2026-10-28 · 周三 · 10 条 Anthropic 公布与 6 家药企的 Claude 研发成果、DeepMind 发布世界模型 Genie 4、Liquid AI 开放 LFM3 小模型系列
今天的主线是「模型从做演示走向进流程」：Anthropic 拿出药企实验室和申报文档里的具体数字，GitHub 让智能体以组织身份运行、由模型初筛权限请求。与此同时，Ai2 的研究提醒，让模型当评委时，换一种提问方式就可能让结论翻转，进流程之前先把评测做稳。
-
- 合作方为 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines 和 The Column Group，工作大多仍处于临床前阶段。
- Divergence Labs 用 Claude 在约 1 个月内生成约 35,000 个抗体设计；BigHat 在约 10 周内制备并测试约 1,010 个变体，最好的结合力提高 10 倍以上。
- Enveda 的 1,061 页生产与申报文档中，Claude 找出了人工发现的全部 11 个问题，另标出 7 个人工漏掉的，人工审核时间从 25 小时以上降到 3 小时以内（降 89%）。
- Anthropic 同时推出研究工作台 Claude Science、面向生命科学的 Claude 额度，以及允许受信机构在更宽松防护下使用最强模型的 Life Sciences Verification Program。
开发者视角对不做生物的人，最值得抄的是 Enveda 那组数字：Claude 不是替代审核，而是先过一遍、把问题列出来，人再复核，时间降了近九成还多找出 7 个问题。智能面试的评分报告、AI 云盘的文档问答都可以按这个分工设计：模型负责「全量初筛 + 给出处」，人负责拍板。
-
- Claude Enterprise、Claude for Government 和 Claude API 均享 40% 折扣，覆盖联邦机构以及州、地方、部落和领地政府，无最低消费，按量付费。
- 目前直接采购即可享受，经云厂商采购的折扣「在未来几个月」覆盖；预计为政府节省 10 亿美元。
- 约 500 个美国联邦、州和地方机构在用 Claude；Claude for Government 的周活跃用户自 2 月以来增长约 8 倍，联邦民事部门用量一年增长约 20 倍。
- Claude for Government 已于 9 月 30 日正式可用并获 FedRAMP High 授权；Claude Enterprise 正通过 FedRAMP 20x 申请 Moderate 授权。
开发者视角和 10-26 的 S-1 连起来看，政府订单是 Anthropic 摆给公开市场的一张牌。对做 ToG 或强监管行业产品的团队，可以留意的是合规认证的路径：FedRAMP High、IL4 / IL5 这些在云厂商侧先拿到，再往下游铺；国内做政企项目，也该先确认所用模型在目标云上的合规资质，而不是等到招标时再问。
-
- Genie 4 为原生多模态，在生成画面的同时生成音频。
- 它吸收并扩展了 Gemini 系列的能力：Gemini Omni 负责真实世界的外观与行为，其他 Gemini 模型提供推理以保证连贯与延续。
- 目前是面向受信测试者的研究预览，将开放给 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期接入合作方，可通过表单排队。
- 公告未给出分辨率、帧率、时长或价格。
开发者视角现在没有分辨率、时长和价格，判断不了能否做进产品。我会先排上 API 早期接入的队，留意它是不是像 Imagen、Veo 那样很快变成按秒计费的接口；做游戏、教学演示或训练智能体仿真环境的团队，可以开始准备一组固定的评测场景，等开放了直接对比。
-
- 包括 LFM3-1.7B（文本）、LFM3-VL-2B（图像与视频）、LFM3-Audio-2B（语音输入输出）、LFM3-Omni-2B（全模态）以及输出校准答案的 d1-2B、d1-omni-2B，全部开放权重，已上 Hugging Face。
- LFM3-1.7B 在 WebArena-Verified 上得 38.42 分，上一代 LFM2.5-2.6B 为 3.02，参数少 35%。
- LFM3-VL-2B 在 62 个视觉基准上的平均分从 LFM2.5-VL-3B 的 57.6 提到 71.4，参数 1.9B 对 3.1B。
- 每个模型都能在单张 GPU 上微调，官方 cookbook 提供 SFT、DPO、GRPO 和继续预训练的 Colab 笔记本；文章未写明许可证。
开发者视角2B 级模型在网页智能体任务上从 3 分到 38 分，说明端侧小模型开始能干点实事。AI 云盘里文件分类、截图识别这类高频、低难度的活，我会拿 LFM3-VL-2B 用自己的数据微调一版试试；但许可证没写清楚之前，只做内部评测，不进产品。
-
- OpenAI 与 Oracle 扩大合作，把 Oracle 的业务应用和 AI 智能体带进 ChatGPT。
- 合作同时为 Oracle 新推出的产品提供能力支撑。
开发者视角官网正文这次我打不开，只能确认官方摘要里的这两点，具体是哪些应用、何时可用还要等细节。方向很清楚：员工在 ChatGPT 里直接操作 ERP、HR 系统。做 B 端 SaaS 的团队该认真考虑：自己的产品是作为 ChatGPT 里的一个应用被调用，还是继续让用户打开自己的界面。
-
- 公开预览：给 GitHub App 授予只读的「Copilot Requests」组织权限并安装到组织，把短期有效的安装访问令牌交给 Copilot SDK 即可。
- 用量计入安装所在组织，组织的模型策略、预算和支出控制照常生效。
- 组织所有者可查看哪些应用有权限，在 AI 用量 CSV 报告里按 app_client_id 字段找到应用产生的用量，暂停或卸载应用即可撤销。
开发者视角以前后台跑的编码智能体大多挂在某个员工的 PAT 上，人一离职就断，用量也算到个人头上。10-23 Enterprise 级 GitHub Apps 正式可用、10-25 用量指标按客户端拆分，再加上这一步，「智能体用组织身份、短期令牌、可单独计费」这条链补齐了。有自建 CI 智能体的团队，可以排期把个人令牌换掉。
-
- 辅助权限模式下，由大模型评估 Copilot 运行命令、访问文件路径或打开网址的请求，被判为明确安全的自动执行，其余仍需人工批准。
- 已在 Copilot CLI、Copilot 应用和 VS Code 中正式可用。
- 企业管理员可禁用「全部允许」同时保留辅助模式，也可单独禁用辅助模式，并为新会话设定默认权限模式；默认不可用时会话从手动批准开始。
开发者视角「点确认点到麻木」本身就是风险，用模型初筛比让人机械点「是」更靠谱。但它是概率判断，我的做法是：团队默认设成辅助、禁用全部允许，再配上 10-21 那条 Claude Code 安全层事件之类的日志，定期抽查被自动放行的命令，别让分类器成为没人看的黑箱。
-
- 2.1.311（10 月 26 日）修复标准上下文会话在请求超过 200K token 时报「Usage credits required for 1M context」而停止的问题，现在会压缩对话后继续。
- 2.1.311 修复 SubagentStop 钩子对每个运行中的子智能体约每分钟触发两次的问题，改为结束时触发一次。
- 2.1.312（10 月 27 日）将提示词和智能体钩子限制为每会话最多同时运行 24 个（含子智能体），另加最多 12 个已超过事件超时的；不足 1 秒的 timeout 按 1 秒计。
- 2.1.312 为 Claude 应用网关新增 oidc.user_id_claim，可用 sub 以外的 id_token 声明（如 Microsoft Entra ID 的 oid）识别用户。
开发者视角用钩子做审计或拦截的团队要注意两件事：SubagentStop 之前重复触发，按它计数的统计要回头校正；新的并发上限下，慢钩子会排队，最好给每个钩子设合理的 timeout 并在压测里看一次排队情况。用 Entra ID 做单点登录的公司，可以把用户标识切到 oid。
-
- SOCI 索引让任务只拉取启动容器所需的文件，其余在后台流式加载；任务定义、入口和数据通道都不用改，无索引或懒加载失败时回退为完整下载。
- 实测镜像下载：1.8 GB 从 48 秒降到 3–11 秒，13.2 GB 从 3 分 42 秒降到约 6 秒，35.4 GB 从 7 分 17 秒降到 3–11 秒；GPU 拉镜像期间的空闲时间最多减少 90%。
- 首个 epoch 会慢 3–16 秒，之后每个 epoch 与标准镜像持平，测试中每个任务总体提前 1–6 分钟完成。
- 已在所有 AWS 区域可用，只支持 Amazon ECR 私有仓库；约 4 GB 以下的镜像收益较小，运行时改为 containerd，依赖 Docker CLI 或 Docker socket 的代码可能要改。
开发者视角单个任务省几分钟不起眼，但频繁跑短任务（评测、小批量微调、数据处理）时，按 GPU 小时计费的那部分会明显少。上手前先查一下训练脚本里有没有调 docker 命令，有的话这是唯一要改的地方；4 GB 以下的镜像就不用折腾了。
-
- 数据取自 ICLR 2026 评审：154 个高新颖性与 145 个低新颖性的人写想法，另把 154 个高新颖性想法与 154 个简单 LLM 生成的想法配对。
- 在人写对生成的配对上，仅改动提示词措辞就让 GPT-5.4 的准确率从 93.5% 降到 40.9%，低于随机；在纯人写集合上，Claude Opus 4.6 的波动达 21 个百分点。
- 一个简单基线（Claude Opus 4.6、低推理强度、三次调用多数投票）macro-F1 为 0.854，成本 2.59 美元；Idea Novelty Checker 为 0.642、30.66 美元，Sakana AI Scientist 的评估器为 0.772、82.05 美元。
- 基准、数据（allenai/novelty-judge-bench）与代码（allenai/novelty-eval）已公开，文中未写明许可证。
开发者视角这对所有「让模型打分」的产品都是提醒：智能面试的评分、内容质量的自动审核，提示词换个说法分数就可能大变。我的做法是把评分提示词当代码管，改一个字都要在固定的人工标注集上重跑；多次调用投票这种便宜办法，往往比复杂的智能体评审更稳更省。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事
每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →