形式化验证和专用小模型,把智能体工程从「尽量换更大模型」往可证明、可降本的方向拉。本期从 DeepMind 的 AlphaProof Code 验证 Signal 协议实现、Gemini 4 Carbon 开始推送讲起,看 GR00T 2、Robotics 2.5、Strands Decider 与 Copilot 运行时迁 Rust;基础设施侧有 OpenRouter 并入 Stripe 的官方宣布、Claude Whiteboards/Sheets,以及 Pinky 模拟器与闪退定位等新面。
每日手冲|2026-11-11
本期内容
DeepMind AlphaProof Code 验证 Signal 协议实现(HN 551 / 173)
Google DeepMind 将人类专家与由 Gemini Carbon 驱动的多模型智能体结合,对 Signal 协议实现代码证明关键安全性质;官方称为此深度上的首次。HN 讨论提醒,符合选定规范并不等于规范已覆盖全部安全需求。
Google 开始推送 Gemini 4 Carbon
Sundar Pichai 与 Google 官方宣布推送 Gemini 4 Carbon,面向长程任务、复杂软件工程、网络安全与科研推理。Cursor 称高推理强度下以 60.4% 登顶 CursorBench;促销期 API 报价见包内口径。
NVIDIA AutoCompress、GR00T 2 与 Alpamayo 2 Edge,以及 Gemini Robotics 2.5
AutoCompress 据邮件称将 Nemotron 3.5 Super 从 120B 压至 74B,须按摘要口径理解「保留性能」。GR00T 2 为一套模型适配多种机器人;Alpamayo 2 Edge 约 2B 参数;Gemini Robotics 2.5 为新一代视觉语言动作模型。
Strands Decider 替换通用模型;Trustle 测试 Jev 做权限决策
亚马逊内部工单分类改用 Strands Decider,官方分享称效果持平、成本约降 98%。Trustle 介绍将 Jev 用于 IAM 角色选择的评测(HN 9/3),属中性事实转述。
GitHub 借助 AI 把 Copilot 运行时从 TypeScript 迁往 Rust
ByteByteGo 回顾称迁移约 43 万行生产 TypeScript;特定测试中启动清理时间与内存峰值下降,同时记录回归与约 12 万美元 token 成本。数字均为文中特定场景。
据官方账号宣布 OpenRouter 并入 Stripe;Claude Whiteboards/Sheets 测试版
OpenRouter 称正式并入 Stripe,并表示保持中立路由;Stripe 称要做 AI 经济基础设施。Anthropic 推出 Whiteboards、Sheets 测试版,Dashboards 更名为 Claude Data。
ChatGPT Businesses 测试版、据报道收购 Odessia、Enterprise 上架 AWS Marketplace
商家可认领信息并搭建 Business Agent。据报道 OpenAI 收购旅行代理初创 Odessia。企业可通过 AWS Marketplace 采购 Enterprise,可抵扣范围以合同为准。
Nitro Sandboxes、MCP 事件回调,以及 Fireworks/Notion 第三方凭据事件
AWS Nitro Sandboxes 为共享实例上的不可信代码提供硬件级虚拟机边界。Vercel 方面讨论云沙箱与 MCP 异步事件。Fireworks 更新 10 月 6 日凭据滥用调查,Notion 通报可能影响不到 1% 工作区;只述现象与防护。
社区工具:ProtoMap、office 与 PH 前排 MCP/CLI;M1 Max 跑 120B MoE 自测
ProtoMap 为 Protobuf 代码库建依赖图;Product Hunt MCP、Databox CLI 等登上日榜。开发者自测在 32GB M1 Max 上以 16GiB 预算跑 120B MoE,代码尚未发布,结果不可外推。
Pinky 新面:模拟器、闪退定位、tailnet;国行 Apple Intelligence 踩坑清单
DIYgod 更新 Pinky:仅允许人启动模拟器、用崩溃报告定位闪退、放行本机 tailnet 名字,以及同时等待多段文字。歸藏列出在国行机开启完整 Apple Intelligence 的踩坑清单。
今天最该带走的,是把可验证的规范、专用小模型和硬件/流程围栏放进智能体交付里,而不是只换更大的通用模型。路由与办公入口的生态变化是背景,立刻能动手的是依赖图、沙箱边界、模拟器闭环和第三方凭据隔离。
本期依据 DeepMind、Google、英伟达、Anthropic、Stripe/OpenRouter 等官方或当事人帖文,以及 Hacker News、Product Hunt、ByteByteGo 与 TLDR 邮件整理。AutoCompress「保留性能」、M1 Max 跑 120B、Copilot 迁移耗时与内存数字均为来源自述或特定测试;Strands Decider 成本降幅为官方分享。Trustle/Fish Audio/向阳乔木相关条目按中性事实转述。安全类只述现象与防护。
片头/片尾音乐:Ondrosik — Short piano jingle(CC0 1.0)
本期提到
- Google DeepMindAlphaProof Code 验证 Signal 实现
- Gemini 4 Carbon开始推送的长程推理模型
- NVIDIAAutoCompress、GR00T 2、Alpamayo 2 Edge
- Strands Decider亚马逊内部工单分类决策模型
- Trustle测试 Jev 做 IAM 权限决策
- GitHub Copilot运行时由 TypeScript 迁往 Rust
- OpenRouter宣布并入 Stripe
- Stripe称要做 AI 经济基础设施
- AnthropicWhiteboards/Sheets 测试版与 Claude Data
- OpenAIBusinesses 测试版;据报道收购 Odessia
- AWSNitro Sandboxes;Marketplace 上的 ChatGPT Enterprise
- Fish Audio发布 Live 3 全双工语音模型
- ProtoMap为 Protobuf 代码库建立依赖图
- DIYgodPinky 模拟器与闪退定位新面
- 歸藏国行 Apple Intelligence 踩坑清单
- 向阳乔木开源长文转写站点
文字内容采用 知识共享 署名-非商业性使用-相同方式共享 4.0 许可。