日常编码模型贴近旗舰水位的同时,插件更新通道、沙箱出网和外部网站代办,正在变成更硬的工程边界。本期从 Gemini 4 Hydrogen、官方 Claude Code 插件部分版本投毒讲起,看 A2UI、云端运行器、美联航限制智能体订票,以及补丁升级、动态路由账单和独立开发的真实收入。
每日手冲|2026-11-13
本期内容
Google 发布 Gemini 4 Hydrogen,接替 3.8 Flash
Google DeepMind 推出主打日常编码与智能体工作流的 Gemini 4 Hydrogen,已在编程工具、搜索和开发者接口开放。官方称任务完成速度为 3.8 Flash 的 2.5 倍,CursorBench 从 39.6% 升至 54.3%,Terminal-Bench 4.1 为 57%;上下文一百万 token,输入/输出每百万 1.5/7.5 美元,Antigravity 编排器可在同一会话切换 Carbon 与 Hydrogen,官方称可节省 24% 配额、提速 19%。The Decoder 援引 Artificial Analysis:最高思考档智能指数 54 分,比 Sonnet 5.5 与 GPT-6.1 Sol 满档 55 分低 1 分,单任务约 3.16 美元;默认高档 51 分略高于 Argon,幻觉基准虚构率 8%,Terminal-Bench 4.0 为 54%,低于 Sonnet 5.5 的 64%。宝玉梳理谷歌公布的十项测试中 Hydrogen 七项领先,命令行编程、电脑操作和科学任务仍是 Sonnet 5.5 占上风。
Cursor 市场中官方 Claude Code 插件部分版本被植入恶意代码
开发者锤子转发提醒:Cursor 插件市场里官方 Claude Code 插件 2.1.312 与 2.1.313 被发现内置恶意代码,涉事版本已下架。披露的现象是会在开发机留下远程访问后门和自启动项,并搜寻云服务凭据。建议装过这两个版本的人检查本地信任密钥与自启项,并轮换云厂商凭据。只述现象、影响与防护,不写可复现步骤。
Perplexity SPACE 沙箱续测结果,以及 Delta 云端运行器
Perplexity 技术博客称,用十二个模型测试 SPACE 沙箱,没有模型突破虚拟机与宿主机隔离,但部分模型碰到了网络访问限制,相关缺陷随后已修复;夺旗式提示词容易让代理偏离要验证的安全边界。Zed 团队发布 Delta 0.26:可登录 Claude 账号复用套餐,Cloud Runners 允许合盖后在云端继续任务,目前除学生计划外暂时免费,未承诺永久免费。据 Zed 说明,Conductor 团队即将加入 Meta、原应用逐步停服,Delta 提供了对话导入。只谈生态迁移,不涉及交易细节。
Google A2UI 1.0 与 OpenAI ChatGPT MCP 扩展包
Google 开发者博客发布开放生成式界面协议 A2UI 1.0(HN 38/6),提供网页、安卓和苹果原生渲染器及 Python、TypeScript、Dart 套件,由智能体输出结构化界面描述、宿主调用已注册原生组件。OpenAI 在 GitHub 开源面向 ChatGPT 的 MCP 扩展开发包,同样提供 TypeScript 与 Python 版本,可加侧边栏、自定义文件查看器和输入框资源搜索等能力。两边都还缺少部分量化评测或上线范围说明,接入时应把界面展示与底层业务动作拆开。
Claude Meetings 测试版,以及 Praxis-1 与 Inkling 2 Small 开源权重
Anthropic 向团队版和企业版分批推送 Claude Meetings 测试版,可让 Claude 作为参会者进入 Google Meet,当场起草文档、画白板并调用已连接工具;会中产物免费期截至 2027 年 2 月 10 日,工具调用计入用量。Runway 以 Apache 2.0 开源 270 亿参数世界动作模型 Praxis-1,在英伟达 RoboLab 120 的 1200 个回合里成功率为 46.2%,在谷歌 RT-1 上轻量微调后 SimplerEnv 成功率为 80%。Thinking Machines Lab 以 Apache 2.0 开源 Inkling 2 Small:总参数 5940 亿、每 token 激活 170 亿,BrowseComp 90.2%,主检查点至少需要 500 吉字节显存。
GPT-6 Astra 红队训练、IBM LLMON,以及 incident.io 与 Replit 账单
OpenAI 对齐博客称,用 GPT-5.6 Sol 家族仅助人推理模型做攻击者加固防守,GPT-6 Astra 在网络安全领域稳妥回答率达 91.5%,高于同测试里 GPT-5.6 Sol 的 59%,正当请求误拒率未上升。IBM 发布 LLMON 与 Granite 4.1 的 30 亿/80 亿预览模型,在 OPI 基准上比参测最好前沿模型多抵御 47% 的攻击,比最好开源模型多 95%。The Pragmatic Engineer 披露作者为 incident.io 投资人,并转述该公司今年 AI 支出预计约 160 万美元、每名工程师每月约 1600 美元,近八成上线 PR 含代理代码,每日发布从 1.9 次升到 2.8 次,免人工审查比例从 12% 升到 43%;每千个 PR 事故数约降六成,但因提交总量增加,事故绝对数上升。Replit 为 Agent 增加代购与谷歌广告投放,付款禁用命令行与通用浏览,并要求每笔消费经创始人审批。
AWS Emulator(HN 959/261)与美联航限制第三方智能体代订机票(HN 656/680)
AWS 在 GitHub 开源 aws-emulator,可在本地或持续集成里模拟 AWS API、无需真实云账户;官方说明只面向开发与功能测试,不能作为安全策略验证依据。CBS News 报道美国联合航空限制第三方 AI 智能体代订机票,核心理由包括账户凭据、误操作购买纠纷和值机合规;这是航空公司的访问控制政策,不等于法院已裁定相关操作违法。提醒涉及外部网站登录和交易的产品优先对接官方授权接口。
Jane Street 机房连锁故障复盘,以及面试流程的克制调整
前系统团队成员回忆纽约旧机房一次烟雾误报:喷淋管线充水待命并关停制冷,服务器继续产热,差点触发喷淋(HN 567/268)。Jane Street 官方博客称,已在部分校园候选人现场面试中试行更侧重软件设计、代码验证以及与大模型协作的环节,但多数轮次仍不允许借助大模型,并非每个候选人都会采用新格式(HN 126/109)。
Gemini Decisions API 续热讨论,以及 Switchyard 动态路由账单
Gemini Decisions API 的 HN 讨论升至 549 分/157 条评论:可对同一份多模态输入一次评估最多一千个判断题并返回置信度。Xudong Han 转述 LangChain Switchyard 实验:在 145 个多步代理任务上,93% 调用交给小模型后总成本下降 74%,准确率从 86% 降到 80%;单用小模型已有 77.7%,路由增益未超过实验波动,裁判模型占路由预算 21%。
Apache HTTP/2 与 PostgreSQL 安全更新,以及流水线规范
Wiz 继续分析 Apache HTTP Server 二点零协议模块的并发同步问题,可能被用来远程执行代码,官方建议升级至 2.4.71 或更新版本,截至发文时未见公开利用或在野利用(HN 347/187)。PostgreSQL 发布 18.7 至 14.25 等维护版本,修复 52 项安全问题与 140 多项缺陷,14.25 为 14 系列最后一次发布。另有 GitHub Actions 锁文件讨论、Devon Estes 团队在负责工程师自审加自动化检查后取消同事审批的争论,以及 addyosmani/agent-skills 当日加 812 星、总星 116586。安全叙述只讲现象、影响与尽快升级,不写可复现步骤,也不念长编号。
SupportNets、端侧推理,以及 Modern Web Guidance 升至 Trending 榜首
Apple 研究博客的 SupportNets 在公开实验里、含路由开销达到 95% 召回率的延迟为 1.74 毫秒,低于簇中心路由的 3.36 毫秒(HN 230/38)。社区有 smolmaxxing 在不到一吉字节可用内存的电视盒上跑通模型,以及 Edge0 把 350 亿参数、每次激活约 30 亿的混合专家模型放在固态硬盘上,运行内存 2.5 到 3.4 吉字节。modern-web-guidance-src 当日加 799 星、总星 2701,升至 GitHub Trending 第一;源码 Apache 2.0,指南文档为署名型知识共享许可,默认遥测仍会发送搜索词与指南标识。同榜新面孔包括 qwen-code(+151)、TensorFold(+94)和 free-claude-code(+461,AGPL 3.0)。只写今日排名与许可/遥测新面,不复述昨日指南细节。
中文社区:单文件三维网页游戏、Carbon 审查水位与 MaskX 账单
歸藏称用一个下午、约 45 亿 token,让 Fable 5.2 做出约 30 兆字节的单文件三维动作游戏。Berryxia 转述 WquGuru 将流程拆成四步,成品为 131KB 单文件第一人称射击网页游戏,最后一步耗时 40.8 分钟,走缓存 15.96 美元、不走缓存 60.57 美元。Michael Guo 用英伟达资产在浏览器里搭出可导览的配送中心。KC 转述 Theo:Carbon 架构审查虚假论断率 18%,低于 Argon 的 36%,一次 Rust 审查 79 条结论里 23 条出错;同测试下 Opus 约 0–1%。KingBench 4 上 Fable 5.2 平均 70%,此前榜首 Opus 5.5 为 57.8%。小码哥称 MaskX 上架 24 小时收入 31.9 美元,未赚回 688 元开发者年费;宣传帖曝光超过 20 万次。小墨对比国内平价套餐,阿里百炼 Lite 每月 39 元人民币等;KC 提醒千问 4 Max 预览接口须走 Token Plan 单独密钥。
今天最该带走的,是把本地开发环境当成生产资产来管权限,用官方接口而不是模拟点击对接外部交易,并在看轻量模型账单时把合格率、缓存成本和人类架构把关算进去。
本期资料包未经内容筛选(145 条)。正文已按栏目选题禁区剔除政治与国际关系炒作、IPO/融资/估值股价、诉讼细节、治安与未成年人向、人事八卦等;① a19、③ c01/c10/c11 及另外两条提及 Jev 或 Grok Bot 的条目因利益相关未选。Nadella/Musk/Karpathy 日文、Grok Build、Seedream 5.5 等已讲内容不重开。United、Decisions API、Apache HTTP/2、Modern Web Guidance 只写 HN/榜单续热新面。Conductor 团队加入 Meta 据 Zed 说明转述,不涉及交易细节。安全类只述现象、影响与防护。incident.io 数据来自作者同时披露自己为投资人的通讯。
片头/片尾音乐:Ondrosik — Short piano jingle(CC0 1.0)
本期提到
- Gemini 4 HydrogenGoogle 推出的日常编码与智能体工作流模型
- Claude Code 插件(Cursor 市场)部分版本被发现植入恶意代码后已下架
- Perplexity SPACE代理沙箱续测,网络限制缺陷已修复
- Delta Cloud RunnersZed 团队的云端代理运行器
- A2UI 1.0Google 的开放生成式界面协议
- OpenAI MCP 扩展包面向 ChatGPT 的界面扩展开发包
- Claude Meetings可进入 Google Meet 的测试版会议助手
- Praxis-1Runway 开源的世界动作模型
- Inkling 2 SmallThinking Machines 开源的多模态模型
- GPT-6 AstraOpenAI 公布自动化红队训练结果
- LLMON/Granite 4.1IBM 用结构化上下文抵御间接提示注入
- incident.io披露 AI 工具支出与交付数据
- AWS Emulator本地模拟 AWS API 的开源仓库
- United Airlines限制第三方智能体代订机票
- Jane Street机房连锁故障复盘与面试调整
- Modern Web Guidance升至 GitHub Trending 榜首
- MaskX小码哥上架 24 小时收入账单
- 歸藏用 Fable 5.2 做出单文件三维动作游戏
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。