2026-11-11 · 周三 · 10 条 Gemini 4 Carbon 全面开放、DeepMind 用智能体形式化验证 Signal 代码、Anthropic 启动 IPO 路演
今天的主线是 Google 把最强一档模型以主力档的价格放出来,并用它把形式化验证这种「贵到很少人做」的事压到四周;与此同时,跑智能体的底座在变便宜:NVIDIA 的两个开源项目让空闲会话和推理副本都能快照恢复,AWS 和 Hugging Face 则把搜索、检索、分类拆成更小的现成部件。
-
- Carbon 通过 Google AI Studio 的付费 API 与 Gemini for business 开放,限时价格与 Gemini 4 Argon 相同(每百万 token 输入 2 美元、输出 10 美元);11 月 30 日限时期结束后为 4 美元 / 20 美元。
- Google 的定位是 Argon 仍是大多数编码与知识工作的首选,Carbon 用于多步编码调试、开放式科研这类最难的任务,会比 Argon 用更多 token 做探索和验证。
- 官方称 Carbon 在 CursorBench 4.0、Perplexity WANDR 与 Zapier AutomationBench 上排第一,单任务成本比次优的外部模型低一半以上;同时与 Artificial Analysis 推出多模态知识智能体基准 MKA,Carbon 排第二、平均单任务成本约为第一名的六分之一。
- Google Antigravity 预览 /swarm,一句提示即可组织多智能体团队;GitHub Copilot 同日上线 Carbon,面向 Pro+、Max、Business 与 Enterprise,按服务商标价计费。
开发者视角11 月 30 日之前是低价窗口,我会趁这段时间把 Carbon 接进评测,专跑现有默认模型反复做不成的长任务,记下单任务成本,按 12 月起 4 / 20 美元的价格重算一遍再决定留不留。思路和 11-10 那条 Fable 5.2 一样:默认档不动,只把难题往上切。
-
- AlphaProof Code 是多模型智能体框架:研究人员与模型一起把 Signal 的安全目标写成形式化规约,每条都经人工审核,再由智能体自主证明实现满足规约。
- 智能体生成了超过 600 万行 Lean 证明,并自行审计、标出只占约 1% 的部分交给人复核;其余由 Lean 自动检查。
- 验证落到设备上实际运行的编译后代码,而不只是协议设计;整个过程用了四周,官方称这类工作过去需要专家团队数年。
- 为确认能分辨对错,团队把两个已修复的真实漏洞重新放回隔离版本,系统两次都给出了「该版本不安全」的机器可检查证明。
开发者视角对多数产品团队,这不是明天就能用的工具,但「人写规约、智能体写证明、机器检查」这个分工值得现在就学:我会先在鉴权、计费这类出错代价最高的小模块上试着让编码智能体写 Lean 或属性测试,人只审规约。和 11-06 微软 PDD-Kit 那条连起来看,形式化验证正在被智能体拉低门槛。
-
- 拟发行 8.25 亿股 A 类普通股,其中 801,351,354 股由 Anthropic 发行,23,648,646 股由部分现有股东出售,后者所得不归公司。
- 预计发行价区间为每股 70 至 78 美元,承销商另有 30 天内最多再购 1.2375 亿股的选择权。
- 已申请在纳斯达克全球精选市场上市,代码「ANT」;高盛与摩根士丹利提供招股说明书,注册声明尚未生效。
开发者视角对用 Claude 做产品的人,上市本身不改变 API,但意味着之后的价格、模型下线和使用政策会以更规范的方式公开披露。我会把招股说明书里关于产品与风险的章节读一遍,并借这个时机确认自己的模型路由能在 Claude、Gemini 之间切换,而不是押在单一供应商上。
-
- Agent Substrate 是开源、零信任的沙箱智能体运行时,已捐给 CNCF Sandbox;它把大量会话复用到少量常驻 Kubernetes Worker Pod 上,官方称密度比标准容器高 10 倍。
- 会话空闲时连同内存与文件系统从 gVisor 或 microVM 沙箱中快照出去、释放 Worker;下次请求时恢复到任意空闲 Worker,不再经过 API Server、调度器和 kubelet。
- 面向三类负载:在模型调用和仓库操作之间来回的编码助手、突发的强化学习环境、做编译和基准测试的短时 GPU 沙箱。
- 上游新增功能包括 Worker 全忙时在路由层排队等待而不是直接报错,以及与 NVIDIA Dynamo 配合,按会话身份和 KV 缓存位置把相关模型调用路由到已有上下文的 Worker。
开发者视角自建智能体平台的团队,现在常见的两难是「每个会话一个常驻 Pod 太贵」和「按需起 Pod 每步都冷启动」。如果你的会话也是「跑 10 毫秒、等几分钟」的形状,我会先拿 Agent Substrate 在测试集群里压一下密度和恢复时延,再决定要不要继续自研会话池;和 11-09 AWS Nitro Sandboxes 一起看,隔离和密度都在往标准件走。
-
- Snapshot 是 Kubernetes 上的开源 GPU 工作负载检查点与恢复系统,捕获已完成初始化的 CPU 与 GPU 内存状态,可在相同 GPU 型号与驱动的节点上恢复。
- 在测试配置中恢复用时 3.6 至 42.7 秒,比数分钟的冷启动快 8 至 36 倍;建检查点用时 15 秒到 5.5 分钟,检查点加恢复的总时长在每个配置下都短于一次冷启动。
- 支持 vLLM、SGLang 与 TensorRT-LLM,以及张量并行、数据与专家并行等多 GPU 方式,大型 MoE 模型的检查点最大约 1 TB、跨 8 张 GPU。
- 上游贡献者之一把 GLM-5.3 的 Pod 就绪时间从约 8 分钟降到 31 秒(HGX B300)。
开发者视角自部署开放模型的团队,最贵的往往是「为防高峰一直留着的那几张卡」。冷启动从几分钟降到半分钟以内,就有底气把空闲副本缩到零、按需拉起。我会先在离线批处理那类可以容忍几十秒延迟的服务上试,确认 GPU 型号和驱动要一致这一约束能不能接受。
-
- 决策模型的接口是「状态 + 问题 + 允许的答案 → 决策 + 概率」,不逐 token 生成,而是给应用已知的答案打分。
- 定义三种基本类型:Choice(多选一的概率分布)、Score(有序量表打分)、Noul(是 / 否的概率)。
- Transformers 新增 DecisionPipeline、AutoModelForDecision 与 DecisionConfig,可用 Trainer 微调;llama.cpp 也能通过同一接口服务 GGUF 决策模型;Hub 新增 decision-model 标签。
- 目标是统一接口而不统一实现:模型可以基于 ModernBERT 这类编码器,也可以基于更大的生成式骨干。
开发者视角我们产品里有不少「这条请求该转给谁」「这份简历属于哪个岗位」的判断,现在多是让大模型吐 JSON 再解析。智能面试的简历初筛和 AI 云盘的文件归类都适合先换成决策模型做一轮对比:看准确率是否持平,再看延迟和单次成本能降多少,概率还能直接拿来设人工复核的阈值。
-
- 新的 InvokeWebSearch API 正式可用,应用、自建智能体循环和数据管道无需创建任何资源即可调用,结果来自 Amazon 运营的网页索引。
- 每条结果包含文本摘录,以及可用时的标题、URL 和发布时间;每次请求可按域名和发布时间过滤。
- 通过 IAM 授权,可经 PrivateLink 从 VPC 内调用,请求可记为 CloudTrail 数据事件。
- 按每千次查询 7 美元计费,与经 Gateway 调用同价且不收网关费;首批开放美东两区、美西俄勒冈、悉尼、东京与爱尔兰。
开发者视角按域名和发布时间过滤这两个参数很实用:PandaClaws 这类要核对来源的内容流水线,可以直接限定在官方站点、限定最近 72 小时。我会拿它和现用搜索方案在同一组查询上比命中率,再按每个任务的查询次数算账;7 美元每千次比 10-17 那条 DeepSeek 搜索的 0.75 美元贵不少,值不值取决于你是否需要 IAM 和 VPC 内调用。
-
- ElastiCache Serverless for Valkey 新增向量、全文与混合检索及服务端聚合,可在一次查询中组合多种检索方式并调节召回率。
- 官方称延迟最低可到微秒级,向量检索召回最高 99%,每天可服务数十亿次查询;写入完成后最快微秒级即可被搜到。
- AWS 提出可以给每个智能体、会话或任务分配独立数据存储做记忆与上下文检索,几秒内就绪,按用量计费。
- 在所有商业区域、GovCloud 与欧洲主权云可用,需要 Valkey 9。
开发者视角对 AI 云盘这种「刚上传就要能搜到」的场景,写入即可检索比召回率数字更关键。我不会把主索引搬过去,但会把智能体的短期记忆和会话级上下文放到这类按量计费的小存储里试,每个任务一份、用完即弃,主向量库只管长期数据。
-
- 自 2026 年 12 月 8 日起,过去一年没有活动的大多数仓库会关闭 Dependabot 告警,已有告警归档而非删除,可随时恢复。
- 任何一次推送都会自动重新打开告警并恢复归档内容,一年计时随之重置;也可以手动重新启用。
- GitHub 给出的原因是漏洞发现与告警量增长很快,此举让正在活跃开发的仓库保持快速可靠。
- 适用于 github.com 所有套餐和带数据驻留的 GitHub Enterprise Cloud,不适用于 GitHub Enterprise Server。
开发者视角「不活跃」不等于「没人用」:很多团队的内部 SDK、部署脚本仓库一年不改,却一直被生产依赖。12 月 8 日前我会列出这类仓库,要么手动重新启用告警,要么确认它们已归档不再被引用。和 Carbon、GPT-6 Cyber 这些找漏洞越来越快的模型连起来看,告警只会更多,别让真正在用的旧仓库掉出视野。
-
- Gemini Robotics 2.5 是 DeepMind 迄今能力最强的视觉-语言-动作模型,在 200 项任务上评测,成功率比此前基线高 30% 至 100%(视任务类型而定),完成速度快 20% 至 30%。
- 与 Apptronik、梅赛德斯-奔驰合作,Apollo 2 人形机器人在匈牙利凯奇凯梅特和德国辛德尔芬根的产线上做汽车零件拣配,概念验证成功率 96%。
- 推理时的安全引导让绕开障碍物时的安全完成率提升 33%、在人附近提升 43%。
- 同时开源一个机器人场景的越狱基准,含数百条伪装成正常请求的不安全指令;Gemini 4 Argon 的越狱抵抗率为 99.5%,此前基线 Gemini Robotics ER 2 为 82%。
开发者视角我们不做硬件,但这条值得记下两点:一是「真实场景 + 明确成功率」正在成为发布的标配,我们给客户讲智能体能力时也该这样报数;二是越狱基准已经延伸到物理动作,任何会调用外部动作的智能体都该有一组伪装请求的测试用例。
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 →