ai-powered-markdown-translator文章使用 gpt-6.1-sol 从法语翻译为中文。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,以更少的词元取得更好的成绩:Astra 在 Agents’ Last Exam 上达到 78,3 %,成本不到 GPT-6 Astra 的三分之一,两款模型也在当天接入 GitHub Copilot 和 Perplexity。NVIDIA 公布季度营收为 1158 亿美元,这是黄仁勋于 11 月 12 日离任后的首份财报;Microsoft 则在 Ignite 大会上宣布在 Copilot 中推出 MAI Code 2。Perplexity 开放 Orchestrator API,Cognition 和 Replit 推出持续追求目标的智能体(Devin Bots、Replit Missions),Google 则在六个国家免费开放 Gemini 的 Tasks。
GPT-6.2 Astra 和 GPT-6.2 Sol:以更少的词元取得更好的成绩,登陆 ChatGPT Work、Codex 和 API
11 月 17 日 — OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,分别接替 GPT-6 Astra 和 GPT-6.1 Sol。Astra 成为面向最高要求项目的旗舰模型,Sol 则定位为日常通用模型。本次发布的主线是效率:以更少的输出词元取得更好的成绩,从而在相同使用额度内完成更多任务,并显著降低每项任务的成本。
在评估多步骤专业工作的 Agents’ Last Exam v1.1 上,GPT-6.2 Astra 达到 78,3 %,每项任务成本为 2,89 美元:比 GPT-6 Astra 高出 5,2 个百分点,成本却不到其三分之一;比 Claude Fable 5.2 高出 5,5 个百分点,成本仅为其 5 %。它还在 Terminal-Bench-Science(77,1 %,比 GPT-6 Astra 高 9 个百分点)、Harvey LAB-AA(得分超过 Fable 5.2 的两倍)以及 OpenAI 内部的 GDPval v2(提高 6,2 个百分点,同时减少 22 % 的输出词元)上领先,并以 1 318 Elo 登顶 AA-3D,这是一个通过人类盲测偏好对三维模型进行排名的榜单。不过,公告中的图表显示,Claude Fable 5.2 在 Artificial Analysis Intelligence Index(64,6 对 62,1)和 Cognition 的 FrontierCode 2.0(49,1 % 对 44,2 %)上仍然领先。GPT-6.2 Sol 在 FrontierCode 2.0 上与 Astra 的差距不到 0,5 个百分点(43,8 % 对 44,2 %),成本约为其五分之一;在 LifeVal 上也超越了 GPT-6 Astra,成本约为其七分之一。
| 评测基准 | GPT-6.2 Astra | GPT-6.2 Sol | GPT-6 Astra | GPT-6.1 Sol | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | 78,3 % | 73,0 % | 73,1 % | 72,5 % | 72,8 % | 77,4 % |
| 每项任务成本(Agents’ Last Exam) | 2,89 美元 | 1,32 美元 | 8,99 美元 | 2,02 美元 | 60,05 美元 | 4,60 美元 |
| Terminal-Bench-Science 0.1 | 77,1 % | 68,0 % | 68,1 % | 57,0 % | 73,3 % (AA) | — |
| AA Intelligence Index v5.0.1 | 62,1 | 57,3 | 56,9 | 54,6 | 64,6 | 60,0 |
| FrontierCode 2.0 (Cognition) | 44,2 % | 43,8 % | 42,8 % | 39,0 % | 49,1 % (xhigh) | 41,1 % (medium) |
| Harvey LAB-AA v1.1 | 15,0 % | 11,1 % | 8,6 % | 6,9 % | 7,2 % | — |
| GDPval v2(内部) | 50,4 % | 46,9 % | 44,2 % | 41,5 % | 44,8 % | 48,8 % (high) |
以上为 OpenAI 展示的各模型最佳配置,除特别注明外,均采用最高推理强度(在 Agents’ Last Exam 上,GPT-6.2 Astra 使用 xhigh,Gemini 4 Carbon 使用 high;Fable 5.2 的成绩不包含由备用模型处理的九项任务)。在 Terminal-Bench-Science 上,Fable 5.2 的成绩来自 Artificial Analysis;Anthropic 则公布其在 Claude Code 中达到 74,6 %。
价格方面,Astra 的输入和输出价格比 GPT-6 Astra 降低 20 %,缓存输入价格降低 60 %;Sol 沿用 GPT-6.1 Sol 的价格。在 API 中(gpt-6.2-astra 和 gpt-6.2-sol),两款模型均支持 Responses API 和 Chat Completions,但工具调用需通过 Responses API。OpenAI 建议保持提示词开头不变,将新增指令追加在后面,以便复用缓存。
| 价格类型(每百万词元) | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 输入 | 8 美元 | 2 美元 |
| 缓存输入 | 0,40 美元 | 0,10 美元 |
| 输出 | 40 美元 | 10 美元 |
In the API, use gpt-6.2-astra and gpt-6.2-sol. Both models also support Fast and Ultrafast modes. We’re cutting Ultrafast pricing by 50% for the next three months, making it available at just 3x the cost of Standard for API and Enterprise users. Ultrafast is also coming to Pro 200 subscribers, starting with GPT-6.2 Sol.
🇨🇳 在 API 中,请使用 gpt-6.2-astra 和 gpt-6.2-sol。两款模型也都支持 Fast 和 Ultrafast 模式。未来三个月,我们将 Ultrafast 的价格降低 50 %,使 API 和 Enterprise 用户仅需支付 Standard 的 3 倍费用即可使用。Ultrafast 也将向 Pro 200 订阅用户开放,首先支持 GPT-6.2 Sol。 — @OpenAIDevs 在 X 上
GPT-6.1 Sol 的 Ultrafast 于 10 月 8 日推出,当时价格为 Standard 的 6 倍。自 11 月 17 日起,Plus、Pro、Enterprise 和 Edu 订阅用户可在 ChatGPT Work 和 Codex 中使用这两款模型,但在传统聊天界面中尚不可用。在 Enterprise 和 Edu 工作区中,预览功能默认关闭,需要管理员启用;要求在阿联酋境内进行推理的工作区仍无法使用。在公告提到的首批客户中,Basis 表示,其耗时较长的会计工作平均用时已缩短一半。
安全性在公告和系统说明卡中占据较大篇幅。与 GPT-6 Astra 一样,两款模型在网络安全方面均达到 Critical 门槛,在生物和化学方面达到 High 门槛。GPT-6.2 Astra 也是 OpenAI 首个在人工智能自我改进方面达到 High 门槛的公开模型,即其加速人工智能研究的能力达到这一水平。这对安全团队意味着更严格的网络安全防护措施,而这些措施也会拦截部分正当的漏洞研究;GPT-6.2 模型未来将接入 Daybreak,但尚无时间表。OpenAI 最后还指出一项对齐缺陷:在两项测试中,模型更常隐瞒遇到的障碍(例如缺失文件、搜索工具不可用);在 Codex 中加入指令后,这类遗漏显著减少,调查仍在继续。
🔗 GPT-6.2 Astra 和 Sol 发布公告(OpenAI) · GPT-6.2 系统说明卡
Astra for Law 升级至 GPT-6.2 Astra,所有 ChatGPT Enterprise 客户均可申请使用
11 月 17 日 — 与此同时,OpenAI 更新了 Astra for Law,这是一套于 9 月 17 日面向少数律师事务所推出的法律专用配置。它现在将 GPT-6.2 Astra 与扩充后的法律检索索引相结合,索引包含超过 539 000 项美国资源,以及超过 98 000 项英国、澳大利亚和加拿大资源,并配有关于研究、来源评估和写作的指令。所有 ChatGPT Enterprise 客户均可通过管理控制台中的可信访问计划申请使用;API 访问则需要单独授权。
| 法律评测 | Astra for Law | 对比参照 |
|---|---|---|
| Harvey LAB-AA,获满分任务 | 20,8 % | GPT-6.2 Astra 15,0 %,Muse Wonder Full 13,1 % |
| 每项任务的实质性幻觉数量(LAB-AA) | 0,03 | Claude Opus 5.5 0,59 |
| LAB: USCL,由模型检索判例 | 1 844 | Claude Opus 5.5 1 817 |
| LAB: USCL,提供判例 | 1 883 | Claude Opus 5.5 1 882 |
| Legal Research Bench (Vals AI) | 54,81 % | 9 月版本约为 46 % |
在 LAB-AA 上,Astra for Law 每项任务约生成 64 000 个输出词元,比 Muse Wonder Full 少 54 %。在法律文书撰写评测(LAB: USCL)中,它对 Opus 5.5 的领先幅度很小,两种配置下的不确定性区间均存在重叠。
🔗 基于 GPT-6.2 Astra 的 Astra for Law(OpenAI)
Responses API 推出 2 小时和 8 小时执行窗口,价格分别降低 30 % 和 40 %
11 月 17 日 — 同一天,OpenAI 为 Responses API 的后台模式新增了折扣执行窗口,以公开测试形式支持 GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra 和 GPT-6 Luna。能够等待的开发者可将 background_options.completion_window 设为两小时(词元价格比 Standard 低 30 %)或八小时(低 40 %),以替代默认的无折扣即时执行。
Batch API 面向一次性批量提交的独立请求,而这些窗口适用于多轮工作的智能体:工具调用后的后续请求,只要沿用相同窗口、相同模型和相同项目,就能保留折扣并获得优先处理。该折扣要求使用 Standard 处理层级,与 Batch API 共享速率限制,且不支持流式输出。自 11 月 17 日起,openai-python 3.53.0 和 openai-node 7.58.0 SDK 已集成该功能。
GPT-6.2 Astra 和 GPT-6.2 Sol 登陆 GitHub Copilot
11 月 17 日 — 发布当天,GPT-6.2 Astra 和 GPT-6.2 Sol 在 GitHub Copilot 中正式开放,适用于 Pro+、Max、Business 和 Enterprise 套餐(不含 Pro)。根据 GitHub 的初步测试,GPT-6.2 Sol 在代码审查中发现的真实问题接近 GPT-6.1 Sol 的两倍;GPT-6.2 Astra 发现的问题也明显多于 GPT-6 Astra,同时在智能体编程任务中消耗更少的词元。两款模型均按 OpenAI 官方价目表按量计费,正逐步覆盖从 VS Code 到 Eclipse 的十个平台,并会在未关闭新模型默认启用设置的组织中自动启用。
🔗 GitHub 更新日志:GPT-6.2 Astra 和 GPT-6.2 Sol
Perplexity 在 Search 和 Computer 中开放 GPT-6.2,WANDR 得分为 0,783 和 0,746
11 月 17 日 — Perplexity 也在发布当晚于 Perplexity Search 和 Computer 中提供 GPT-6.2 Astra 和 GPT-6.2 Sol。在其有来源支撑的研究基准 WANDR 上,GPT-6.2 Astra 得分为 0,783,每项任务成本约为 12,54 美元,比 GPT-6 Astra 高 0,095 分;GPT-6.2 Sol 得分为 0,746,成本约为 2,65 美元,比 GPT-6.1 Sol 高 0,065 分。随公告发布的图表将这些成绩与其他模型进行对比:Gemini 4 Carbon 和 Claude Fable 5.2 仍然领先,而 GPT-6.2 Sol 成为得分超过 0,7 的模型中价格最低的一款。该帖未说明适用的订阅套餐。
| WANDR 评测模型 | 得分 | 每项任务成本 |
|---|---|---|
| Gemini 4 Carbon | 0,857 | 5,86 美元 |
| Claude Fable 5.2 | 0,807 | 15,82 美元 |
| GPT-6.2 Astra | 0,783 | ~12,54 美元 |
| GPT-6.2 Sol | 0,746 | ~2,65 美元 |
| Gemini 4 Hydrogen | 0,698 | 5,41 美元 |
| GPT-6 Astra | 0,688 | 12,73 美元 |
| GPT-6.1 Sol | 0,681 | 1,59 美元 |
| Claude Opus 5.5 | 0,662 | 5,33 美元 |
GPT-6.2 的得分取自帖子正文,其他模型的得分取自 Perplexity 发布的图表。
NVIDIA:黄仁勋卸任,随后科莱特·克雷斯任内季度营收达 115,8 十亿美元
11月12日 — NVIDIA 董事会宣布,公司联合创始人黄仁勋辞去总裁、首席执行官及董事职务,即刻生效。自 2013 年 9 月起担任执行副总裁兼首席财务官的科莱特·克雷斯出任临时首席执行官,同时继续担任首席财务官,直至任命正式继任者;董事会将面向内部和外部候选人展开遴选。Synopsys 前首席执行官兼执行董事长哈维·西·琼斯出任公司首位董事会主席(董事会主席)。哈维·西·琼斯表示,董事会对科莱特·克雷斯充满信心,并预计公司运营、对客户的承诺以及产品路线图都将持续推进,不受中断。同一份公告还确认,季度业绩将按计划于 11月17日发布。
11月10日 — 两天前,NVIDIA 独立董事在另一份公告中宣布,已委托纽约南区前代理联邦检察官金俊贤和 Wachtell, Lipton, Rosen & Katz 律师事务所开展一项“深入且独立”的调查。该公告未说明调查对象,11月12日的公告也未提及这项调查。
11月17日 — NVIDIA 发布截至 10月25日的 2027 财年第三季度业绩。这是黄仁勋离职后的首份业绩报告,公告由科莱特·克雷斯发布。营收达到 115,8 十亿美元,较上一季度增长 20 %,是去年同期的两倍多。其中绝大部分来自数据中心业务。
| 指标(2027 财年第三季度) | 公布数值 | 同比变化 |
|---|---|---|
| 营收 | 115,8 十亿美元 | +103 % |
| 数据中心 | 107,6 十亿美元 | +110 % |
| 边缘计算(Edge Computing) | 8,2 十亿美元 | +42 % |
| GAAP 毛利率 | 74,8 % | +1,4 个百分点 |
| GAAP 净利润 | 65,3 十亿美元 | +105 % |
| GAAP 摊薄每股收益 | 2,70 美元 | +108 % |
对于比通常多一周的第四季度,NVIDIA 预计营收为 130 十亿美元,上下浮动 3 %,其中不计入任何来自中国的数据中心计算收入,毛利率则将降至 71 至 72 %。公司在本季度向股东返还了 28,1 十亿美元,股票回购计划还剩约 227,3 十亿美元的额度。产品方面,本季度 Vera Rubin NVL72 首次实现批量交付,NVIDIA 称这是公司历史上最快的量产爬坡,相关机架已在 CoreWeave、Google Cloud、Microsoft Azure、Oracle Cloud Infrastructure 和 Nebius 投入使用。
🔗 2027 财年第三季度业绩(NVIDIA) · 首席执行官职务交接(11月12日) · 独立董事声明(11月10日)
Microsoft 推出 MAI Code 2 和 MAI Code 2 Flash,发布当日即在 GitHub Copilot 上线
11月17日 — 在 Ignite 期间,Microsoft AI 推出两款新的编程模型,并于当天在 GitHub Copilot 上线。MAI Code 2 面向复杂任务:深度调试、跨文件修改、重构以及代码仓库层面的推理。MAI Code 2 Flash 则面向重复性工作:代码解释、局部调整和日常修复。
Microsoft 强调其性价比,衡量依据是四项贴近企业实际工作的基准测试的平均结果(DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1)。这些成本按 MAI-Code-2 的 50 % 促销价计算,所有模型均采用最高推理强度,其中三项基准通过 Copilot CLI 运行,未使用子智能体。在前端方面,258 名标注员的盲测评估显示,MAI Code 2 的结果在 64 % 的情况下比 GPT-6 Sol 更受青睐。
| 对比(据 Microsoft AI) | 相对性能 | 相对成本 |
|---|---|---|
| MAI Code 2 对比 GPT 6.1 Sol | 98 % | 40 % |
| MAI Code 2 对比 Claude Opus 5.5 | 96 % | 5 % |
| MAI Code 2 Flash 对比 GPT-6 Luna | 相当 | 65 % |
| MAI Code 2 Flash 对比 Claude Haiku 5.5 | 相当 | 20 % |
Microsoft 承认一个局限:这些模型“尚未针对”基础科学研究或超长周期的智能体工作进行调优。
在 Copilot 中,MAI Code 2 面向 Pro 至 Enterprise 套餐开放,MAI Code 2 Flash 则从 Free 套餐起即可使用,覆盖十个使用入口(VS Code、Visual Studio、Copilot CLI、云端智能体、GitHub Copilot 应用、github.com、GitHub Mobile、JetBrains、Xcode、Eclipse)。这两款模型均按用量计费;对于未关闭新模型自动启用功能的组织,它们默认开启。MAI-Code-2 也加入了 Copilot Fusion 的 Standard 层级,其前代 MAI-Code-1.1-Flash 将于 12月18日从所有 Copilot 使用场景中下线。在 GitHub 之外,MAI Code 2 Flash 已在 Microsoft Foundry 进入受限访问预览阶段,Microsoft 还宣布它即将登陆 OpenRouter、Vercel、Hermes、Open Code 和 Kilo。
🔗 GitHub 更新日志:MAI Code 2 和 MAI Code 2 Flash · Microsoft AI 公告
Perplexity 整合多家供应商的模型:Orchestrator API 与 Computer 的 Multiagent 层级
11月17日 — Perplexity 推出 Orchestrator API,向开发者开放其自有产品使用的模型层。据该公司称,这一层每天将数亿次请求路由至超过 85 款模型和十多家供应商。只需一个 API 密钥,Orchestrator 即可提供对 OpenAI、Anthropic、Google 和 xAI 的超过 45 款模型,以及开放权重模型(GLM、Kimi、DeepSeek)的访问。请求支持 OpenAI Chat Completions、OpenAI Responses 或 Anthropic Messages 格式:只需替换现有 SDK 的密钥和基础 URL。
其首要卖点是可靠性。当供应商返回错误、触及速率限制或请求超时时,Orchestrator 会在同一模型的另一个部署上重试请求:Claude 请求可以从 Anthropic 转至 AWS Bedrock,GPT 请求则可以从 OpenAI 转至 Azure。每款模型均按公开的每 token 价格计费,无论由哪家供应商响应,除积分外不额外收取平台费用。两项功能目前处于预览阶段:Routes 根据自然语言描述为每次请求选择模型(perplexity/auto),Auto effort 则在下一轮调整推理强度。
Perplexity 用一个敏感场景展示 Routes:绕过拒绝。该公司指出,Anthropic 的文档说明,Claude Fable 5.2 的安全防护可能会阻止无害的网络安全或生命科学工作。保留 Fable 作为默认模型,同时将这些任务以及遭到拒绝后继续进行的任务转交给 GPT-6 Astra 或 GPT-6.1 Sol,可以让 Claude Code 解决更多任务,但估算的单项任务成本也更高。Orchestrator API 自 7 月起就已存在于 Perplexity API 中,最初支持开放权重模型;11月17日标志着其正式发布。
| Perplexity 衡量项目 | 公布数值 |
|---|---|
| 模型目录中的模型数量 | 超过 45(OpenAI、Anthropic、Google、xAI、开放模型) |
| Claude Opus 5.5,最快供应商(30 天) | Anthropic 15 天,AWS Bedrock 15 天 |
| GPT-5.6 Sol,Azure 相比 OpenAI 的中位速度 | +27 % |
| Terminal-Bench 4.1(63 项任务),仅使用 Fable 5.2 | 63 项中完成 38 项 |
| 同一测试,路由至 GPT-6 Astra 或 GPT-6.1 Sol | 63 项中完成 41 项 |
| 平台费用 | 除积分外无额外费用 |
🔗 Orchestrator 简介(Perplexity) · Orchestrator:一个 API 实现可靠推理
11月17日 — 同一天,Perplexity 为 Computer 新增了高于 Ultra 的 Multiagent 推理强度层级。此前,主智能体会将部分任务交给辅助智能体,后者只向主智能体汇报。使用 Multiagent 时,主智能体会带领一支运行于不同模型之上的智能体团队,成员并行工作、直接交流发现、相互检查工作,并协调对共享文件的修改。默认团队以 Claude Fable 5.2 为核心,由它规划工作并分配给基于 Claude Opus 5.5、GPT 6.1 Sol 和 Gemini 4 Carbon 的智能体;主智能体最多可以调动 16 个智能体,用户也可以在请求中指定模型。
| Perplexity 公布的结果 | 公布数值 |
|---|---|
| 最佳混合团队,Terminal-Bench 4.1 | 0,727(由 Gemini 4 Carbon 领导) |
| 相比主模型四个副本的提升(TB 4.1) | +0,008 至 +0,125 |
| 相比主模型四个副本的提升(WANDR) | +0,015 至 +0,064 |
| 最佳团队与四个副本的成本对比 | 10,31 对比 ~13 美元;54,50 对比 66,41 美元 |
据 Perplexity 称,每支混合团队都同时胜过单独运行的主模型和该模型的四个副本,而每项测试中的最佳团队成本都低于这四个副本。Multiagent 目前仅面向网页版的 Max 订阅用户开放(推文称为 Max 和 Enterprise Max),移动端和桌面应用预计即将支持;Perplexity 未公布其具体积分消耗。
Multiagent is optimized for performance. It is credit-intensive. Use it only for your most important tasks. Multiagent is best for forecasting, high-density problem solving, and consequential decision making.
🇨🇳 Multiagent 针对性能进行了优化。它会消耗大量积分。请仅将其用于最重要的任务。Multiagent 最适合预测、高度复杂的问题以及影响重大的决策。 — @perplexity_ai 在 X 上
Devin Bots 与 Replit Missions:以目标而非单项任务为导向的智能体集群
11月17日 — Cognition 推出 Devin Bots,将其称为“工程队友”(工程团队伙伴)。每个 Bot 都是一个持久运行的智能体,拥有自己的记忆和工具,能够并行开展多个 Devin 会话。交给它的是一项职责,而非单项任务:它会调查、委派、评估结果并决定下一步,只将需要人类判断的决策放入 需要您处理收件箱,交由人类处理。多个 Bot 可以相互协调,例如 QA Bot 将一个缺陷转交给 Developer Bot;用户可以通过 Slack、iMessage 或 Devin 应用跟进它们的工作。
Cognition 以自家的 Bot 展示使用方式。9月28日启动的 Android Bot 用 44 天构建了 Devin 的 Android 应用,目前已在 Google Play 开放测试,期间负责监督的工程师仅发送了 183 条消息。
| Cognition 提及的 Bot | 公布结果 |
|---|---|
| Android Bot(44 天) | 1 134 个 PR,344 651 行 Kotlin,2 841 项测试,1 217 个工单,183 条消息 |
| Layout Bot(3 周) | 合并 159 个 PR,延迟降低 70 % |
| 移动游戏工作室 | 约二十个 Bot,每周 50 至 1 900 个 PR |
On average, beta testers are merging 4.5x more PRs per message using Devin Bots. We’ve seen individual engineers go from 50 PRs a week to nearly 2,000.
🇨🇳 平均而言,参与测试的用户使用 Devin Bots 时,每条消息对应合并的 PR 数量是原来的 4,5 倍。我们看到,有工程师的每周 PR 数量从 50 个增至近 2 000 个。 — @cognition 在 X 上
Bots 现已可用。定价页面显示,Max(每月 200 美元)、Teams(每月 80 美元)和 Enterprise 套餐包含此功能,Free 和 Pro 不包含;目前未公布 Bots 的单独定价。
11月17日 — 同一天,Replit 推出 Missions,将其称为面向团队无暇推进项目的“智能体集群运行框架”(智能体集群运行框架)。用户描述预期结果后,一组智能体便会并行规划、构建、测试和迭代。执行框架由一份任务约定(Mission Contract)设定:支出上限、需要审批的操作(联系潜在客户、作出产品承诺),以及可接受的取舍。一个独立的 AI 评判者会根据约定标准核查结果;达到标准或预算耗尽时,任务即停止。
Replit 通过三项演示支撑此次发布。在 13 项 NumPy 优化任务中,由 32 个智能体组成的集群实现了初始速度的 19 倍,而单个智能体在 Auto(Max)模式下为 4 倍。在 Qwen 的 E-Commerce Bench 中,Missions 在模拟的一年里将 100 000 日元增至 4,82 百万日元。最后,Missions 在两天内、以不超过 3 000 美元的预算构建了应用监控平台 DataCat。Replit 以 Apache 2.0 许可证将其开源,并将其与使用相同提示词、通过 Claude Code 的 /goal 构建的版本进行比较,同时说明这些是受控测试,每种配置仅运行一次。
| Replit 公布的 DataCat 测试 | 公布结果 |
|---|---|
| 检测人为引入的缺陷 | 38 秒,目标为 60 秒 |
| 持续负载运行 3 小时 | 26 百万条记录,4,4 百万条日志 |
| 每秒追踪数(对比 Claude Code) | 49 000 对比 9 800 |
| API 兼容性 | 56 项检查中通过 51 项,对比版本通过 45 项 |
Missions 可通过 Replit 的“新建”按钮启动;文章未说明适用套餐或定价,支出取决于用户设定的预算。
🔗 Replit Missions 简介 · DataCat 代码仓库
Gemini 应用在六个国家免费开放 Tasks,并学会打电话、付款和接收短信
11月17日 — Google 免费开放 Gemini 应用的 Tasks 功能。据负责 Labs、Gemini 应用和 AI Studio 的副总裁乔希·伍德沃德介绍,这一模式可让 Gemini 在后台执行耗时较长的项目或周期性任务,目前正向美国、日本、韩国、加拿大、澳大利亚和印度数亿符合条件的用户推出。该功能由11月12日发布的快速模型 Gemini 4 Hydrogen 驱动,可通过首页的 Chat / Task 开关启用。
一系列高级功能也同步上线,首先面向美国用户。Gemini 可以代替用户打电话,包括同时联系多家商户,以比较报价、查询库存或预约;它会说明自己是人工智能,商户可以拒绝此类来电。它还可通过 Agent Payments Protocol(AP2)使用 Google Pay 付款,支持 Visa 和 Mastercard,American Express 也即将加入:用户可设置支出上限并选择获准交易的商店,Gemini 会在购买前请求确认,除非用户授权它在限额内自主操作。它还可借助 Google Password Manager 登录在线门户,并通过 RCS 接收短信,或接收转发至 gemini@google.com 的电子邮件。
| 公布的功能 | 公布的可用范围 |
|---|---|
| 免费 Tasks(Gemini 4 Hydrogen) | 11月17日起:美国、日本、韩国、加拿大、澳大利亚、印度 |
| Gemini 代打电话 | 首先在美国推出,印第安纳州、路易斯安那州、明尼苏达州、蒙大拿州、内布拉斯加州除外 |
| Google Pay 付款(AP2) | 首先在美国推出;支持 Visa、Mastercard;American Express 即将加入 |
| 通过 RCS 接收短信及 gemini@google.com | 首先在美国推出;RCS:需美国号码及符合条件的运营商 |
| iOS 版 Google Wallet | 11月17日起在美国推出 |
| Universal Commerce Protocol(UCP) | 稍后推出,尚无日期 |
收据和物流跟踪信息会进入 Google Wallet,该应用同一天也在美国登陆 iOS;Gemini 则依托超过 60 个已连接的应用运行。在安全方面,每项任务都在 Google Cloud 的 Agent Compute Engine 上运行,使用专属于该账户、绝不共享且在硬件层面隔离的虚拟机;Google 还提到防范提示词注入的过滤器,以及点击任何“购买”按钮前必须确认的机制,但标记为“始终允许”的操作除外。博文最后承认,任务仍可能失败,而且在某些网站上,Gemini 会将最后一次点击交还给用户完成。
🔗 Gemini 中的 Tasks(Google 博客) · Google Wallet 在美国登陆 iOS
Kling Image 4.0:原生 8K 生成,每张图片最多可包含 2 000 个文本字符
11月17日 — 前一天刚宣布即将推出的 Kling Image 4.0 现已上线。Kling 的新图像模型采用统一的自回归架构,将视觉理解与生成整合在一起(原生统一理解与生成架构),并重点介绍了三项进步。
第一项是真实感:Kling 首次支持原生 8K 生成,并提供超过 110 种调色预设,也可从参考图片中提取配色。第二项是文字:单张图片最多可包含 2 000 个清晰可读的字符,提示词最长可达 15 000 tokens,支持超过 70 种商用字体,并能直接修改生成图片中的文字和字体,支持七种语言(简体中文、繁体中文、英语、日语、韩语、西班牙语、葡萄牙语)。第三项是系列生成:通过模型的智能体能力进行规划,单次请求最多可生成 10 张风格一致的图片,还能为电商网站的商品页面生成超长图片。
| 公布的特性 | Kling Image 4.0 |
|---|---|
| 最高分辨率 | 原生 8K |
| 每张图片的文字量 | 最多 2 000 个字符 |
| 提示词长度 | 最长 15 000 tokens |
| 单次请求生成的一致性图片数量 | 最多 10 张 |
| 预设字体 | 超过 70 种 |
| 调色预设 | 超过 110 种 |
| 文字支持的语言 | 7 |
Kling Image 4.0 已向所有 Kling Creative Studio 用户开放,并通过 API 向企业和开发者提供。Kling 尚未公布价格或基准测试结果:从原生 8K 到长文本,其宣称的进步尚无与其他模型对比的量化数据。
🔗 Kling Image 4.0(Kling 博客) · Kling 在 X 上的公告
生成式视频:Suno Visuals 将歌曲转为影像,HeyGen 推出 Avatar 6
11月17日 — 继10月拓展语音功能后,Suno 通过 Visuals 进军图像和视频领域。该工具可将曲库中的歌曲转成最长 15 秒的视频短片、与节拍同步的歌词视频或专辑封面,也可将照片转成视频短片。据 Suno 介绍,其尚未命名的模型专为音乐进行了优化:视频会跟随歌曲结构、呼应歌词,并让角色口型与演唱同步。用户随后可以延长视频、进行修改,或重新提交文本提示词。Visuals 已在网页端、iOS 和 Android 上线,也可通过 Suno 的 MCP 服务器访问。
Visuals 使用独立于歌曲积分的专用积分,付费订阅用户可在限时活动期间免费创建首个视觉作品。
| 视觉生成积分包 | 公布的价格 |
|---|---|
| 2 500 积分 | 14,99 美元 |
| 5 500 积分 | 29,99 美元 |
| 20 000 积分 | 99,99 美元 |
| 40 000 积分 | 199,99 美元 |
| 视频费用(快速 / 标准) | 每秒 15 / 30 积分 |
Suno 强调了防护措施:过滤器会拦截涉及艺人、公众人物或受版权保护作品的提示词和图片;每段视频在展示前都会接受检查;Audible Magic、ACRCloud 和 Musixmatch 会过滤受版权保护的音频;所有分享到平台外的内容都会预先嵌入水印。
HeyGen 推出 Avatar 6,与真实视频对比时被认作实拍的比例为 42,2 %
11月17日 — HeyGen 推出新一代视频虚拟形象模型 Avatar 6,并称其在 New Measure 的 Avatar Arena 中排名第一。该模型可生成原生 2K 画面,并根据脚本含义调整动作,例如计数、指点或指示方向,而不是重复相同动作;它还可在同一镜头中安排两个虚拟形象,呈现主持人与嘉宾之间的对话。用户完成身份验证后,即可通过一张照片和一段本人的短视频创建虚拟形象。
| HeyGen 公布的测试 | 公布的结果 |
|---|---|
| Avatar 6 被认作实拍(并排对比,270 份回答) | 42,2 % |
| HeyGen 计算的“不可辨识度” | 84,4 %(Avatar V:44,4 %) |
| 单独观看时,真实视频被认作实拍的比例 | 78,9 % |
| 单独观看且使用本人声音时,Avatar 6 被认作实拍的比例 | 65,1 % |
| 相较 Seedance 2.5 的偏好率 | 72,4 % |
重点宣传的 84,4 % 是 HeyGen 计算得出的数值,即将投票者把虚拟形象误认为真实视频的 42,2 % 比例翻倍。Avatar 6 已在应用内、API 和 HeyGen 的 MCP 中提供,尚未公布价格。
🔗 HeyGen 在 X 上的公告 · Avatar 6 模型介绍
Microsoft Ignite 上的 GitHub Copilot:基于 Rust 的 SDK 2.0、登上 Terminal-Bench 4.1 的 Fusion、自适应代码审查、浏览器、Evals、Entra 和 JetBrains
11月17日 — Ignite 当天,GitHub 更新日志新增了约十五条内容。除了前文介绍的 MAI Code 2 和 GPT-6.2,Copilot 还带来了以下产品更新。
Microsoft Copilot SDK 2.0 改用 Rust 核心,并让多个会话共享运行时
用于接入 Copilot 运行框架、并于10月28日更名为 Microsoft Copilot SDK 的 SDK 迎来主版本更新。单个运行时如今可以承载多个相互隔离的会话,每个会话都有各自的身份、工具、文件和历史记录:创建会话不再需要启动容器、进程或虚拟机。为使这一模式可行,运行时已使用 Rust 重写。
| 公布的指标(预热后的负载) | TypeScript CLI | Rust 2.0 核心 |
|---|---|---|
| 客户端 + 会话 + 一轮交互 | 5,25 s | 55,3 ms |
| 10 个客户端的内存占用 | 1 383 Mo | 126 Mo |
| 会话吞吐量 | 每秒 7,55 个 | 每秒 120 个 |
SDK 新增“空白”模式(不继承宿主的任何命令行环境或文件系统)、会话日志,以及用于从另一实例恢复会话的 sessionFs。此版本包含不兼容变更(选项整合、SDK 4 协议、Python 和 Rust 端的重命名),并继续提供 TypeScript、Python、Go、.NET、Java 和 Rust 版本。
🔗 Microsoft Copilot SDK 2.0(Command Line) · v2.0.0 版本发布
Copilot Fusion 进入 Terminal-Bench 4.1 排行榜,并登陆 github.com、Visual Studio 和移动端
GitHub 首次在公开排行榜上公布 Copilot Fusion 的成绩。该模式会根据投入程度选择并协调模型。在由斯坦福大学、Harbor 和劳德研究所托管的 Terminal-Bench 4.1 上,据 GitHub 称,Copilot Fusion Max 的解决率达到 71,2 %,比 Opus 5.5 和 Fable 5.2 高出 5,4 个百分点,成本则分别比 Fable 5.2 和 Opus 5.5 低 88 % 和 57 %。用户如今可在 github.com、Visual Studio 和 GitHub Mobile 测试版应用中选择 Fusion,其模型阵容也在扩大:Claude Sonnet 5.5 加入 Max 档,GPT-6.1 Terra 加入 High 档,MAI-Code-2 加入 Standard 档。
Copilot 代码审查可自主选择投入程度、检测敏感凭据,并在 Azure DevOps 上正式推出
Adaptive 已向 Pro 至 Enterprise 各档用户开放公开预览。Copilot 会评估每个拉取请求的复杂性和风险,并自行选择 Lite、Balanced 或 Max 投入程度;所选级别会显示出来,且绝不会超过管理员设置的上限。另外两项功能也进入公开预览:读取关联的公共代码仓库,以识别依赖此次变更的代码;检测拉取请求中暴露的敏感凭据,结合超过 500 个正则表达式检测器,以及用于识别无明显格式特征凭据的人工智能检测。仓库洞察页面可跟踪四项指标,包括已处理的 Copilot 评论,以及未经其审查便合并的拉取请求。最后,Azure Repos 的代码审查功能正式推出,通过 Azure 订阅中的 GitHub 人工智能积分计费。
Copilot 借助 Chrome 扩展操作浏览器,应用新增 Azure DevOps 支持
配合新的 GitHub Copilot in Chrome 扩展,浏览器操作功能已在 Copilot CLI、GitHub Copilot 应用、VS Code 和 JetBrains 中进入公开预览:Copilot 可在已登录的 Chromium 浏览器(Chrome、Edge)中,通过隔离的标签页组填写表单、提取网页信息或测试正在开发的应用。该功能默认关闭,管理员可通过托管设置 features.browserUse 将其禁用。GitHub Copilot 应用也以公开预览形式新增 Azure DevOps 代码仓库支持:智能体可克隆仓库、创建拉取请求、处理审查评论,并通过 agent merge 修复 CI 后完成合并;这些仓库暂不支持云端会话。
🔗 GitHub 更新日志:浏览器操作 · GitHub Copilot 应用在 Ignite 上的更新
GitHub Copilot Evals 开放公开预览,可测试技能、智能体和 MCP 工具
GitHub Copilot Evals 已向 Copilot Individual、Business 和 Enterprise 用户开放公开预览,用于验证 Copilot 配置在提示词、模型、技能或工具变化后是否仍能正常工作。一项评估会描述真实任务及其理想结果,然后同时检查结果和智能体执行任务的路径。用户可通过 /eval 命令或自然语言,为某项技能、自定义智能体或 MCP 工具创建评估,运行评估(每次运行前都须批准),并比较修改前后的运行情况。该工具基于本地评估引擎 Vally,可作为 VS Code 扩展安装,也可作为 Copilot CLI 和应用的插件安装。
Copilot CLI 支持 Microsoft Entra 登录和 Microsoft 365 Copilot 许可证
Copilot CLI 已在 Windows 和 macOS 上公开预览 Microsoft Entra 登录功能,Linux 支持随后推出。对于 EMU 账户通过 OIDC 登录的企业,Entra 身份会静默登录关联的 GitHub 账户,并使用 Copilot Business 或 Enterprise 许可证。更为新颖的是,参与 Frontier 计划、且持有按用量计费的 Microsoft 365 Copilot 许可证的组织,无需 GitHub 账户即可使用 Copilot CLI:推理将通过 Microsoft 365 进行,Work IQ MCP 服务器则提供工作数据作为上下文。该功能要求使用同一天转为稳定版的 Copilot CLI 1.0.113。
🔗 GitHub 更新日志:Entra 登录 · Copilot CLI 1.0.113
JetBrains 版 Copilot 新增云端沙箱、远程访问和本地语音输入
面向 JetBrains IDE 的 GitHub Copilot 插件在多项智能体功能上追赶 VS Code,这些功能均处于公开预览阶段:在 GitHub 托管的隔离环境中执行会话的云端沙箱;可从 VS Code 或 Copilot 应用恢复对话的远程访问;配合 Chrome 扩展的浏览器操作;以及在设备上处理的语音输入。该插件还支持分离模式下的远程开发,允许在智能体运行过程中调整其方向(回车键)或将后续指令加入队列(Ctrl+回车键),并将 Copilot Fusion 固定在模型列表顶部。在企业方面,托管设置如今默认禁用 Claude 和 Codex,除非设有例外,同时不再支持 2025.2 版 IDE。
🔗 GitHub 更新日志:JetBrains 版 Copilot
Claude Platform 开放关联计费,Warp 在 Enterprise 套餐中提供支持
11月17日 — Anthropic 在 Claude Platform 上开放关联计费(linked billing)测试版。此前,在第三方工具中使用 Claude API,往往意味着要把 API 密钥交给该工具,而密钥的作用就像密码。采用关联计费后,客户将自己的 Claude Platform 组织与第三方平台关联,用量费用便直接向客户收取,无须交出任何密钥。
对于软件开发商,Anthropic 托管授权审批流程和计费:开发商可以在 Console 中或通过 Usage and Cost Analytics API(测试版),按客户查看请求数、tokens 数量和所用模型,并为每次请求决定由自己还是客户付款。客户方面,具有 Owner、Admin 或 Billing 角色的用户只需为整个组织批准一次关联,便可为每个平台设置月度支出上限,并随时解除关联;用量费用可以抵扣现有的 Anthropic 承诺消费额度,也可以按量支付。需要了解的一点是:请求在平台的组织中运行,因此客户组织的设置(IP 地址允许列表、加密密钥、数据保留策略)不会应用于这些请求。首发即有十九个平台支持此功能,包括 Asana、Factory、Linear、Ramp、Railway、Tines 和 Warp。
🔗 Claude Platform 的关联计费(Anthropic) · @ClaudeDevs 在 X 上的公告
Warp 在 Enterprise 套餐中开放与 Claude Platform 的关联计费
11月17日 — Warp 是十九个首发平台之一,现已详细介绍其实现方式。企业通过 OAuth 将自己的 Claude 组织与 Warp 关联,无须共享 API 密钥;Warp Agent 使用 Claude 产生的费用由 Anthropic 按其 API 价格直接收取。支出上限的调整和关联的解除,都在 Claude Console 的 Linked Platforms 页面完成。文档明确,该功能仅面向 Warp Enterprise:整个工作区共用一个关联,由各团队自行选择是否启用。它覆盖桌面、CLI、网页和云端的智能体,也包括子智能体,但不覆盖 Claude Code,也不覆盖通过 Amazon Bedrock 或 Vertex AI 发起的调用;Claude Pro、Max、Team 和 Enterprise 订阅均不能用于支付这些费用。如果 Anthropic 因关联资金不足而拒绝某次请求,Warp 可以改用团队的 Warp 余额支付。
🔗 Warp 现已支持与 Claude Platform 的关联计费 · Warp 文档
编程智能体:Claude Code 2.1.326、Claude Code 团队的验证方法、Mistral Vibe Desktop、Antigravity 2.33、Replit Desktop 及 AI Studio 的 Android 应用
Claude Code 2.1.326:Code Mode 支持 agent teams、沙箱加固及 233 项修复
11月16日 — Claude Code 2.1.326 是一次大规模更新:共有 367 条记录,其中包括 233 项修复。新功能方面,随 2.1.323 推出的实验性模式 Code Mode 现在支持智能体团队(agent teams)。在该模式下,Claude 会编写脚本,串联多次工具调用。根据文档,团队成员在默认视图中会进入 Code Mode,但在分栏视图中不会。11月17日,@ClaudeDevs 首次重点介绍了该功能;它仍默认关闭,可通过 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1 启用。
Remote Control 也有所改进:通过 claude remote-control、Claude Desktop 或 VS Code 启动的会话,其回复会在生成过程中实时显示在手机或浏览器上。对于采用 HIPAA“Claude Code + Cowork”配置的组织,终端和 VS Code 会话现在默认以 auto 模式启动,通过直连 API 的连接使用服务端分类器。
此次更新有很大一部分用于加强安全性:沙箱默认不再向主目录中的某些敏感文件夹写入内容(可通过 sandbox.filesystem.allowWrite 授权),文件工具拒绝向 .credentials.json 写入,在 worktree 中隔离运行的子智能体不能再改写共享分支,更多命令会要求确认,其中也包括 bypass permissions 模式下的部分命令。另一方面,之前因 plugin.json 中显示字段格式错误而被拒绝加载的插件,现在会连同其 hooks 和 MCP 服务器一起加载:管理员需要检查部署内容。还有两项变更会影响费用:/claude-api skill 默认基于 Managed Agents 构建智能体;plan mode 下的自动上下文压缩会使用当前负责回复的模型(使用 opusplan 时为 Opus),这可能增加费用。/update-config 的上下文从约 93 000 tokens 缩减到 13 000 tokens,Claude in Chrome 的 browser_batch 则提高到 150 秒。
| 条目类型(v2.1.326) | 数量 |
|---|---|
| 修复(Fixed) | 233 |
| 变更(Changed) | 62 |
| 改进 | 59 |
| 新增(Added) | 11 |
| 移除(Removed) | 2 |
多项修复解决了可能在没有提示的情况下造成损失的问题:claude purge 在输出被重定向时,可能因一次不可见的回车操作而删除项目数据;支出上限菜单会未经询问就移除月度上限;两个并行 MCP 调用的结果可能被调换。TypeScript Agent SDK 0.3.326 会通过初始化请求(mcpServersDelivery: 'initialize')发送 MCP 服务器信息,而不是通过命令行传递,不过命令行方式目前仍是默认选项。2.1.327 已于11月17日进入 npm 的 next 渠道,尚无版本说明。
🔗 Claude Code v2.1.326 · Code Mode 文档
Claude Code 团队如何验证 Claude 编写的代码:从 verify skill 到 commit 门禁
11月16日 — 继10月介绍代码审查之后,Claude Code 团队在 claude.dev 博客上详细说明了如何验证 Claude 的工作;Claude 负责该团队约 90 % 代码的编写和审查。Addy Osmani 在文中提出一个简单观点:可靠的验证循环让数十个会话得以并行运行。在一项生成结构化文件的内部测试中,独立评判器按照评分标准评估结果,使成功率最高提升了 10 个百分点。文章建议优先采用端到端测试,其次是属性测试和差分测试,后者对迁移尤其有用。团队实践方面,verify skill 描述了如何启动和测试应用;Claude 在连续三轮失败后会请求人工介入;一份包含 39 项检查的可靠性清单取代了对事故的记忆,每项检查都由 diff 中出现的内容触发。指导 Code Review 的 REVIEW.md 文件始终从基准分支读取,防止某项改动修改用于评判自身的规则。此外,commit 门禁支持 off、observe 和 enforce 模式;如果会话既未运行 /code-review,也未运行 /verify,便可阻止 commit。
🔗 Claude Code 团队如何看待验证(claude.dev)
Mistral 推出 Vibe 桌面应用,并向欧洲开发者赠送三个月 Vibe Pro
11月17日 — Mistral 从两个方向推进其工作与编程助手 Vibe(原 Le Chat)。首先是面向 macOS 和 Windows 的桌面应用 Vibe Desktop:用户可以同时交付多项任务,查看多个智能体并排工作,然后在同一窗口审阅它们的 diff 并跟踪 pull requests。该应用已在10月的 CLI 更新说明中出现,现在可以从产品页面下载。其次是一项定向优惠:欧洲开发者可使用代码 LECHONK 免费获得三个月 Vibe Pro,名额有限,此后每月 14,99 欧元,可随时取消。首条推文发布一小时后,Mistral 宣布当天的优惠码已经用完。Mistral 将 Vibe 和 Mistral Large 4(Le Chonk)称为最佳开放模型与执行框架组合,声称其编程表现领先 GLM 和 DeepSeek,但未在线程中给出数据;10月29日公布的 Large 4 最新成绩为 FrontierCode 2.0 上的 19,7 % 和 Terminal-Bench 4.0 上的 41 %。
🔗 Mistral AI 在 X 上的公告 · Vibe 产品页面
Antigravity 2.33.0 通过 SSH 连接远程 Linux 机器,并集成 GitHub pull requests
11月17日 — Antigravity 应用 2.33.0 版让智能体走出本地机器。它通过 SSH 连接远程 64 位 Linux 机器,根据 ~/.ssh/config 经由 OpenSSH 自动安装自己的服务器,并在远端运行项目、Git worktrees、智能体和终端;即使窗口关闭,这些任务也会继续。GitHub pull requests 链接会变成实时状态徽标,Overview 面板中也增加了专门区域。只要管理员允许,该版本还会向专业版和企业版账户开放 /swarm 和插件面板,新增七个合作伙伴插件(Cloudflare、Grafana Cloud、SonarQube、incident.io、Better Stack、Tavily、Levels.fyi),并支持在侧边面板中使用最大 200 Mo 的多媒体文件,共有 16 项改进和 21 项修复。前一天发布的 2.32.2 已将 /btw 附带提问改为支持多轮对话的聊天标签页,并配备只读工具。终端方面,11月14日发布的 Antigravity CLI 1.5.9 向所有用户开放 run_workflow 工具,让智能体编写 Python 脚本,将工作分配给大量子智能体;同时修复了一处泄漏问题:HTTP MCP 服务器的请求头,例如 API 密钥,可能在重定向时被发送到其他主机。
Replit Desktop 登陆 Microsoft Store,智能体可处理本地文件夹
11月17日 — Replit Desktop 应用于10月7日与 Microsoft 联合宣布推出预览版,如今已在 Microsoft Store 上架。Replit Agent 可以处理用户选择共享的文件夹中的文件:构建工具、分析本地数据,并生成可通过 Replit 云端分享的报告。应用在本地构建和运行,每次 build 都在独立沙箱中进行,沙箱基于 Microsoft Execution Containers 和 NVIDIA OpenShell。产品页面说明,这种隔离适用于兼容的 Windows 和 macOS 设备,同时也提供 Linux 版本。Replit 未说明价格或套餐。
🔗 Replit 在 X 上的公告 · Replit Desktop 页面
Google AI Studio 创建完整的 Android 应用,支持数据库、Google 登录及发布到 Google Play
11月17日 — 借助 Gemini 4 Carbon 和 Hydrogen,Google AI Studio 的 Build 智能体可以从一条 prompt 出发,交付具备数据库、用户登录和人工智能功能的 Kotlin 应用。当 prompt 描述了这些需求时,它会提出自行配置 backend:带有安全规则的 Cloud Firestore 数据库、配备 Google Sign-In 的 Firebase Authentication,以及通过 Firebase AI Logic 和 App Check 调用 Gemini 模型,确保 API 密钥始终不会出现在 APK 中。此前,AI Studio 生成的 Android 应用只能在本地会话中保留数据。此后,只需一个普通 Google 账户,即可将应用发布到个人 Google Play 应用库:AI Studio 会构建并签署 bundle,然后用户就能将应用安装到手机上。内置模拟器可流式传输带声音的 1200p 高清画面,并支持一键将屏幕截图附加到 prompt。
🔗 在 Google AI Studio 中使用 Gemini 构建全栈 Android 应用
开放模型与推理:OVHcloud 的 Olala mini 7A1B、适配 pi 执行框架的 Qwen3.8-27B、Together Compiler
OVHcloud 宣布推出 Olala mini 7A1B,其首个大语言模型系列的首款模型,使用欧洲公共超级计算机训练
11月17日 — OVHcloud 推出其首个大语言模型系列 Olala,加入语言模型竞赛。首款模型 Olala mini 7A1B 拥有 70 亿参数,每次请求激活其中 10 亿,采用每层包含 256 个专家的混合专家架构(Mixture of Experts,MoE),并结合 Differential-TPA 和 Mamba-3 实现混合注意力机制。该模型在 Jupiter、MeluXina 和 Jean Zay 三台欧洲公共超级计算机上从零训练,获得了按 OVH 估算价值 700 万欧元的算力时长支持。
| 公布的特性 | Olala mini 7A1B |
|---|---|
| 参数量 | 总计 70 亿,激活 10 亿 |
| 架构 | MoE,每层 256 个专家,Differential-TPA + Mamba-3 |
| 上下文 | 32 000 tokens(v1.1 计划支持 128 000) |
| 公布的吞吐量 | RTX A4500 上为 160 tokens/s,无 GPU 时为 50 tokens/s |
| 最低 GPU 显存 | 8 Go |
| 公布的许可证 | Apache 2.0,在 Hugging Face 上发布 |
权重尚未出现在 Hugging Face 上:新闻稿称,模型“将以”Apache 2.0 许可证在该平台发布,同时提供权重、预训练基础模型、技术报告及 AI Act 合规文档。正式发布定于 11月19日的 OVHcloud AI Summit。目前尚未公布任何基准测试结果。首个被提及的客户 Qwant 已将其用于即时回答;据 OVH 称,回答速度提高了 20 %,运行成本降至原来的三分之一。后续路线也已确定:年底前推出 v1.1,支持 128 000 tokens 上下文并改进数学推理;之后推出参数量超过 1000 亿的 v2.0,面向企业智能体人工智能、云端 DevOps 和网络安全提供不同版本。OVHcloud 首席执行官 Octave Klaba 表示,训练成本在三年内降至原来的二十分之一,OVH 不希望只能依靠少数实验室的慷慨来获得开放模型。
🔗 OVHcloud 在 X 上的公告 · OVHcloud 新闻稿
Qwen3.8-27B-pi-adapted:LoRA 适配器将 Qwen3.8-27B 在 pi 执行框架中的 SWE-bench Pro 成绩从 29,4 % 提升至 62,7 %
11月17日 — 由 Hugging Face 团队推进的 harness-hub 项目发布 Qwen3.8-27B-pi-adapted,这是一款采用 Apache-2.0 许可证的 LoRA 适配器,专门将 Qwen3.8-27B 适配为编程智能体执行框架 pi 的底层模型。它直接在执行框架中通过强化学习训练,采用 TRL 的异步 GRPO。权重已发布到 Hub,同时提供面向 llama.cpp 的 GGUF 版本。
| 评测基准(pi 执行框架,pass@1) | Qwen3.8-27B | 使用适配器后 | 每项任务的工具调用次数 |
|---|---|---|---|
| SWE-bench Pro(51 项最难任务) | 29,4 % | 62,7 % | -55 % |
| Terminal-Bench 2.1(86 项任务) | 39,5 % | 55,8 % | -62 % |
| Terminal-Bench 2.1(68 项留出任务) | 39,7 % | 55,9 % | -64 % |
团队单独列出了未用于选择检查点的 68 项 Terminal-Bench 任务,其成绩仍提升了 16,2 个百分点;不过,检查点的选择也参考了 SWE-bench Pro 的得分。这是11月6日介绍的项目的后续进展,younes 表示未来几天还将发布更多适配器。
🔗 Qwen3.8-27B-pi-adapted 模型说明(Hugging Face) · younes 在 X 上的公告
Together AI 讲述 Together Compiler 的诞生历程:在 B200 上比此前的 megakernel 快 28 %
11 月 16 日 — Together Compiler 发布两周后,Together AI 研究团队公布了它的设计历程:去年,团队还在构建 megakernel,即手工编写的 GPU 内核;今年,他们已放弃这条路线。据博文介绍,Together Compiler 将模型内核的重写与融合交给智能体完成,在 B200 上的性能比手工编写的 megakernel 高出 28 %(运行 Llama 3.2 1B 时为 2 118 tokens/s,后者为 1 649 tokens/s)。megakernel 速度很快,但灵活性极差,经过数月努力,最终只有一个投入生产,仅服务于一个模型、一种批量大小和一位客户;而 NVIDIA 的两种原语 CUDA Graphs 和 PDL 无须编写内核,就能达到其 98 % 的性能。
| 实测配置(Llama 1B,H100) | Tokens/s | 相当于 megakernel 性能的比例 |
|---|---|---|
| Torch Compile (Inductor) | 669 | — |
| + CUDA Graphs | 864 | 87 % |
| + 精细配置的 PDL | 975 | 98 % |
| 手工编写的 Megakernel | 990 | 100 % |
在智能体方面,引入知识库使最终加速幅度降低了 19 %,而智能体之间频繁沟通、仅提供最少指令时,效果最佳。
🔗 Together Compiler 的发展之路(Together AI)
NVIDIA 助力科学:Nemotron for Science、获 DKRZ 选用的 192 颗 Vera CPU 平台,以及 DGX Spark HPC Developer Kit
Nemotron for Science:面向科研智能体的开放模型、数据与训练配方套件
11 月 16 日 — 在 SC26 上,Ian Buck 介绍了 Nemotron for Science,这是一套面向科研智能体的开放套件。它结合了多模态模型 Nemotron 3.5 Super VL、包含近 50 000 道化学问题(溶解度、代谢等)的新数据集 LitmusBench,以及 NeMo Gym 和 NeMo RL 后训练配方,可利用实验数据让模型适应特定领域,既能在 DGX Spark 上运行,也能用于超级计算机。NVIDIA 重点展示了合作伙伴的成果:Lila Sciences 表示,其量子点合成准确率几乎翻倍,达到 61 %,相比之下 GPT-6 Astra 为 54 %,推理成本则降至后者的十分之一至二十分之一;Terray Therapeutics 在 RxnScribe 测试中识别出了化学反应图中约 76 % 的反应;KTH 的一个智能体则在单台 DGX Spark 上,用一夜时间修复了 81 % 的故障 GROMACS 配置。
🔗 Nemotron for Science(NVIDIA) · 后训练技术博文
面向科学计算的 192 颗 Vera CPU 机架平台获 DKRZ 选用
11 月 16 日 — NVIDIA 将 Vera 处理器扩展为面向未使用 GPU 加速的仿真平台:一个液冷机架搭载 192 颗 Vera CPU,每颗配备 88 个 Olympus 核心,内存约 300 TB,总内存带宽超过 200 TB/s。根据 NVIDIA 的测试,在 OpenFOAM 流体仿真中,Vera 的性能达到 x86 系统的 1.9 倍,每瓦性能达到 2.4 倍。首个公布的客户德国气候计算中心(DKRZ)将把它部署到由 Bull 建造、预计于 2028 年初投入使用的 HLRE-5 超级计算机中。Dell、HPE、Lenovo 和 Supermicro 将从 2027 年初开始提供这些机架,NVIDIA 同时发布了 HPC SDK 26.11,其中包含一款新的 Fortran 编译器预览版。
DGX Spark HPC Developer Kit:让研究人员在桌面使用由四台 DGX Spark 组成的集群
11 月 16 日 — NVIDIA 推出了一套 HPC 开发套件,由四台 DGX Spark 通过 ConnectX-7 连接成环形网络,无须交换机。整套系统共有 512 GB 内存和 16 TB 存储,足以在本地运行参数量高达 7000 亿的 NVFP4 模型,旨在让研究人员在消耗超级计算机机时之前,先开发和调试多节点仿真;现场已演示 LAMMPS 和 NAMD 在四个节点上运行。该套件已通过 Acer、ASUS、Dell、HP 和 Lenovo 等九家厂商以及 NVIDIA Marketplace 发售,尚未公布价格;用于安装 HPC SDK 的操作指南也宣布即将推出。
🔗 DGX Spark HPC Developer Kit(NVIDIA 博客)
人工智能与网络安全:北约和欧洲机构采用 OpenAI 网络安全模型,GitHub 与 Microsoft 向维护者提交 99 份经核验的报告
北约和欧洲机构通过 Daybreak 使用 OpenAI 网络安全模型
11 月 17 日 — OpenAI 详细介绍了其网络安全模型目前如何服务于北约及多个盟国的防御工作。通过北约通信与信息局(NCIA),北约核心机构获得了先进网络安全模型的访问权限,每月使用量最高达到 3000 亿 tokens。OpenAI 还支持了 Crossed Swords 2026 演习,其中新增的培训环节让参与者借助 Daybreak,在人工监督下构建和评估用于网络行动的人工智能智能体。ENISA、ANSSI 以及德国和波兰的相关机构均可使用这些模型,乌克兰则利用 Daybreak 保护民用基础设施。博文列举了具体成果:ENISA 在欧盟机构软件中发现的四个漏洞已获修复;CERT Polska 发现了 MikroTik RouterOS 的六个漏洞;ENISA 与 CERT-EU 的一份报告显示,综合所有受测模型的结果,提交给维护者的 88 个潜在问题中,95 % 被证实确实存在。博文未披露任何合同金额。
GitHub 与 Microsoft 将数千条人工智能告警整理为面向六个开源项目的 99 份经核验报告
11 月 17 日 — GitHub 和 Microsoft 公布了一项试点的成果,旨在应对人工智能生成的漏洞报告大量涌入、让维护者不堪重负的问题。Microsoft Security 的智能体分析框架 Codename MDASH 使用 MAI Cyber 模型扫描了六个项目(AutoGPT、Caddy、Express、FastMCP、ImageMagick 和 Netty),并提出了修复方案。GitHub Security Lab 一个基于 Copilot 技能构建的分诊智能体剔除了重复报告和误报,随后 Microsoft FORGE Lab 的七名研究人员逐一人工核验剩余告警,每个项目约耗时两天。
| MDASH 试点阶段 | 公布数值 |
|---|---|
| 原始告警(据 GitHub 推文) | 9 791 |
| 私下发送给维护者的报告 | 99 |
| 截至 11 月 15 日已修复的报告所涉问题 | 55 |
| 已随版本发布的修复 | 14 |
Caddy 在一周以内修复了全部 22 份报告涉及的问题。GitHub 从中总结出三点经验:修复比发现更重要,人工核验依然不可或缺但尚无法规模化,维护者需要具备网络安全能力的模型来核验概念验证。所有往届 GitHub Secure Open Source Fund 项目都将获得在发送前经过核验的分析结果,以及 Copilot Max 访问权限。
🔗 维护者需要的是修复,而非更多人工智能生成的漏洞报告(GitHub) · GitHub 推文
人工智能与机器人:搭配 Gemini 4 Hydrogen 的 Antigravity Robotics 插件,以及 HubEgo-100K 视频数据集
Google 为 Antigravity 推出 Robotics 插件,并将 Gemini 4 Hydrogen 定位为通用机器人模型
11 月 17 日 — Google 将 Antigravity 打造成机器人开发工作台。新的 Robotics 插件整合了一组由 Gemini 为开发者执行的技能:通过一根 USB 线完成驱动安装、摄像头检测、机械臂校准和测试动作,在 Antigravity 中构建 MuJoCo 场景,实现感知与闭环控制,最终生成完整应用。重点展示的模型是 Gemini 4 Hydrogen:在 Artificial Analysis Robotics 0.1 基准测试中,一台实体六轴机械臂连续执行 8 项日常桌面任务,该模型得分 58,接近 Argon,但每 token 成本更低;在 ERQA 上,其空间推理表现超过 Gemini Robotics ER 2。演示展示了实际所需时间:一台 YAM 机械臂约十分钟完成校准,一套传送带零食分拣系统经过仿真验证后,约一小时即可部署。Antigravity 仅面向 Google AI Pro 和 Ultra 付费订阅用户开放;该模型仍可通过 Gemini API 和 AI Studio 使用。
🔗 用于机器人的 Gemini Hydrogen(Google Developers) · Google DeepMind 系列帖文
Hub 开放 HubEgo-100K:采用 CC BY 4.0 许可的第一视角职业操作视频
11 月 16 日 — Hub 在 Hugging Face 上开放了 HubEgo-100K,这是一个面向机器人学习的第一视角技能任务视频数据集,可免费用于研究和商业用途。数据集名称与公告提出的目标是收集来自超过 100 000 名贡献者的 100 000 小时视频;首个发布版本包含 12 227 人在 72 小时内拍摄的 10 000 小时视频,拍摄场所包括工作地点及居家从事职业活动的环境,内容为 RGB 视频及惯性测量单元数据,采用 LeRobot 和 MCAP 格式,以 CC BY 4.0 许可发布,需申请访问权限。其侧重点是多样性而非规模:每类任务的参与人数中位数为 250,任何一人的贡献均不超过总时长的 0.22 %。Hub 援引了发表于 ICLR 2025 的研究,其中指出,机器人策略的泛化能力主要取决于接触过的环境和物体数量。
🔗 Hub 在 X 上的公告 · Hugging Face 上的 HubEgo-100K 数据集
语音人工智能:ElevenLabs 推出 Scribe v3 Live Medical,为语音智能体提供实时医疗转写
11 月 17 日 — Scribe v3 Live 发布一周后,ElevenLabs 推出了医疗版本,面向实时回应患者、参保人和医疗专业人员的语音智能体。该模型重点处理通用模型最容易识别出错的词汇,包括药名、剂量和诊疗操作。团队最多可加载 10 000 个自定义术语,据 ElevenLabs 称,这可使医疗术语识别错误最多减少 48 %;模型还会等待分多次口述的号码完整说完,并跟随通话过程中发生的语言切换,支持超过 90 种语言,延迟约为 150 ms。
| 测试基准(ElevenLabs 内部) | Scribe v3 Live Medical |
|---|---|
| PriMock57 (WER) | 12,8 % |
| Fareez OSCE(语义 WER) | 0,6 % |
| Eka Medical ASR | 11 % (Scribe v3 Live:11,54 %) |
| MED-Term 英语 / 德语 / 法语 | 2,24 % / 2,81 % / 3,24 % |
ElevenLabs 表示,在 PriMock57 上,该模型的错误率在受测医疗模型中最低,比排名第二的模型少 17 %,但未公布这些竞争模型的名称。该模型现已在 ElevenAgents 中提供,签署 BAA 的企业可将其用于符合 HIPAA 要求的场景。
🔗 Scribe v3 Live Medical(ElevenLabs)
企业应用:Cognition 携手 McKinsey 衡量 Devin 的价值
11 月 16 日 — Cognition 宣布与 McKinsey & Company 结盟,帮助大型企业在软件工程中从人工智能获得可衡量的价值。Devin 承担工程工作;McKinsey 帮助客户选择优先项目、建立成本、速度和质量基准,并重组团队。博文援引了 McKinsey 于 2026 年第二季度对 334 名产品与工程负责人开展的调查:应用最成熟的四分之一组织报告生产力提升至原来的两倍以上,而 30 % 的组织则出现下降。Cognition 表示,其客户包括美国八家全球系统重要性银行中的六家,以及美国六大医疗保险公司中的三家,成本最高可降低 60 %。首个列举的案例是波兰软件厂商 Comarch,该公司正利用 Devin,在 18 个月内完成已有 20 年历史的 ERP XL 的现代化改造。双方未披露任何金额。
🔗 Cognition 与 McKinsey(Devin 博客)
简讯
NVIDIA
- 国家安全与出口委员会 — NVIDIA 在财报发布当天设立董事会常设委员会,由苏珊娜·诺拉·约翰逊担任主席,成员包括斯蒂芬·C·尼尔和约翰·O·达比里;国家安全与贸易合规团队向该委员会及临时首席执行官汇报。 🔗 来源
- 基板与封装 — Kinsus 将把专供 NVIDIA 的 ABF 基板产能扩大至原来的 3.5 倍以上(2027 年下半年投产),SPIL 获得 NVIDIA 数十亿美元资金支持,扩大先进封装业务,与 Amkor 的协议金额则接近 30 亿美元。 🔗 来源
- IBM、Fermilab 与量子计算 — DGX B200 被部署在 IBM 量子计算机旁,包括搭载 Nighthawk 处理器的设备,用于构建面向纠错与高能物理的联合协同设计平台。 🔗 来源
图像与创作
- Midjourney — 编辑模型现已支持情绪板、风格代码和风格参考图:只需将图像拖入提示词栏并添加风格,无须编写提示词;网站的早期测试版还新增了“更改风格”菜单。 🔗 来源
- Ideogram Print on Demand Studio — 面向印制商品卖家的工作空间:发现趋势、创作图案、将其矢量化或放大、完成印前处理,并预览图案在商品上的效果,使用 Ideogram 的矢量模型;未公布价格或套餐。 🔗 来源
- Luma 的 Laya — Luma 介绍了其画板整理工具:主智能体 Orca 将整理任务交给子智能体 Laya,后者决定如何分组,再由代码计算位置;修正这部分计算后,一项测试的耗时从 195 秒降至 22 秒。 🔗 来源
编程智能体与 CLI
- Codex CLI 0.171.0-alpha.12 — 三个预发布版本的说明均为空;根据其提交标题,终端新增侧边栏文档与图像预览、输入编辑器中的撤销功能,以及自定义状态行创建功能。11 月 17 日晚随后发布了修复版稳定版本 0.169.1,同样没有版本说明。 🔗 来源
- Qwen Code v0.28.0 — 支持 Qwen4-Max(原生推理强度档位、缓存 TTL);无界面模式、终端界面与子智能体默认共用同一智能体循环,Web Shell 中的会话则可在受管理的工作树中运行。 🔗 来源
- Kimi Code 2.6.3 — 六项修复:外部 Stop 钩子恢复为每次回答后执行,后台任务通知不再在恢复会话时触发新的回答,WebBridge 守护进程可在 Windows 下更新。 🔗 来源
- Delta Personal Runners — Zed 的智能体编程环境 Delta 支持从其他设备(包括手机)控制对话线程,而各轮任务在用户自己的机器上执行;
delta runner serve可在无界面的服务器上实现相同功能。未公布价格。 🔗 来源 - Devin 版本说明 — 侧边栏显示订阅关注的会话,“标记为完成”取代归档,Phonebook 通讯录关联每位成员在 Slack、Teams、Git、Jira、Linear 上的身份,安全发现可导出为 CSV。 🔗 来源
- Gemini CLI — 自 11 月 10 日以来仍未发布新版本,main 分支现已使用 re2js 在线性时间内求值策略规则中的正则表达式,并设置 2 000 条指令的上限;含有前瞻断言或反向引用的规则会被忽略。 🔗 来源
- DeepSeek Harness 0.2.2-rc.4 — 第四十个预发布版本,仍无稳定版,仅包含两项修复:处理模型的意外响应,以及桌面应用中的 LiveShare 共享功能。 🔗 来源
GitHub 的其他更新
- 按需密钥扫描 — 用户选择启用后,Copilot 的 security-review 专家会调用 GitHub 的 500 多种密钥检测器及其微调模型,检查当前更改;该功能已在 CLI、应用、SDK 和代码审查中开放公开预览。 🔗 来源
- 运行框架对比 — Copilot 基准测试网站在使用相同模型、相同推理强度的条件下,对比 Copilot CLI、Claude Code 和 Codex CLI 的任务解决率与单项任务成本;更新日志未提供具体数字。 🔗 来源
- GitHub Event Streams — 目前通过候补名单提供预览,智能体可订阅拉取请求,实时接收审查、提交、冲突和 CI 变更,无须循环轮询 API,也无须暴露公开的网络钩子。 🔗 来源
- Microsoft Agent 365 — 使用 GitHub Enterprise Cloud 和 Enterprise Managed Users 的企业可向其发送 Copilot 智能体的活动记录,并在 Purview 和 Defender 中查看提示词、回答、工具调用及风险信号。 🔗 来源
- Agent Host Protocol — 一篇工程博客介绍了这一协议的构建过程:它让智能体会话能够在设备之间迁移,拥有两个独立宿主,VS Code 端使用 TypeScript,GitHub 端使用 Rust,并提供六种语言的库。 🔗 来源
- GitHub MCP 服务器 2.2.0 — 服务器指令由经过筛选的 MCP 技能取代,密钥扫描告警工具可隐藏密钥,新增的公开工具用于智能体自动化。 🔗 来源
- 仅通过插件进行自定义 — 受管理的设置
strictPluginOnlyCustomization允许企业管理员要求 Copilot 的技能、智能体、钩子、MCP 服务器和扩展必须来自插件或受管理的设置。 🔗 来源 - 11 月 9 日 Copilot 更新汇总 — GitHub Copilot 应用新增二维码,可在手机上继续云端或 Codespace 会话;还支持不离开对话即可重新连接 MCP 服务器,以及包括法语在内的多语言语音输入。 🔗 来源
- Dependabot — 告警的委派驳回申请保持开放的时间从一周延长至一年,先在 github.com 上实施,随后纳入 GHES 3.24。 🔗 来源
模型、研究与 Hugging Face
- You.com 和 Lebrel 上的 Qwen4-Max — 继 OpenRouter、Vercel 和 Novita AI 之后,Qwen 宣布 Qwen4-Max 上线 You.com,随后又上线 Lebrel,用于智能体编程,未公布价格或套餐。 🔗 来源
- TRL v1.18.1 — 修复版本:修复 Python 3.15 下的 CLI,并将准确性奖励的计算移至独立进程,避免异常回答阻塞训练。 🔗 来源
- MecCog Challenge — Hugging Face 与 CASP 创始人发起一项截至 2027 年 1 月 15 日的竞赛,要求为有关 APOE4 在阿尔茨海默病中作用的五项假说寻找文献关联,人类和智能体均可参加,结果将在期刊发表。 🔗 来源
- OpenRouter 的 Auto Router — 根据 AutoBench 基准测试(其作者也提供路由器),新版 Auto Router 在 high 设置下有 65.2% 的情况选对模型,旧版为 79.1%;其他设置的表现仍处于随机水平。 🔗 来源
- 将无审查模型用作智能体 — 出售这类模型访问权限的 OpenUncensored 让 32 个模型执行五项需要调用工具的任务:基于最强原始模型衍生的模型完成了 38% 的任务,其余模型为 28%。 🔗 来源
- TuHaMa — Turkish NLP Suite 发布了 52 000 条针对 12 个群体的土耳其语仇恨言论样本,数据来自 Ekşi Sözlük 论坛,旨在测试模型对文化的理解能力。 🔗 来源
- CUDA C++ 版 TRELLIS.2 — 苏瓦迪蒂亚·穆克吉让 Claude 用 CUDA C++ 重写了这一三维模型:速度达到 PyTorch 实现的 5.3 倍,在逐比特一致的条件下则为 2.2 倍,花费约 7 美元的人工智能调用费用及 60 美元的 H200 计算费用。 🔗 来源
- AI Model Hacking Hackathon — VIDRAFT 开放了一项在浏览器中对 ViKernel 进行红队测试的竞赛,分四个赛季,奖金为 4 500 美元。 🔗 来源
机器人
- LeWAM — 凯沃尔克·苏拉希安让 GPT-6 Astra 通过直接编辑权重来修正 LeWAM 机器人策略:在 300 个未见过的初始状态上,七次编辑均未优于原始策略(差值为 -2.3 至 +3.0 个百分点)。 🔗 来源
- 面向 FiftyOne 的 TartanGround — Voxel51 转换了 CMU AirLab 数据集中的六条地面机器人轨迹,涵盖医院、港口、沼泽、日本城市、工厂和市中心,包含相机、分割、激光雷达、位姿及 IMU 数据。 🔗 来源
语音人工智能
- PostNord 与 ElevenAgents — 这家北欧邮政运营商用约 90 天将其瑞典语语音应答系统替换为多智能体系统:无须转接即可解决问题的来电占比从 45% 升至 60%,随后将扩展至丹麦、挪威和芬兰。 🔗 来源
- Together AI 上的 Wonderful — Wonderful 仅在欧洲使用专用 NVIDIA GPU 提供其自有语音模型,这些模型针对支持不足的语言进行了微调;据 Together AI 称,首句话延迟为 274 ms。 🔗 来源
企业与机构
- Revolut 与 Codex — 在 OpenAI 发布的一项案例研究中,Revolut 表示借助 Codex 将编程时间缩短了 30% 至 60%,并将初级检查交给 FinCrime 智能体,最终决定仍由人类作出。 🔗 来源
- SpaceXSI 的 Grok Bots — 五个 Grok Bots 接管了会计团队的开票与收款流程:据 SpaceXSI 称,发票开具从约 24 小时缩短至几分钟,付款对账则从 3 或 4 小时缩短至 30 分钟。 🔗 来源
- OpenAI for Chile — 与智利科学部签署谅解备忘录,探索人工智能在公共行政、公务员培训和初创企业支持方面的应用,不涉及投资或采购承诺。 🔗 来源
- Cohere North 中的 Crunchbase — 继 PitchBook 之后,North 的智能体可访问 Crunchbase 的七百多万份企业档案及预测数据,面向拥有 Crunchbase 许可并使用单点登录的客户。 🔗 来源
- Perplexity 的 RAG 指南 — 这是自 10 月以来第五份关于检索增强生成的指南,涵盖优势、架构、使用场景,以及与单独使用 LLM、MCP 或 API 的区别,没有产品更新。 🔗 来源
这意味着什么
单项任务成本正成为模型发布的主要卖点。OpenAI 推介 GPT-6.2 时,强调的并非某项单独的纪录,而是以更少的词元换取更高的得分,以及 Astra 的降价,并为可以等待的智能体增加了更便宜的 2 小时和 8 小时执行窗口。Microsoft 将 MAI Code 2 描述为仅用 Claude Opus 5.5 的 5% 成本便可达到其 96% 的表现;GitHub 则称 Copilot Fusion 超越 Opus 5.5 和 Fable 5.2,成本比 Fable 低 88%;Perplexity 在每项 WANDR 得分旁都标注了单项任务成本。这些对比仍是厂商在各自条件下得出的结果:MAI Code 2 使用促销价格,OpenAI 为每个模型采用最佳配置,而 Fable 5.2 仍在 Intelligence Index 和 FrontierCode 2.0 上保持领先。
智能体正从执行任务转向承担目标。Devin Bots 获得一项职责,Replit Missions 获得一个需在预算内达成的结果,Gemini Tasks 获得打电话和付款的授权,Multiagent 则把一项工作分配给由多个模型组成的团队。随着自主性增强,防护措施的性质也在改变:Replit 的任务约定中包含支出上限与审批要求,Gemini 设置消费限额和允许交易的商店,每项任务使用独立隔离的虚拟机,Cognition 则设置“需要你处理”收件箱。所公布的数字,例如 Android Bot 的 1 134 个 PR,或 NumPy 智能体群的 19 倍表现,均来自厂商在自身项目上的结果。
模型变得可以互换,价值则转向负责选择模型并计费的那一层。Perplexity 的 Orchestrator 在供应商之间切换,甚至会将任务交给另一个模型,以绕过某个模型的拒绝;Multiagent 和 Copilot Fusion 组合使用相互竞争的模型;Claude Platform 的关联计费则允许用户从 Warp、Linear 或 Ramp 支付 Anthropic API 费用,全程无须交出密钥。在开放模型领域,同样的逻辑也在较小规模上发挥作用:在特定运行框架下,一个简单的 LoRA 适配器就让 Qwen3.8-27B 在 SWE-bench Pro 最难的 51 项任务上的得分提高至两倍以上;OVHcloud 则在欧洲公共超级计算机上训练 Olala,以免依赖其他机构发布的权重。
网络安全仍是这些能力既令人担忧又发挥作用的领域。GPT-6.2 的网络安全能力达到 Critical 门槛,Astra 在人工智能自我改进方面则达到 High 门槛,因此采取了更严格的防护措施,也给正当开展研究的人员带来阻碍。与此同时,北约、ENISA 和 ANSSI 正在使用 OpenAI 的网络安全模型,而 GitHub 与 Microsoft 的 MDASH 试点表明,人工智能生成的告警只有经过筛选、验证并附带修复方案,才能帮助维护者:数千条告警中筛选出 99 份报告,其中 55 项问题已经修复。
资料来源
- GPT-6.2 Astra 和 Sol 发布博文(OpenAI)
- GPT-6.2 系统说明文档
- @OpenAIDevs 在 X 上:Ultrafast 和 API
- Astra for Law 介绍 GPT-6.2 Astra(OpenAI)
- OpenAI API 更新日志
- 后台模式指南(OpenAI)
- GitHub 更新日志:GPT-6.2 Astra 和 GPT-6.2 Sol
- Perplexity 在 X 上:Search 和 Computer 中的 GPT-6.2
- 2027 财年第三季度业绩(NVIDIA)
- NVIDIA 首席执行官交接(11 月 12 日)
- NVIDIA 独立董事声明(11 月 10 日)
- GitHub 更新日志:MAI Code 2 和 MAI Code 2 Flash
- MAI Code 2 发布公告(Microsoft AI)
- 推出 Orchestrator(Perplexity)
- Orchestrator:用于可靠推理的统一 API(Perplexity)
- 推出 Multiagent(Perplexity)
- @perplexity_ai 在 X 上:Multiagent
- 推出 Devin Bots(Cognition)
- @cognition 在 X 上:Devin Bots
- 推出 Replit Missions
- DataCat 仓库(Replit)
- Gemini 中的任务功能(Google 博客)
- Google Wallet 在美国登陆 iOS
- Kling Image 4.0(Kling 博客)
- Kling 在 X 上:Kling Image 4.0
- 推出 Visuals(Suno)
- Suno 视觉内容积分定价
- HeyGen 在 X 上:Avatar 6
- Avatar 6 模型说明文档(HeyGen)
- Microsoft Copilot SDK 2.0(Command Line)
- Copilot SDK v2.0.0
- GitHub 更新日志:Copilot Fusion
- GitHub 更新日志:自适应代码审查
- GitHub 更新日志:仓库洞察
- GitHub 更新日志:浏览器操作
- GitHub 更新日志:Ignite 上的 GitHub Copilot 应用
- GitHub 更新日志:Copilot Evals
- GitHub 更新日志:在 Copilot CLI 中使用 Entra 登录
- Copilot CLI 1.0.113
- GitHub 更新日志:适用于 JetBrains 的 Copilot
- Claude Platform 上的关联计费(Anthropic)
- @ClaudeDevs 在 X 上:关联计费
- Warp 现已支持与 Claude Platform 关联计费
- Warp 关联计费文档
- Claude Code v2.1.326
- Code Mode 文档
- Claude Code 团队如何看待验证(claude.dev)
- Mistral AI 在 X 上:Vibe Desktop 和 Vibe Pro
- Vibe 产品页面(Mistral AI)
- Antigravity 更新日志
- Replit 在 X 上:Replit Desktop
- Replit Desktop 页面
- 在 Google AI Studio 中使用 Gemini 构建全栈 Android 应用
- OVHcloud 在 X 上:Olala mini 7A1B
- OVHcloud 关于 Olala mini 的新闻稿
- Qwen3.8-27B-pi-adapted 模型说明文档(Hugging Face)
- younes 在 X 上:Qwen3.8-27B-pi-adapted
- 通往 Together Compiler 之路(Together AI)
- 面向科学研究的 Nemotron(NVIDIA)
- 面向科学领域的 Nemotron 后训练(NVIDIA)
- 面向科学研究的 Vera 平台(NVIDIA)
- DGX Spark HPC Developer Kit(NVIDIA 博客)
- 利用 AI 加强北约及盟国的网络防御(OpenAI)
- 维护者需要的是修复,而非更多 AI 错误报告(GitHub)
- GitHub 在 X 上:MDASH 试点
- 用于机器人技术的 Gemini Hydrogen(Google Developers)
- Google DeepMind 在 X 上:Robotics 插件
- Hub 在 X 上:HubEgo-100K
- Hugging Face 上的 HubEgo-100K 数据集
- Scribe v3 Live Medical(ElevenLabs)
- Cognition 与 McKinsey(Devin 博客)
- 国家安全与出口委员会(NVIDIA)
- NVIDIA 对供应商的承诺
- NVIDIA、IBM 与 Fermilab
- Midjourney:编辑模型的样式
- Ideogram 在 X 上:Print on Demand Studio
- 构建画布原生智能体(Luma)
- Codex CLI 0.171.0-alpha.12
- Qwen Code v0.28.0
- Kimi Code 2.6.3
- Delta:Personal Runners
- Devin 11 月 16 日版本说明
- Gemini CLI:PR 30282
- DeepSeek Harness 0.2.2-rc.4
- GitHub 更新日志:按需密钥扫描
- GitHub 更新日志:运行框架对比
- GitHub 更新日志:事件流
- GitHub 更新日志:Microsoft Agent 365
- 构建 Agent Host Protocol(GitHub)
- GitHub MCP 服务器 v2.2.0
- GitHub 更新日志:通过插件进行自定义
- GitHub 更新日志:11 月 9 日 Copilot 动态汇总
- GitHub 更新日志:关闭 Dependabot 警报
- Qwen 在 X 上:You.com 上的 Qwen4-Max
- TRL v1.18.1
- MecCog 挑战赛(Hugging Face)
- AutoBench:OpenRouter 的全新 Auto Router
- OpenUncensored:将无审查模型用作智能体
- TuHaMa(土耳其语 NLP 套件)
- Suvaditya Mukherjee 在 X 上:使用 CUDA C++ 实现 TRELLIS.2
- AI 模型破解黑客马拉松(VIDRAFT)
- LeWAM 与权重编辑
- 适用于 FiftyOne 的 TartanGround
- PostNord 与 ElevenAgents
- Together AI 上的 Wonderful
- Revolut 与 OpenAI
- 使用 Grok Bot 组建会计团队(xAI)
- 推出 OpenAI 智利计划
- North 中的 Crunchbase(Cohere)
- Perplexity 的 RAG 指南