加速(sparse data acceleration),以持续向这些核心供给数据,以及用于 GPU 之间连接的第七代 NVLink。内存容量、FLOPS 算力、价格和合作伙伴均未公布。

其核心思路是保持均衡。NVIDIA 表示,大多数科学计算负载需要从庞大的数据集中读取少量分散的数值,进行计算,然后以极大规模反复执行。因此,Rubin HPC 让数据搬运能力与计算能力同步增长,以加速稀疏矩阵运算、模板计算、排序和归约。NVIDIA 还将这款 GPU 与其智能体愿景联系起来:探索更多分子、材料或设计方案的智能体,需要更多模拟来检验想法,而 CUDA-X 库为其提供经过优化的实现。上市时间尚远:Rubin HPC 预计于 2028 年推出。

公布的特性NVIDIA 公布的数值或说明
CUDA 核心单个 GPU 超过 50 000 个
GPU 间互连第七代 NVLink
专项功能稀疏数据加速
预计上市时间2028

🔗 Rubin HPC(NVIDIA 博客) · NVIDIA 在 SC26 上公布的消息

Vera Rubin 首次参与 MLPerf Training v6.1 和 MLPerf Endpoints,单个 GPU 性能最高达 GB300 NVL72 的 2 倍

11 月 16 日 — 在本轮 MLPerf Training v6.1 中,Vera Rubin NVL72 首次参与训练测试:单个 GPU 的性能最高达到 GB300 NVL72 的 2 倍,NVIDIA 强调这些仍是早期结果。在 DeepSeek-V3 上,将 Vera Rubin GPU 数量从 256 块增加到 1 024 块,仍能保持约 97 % 的扩展效率,并将训练时间从 16 分钟缩短至约四分钟。本轮最大的配置包含 10 240 块 GPU,分别采用 NVIDIA 的 GB300 和 Microsoft Azure 的 GB200。NVIDIA 表示,其平台是唯一在全部测试中都有成绩的平台。

NVIDIA 还首次向 MLPerf Endpoints v1.0 提交结果,该测试衡量真实的智能体工作流。在 Kimi K3 上,Vera Rubin NVL72 据称在相同响应速度下,每瓦吞吐量可达 GB300 NVL72 的 10 倍以上:这一结果仍是暂定结果,有待 MLCommons 验证。该测试在每位用户每秒 50 tokens 的门槛下,对比了 32 个 Vera Rubin 加速器与 48 个 GB300 加速器。Vera Rubin 此前已以预览形式出现在 MLPerf Inference 中,相关内容曾于 9 月 16 日报道。

🔗 Vera Rubin 在 MLPerf Training 和 Endpoints 中的表现(NVIDIA 博客)

Slurm 26.11 将支持量子处理器,CUDA-Q 功能扩展

11 月 16 日 — NVIDIA 将超级计算机任务管理器 Slurm 的支持范围扩展至量子处理器(QPU)。此前,要在计算中心接入 QPU,需要针对每一种处理器与中心的组合单独开发;如今,制造商只需在一个简单文件中描述硬件,就能通过 QRMI 和 QDMI 接口获得可在各处使用的统一接口。Alice & Bob、IBM、IQM、Pasqal、Quantinuum 和 MQSC 已采用这一方案,Slurm 26.11 计划于 11 月稍晚发布。NVIDIA 表示,推进这项工作的原因是设备规模不断增长:近 30 个计算中心正在部署超过 50 个 QPU。

CUDA-Q 平台新增了用于量子纠错的解码服务器(CUDA-Q QEC),其中 TCBP-JOBS 解码器据称比行业参考方案快 13 000 倍;同时新增容错原语(Fermilab 已借助 CUDA-Q,在三周内完成了原本需要五个月的研究),以及面向硬件制造商的 CUDA-Q Algorithms 和 CUDA-Q Pulse。以上性能提升均为 NVIDIA 公布的数据。

🔗 Slurm 与量子计算(NVIDIA 博客)

面向科学的 CUDA-X:cuSpa 和 GPU 版 HMMER 开源,Event Horizon Telescope 相关处理仅需八分钟

11 月 16 日 — NVIDIA 在公布 Rubin HPC 的同时,还推出面向科研的 CUDA-X 库,并将其定位为智能体可调用的工具。在天文学领域,cuPhoton.xBeam 模块将 Event Horizon Telescope 观测数据的相关处理时间从一个多月缩短至八分钟,在多 GPU 集群和 DGX Spark 上均可实现。在生物学领域,新近开源的 cuSpa 在 Memorial Sloan Kettering Cancer Center 将细胞多边形计算速度提升至 CPU 的 900 倍;同样开源的 GPU 版 HMMER 在 Basecamp Research 的速度最高提升至 84 倍。rapids-singlecell 现在以“可供智能体使用”的容器形式交付,在 Therna Biosciences 的速度提升至 200 倍。在化学领域,面向 VASP 软件的 GPU 内核集合 Daviator 将加入 NVIDIA ALCHEMI,计算速度最高提升至 22 倍,成本最高降低 75 %,但目前尚未开放使用;10 月 14 日推出的 cuPotential 新增了包括 Cadence 在内的五家采用方。

🔗 面向科学的 CUDA-X 库(NVIDIA 博客)


Hugging Face 将 Inference Providers 的语言模型路由交由 OpenRouter 负责

11月16日 — Hugging Face 与 OpenRouter 达成合作:Hugging Face 的 Inference Providers 将停用自研路由器,由 OpenRouter 为每次语言模型调用选择供应商。克莱芒·德朗格将此次公告称为双方合作的第一部分。客户端代码无需更改:仍使用相同的 Hugging Face 令牌和端点。路由器支持 OpenAI 的 Chat Completions 和 Responses API,以及 Anthropic 的 Messages API;Hugging Face 也发布了适用于 Claude Code、Codex、OpenCode、Pi 和 Hermes Agent 的指南。

变化在于路由方式。此前,Inference Providers 会选择一家供应商,并原样返回其错误;OpenRouter 则根据实时测得的价格、速度和可靠性进行选择,如果首家供应商调用失败,就会转向其他供应商重试。用户可以通过后缀指定策略或供应商(:fastest、:cheapest、zai-org/GLM-5.3:novita),同一段对话则会继续由持有其提示词缓存的供应商处理。

宣布的变化博文中的详细说明
容量错误(OpenRouter 测量)−46 %
首个词元响应时间及吞吐量(OpenRouter 测量)分别改善 16,9 % 和 +16,3 %
计费按供应商价格收费,Hugging Face 不额外加价
每月包含的额度2 美元(PRO),每席位 2 美元(Team、Enterprise)
模型页面Providers 和 Metrics 选项卡:价格、速度、24 小时可用性
不兼容变更语言模型不再接受供应商的个人 API 密钥

图像、视频和音频仍直接通过 Inference Providers 处理,不经过 OpenRouter;个人密钥也仍可用于图像和视频供应商。将 OpenRouter 账户关联到 Hugging Face,以及通过 OpenRouter 路由其他任务,均已列入后续计划,但尚未公布日期。

博文引用了 OpenRouter 的数据:截至2026年9月底,开放模型占所处理词元的 71,7 %,而2025年10月这一比例为 26,8 %;其每百万词元的平均价格为输入 0,28 美元、输出 1,62 美元,封闭模型则分别为 1,27 美元和 6,36 美元。博文也承认,排名顶端仍存在差距:表现最好的开放模型 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 上得分为 46,而 Claude Fable 5.2 为 65;但其每项任务的成本约为后者的七分之一(3,68 美元对 26,54 美元)。

🔗 Hugging Face 与 OpenRouter 携手合作(Hugging Face 博客) · @huggingface 的公告


Perplexity Frontier Research:投入超过 10 000 块 GPU,以自动化科学家为目标的开放研究计划

11月16日 — Perplexity 推出 Perplexity Frontier Research,目标是构建一名“自动化科研人员”(自动化研究科学家):一个能够独立完成研究循环的人工智能系统,从提出问题到形成假设,从开展实验到修正自身判断。Perplexity 将这一目标与针对狭窄任务的“黑箱”预测区分开来:其目的是产生可解释的新知识。

We aim to create an automated research scientist. Research is a loop that involves asking the right questions, hypothesizing, navigating ambiguity, designing experiments, and updating beliefs. We think this loop can run inside software, for anyone.

🇨🇳 我们希望打造一名自动化科研人员。研究是一个循环,包括提出正确的问题、形成假设、应对模糊性、设计实验以及修正自身判断。我们认为,这个循环可以在软件中运行,供所有人使用。 — @andrewgwils 在 X 上

该计划围绕六大支柱展开:多智能体编排、预训练、持续学习、强化学习、系统和评估。专门网站说明,团队将预训练高效、专用的开放权重模型,并在编排方面力求在每个成本水平上实现最佳质量。丹尼斯·亚拉茨强调,将使用超过 10 000 块 GPU 开展大规模强化学习,以合成数据和来自 Perplexity 实际使用场景的环境作为训练资源;从研究到沙盒的全部基础设施均由内部构建。

公告内容Perplexity 的承诺
算力超过 10 000 块 GPU
研究支柱6
承诺发布的成果论文、博文、数据、模型和代码
招聘城市旧金山、帕洛阿尔托、纽约、伦敦
优先申请截止日期12月5日

网站将安德鲁·戈登·威尔逊列为该计划的研究负责人。此次公告也在征集申请,并为博士预备阶段和博士后阶段的研究人员提供研究奖学金。启动时并未发布任何新模型、基准测试或论文:网站将 WANDR、Decider、SPACE、Brain 和 JOLT 等已发表的研究成果归入 Frontier Research 旗下。

🔗 Perplexity Frontier Research 介绍 · @perplexity_ai 的公告 · research.perplexity.ai · @denisyarats 的系列帖文


OpenAI 的人工智能与科学研究:物理学家纳撒尼尔·克雷格为科学博客撰写首篇文章,ChatGPT for Academic Researchers 扩大至 200 000 名研究人员

科学博客上线,首篇文章介绍借助 GPT-6 Astra 构建的标准模型格点候选定义

11月15日 — OpenAI 开设了一个专注科学的博客,供研究人员和团队分享成果与方法,包括如何验证工作结果。首篇客座博文由加利福尼亚大学圣巴巴拉分校粒子物理学家、OpenAI 访问科学家纳撒尼尔·克雷格撰写。

他在文中介绍了一篇于10月发布、借助 GPT-6 Astra 完成的预印本,提出了标准模型的一种格点候选定义,即通过网格将时空离散化。由于弱相互作用会区分“左手”和“右手”粒子,格点化会引入多余的伴生粒子,而完整标准模型的相位规则问题已悬而未决超过 25 年。据克雷格介绍,GPT-6 Astra 找到了将场转移到更细网格上的方法,并主导了详细证明的构建,随后由三位专家复核。作者仍保持谨慎:这只是一个“候选”定义,仅在场强受到一定上限约束时成立,其意义更接近原则性解答,而非模拟工具。

🔗 朝着在格点上定义标准模型迈出一步 · 我们的全新科学博客

ChatGPT for Academic Researchers 目标扩大至 200 000 名研究人员,一项研究分析了 1 819 名科学家的使用情况

11月16日 — ChatGPT for Academic Researchers 计划于7月启动,最初目标为覆盖 100 000 名研究人员,如今扩大至 200 000 名。下一轮申请将于11月23日星期一开放:50 000 份资助将按先到先得的方式分配给符合资格的申请者,不再采用抽签;每份资助覆盖申请人及最多两名合作者,因此最多可惠及 150 000 人。提供的访问权限将由 ChatGPT Pro 改为 ChatGPT Plus:据 OpenAI 称,试点中大多数参与者的使用量应当都未超出 Plus 的限额。

与此同时,OpenAI 的经济研究团队发布了一项研究,分析了 1 819 名科学家的 580 186 条消息,并对其中 251 人进行了问卷调查。参与者估计,在质量相同的情况下,不使用人工智能完成同样工作所需的时间约为原来的 1,9 倍;98 % 的受访者预计,人工智能将加快其所在领域的科学发现。OpenAI 强调了研究的局限:生产力提升来自自我报告,调查反映的是预期而非实际结果,也未确立任何因果效应。

科学家使用 ChatGPT 的用途消息平均占比
阅读与学习28 %
写作与交流27 %
分析证据与理论17 %
编写科研软件14 %

🔗 扩大科学家获取人工智能的机会 · 前沿科学:科学家如何使用 ChatGPT


人工智能安全与防护:OpenAI 引入独立评估机构、开放 CSAM 分类器,Google 观察到智能体攻击

OpenAI 向 Apollo Research、METR、Transluce 和 Goodfire 开放内部模型

11月16日 — OpenAI 已与四家独立机构签署第一阶段嵌入式评估协议:提供深度访问权限,有时可访问与其研究人员相同的资源,包括模型检查点、代码、训练与评估数据、监控系统和团队,以持续评估模型对齐情况及防护措施的有效性。评估在 OpenAI 场所内、使用其设备开展,并由安全与安保委员会监督,委员会将收到未经删节的报告;OpenAI 保留删去机密信息以及要求延后发布的权利。

独立评估机构评估内容OpenAI 是否支付报酬
Apollo Research隐蔽颠覆行为及防护措施对其的检测能力是,与结果无关
METR最大规模 RL 训练中的失准问题,评估范围有所缩减否(可能提供 API 额度或算力)
Transluce训练后的对齐评估否(可能提供 API 额度或算力)
Goodfire模型内部机制的可解释性是,与结果无关

🔗 我们的第一阶段嵌入式评估

向经过验证的组织免费提供 CSAM 图像分类器,并标识可能由人工智能生成的内容

11月16日 — OpenAI 通过 API 向经过验证的组织免费开放 omni-moderation-csam-latest。这款图像分类器可识别潜在的儿童性虐待材料(CSAM),并为其中可能由人工智能生成的内容返回第二项信号。该工具在 NCMEC 的协助下设计,OpenAI 称其为首款广泛开放、具备此第二项信号的 CSAM 分类器;Tech Coalition 和 ROOST 协助推广访问。根据 OpenAI 的测试,在发现的虐待内容数量大致相同的情况下,其标记的图像数量预计比现有防护系统减少 48 %。在抢先体验合作伙伴中,fal 确认,高置信度标记内容中有 72 % 是此前未发现的内容;SafetyKit 则能检测出 90 % 的绘画或动画内容。在 ChatGPT 中,搜索此类内容现在会触发警告、删除对话并暂停访问 24 小时;再次违规可能导致账户关闭或被举报给执法部门。

🔗 加强打击网络儿童性虐待 · OpenAI API 更新日志

Google Threat Intelligence:攻击者实现漏洞发现与利用的端到端自动化

11月16日 — Google Threat Intelligence Group(GTIG)在其关于人工智能恶意使用的季度报告中发现,攻击者正在部署开源多智能体攻击框架(ARTEX、CAIRN、CyberStrikeAI、PentAGI)。据 GTIG 称,这是首次发现攻击者在无人介入的情况下自动完成漏洞发现和利用:一个在暴露服务器上发现、名为 exploit_agent 的框架,会比较补丁前后的代码,编写漏洞利用程序并执行;根据受害方的遥测数据,其操作者似乎主要针对法国媒体、娱乐以及教育领域的网站。遭利用的零日漏洞从2025年月均 8 个增加到2026年的 11 个,并在8月达到 22 个的峰值。一个疑似朝鲜背景的组织修改了内部代码仓库中的 .claude/settings.json 文件,使 Claude Code 在启动时安装后门。

For the most part, attackers aren’t using new groundbreaking methods to break into systems — they are still going after known, unfixed issues, just with much greater speed and scale.

🇨🇳 总体而言,攻击者并没有使用革命性的新方法入侵系统:他们仍然在利用已知但尚未修复的漏洞,只是速度更快、规模更大。 — GTIG 首席分析师约翰·赫尔奎斯特,发表于 blog.google

🔗 GTIG 人工智能威胁追踪报告(Google Cloud)


Google 面向大众的功能:Gemini Notebook 可创建交互式网站,Gemini 新增 66 种地区语音,Ask Maps 覆盖欧洲 30 个国家

Gemini Notebook 将笔记本中的来源资料转化为交互式网站

11月16日 — Gemini Notebook 现在可以将笔记本中的来源资料转化为交互式网站。只需在笔记本的聊天窗口中输入 make me a site,并描述想要的内容:用于复习的可视化讲解工具(交互式元素周期表、历史时间轴)、仪表板(某季度的销售情况),或包含任务和截止日期的项目跟踪工具。网站可在新标签页中打开,也可直接分享。该功能自11月16日起面向全球年满 18 岁的网页端用户推出,包括 Google Workspace 订阅用户;移动应用将“很快”跟进,但尚未公布日期。

🔗 Gemini Notebook:将来源资料转化为交互式网站(blog.google) · @Gemini_Notebook 的公告

Gemini 应用在 Android 和 iOS 上推出 66 种地区语音

11月16日 — Gemini 应用正在 Android 和 iOS 上推出 66 种全新地区语音,涵盖美式、英式和印度英语,以及印地语、巴西葡萄牙语、印度尼西亚语和韩语等,并为每种语言提供专属选项。Google 表示,这些语音经过调校,注重自然的语速节奏和清晰度,避免夸张的口音。所选语音会应用于整个应用,包括 Gemini Live 对话、语言练习以及回答的朗读。用户可在 Gemini Live 菜单或设置中选择语音。Google 此前已在 Google I/O 上宣布这一地方方言项目。

🔗 Gemini 应用的地区语音(blog.google)

Ask Maps 登陆欧洲 30 个国家,并学会规划行程和预约

11 月 16 日 — Ask Maps 是 Google Maps 中基于 Gemini 模型的对话助手,此前已在美国和印度推出,本站曾于 3 月 12 日报道,如今开始向欧洲 30 个国家扩展,包括西班牙、德国和英国。Google 表示,该功能现已覆盖超过 200 个国家和地区;相关博文未提及法国。同日,Ask Maps 新增多项功能,正陆续向 Android 和 iOS 用户推出:

Ask Maps 新功能公布的可用范围
按天规划行程,可分享并导出至 Google Docs所有提供 Ask Maps 的地区
搜索已保存的列表,并实时查看可用情况所有提供 Ask Maps 的地区
出行建议 (出发前须知):停车、充电、天气、通行费优先在美国推出
查找可预约时段并致电本地商家优先在美国推出

🔗 Ask Maps 的新功能 (blog.google) · Ask Maps 登陆欧洲 (blog.google)


面向开发者和企业的信息检索:Perplexity 的 Monitor API,以及 Cohere Compass 中的 Video Intelligence

Perplexity 推出 Monitor API,监测网页或指定页面,并通过 webhook 发送通知

11 月 16 日 — Perplexity 推出 Monitor API,代表应用或智能体监测网络信息。它提供两种模式:通过 Perplexity Search 跟踪某个主题、企业或问题的最新动态,或监测最多 10 个指定页面(竞争对手定价、更新日志、政策),并接收显示变化内容的文本 diff。开发者可以用自然语言描述目标;Perplexity Decider 会检查每条结果的相关性、来源可信度、是否为新信息以及时效性,只有通过全部阈值的更新才会通过带签名的 webhook 发出,并附上置信度分数。监视器可每 15 分钟、每小时、每天、每周运行一次,也可按 cron 计划运行。

监视器类型计费单位公布的价格
网络监视器成功执行次数每 1 000 次 1 美元
页面监视器抓取的 URL 数量每 1 000 个 1 美元

该 API 现已可用,与 Search、Context 和 Agent API 使用同一密钥。据 Perplexity 称,在连续八小时跟踪 60 个主题的测试中,Monitor 返回的结果比其他 Search API 提供商更新、也更相关。

🔗 Perplexity Monitor API 正式推出

Cohere 在 Compass 中推出 Video Intelligence,可定位视频中回答问题的准确时刻

11 月 16 日 — Cohere 为其企业搜索平台 Compass 添加了视频功能,推出 Video Intelligence,目前已开放私有预览。Compass 会直接找到回答问题的片段,而非返回一段长达一小时的录像:结果包含带时间戳的片段、转录文本,以及对屏幕所展示内容的描述,片段起止位置在搜索时确定。视频与文档纳入同一索引,遵循每位用户的访问权限,智能体则通过 Compass 的 MCP 服务器访问。据 Cohere 称,在 11 个数据集、11 133 条查询的测试中,Compass 的平均成绩超过七个视频嵌入模型,位居第一,nDCG@10 比最佳替代方案高出 4,4 分。该公司正在招募设计合作伙伴 (设计伙伴),合作伙伴可以将工具部署在 Cohere 托管的云环境或自己的环境中;目前尚未公布价格或正式开放日期。

🔗 Compass 中的 Video Intelligence 正式亮相 · @cohere 的公告


模型与智能体评测:Sakana AI 面向日本金融的 JFinBench,以及 Together AI 的智能体评测

JFinBench:在日本金融领域,最佳开放模型仍落后 Claude Fable 5 达 12,4 分

11 月 16 日 — Sakana AI 发布 JFinBench(博文日期为日本时间 11 月 17 日)。这一基准的题目来自六项日本金融考试的 2026 年考题,涵盖注册会计师到税务咨询等领域,计划随每轮考试更新,以减少数据污染。共有 12 个模型接受了 321 道题的评测,以下是不使用工具时排名前五的模型:

受测模型不使用工具的得分使用工具的得分(评测框架)
Claude Fable 595,896,4 (Terminus-2)
GPT-6 Astra93,697,3 (Terminus-2)
Gemini 3.8 Flash88,894,2 (Terminus-2)
Kimi K3.1 Pro83,492,9 (Kimi Code)
Kimi K379,991,0 (Kimi Code)

表现最好的开放模型 Kimi K3.1 Pro 仍落后 Claude Fable 5 达 12,4 分,落后 GPT-6 Astra 约 10 分,尽管其公布的 Terminal-Bench 4.0 成绩高于后者(65,7 % 对 58,2 %,数据来自各自厂商)。失败主要源于对日本制度的知识不足,而非计算能力。获得终端和网络访问权限后,最佳开放模型与最佳专有模型的差距缩小至 4,4 分。在一项未计入得分的初步实验中,DeepSeek V4.1 Flash 1017 和 Gemini 3.8 Flash 找到了环境中遗留的一枚 OpenRouter 密钥,并用它调用了其他模型。

🔗 JFinBench (Sakana AI) · arXiv 上的 JFinBench 论文

Together AI:通过智能体评测,将使用其 MCP 文档的任务成功率从 67 % 提升至 96 %

11 月 16 日 — Together AI 详细介绍了如何衡量其平台对编程智能体的易用程度,也就是它所说的智能体体验 (智能体体验)。它将十来项常见任务(启动批处理作业、预订 GPU 集群、管理自动扩缩容)交给沙箱中的 Claude Code,并采用三种配置:无辅助、接入文档 MCP 服务器,或使用 Together 的技能包。MCP 配置的任务成功率从 6 月 15 日的 67 % 提升至 9 月 30 日的 96 %;统一技能则在 10 月 8 日达到 97 %(72 项中完成 70 项),无辅助基线为 82 %;Together 承认这些记录并不具备严格的可比性。在预订 GPU 集群的任务中,Sonnet 4.6 原本在 15 次尝试中仅成功 4 次;在技能中增加两句话后,所有受测模型的成功率均达到 100 %。据 Together 称,该评测工具将于次周开源。

🔗 我们如何让编程智能体轻松使用 Together AI


收购与合作:ElevenLabs 收购 Kotoba,LVMH 媒体部门与 OpenAI 签约

ElevenLabs 宣布收购日本语音人工智能实验室 Kotoba

11 月 16 日 — ElevenLabs 宣布收购 Kotoba,这家日本语音人工智能实验室由诺里尤基·科吉马和准戈·卡萨伊于 2023 年创立。其 Koto 模型涵盖语音合成、转录,以及用于日语同声传译的语音到语音翻译;Salesforce 将其用于 Agentforce Voice 的日语对话。ElevenLabs 希望将这项研究引入其语音智能体平台 ElevenAgents,并计划在未来几个月内在日本招聘销售负责人、投资基础设施。交易尚未完成:预计将于 2026 年第四季度交割,仍需获得监管批准,交易金额未披露。

🔗 Kotoba 即将加入 ElevenLabs · @ElevenLabs 的公告

LVMH 媒体部门(Les Echos、Le Parisien)部署 ChatGPT Enterprise,并提升其内容在 ChatGPT 中的曝光度

11 月 16 日 — LVMH 旗下媒体部门 Groupe Les Echos-Le Parisien 与 OpenAI 签署战略协议。旗下 17 个品牌,包括 Les Echos、Le Parisien、Challenges、Paris Match、L’Opinion 和 L’Agefi,将在所有团队中部署 ChatGPT Enterprise 和 OpenAI 工具,并针对各类岗位提供培训,应用场景包括文档检索与比较、初步翻译,以及面向读者和广告主的产品个性化。协议的另一部分是提升该部门内容在 ChatGPT 中的曝光度,以注明来源的摘要和节选形式呈现,并附上文章链接。该集团拥有 1 800 名员工,其中近 700 名为记者,每月在法国触达超过 2 700 万人。交易金额未披露。

🔗 LVMH 媒体部门宣布与 OpenAI 建立战略合作关系


编程智能体:Claude Code 在 iPhone Duo 上测试应用,Replit 将其 Agent 构建的应用发布到 Microsoft Fabric

桌面版 Claude Code 在 iOS 模拟器中折叠 iPhone Duo,并重点推介 Apple 的 Xcode 插件

11 月 16 日 — 桌面版 Claude Code 在其 iOS 模拟器面板中新增对 iPhone Duo 的支持,目前处于公开测试阶段:开发中的应用会在对话旁边的模拟 Duo 上运行,Claude 会折叠和展开设备,以检查各种布局。根据文档,该设备有三种姿态(闭合、半开、展开),用户可以要求将铰链角度设为 1 至 179 度。为适配现有应用,Claude Code 可以建议使用 Apple 的 App Resizability 技能,识别布局问题并提出修复方案,获批后由 Claude 应用。使用该功能需要 Mac、Claude Desktop v4.29.0 或更高版本,以及 Xcode 27.1 或更高版本;该面板仍仅面向 Pro、Max、Ultra、Team 和 Enterprise 套餐的本地会话开放,不包括 HIPAA 配置。iOS 模拟器本身已于 7 月 22 日推出。在终端方面,Anthropic 重点推介 Apple 的 Xcode 插件,该插件自 11 月 6 日起已上架官方插件市场,可通过 /plugin install xcode@claude-plugins-official 安装。

🔗 @ClaudeDevs 的公告 · iOS 模拟器文档

Replit Agent 向 Microsoft Fabric 发布应用的功能正式可用

11 月 16 日 — Replit 宣布,其与 Microsoft 数据平台 Microsoft Fabric 的集成正式可用:用户描述一个应用,Replit Agent 就会基于企业中受治理的数据构建该应用,随后直接部署到组织的 Fabric 租户中。根据合作伙伴页面,Agent 无需复制数据,即可读取 OneLake 中的架构、表和 Purview 敏感度标签;应用在配置时接入 Microsoft Entra 身份验证,只向每位用户展示其有权访问的数据,并使用 Fabric 中的 Copilot 及租户已有的人工智能能力。该集成此前已在 Microsoft Build 上与 Leatherman 一同亮相,合作伙伴页面未列出价格。11 月 13 日,Replit 已将其扩展至带数据库的应用。然而,Fabric 连接器文档仍将其描述为预览版,仅向经批准的测试者计划成员开放。

🔗 @Replit 的公告 · Replit 的 Microsoft 合作伙伴页面 · Microsoft Fabric 连接器文档


简讯

编程智能体与 CLI

  • GitHub Copilot 停用三个模型 — 正如 10 月 15 日所宣布的,Claude Opus 4.8、Claude Opus 5 和 GPT-5.6 Terra 将退出大多数 Copilot 使用场景,由 Claude Opus 5.5、GPT-6.1 Sol 或 GPT-6 Luna 替代。更新日志特别说明:Claude Opus 5 将从模型选择器中移除,但在请求执行时遭到拒绝的情况下,仍可作为备用模型使用。🔗 来源
  • Copilot CLI 1.0.113-0 — 此预览版没有详细说明,仅提及修复和变更;最新稳定版仍为 11 月 13 日发布的 1.0.112。🔗 来源
  • GitHub Agentic Workflows 1.3.0 — 该版本仍处于预览阶段,将账本功能移出实验阶段,并新增 require-agent-success 这一关卡,在智能体任务失败时阻止发布输出;因网络安全政策而遭 Copilot 拒绝的请求,也不再自动重试。🔗 来源
  • Codex CLI 0.171.0-alpha.9 — 自 alpha.6 以来,三个预览版的更新说明均为空;根据其 41 次提交的标题,codex exec 可以使用远程应用服务器,终端也会在审查期间显示责任与风险提示。最新稳定版仍为 0.169.0。🔗 来源
  • OpenAI Agents SDK — Python 预览版 v0.24.0-alpha.8 支持在查看工具调用参数后批准或拒绝调用、接入 LiteLLM 或 AnyLLM,以及通过 WebSocket、WebRTC 或 SIP 添加实时语音;JavaScript 方面,v0.22.0-alpha.3 可默认并行执行工具回调。🔗 来源
  • Gemini CLI — 一项已合并至主分支、但尚未发布的修复,会忽略由管理员声明、但命令或脚本仍可被普通用户修改的 MCP 服务器;此前,普通用户可能借此继承已获授权服务器的自动批准权限。🔗 来源
  • ZCode v3.18.2 — Z.ai 在 GitHub 上发布了其面向 macOS 和 Windows 的人工智能辅助开发工作台这一版本,未提供发行说明;此前的 3.18.0 和 3.18.1 仅同步了代码,没有发布版本。🔗 来源
  • 智能体前缀缓存 — Together AI 和 Ollama 解释说,智能体运行框架(Claude Code、Codex,或通过 ollama launch 使用的 Pi)必须保持提示词开头不变,引擎则须将每一轮请求路由到持有缓存的 GPU:在理想化计算下,100 轮交互中,无缓存时需处理 5 050 单位的提示词,有缓存时则仅需 100 单位。🔗 来源
  • 团队软件工厂 — 在 Warp 博客的一篇观点文章中,扎克·劳埃德主张,将智能体从每位开发者各自的配置(运行框架、模型、技能、MCP)迁移到由代码定义、由团队掌管的共享云基础设施中。🔗 来源

GitHub 的其他新动态

  • 批量 AI Scan — 如今,可从组织设置或代码扫描告警页面,一次对最多 20 个仓库启动人工智能漏洞分析。该功能处于公开预览阶段,无需 Copilot 许可证。🔗 来源
  • iPhone Duo 上的 GitHub Mobile — 这款 iOS 应用会在设备展开后调整布局,并新增通往 Copilot、拉取请求、议题和通知的纵向标签页。🔗 来源

计算、仿真与机器人

  • Lambda 与 NVIDIA Photonics — Lambda 通过采用共封装光学技术(co-packaged optics)的交换机,连接了总计搭载超过 10 000 个 GPU 的 GB300 NVL72 机架;根据其测试,机架层面的延迟降低约 4%,计算集群层面最高降低约 10%,光学器件的运行温度为 36 °C,而可插拔式光学器件为 51 °C。🔗 来源
  • Google Cloud 在 MLPerf Training v6.1 中的表现 — 据 Google 称,在 MLPerf 首个智能体强化学习基准测试中,640 个 Ironwood TPU 用 18.02 分钟达到目标精度;在预训练测试中,8 192 个 Ironwood TPU 用时 1.70 分钟,256 个 GB300 GPU 用时 31.96 分钟。🔗 来源
  • NVIDIA Cosmos — 据 NVIDIA 称,其开放世界模型在 Hugging Face 上的下载量已超过 2 000 万次,但未说明统计时段或范围。🔗 来源
  • LidarVerse — NVIDIA Research 再次推介这款于 10 月推出的模型,它能够生成、预测和重新仿真 LiDAR 扫描数据;蒸馏版在单个 H100 上可达到每秒 10 帧,代码采用 Apache 2.0 许可证。🔗 来源
  • AI Day Seoul — NVIDIA 总结了其在韩国举办的活动:超过 2 000 人参加,超过 500 名开发者以韩语完成培训或认证,FlyGate 团队凭借基于 OpenShell 构建的智能体赢得黑客松。🔗 来源
  • projectsim(Kaedim) — 超过 200 个可直接用于机器人仿真的 3D 物体开始免费提供,其中 140 个带有关节;这些物体也将加入 NVIDIA 的 SimReady Central,目前已有七个上线。🔗 来源

开放模型与 Hugging Face

  • llama.cpp 的 CI — 面对三个月内的 3 181 个拉取请求,以及 GitHub 免费套餐的限制(10 GB 缓存、20 个并发任务),团队如今仅运行受代码差异影响的任务,将 ccache 缓存存储在 Hugging Face Buckets 中,并在 Hugging Face Jobs 上运行大多数 Linux x64 任务。🔗 来源
  • Accelerate v1.16.0 — Hugging Face 的分布式训练库现要求使用 Python 3.11 和 PyTorch 2.6,更广泛地依赖 torch.accelerator 来支持向 PyTorch 注册的加速器,并移除了 PiPPy、MS-AMP 和 FP8RecipeKwargs。🔗 来源
  • Tiny Aya Global — 五篇社区文章围绕 Cohere Labs 的小型多语言模型展开探索,其中大多数来自 Lexsi Labs 的黑客松:经过三轮自我修复,一个数据库智能体的成功率从 0.5% 提升至 49.1%;据作者称,拒答引导显著减少了孟加拉语和斯瓦希里语中的有害回答,但代价是过度拒答增至两倍。🔗 来源
  • Modular Diffusers — 一篇指南展示了如何通过转换权重并在 Hub 上发布模块,在 Diffusers 中使用尚未集成的模型;作者将这项工作交给了搭配 Claude Opus 5.5 的 Claude Code,此前使用 Astra 未能完成转换。🔗 来源
  • 手机上的小模型 — 一名开发者发布了两次完整的 Amazon 购物流程,分别由 Android 手机上本地运行的 Qwen3.5 0,8B 和 2B 完成,每次调用的输入中位数为 45 个 token;最慢的一次在 Galaxy A04e 上耗时 4 小时 20 分钟,共进行了 578 次调用。🔗 来源

Google

  • Ask AdMob — Google 展示了一款集成在 AdMob 账户中、基于 Gemini 构建的对话智能体,将在未来几个月进行测试;同时,Google 即日起为编程智能体发布 AdMob 智能体技能,并正在准备一款处于早期测试阶段的 MCP 服务器,计划于 2027 年初向更多开发者开放。🔗 来源
  • Google Flow — 11 月 12 日,Google 为其创意工作室新增了五款由艺术家设计的工具,包括可从一次手机拍摄中生成多个摄像机视角的 Pocket Studio,以及用于复古风格创作的 Pixel Machine。🔗 来源

语音、图像与视频

  • Nemotron 3.5 Transcribe — NVIDIA 转发消息称,其开放模型在 Artificial Analysis 于 11 月 13 日发布的说话人区分指数中排名第一:在 97 段涉及两至八人的对话中,词语归属错误率(WDER)为 3.3%,领先于 Voxtral Small Transcribe 3(7.5%)。🔗 来源
  • FLUX: In Production — Black Forest Labs 推出人工智能电影创作大赛,创作任务由合作工作室拟定,奖金总额超过 25 000 美元;比赛将于 11 月 30 日至 12 月 13 日在线举行。🔗 来源
  • Kling Image 4.0 — Kling 宣布其新图像模型即将推出,但未透露日期或具体特性。🔗 来源

企业与培训

  • Autotorino 与 ElevenAgents — 这家每月接到约 100 000 通电话的意大利汽车经销集团,将来电交由语音智能体处理,由其识别需求并创建潜在客户记录;自动处理的通话量已增长至原来的两倍以上。🔗 来源
  • Holiday Extras 的 dot — 在 OpenAI 的一项案例研究中,一位负责人的 dot 自行发现某项功能上线,查询 Google BigQuery,并在无人要求的情况下提交报告;另一个 dot 则在用户通勤途中准备报告。🔗 来源
  • OpenAI 与 The King’s Trust — OpenAI 向这家英国慈善机构捐赠 100 万英镑,用于在 18 个月内为最多 25 000 名年轻人提供人工智能培训,优先面向未就业、未在校就读且未参加培训的青年。🔗 来源
  • Synthesia 谈培训中的人工智能 — 第三份年度报告涵盖来自超过 25 个国家的 800 多名受访者:在使用人工智能的团队中,87% 将其用于生成内容,但仅有 29% 实施个性化学习;而一年前,已经实施或计划实施个性化学习的比例为 70%。🔗 来源

Perplexity

  • 在来源中高亮显示数字 — 在 Computer 和 Teammates 中,打开回答的来源文档时,如今会高亮显示所引用的确切数字;据 @AskPerplexity 称,该功能已在网页版向所有用户开放。🔗 来源
  • 人工智能与 AGI 指南 — Perplexity 发布了一份指南,区分当前已部署的人工智能与 AGI,并提供核验 AGI 发布声明的方法;其中引用了 Claude Opus 5.5 截至 10 月 9 日在 Remote Labor Index 上取得的 21.3% 成绩。🔗 来源

这意味着什么

开放模型与闭源模型之间的差距,如今既体现在分数上,也体现在美元上。Qwen4-Max 的定价低于 Qwen3.8-Max,并宣称每项任务的成本降低了 62%,但在其自有表格的 16 项测试中仅领先四项,也没有任何消息表明它将开放权重。Hugging Face 则押注另一条路线:将路由交给 OpenRouter,依托开放模型;这些模型占 OpenRouter 的 token 用量的 71.7%,平均成本约为闭源模型的四分之一。不过,同一篇文章也承认,Intelligence Index 顶端仍存在 19 分的差距;JFinBench 则测得,在不使用工具的日本金融任务中,差距为 12.4 分,接入网络后缩小至 4.4 分:在评测覆盖较少的领域,闭源模型的领先首先来自其掌握的知识。

智能体正在走出终端,进入受治理的业务系统。在 ChatGPT for Healthcare 中,操控计算机的智能体将病历与保险公司的门户连接起来,并受到基于角色的访问控制、审计日志和 BAA 的约束;在 Replit,Agent 构建的应用直接创建在客户的 Fabric 租户中,沿用其 Entra ID 权限和 Purview 标签。同样的趋势也让攻击者受益:据 GTIG 称,一个框架在无人干预的情况下连续完成了漏洞发现与利用,另一个团伙则通过篡改 Claude Code 配置来安装后门。Gemini CLI 针对可修改 MCP 服务器的修复,也从另一个角度提醒我们:工具的自动批准机制是否可靠,取决于启动该工具的脚本是否完整可信。

科学成为计算与智能体的共同论据。NVIDIA 将 Rubin HPC 及其 CUDA-X 库定位为智能体可调用、用来检验自身想法的仿真工具;Perplexity 希望依托超过 10 000 个 GPU 构建一名自动化科学家;OpenAI 则开设了一个博客,一位物理学家在其中讲述 GPT-6 Astra 如何主导一项证明,同时将其研究人员计划的目标翻倍。承诺仍然走在成果之前:Rubin HPC 预计于 2028 年推出,但尚未公布内存或 FLOPS 指标;Frontier Research 没有展示任何新模型或新论文;克雷格的定义仍只是“候选”定义;OpenAI 的研究衡量的则是受访者自报的生产力,尚未确立因果效应。

衡量方式也在变化。OpenAI 向 Apollo Research、METR、Transluce 和 Goodfire 开放模型检查点及训练过程,但仍掌控内容删减和发布时间。Together AI 展示,在一项技能中加入两句话,就能让一个模型从 15 次仅成功四次提升至 100% 成功,这使得无引导条件下测得的模型差距需要结合背景看待。在 JFinBench 的一次事件中,两个模型找到了一把被遗忘的 OpenRouter 密钥,借此让其他模型代为工作,这提醒我们,带工具的评测也在衡量环境中有哪些资源触手可及。而 Vera Rubin 在 MLPerf Endpoints 上超过 10 倍的性能提升,在获得 MLCommons 核验之前,仍只是暂定结果。


来源