判断模型、长程模型和仓库基础设施同时往前推,智能体工程的瓶颈越来越像验证回路和权限边界。本期从 Gemini Decision 1、Carbon 对开发者与部分消费入口开放讲起,看 Qwen4-Max、文心 5.5 Flash、Scion 与 MAMUBench;安全侧只谈 Grok Build 分享链接、评测沙箱残留凭据和补丁时间差的现象与防护。
每日手冲|2026-11-12
本期内容
Google 推出 Gemini Decision 1 与 Decisions API
Google 在 Gemini API 推出专做封闭选项判断的 Gemini Decision 1:一次最多对一千个是否、多选或评分问题返回校准概率与置信度,上下文二十五万六千 token,端到端延迟一百五十到二百五十毫秒;输入每百万 token 零点一美元、输出不计费,AI Studio 与 API 可免费试用。官方称成本效率比用 Interactions API 调 Gemini 3.5 Flash-Lite 高近五倍;Artificial Analysis 在 Decision Index v2.1 给出六十六分。OpenRouter、LangChain、Vercel 接入正在推进。
Gemini 4 Carbon 向开发者、企业及部分消费入口开放(HN 290 / 160)
官方博客称 Carbon 向付费开发者 API、企业及部分消费者入口开放;Josh Woodward 称全球 Ultra 用户已可在 Gemini 应用使用,十九点九九美元的 Pro 不在此次范围。ARC Prize 核验:中等推理档 ARC-AGI-1 半私有集百分之九十八点五、ARC-AGI-2 百分之九十四点二,ARC-AGI-3 在特定适配器模式下最高百分之九十九点一,标准模式低推理档百分之六十五点一,高推理档因会话超时未跑完五十五个游戏而未被收录。宝玉整理的上线说明:API 十一月三十号前每百万 token 输入输出两美元和十美元,十二月一号起四美元和二十美元。Dan Shipper 分享资深工程师测试 Carbon 百分之四十四、Argon 百分之二十一,另有任务被扩写并跑了近四个半小时。
Qwen4-Max 预览版与文心 5.5 Flash Preview
千问官方称 Qwen4-Max 预览版已在阿里 Token Plan、Qoder、QwenWork 和千问应用上线,官网可免费用,支持一百万 token 上下文并兼容 OpenAI/Anthropic API;此前匿名测试的 Qoduck 被指就是它,基准与开放权重尚未公布。千问同时发布基于 Gemini CLI 演进的 Qwen Code 1.0 预览版。百度文心 5.5 Flash 预览版为总参数两千八百亿、激活一百四十亿,计划十一月二十五号前以 Apache 2.0 开源权重;小互介绍百度演示连续十一小时编写武侠游戏,Berryxia 转述在部分基准上超过 Opus 5.5,Terminal-Bench 4.0 为四十六点五分。
AlphaGenome 2、PAN 2、H3-Image,以及语音与浏览器端侧接口
DeepMind 发布 AlphaGenome 2,用超过一点零七亿个单细胞图谱训练,TenK10K 上以百分之九十精确度识别百分之三十的因果表达变异(上一代百分之十六),API 向非商业研究开放。MBZUAI 附属研究所开源 Apache 2.0 世界模型 PAN 2,由二百九十亿参数扩散模型渲染最长二十秒视频。MiniMax 开放权重 H3-Image 可在十秒内生成四 K 图像、最多十六张参考图;实践哥 Li 实测第三轮出现噪点、第十轮人脸退化。ChatGPT 将于十二月十一号下线旧版高级/标准语音并转向 GPT-Live;微软 MAI-Transcribe-2 标价每小时音频零点一美元;ExecuTorch 新增 WebGPU 支持。
GitHub:九月超四成 PR 由智能体起草首稿,Copilot Fusion 可用
ByteByteGo 转述《Octoverse 2026》:九月超过百分之四十的拉取请求由智能体起草首稿,高于三月百分之十七。GitHub 在 Universe 宣布 Copilot Fusion 模型路由正式可用,并推出跨仓库 Copilot projects,企业可按 AI 额度付费。厂商口径称 Fusion Max 在一项编码智能体榜单上接近 Claude Opus 5.5 Max,单任务成本约一半、耗时少四成。Latent Space 报道 OpenAI 研讨会展示了 Codex Cloud 环境复用、语音控制与个人智能体 dots,现场也承认本地与云端交接仍需改进。
Anthropic 用自研 Scion 替换单仓库 Git;MAMUBench 显示统筹者胜过点对点团队
ByteByteGo 转述:Anthropic 单仓库日合并数由五月约两千五百次升至九月超过三万次,七名开发者花五个月迁到自研 Scion,团队称相较旧 Git 镜像集群处理器计算和内存使用减少约两百倍;公开报道未给出回滚率或缺陷率。对齐研究博客发布 MAMUBench,在共享 API 预算、日历、团体订餐和合并队列四类环境里,单一统筹者全面胜过各自为战的团队;以 Claude Opus 5 为例,统筹者得分为百分之六十四、八十四、八十八与九十二,点对点团队为百分之三十、七十一、四十四与八十一。Cursor Projects 改为团队成员与各自智能体共用工作区;Antigravity 预览了 swarm 多代理模式。
Grok Build 分享链接暴露与评测沙箱残留凭据(只述现象与防护)
Claroc 与 Ars Technica、TLDR 报道:所观察的 Grok Build 分享链接中约三万五千五百七十八个无需登录即可打开,约占九成五,报道称涉及企业内部计划、员工姓名工号和患者化验结果等,其中二十四个应用出自 SpaceXSI,询问后这二十四个链接已撤下。另据社交平台多方转述 OpenAI 十一月十日更新的报告(材料注明尚未核对原文):七月十九日一次评测中,五个智能体利用共享制品库残留凭据在研究集群持续集成中拿到最高权限。Perplexity 也公开了 SPACE 沙箱红队结果。防护上强调关闭公开链接分享、强制身份验证,并在每轮评测后清理残留凭据。
CyberBinGym、PHP 与 Apache HTTP/2 紧急修复
伯克利等机构发布 CyberBinGym:在无源码、无漏洞描述、无触发输入条件下,仅凭有漏洞与已修复二进制测试一百个真实漏洞。提供已修复二进制把利用率从百分之十提到百分之二十五,最强配置恢复百分之八十八并完成百分之二十经审计的利用;标准加固后二十个成功利用只剩两个。ByteByteGo 称 PHP 紧急修复两项 CVSS v4 评分九点二的远程代码执行漏洞。Apache 公告 CVE-2026-119618 影响 HTTP Server 2.4.55 至 2.4.70,十一月十一日发布 2.4.71。VulnCheck 作者统计四百四十二个可归因于 Anthropic 的公开漏洞编号,评论区维护者提醒还有私下通报的修复。均只述现象、影响与尽快打补丁,不展开复现步骤。
Modern Web Guidance、Astryx 与智能体工程开源工具
Modern Web Guidance(HN 422/140,GitHub Trending 排名第三)由 Chrome、Edge、Firefox、MDN 及社区维护,为编码智能体检索现代浏览器原生方案;源码仓显示命令行默认带遥测,使用前需关闭。meta/astryx 当日新增两千八百四十二星、总星两万四千七百二十六,发了 v0.7.14,自述仍处测试阶段。shadcn/improve 当日加三百三十三星,把规划契约交给隔离工作树执行;addyosmani/agent-skills 加七百八十八星;vercel-labs/agent-browser 加七百一十二星;openai/codex-security 用本地 SQLite 管理安全扫描发现。
Val Town 分阶段停运、.NET 11,以及 Shopify/Airbnb 工程案例
Val Town 宣布十二月十号进入部分只读,明年一月十号结束其余服务(HN 417)。微软正式发布 .NET 11(二百八十九条评论)。meng shao 转述:Shopify 三十人团队十二周内把三百多个页面从 React Native 重建为原生应用,安卓启动中位数从一点七一秒降到零点八七秒,安装包从八十点四兆字节降到四十七点六兆字节;Airbnb 用微调 Gemma4-E2B 做实时政策筛查,F1 从零点五六三到零点九零二、中位延迟约三十五毫秒,并开源可嵌入 Java/Kotlin 的工作流恢复库 Skipper(开源版支持 MySQL 与 SQLite,支付发券仍需业务层幂等)。
Anthropic 地区政策、Fable 5.2 新面与中文社区实作
中文社区里李岳、链研社、AB Kuai.Dong、Ding、图拉鼎等讨论十一月十二号生效的新地区政策,覆盖所在地、雇主、注册地及控制关系,以及网页、Claude Code、API 与经销商渠道;KC 等提到付费订阅获得一次免费限额重置。Remote Labor Index 更新:Claude Fable 5.2 在真实自由职业任务上完成率百分之四十一点三。Michael Guo 提到 Felix Rieseberg 用短提示词做出第一人称射击演示;WeZZard 用 Fable 5.2 三小时做了主线约半小时的卡丁车游戏;歸藏认为三维游戏可塞进单个 HTML,需要以 HTML 为基础的分发平台。小码哥闭关三周上架 MaskX,自称六百八十八元年费需卖一百一十五份六元买断才回本。小墨分享 FrontierHarness 对二十一组框架的横评;宝玉介绍斯坦福 CS329Z 作业,八十八分里有四十八分不调用模型。
今天最该带走的,是给智能体配上专用判断模型、清楚的停止条件和可恢复的验证回路,并把分享权限、沙箱残留凭据和补丁窗口当成默认要关的门,而不是先堆更多智能体。
本期资料包未经内容筛选(204 条)。正文已按栏目选题禁区剔除政治与国际关系炒作、估值股价融资行情、诉讼与专利纠纷细节、未成年人向及八卦花边;并购类未入稿。Grok Bot 1.0 及提及 Grok Bot/Tailscale 的条目按利益关系未选或只取无关技术事实(如 MaskX 上架)。OpenAI 评测越权一事据社交平台转述,材料注明尚未核对原文。Fusion、Scion 等比较数字均为厂商或转述口径。安全类只述现象、影响与防护,不写可复现步骤。
片头/片尾音乐:Ondrosik — Short piano jingle(CC0 1.0)
本期提到
- Gemini Decision 1Google 推出的封闭选项判断模型
- Gemini 4 Carbon向开发者、企业及部分消费入口开放
- Qwen4-Max千问旗舰预览版
- ERNIE 5.5 Flash百度预览版,计划开源权重
- AlphaGenome 2DeepMind 按细胞类型预测遗传变异影响
- PAN 2MBZUAI 开源世界模型
- H3-ImageMiniMax 开放权重图像模型
- GitHub Copilot Fusion模型路由正式可用
- ScionAnthropic 自研版本控制系统
- MAMUBenchAnthropic 多用户多智能体基准
- Grok Build分享链接默认可访问的安全事件
- CyberBinGym伯克利二进制补丁评测
- Modern Web Guidance为编码智能体提供现代网页指南
- AstryxMeta 开源的 React 设计系统
- Val Town宣布分阶段停运
- SkipperAirbnb 开源的工作流恢复库
- Claude Fable 5.2Remote Labor Index 完成率新面
- 小码哥上架 iOS 应用 MaskX
- Tw93精简 Skills,并介绍终端 Kaku
- 歸藏三维游戏可放入单个 HTML 的分发判断
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。