跳到正文
全部播客
HIS.FM / LISTEN每日手冲|2026-11-15
0:00—:——
正在加载音频…

EP.312026.11.1531 分钟14 个来源

每日手冲|2026-11-15

智能体开始替人付款、进会议、做形式化验证,供应链和推理账单也同时把约束摆上台面。本期从 Cursor 十月安全事件调查、ChatGPT Wallet 和 Poppy 协议讲起,看 Hydrogen 进入应用、DeepSeek 全家桶 API,以及开源审阅层、本地工具和中文社区的多模型分工。

每日手冲

本期内容

  1. Cursor 公布十月安全事件调查,源头为 Fireworks 访问密钥

    Cursor 官方更新十月安全事件调查:源头是推理供应商 Fireworks 暴露了 Cursor 签发的访问密钥。部分未开启 Privacy Mode 的历史编码智能体轨迹被取走,极少量未脱敏凭证波及不到 0.01% 的用户,并接触到非生产源码归档、客服邮件和用量信息。10 月 29 日,扩展市场分发缓存出现被篡改的 Claude Code 扩展,约 11 小时内至多波及 5000 名请求特定缓存版本的用户;Open VSX 源站未中招,也不是 Anthropic 产品漏洞。官方称 11 月 1 日最后一次攻击活动已被阻断,仅卸载扩展可能不够。

  2. OpenAI 推出 ChatGPT Wallet,智能体可在授权下代为付款

    OpenAI 推出 ChatGPT Wallet,面向美国 18 岁及以上的 Pro 订阅用户限量上线。用户预先绑卡后,常驻智能体 dots 可在批准下代为下单;与美国运通、Mastercard、Visa 合作,由卡组织生成一次性支付令牌,智能体和商家看不到真实卡号,每笔交易需人脸或指纹等确认,原有积分和争议保护保留。部分大型零售商(包括亚马逊)会屏蔽 AI 智能体。

  3. Sierra 发布个人智能体开放标准 Poppy 1.0

    Sierra 发布 Poppy 1.0,基于 MCP、OpenAPI 和 UCP 等现有标准,让个人智能体通过 OAuth 在授权范围内对接企业业务智能体、网站和 API。Shopify 已为平台上所有商户自动发布 Poppy 文件,Meta 的 Muse 访问网站时会优先寻找 Poppy;设计伙伴超过 100 家,包括 Affirm、达美航空、Salesforce、Zoom 和土耳其航空等。

  4. Gemini 4 Hydrogen 进入 Gemini App,并有企业文档评测

    Google 副总裁 Josh Woodward 宣布 Hydrogen 已进入 Gemini App,并登上 Product Hunt 日榜第 6。Box CEO Aaron Levie 分享,在自家复杂文档评测中,Hydrogen 比 Gemini 3.8 Flash 准确率高 5 个百分点,任务完成时间不到一半,典型任务 token 消耗约少 12%。这是 Box 内部评测,不是独立第三方横评。

  5. OpenAI 解散独立机器人团队,以及 Claude Meetings、Duet 的近况

    Fortune 报道 OpenAI 确认解散独立机器人研究团队,人员分别并入 Mark Chen 领导的主研究团队和 Greg Brockman 负责的应用业务线,仍规划 2027 年公开演示人形机器人。The Decoder 引述英伟达研究:Astra 驱动智能体在模拟机器人任务成功率为 74.8%,高于专业模型的 51%;StationeryBench 200 次试验中 Astra 完整完成 7 项,MolmoAct2 为 0,平均进度 46 比 12。Claude Meetings 进入 Team/Enterprise 测试,Product Hunt 日排名第 3,Hacker News 上有 111 分和 87 条评论。Claude Duet 研究预览已向美国候补名单上的付费用户全部发出邀请,不单独收费,与网页对话和 Claude Code 共用额度。

  6. DeepSeek 开放全家桶应用 API,以及 Cognition Devin Apps

    DeepSeek 开放应用 API:在 Messages、Responses 或 Chat Completions 中打开相应参数,V4.1-Flash 可由服务端自动完成联网搜索、深度思考搜索、文件输入、链接阅读、安全校验和语音调用;OCR、ASR、TTS 也提供独立接口。向阳乔木随后分享把这套能力封装成开源 Skill。Cognition 上线 Devin Apps,可用自然语言生成托管在 Devin 云端电脑上的内部 Web 工具。GitHub Trending 上的 ag-ui 总星 17298、当日加 9 星,用类型化事件和 JSON Patch 区分文本输出与应用状态更新。

  7. Google Teamwork 形式化验证,以及 Inkling 2 Small 原生 4-bit 训练

    Google Research 介绍 Antigravity 的 Teamwork:Teamwork-LEAP 约 2.88 万次子智能体调用、累计约 180 万行 Lean 代码,完成韦伊猜想形式化证明,并复现三维纳维-斯托克斯有限时间爆破问题的形式化证明;分子化学方向 30 个专业智能体配合模拟器,复杂分子基准 Top-1 准确率 95%、Top-3 为 100%。谷歌计划向 1 万名学术研究人员提供 6 个月最高额度免费访问,并写明这些成果与人类专家共同完成。Thinking Machines 详解 Inkling 2 Small 全程原生 4-bit 前向训练:专家层前向 NVFP4、反向 MXFP8,在 GB300 上比 BF16 少用 3.6 倍比特、最高快 6 倍;最大规模任务中预训练提速 8%、强化学习提速 20%,计算效率代价约 2%,68 小时在 GB300 NVL72 上完成此前需数周的同等规模预训练。

  8. Gemini 4 Carbon 登顶 MathArena,以及 AllenAI 发布 XYBench

    The Decoder 报道,Gemini 4 Carbon 以 85.4% 预期成绩登顶 MathArena,超过 GPT-6.1 Sol 的 80.6% 和 Claude Fable 5.2 的 82.8%;Carbon 单题一次预期成本 15.70 美元,约为 Sol 的 1.07 美元的 15 倍,Fable 5.2 为 40.20 美元。因成本所限,Carbon 目前只在 ArXivLean 上完整跑过。AllenAI 等发布获 EMNLP 2026 最佳资源论文奖的 XYBench,含 8115 个真实问题;在 Stack Overflow 题目上,五款模型在 75%–86% 的回答里顺着字面作答,只有 35%–41% 转向用户实际目标。

  9. Atlas、H3-Image、Seedream 5.0 Pro,以及实时语音与代打电话

    World Labs 向公众开放世界模型 Atlas。MiniMax H3-Image 在 AA-Image-Editing v2.1 以盲评 Elo 1138 成为开放权重第一、总榜第 13,高于 Fibo 2.0 的 1085 和 Qwen-Image-2.1 的 1084,文生图榜同样为开放权重第一。豆包 Seedream 5.0 Pro 上线 fal。腾讯混元发布实时语音模型 Hy Realtime。Meta 的 Muse 向美国每月 19.99 美元起的最高级别订阅用户提供合成语音代打电话。

  10. Rust 1.100、llama.cpp 1.0,以及开源审阅层与智能体浏览器

    Rust 1.100.0 稳定 never 类型等(HN 894/320)。llama.cpp 与 ggml 发布 1.0.0,ggml 发布说明在 HN 上为 400 分/67 条评论。GitHub Trending 上 alibaba/open-code-review 当日加 897 星;plannotator 被标为今日最热,当日加 412 星,文档提醒远程模式默认监听所有网卡且不带登录验证。Cloudflare 开源实验性智能体浏览器 Kitesurf,上线首日逾 1200 星。另有 chrome-devtools-mcp 当日加 673 星,以及 agweb、Memorilla、Project Zero 缩短披露期限等。

  11. 中文社区:账号风控、多模型分工与可落地的小工具

    中文开发者讨论 Claude 登录与认证弹窗、申诉和退款路径:图拉鼎称一条走 App Store 支付的订阅按比例退回 7.72 美元;QingYue 自述,因额度用不完让模型在 7 小时内推送升级了 38 个仓库,随后自己的 GitHub 账号被封。图拉鼎、Fox、oil-oil、KC 分享 Gemini 4、T3 Code 与 Antigravity 的分工和踩坑。Berryxia 称用文心 5.5 Flash 花 28 元做出 13 个可交互 3D 场景,并提到 Claude Code 2.1.283 起可用 /doctor prompt-audit。另有 ScarletKc-2.0 开源、Tw93 的酒店 Wi-Fi 技巧和 Mole CLI,以及小墨转发的 Pi Virtual Models 路由玩法。

把凭证边界、模型分工和审阅工具一次体检清楚,比盲目堆生成量更重要。

本期数字与结论分别来自官方公告或博客、第三方榜单、企业或作者自己的评测,以及社区帖子里的自述,强度并不相同。Cursor 十月事件以官方调查更新为准;Hydrogen 在复杂文档任务上的数字来自 Box CEO 分享的企业内部评测;ChatGPT Wallet、Poppy、DeepSeek API、Teamwork、Inkling 四比特训练等以官方或实验室公开说明为准。MathArena 与 XYBench 是第三方或论文评测,Carbon 的单题成本是榜单统计的预期值。OpenAI 机器人方向的对比数字,来自报道所引的英伟达模拟测试,不代表真机表现。Teamwork 的形式化证明案例,谷歌写明是与人类专家共同完成。社区侧的登录、退款、账号被封和工具使用体验,均为作者自述。用纯 JAX 复现 DeepSeek V3 架构要素的项目,是教学向的缩小样本,不是完整官方权重或同规模能力的复刻。

片头/片尾音乐:Ondrosik — Short piano jingle(CC0 1.0)

本期提到

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。