首页 / AI 简报 / 2026-11 / 11-04 2026-11-04 · 周三 · 9 条 Claude API 推出消息线程、三款 Claude 模型开始带文本水印、Kimi K3 在 Bedrock 上可选印度境内推理 今天没有新模型，主线是把智能体当成生产系统来管：对话状态由谁保存、输出带不带标记、智能体用谁的身份调用、技能和指令也要像依赖一样更新和审查。
通过 message-threads-2026-08-12 测试版请求头启用：第一次请求带上完整对话、系统提示词和工具创建线程，之后每次只发新消息和上一条响应的 id 线程是尽力而为的：最后一次请求 5 分钟后过期，最后使用后不超过 1 小时删除；线程丢失时继续请求返回 404，需要重发完整对话 system 和 tools 只在创建时发送；model、thinking、tool_choice、mcp_servers 等字段每轮必须与创建时一致，否则报 thread_fingerprint_mismatch；线程本身不缓存提示词 支持 Claude API、Claude Platform on AWS、Google Cloud 上的 Claude（Anthropic 托管）和 Microsoft Foundry；不适用于 ZDR 和 HIPAA 开发者视角 PandaClaws 后台跑的正是这种每轮重发长历史的智能体循环。我会通过 SDK 的线程助手接入，重放由它处理；对话仍以我们自己保存的那份为准，再加上顶层 cache_control，因为线程本身不省 token 钱。签了 ZDR 或 HIPAA 协议的业务先不要用。
11 月 3 日起，Claude Mythos 5、Claude Opus 4.7 和 Claude Sonnet 4.6 生成的文本，在 Anthropic 帮助文章列出的平台上带有 Anthropic 文本水印 在 Sonnet 4.6 上，请求把 temperature、top_p 或 top_k 设成非默认值时，生成的文本可能不带水印；Anthropic 建议依赖水印的用户三个参数都不传，包括框架或客户端库替你设的 文档写明：水印不增加 token、不加隐藏字符，不改变含义、质量和可读性，也不携带用户或组织的信息 开发者视角 代码不用改，但要查两件事：功能里承诺披露或识别 AI 文本的，先确认覆盖了哪些模型和平台，不要默认所有 Claude 输出都带标记；习惯性给 Sonnet 4.6 传采样参数的，想清楚是不是真的需要。像智能面试这种会被问「这个回答是不是 AI 写的」的场景，水印受模型和参数影响，只能当信号，不能当证据。
Kimi K3 通过跨区域推理配置文件提供：global.moonshotai.kimi-k3 成本最低、覆盖最广，推荐大多数场景使用；in.moonshotai.kimi-k3 把处理限定在孟买和海得拉巴 AWS 推荐这个模型使用 OpenAI 兼容接口，示例代码用 openai Python 库接入 示例读取一份扫描的印地语文件、抽取结构化数据，再用印英混杂语言回答追问，不需要单独的 OCR 或翻译服务 客户 Ultrahuman 称其助手每天在 Kimi K3 上处理超过 14,000 次对话，提示词缓存让 LLM 成本降低 80%，多轮对话快了 85% 开发者视角 比印度本身更值得看的是这个模式：开放权重模型在大云上有了锁定区域的推理配置，这是受监管客户最先问的问题。有数据驻留要求的市场，在配置里显式指定地域配置文件，不要依赖全球默认；同时确认 SCP 放行了两个目标区域，否则调用失败时看起来会像模型出错。
Dependabot 为 apm.yml 里声明的受支持 git 依赖开更新 PR，存在 apm.lock.yaml 时会重新生成 只做版本更新，不做安全更新 在 .github/dependabot.yml 里加一个 apm 条目，指定 apm.yml 所在目录和更新频率即可 github.com 所有套餐正式可用，GitHub Enterprise Server 3.24 随后支持 开发者视角 技能和指令有了锁文件，更新就要按代码来审：每个 PR 都看 diff，一句指令变了，智能体拿着仓库凭据做的事就可能跟着变。这里不含安全更新，所以我仍会把技能来源限定在信得过的发布者，和扩展白名单是同一个思路。
在 Air 的智能体选择器里选 GitHub Copilot，用现有 Copilot 订阅；可以并行跟踪多个智能体会话，在代码旁边审查改动 云端任务经 Air Teams 运行，在全新虚拟机上的 Docker 容器里执行，所有流量走代理，任务之间不保留状态 单个任务用个人还是组织的 Copilot 套餐无法选择，Air 的分析不含 Copilot 用量，Air 管理员能禁用 Copilot，但不能在 Air 里设 Copilot 花费上限 开发者视角 ACP 正在把 IDE 变成一个选择器，你已经付费的智能体都能挂进来。要注意细则：Air 里选不了套餐、也设不了花费上限。团队要用的话，先在 GitHub 那边设好 Copilot 预算再开云端任务，并且要知道 Air 的看板里看不到这部分花费。
语言模型负责流程编排、数据库检索和科学推理，分子计算交给基于 RDKit 的确定性工具，并接入 ChEMBL 和 PubChem 以克唑替尼和劳拉替尼为例，智能体检索数千个化合物，做匹配分子对分析，建立并在留出集上验证活性模型，提出刚性化的大环分子和合成路线 DeepMind 称这类流程通常一轮就要好几天；提出的设计只是可检验的假设，必须经过合成和实验验证 现已可用：在 Antigravity 应用里安装 Science 插件 开发者视角 可以照搬的是这个分工：模型负责规划和选工具，必须精确的部分交给确定性代码。AI 云盘做文件信息抽取我也会这么做：模型决定要抽什么，最终字段由解析器或校验器产出。把领域经验打包成插件，还意味着领域规则可以独立于模型发布。
四个难度对应四种变量赋值：值不变、按值重新赋值、基于自身的更新（x = x + 5）、按引用赋值（x = y、交换） 四个前沿模型在两个简单级别上都表现不错，但在两个难的级别上，输入越长准确率跌得越厉害，最长的 general finite 题降到 13% 或更低 从零训练的 275M 参数模型，在最多 256 次赋值的序列上训练、最长测到 64,000 次：Gated DeltaNet 和混合架构在三个级别上几乎完美泛化，Transformer 随长度退化，且始终学不会最难的级别 题目形式影响很大：有的小模型在 RULER 式题目上接近满分，换成表格编辑的形式就接近随机 开发者视角 智能体改了很多步之后「迷路」，根源就在这里：一连串更新之后的当前值，前沿模型也算不准。长时间运行的智能体，我不会让模型从对话记录里自己还原状态，而是由 harness 维护一份结构化的当前状态，每轮喂回去。测试也要用自己的数据格式，不能只看大海捞针类的分数。
智能体拿到一个真实开源仓库的代码和一句简短指令，要找到并修复安全缺陷，同时不破坏原有功能；完全程序化评分，另保留一个不公开的测试集 11 个模型中，Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 领先，Claude Opus 5.5 为 67.3% 和 78.0%；即便第一名也有 19% 的题每次都失败 成本上，DeepSeek V4.1 Flash（1017）、Claude Opus 5.5 和 Gemini 4 Argon 构成帕累托前沿：每次 0.04 美元做到 57.0% pass@1，Opus 每次 1.83 美元高出约 10 个点，Gemini 每次 3.92 美元略高一点 95 道题至少被一个模型解出；公开题集、评分器和 harness 都已开放，题目还标注为可用于训练防御型智能体的 RL 环境 开发者视角 最有用的是成本那一列：便宜的开放模型已经能做到大半，CI 里可以做两层安全检查，每个 PR 先用便宜模型扫一遍，标出来的再交给前沿模型。不管用哪个模型，都沿用这个基准的标准：智能体的修复必须让原有测试照常通过，安全补丁由人签字。
没有身份传递时，智能体的调用到了下游是以应用而不是用户的身份出现，审计记录断掉，用户级权限也被绕过 智能体用限定在自身 Microsoft Entra ID 应用注册的 JWT 向网关认证；网关通过 OBO 流程把它换成限定在 ServiceNow 连接器的令牌，并保留原用户身份 ServiceNow 把令牌里的 preferred_username 映射到已有用户并套用其权限；令牌交换配置在网关目标上，每次请求都会执行 AWS 表示这个模式适用于其他受 OAuth 保护的 REST 接口 开发者视角 凡是碰业务系统的智能体，都应该默认这样做：智能体以用户身份行事，而不是拿一个超级账号。AI 云盘的智能体功能我也会这么做：在工具网关换成用户的令牌，由存储层自己执行权限，而不是在智能体里过滤结果。
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 →