首页 / AI 简报 / 2026-11 / 11-13 2026-11-13 · 周五 · 10 条 Google 发布 Gemini 4 Hydrogen、Anthropic 推出自托管 Managed Agents、AgentCore 新一代运行时成为默认 今天的主线是智能体的「分工」和「落地位置」:Google 用 Hydrogen 补齐便宜的执行档,让贵模型只做判断;Anthropic 和 AWS 则在回答智能体跑在哪、数据存在哪、空闲时付不付钱。安全上,IBM 和 Google 分别从训练和检测两头对付提示注入,但长期记忆仍是盲区。
整个 100 万 token 上下文统一定价:每百万输入 token 1.50 美元、输出 7.50 美元;面向 AI Studio、Gemini API、Gemini for business、Gemini 应用与 Google 搜索的所有档位开放,Antigravity 中限付费 AI Pro 与 Ultra 用户。 默认 high 思考档在 Artificial Analysis 智能指数上得 51,高于 Argon 的 50,最高 xhigh 档达 54;对比 Gemini 3.8 Flash,任务完成快 2.5 倍,Terminal-Bench 4.1 从 18.2% 升到 57%,捏造陈述减少 5 倍以上。 Antigravity 新增 Orchestrator,在同一会话里在 Carbon 与 Hydrogen 之间自动切换:在 Terminal-Bench 4.0 上接近 Carbon 的成功率,平均少用 24% 额度、快 19%。 同日 Google 搜索在全球切换到 Hydrogen,官方称这是搜索迄今最大的一次模型升级。 开发者视角 Carbon 11-30 之后涨到 4 / 20 美元,Hydrogen 的价格只有它的一半不到,这正好补上「贵模型做判断、便宜模型干活」的下层。我会先把 PandaClaws 里批量改写和格式化这类调用换成 Hydrogen 跑一周,和现用模型比返工率;Orchestrator 的思路可以照搬,按任务难度分档路由,我在《面向独立开发者的本季度模型路由五问清单》里写过触发条件怎么定。
自托管的部分包括 API、智能体循环,以及智能体、会话和会话历史的存储;模型请求发往你选择的提供方,默认是 Anthropic。 可选的推理提供方包括 Amazon Bedrock、Google Cloud 上的 Claude 模型(Google 托管)、Microsoft Foundry,或自己的模型网关。 与托管版使用同一套 API,SDK 和 ant 命令行可直接连接自己的服务器;服务器从不执行智能体的 shell 或文件工具,这些仍在沙箱里跑。 需要自己运行和加固服务器、数据库与沙箱,每个版本自行安装,部分功能只在托管版提供;目前需通过 Anthropic 客户团队申请开通。 开发者视角 这解决的是「会话历史不能出境、不能出机房」的客户,以前这类客户只能自己从零搭智能体循环。AI 云盘面向企业的版本我会先评估它:数据留在自己这边、模型走客户已有的云账户。但要算清楚运维成本,只是想让工具在自己机器上跑的,用自托管沙箱就够了。
会话从已初始化智能体的快照恢复,按工作量伸缩计算与内存,单会话最高 8 vCPU、32 GB 内存,容器镜像最大 10 GB;官方博客称规格是上一版的 4 倍、启动最多快 15 倍。 空闲智能体缩到零,内存在释放后几分钟内回收;常驻型智能体可用承诺基线计价,按需突发到基线的 4 倍。 新建运行时在 19 个区域默认使用新版;已有运行时保持原版本,需在创建或更新时设 platformVersion 为 V2 迁移,设 V1 可让新运行时留在旧版。 客户反馈:Mission 冷启动快 35%、单次调用运行成本降 17%;Zuora 多数场景每次调用内存占用降约 60%。 开发者视角 和 11-10 NVIDIA 捐出 Agent Substrate 连起来看,「空闲不付钱、快照秒级恢复」已经是智能体运行时的标配。智能面试这种用户说一句、等半天的多轮会话最吃这一点;在 AgentCore 上的团队先挑一个多轮智能体设成 V2,对比一周的计费内存和首包延迟再整体迁。
LLMON 用 6 个保留特殊 token 作为结构分隔符,指令、数据、约束各成可寻址的块,再由一个 exec 块声明执行哪条指令、作用于哪份数据;没被 exec 引用的指令会被忽略。 发布 granite-4.1-3b-LLMON-preview 与 granite-4.1-8b-LLMON-preview 两个实验性预览模型,以及工具包和 JSON 与 LLMON 双向无损转换器;官方称通用能力与 Granite 4.1 Instruct 持平。 在 OPI 间接提示注入基准上,比测试中最好的前沿模型多挡住 47% 的攻击,比最好的开源模型多 95%;ASB、StruQ 上趋势相似。 IBM 说明这是学到的行为而非强制保证,目前针对的是静态注入,多轮展开的自适应攻击仍在改进。 开发者视角 AI 云盘要让模型读用户上传的任意文档,间接注入是绕不开的风险。小模型在这类「读文档、抽字段」的步骤上本来就够用,我会拿 8B 预览版在内部文档抽取上试一轮,看注入样本的拦截率和抽取准确率。但它只是预览版,工具权限的最小化和出站白名单不能因此省掉。
测试用 AgentDojo、InjecAgent、Agent Security Bench、AgentDyn、AgentHarm 五个公开基准,共 1,774 个会话;智能体用 ADK 搭建、模型为 gemini-2.5-flash,由基准自带的确定性代码判定结果。 智能体读到并执行的有害指令,被标记了 87%;按基准分别为 AgentDojo 85%、InjecAgent 87%、AgentDyn 99%、AgentHarm 81%。 办公类良性会话的误报率为 2% 到 4%,AgentHarm 上为 16%,原因是其良性任务也会发社交帖、跑终端命令、下载文件。 最大短板是记忆投毒:长期记忆中植入的指令让智能体行动时,只抓到 18 例中的 4 例。 开发者视角 厂商用别人的基准、连短板一起公布,这种评测方式值得照学。对做产品的人,结论是事后检测能兜住大部分注入,但长期记忆是盲区:PandaClaws 这类会记住用户偏好的智能体,写入记忆前要单独做一道校验,并保留可追溯的写入来源。
先让 Go 编译器的 SSA prove 阶段消掉可证明安全的边界检查,只把剩下的 runtime.panicBounds 陷阱和反汇编一起交给 Argon,由它写出 Z3 脚本。 Z3 返回 sat 时给出具体输入字节,go test 直接回放;只要发生 panic 就是真 bug,不依赖模型建模是否严谨。unsat 只代表「可能正确」。 每个函数约 1 分钟,耗时主要在 Argon 的翻译,Z3 本身毫秒级;在 skill-lint 上找到 3 个潜伏 bug。 无种子的 go test -fuzz 在多轮 60 秒运行中漏掉了 3 个预埋崩溃里的 2 个。 开发者视角 这个方法的好处是「找到的一定是真的」,误报成本几乎为零,适合放进 CI 当模糊测试的补充。我们 Go 写的上传和解析服务正好是这类越界的高发区,我会挑几个解析函数先试,不追求证明正确,只收真实可复现的崩溃。
V4-Pro 总参数 1.6T、每 token 激活 49B,面向复杂推理与高质量生成。 V4-Flash 总参数 284B、每 token 激活 13B,面向对时延和成本敏感的生产部署。 V4.1-Flash 采用因果编码器-解码器(CED)架构,552B 主干,预填充激活 8B、解码激活 16B,原生多模态,最大输出 384K token;CSA2 注意力与 FP4 KV 缓存把全局 KV 缓存降到 V4-Flash 的约四分之一。 三者均支持 100 万 token 上下文,可在 SageMaker 控制台或 Python SDK 中部署。 开发者视角 对数据不能出自己云账户、又想用便宜开放模型的场景,这省掉了自己搭推理服务的一步。我会优先看 V4.1-Flash:KV 缓存只有四分之一,长上下文的智能体任务最吃这一点。上线前用自己的任务对比 Bedrock 按量调用和 JumpStart 常驻实例的单任务成本,流量不稳定的话常驻实例未必划算。
以树外插件形式实现,装好后设 SGLANG_PLATFORM=neuron 即可选用;SGLang 核心继续负责 API 服务、请求生命周期与 RadixAttention 前缀缓存。 插件基于原生 PyTorch 与 NKI 内核,用 torch.compile 编译执行;Trainium 侧的模型、注意力、MoE 与图执行器由插件实现。 支持预填充与解码分离:预填充服务器算出 KV 缓存后经 EFA 上的 NIXL 传给解码服务器。 通过 AWS 深度学习容器提供,示例在 Trainium3 实例上运行 gpt-oss-120b。 开发者视角 换芯片最大的成本是换推理栈,现在 SGLang 用户可以不改调用方式试 Trainium。自部署开放模型的团队可以拿一个现有模型在 Trainium 和 GPU 上各跑一遍同样的负载,比每百万 token 成本;先看官方验证过的模型列表,不在列表里的别急着上生产。
Codex 仍运行在开发者本机,推理请求经 Bedrock 发往受支持的 OpenAI 模型;示例使用 GPT-5.6 Sol,Sol、Terra、Luna 需按账户、区域和推理路径逐一确认可用。 三种路径:原生 AWS 访问(建议的默认起点)、AgentCore Gateway(托管路由与 Bedrock Guardrails)、自有 LLM 网关(在请求路径上加控制)。 身份由企业现有 IdP 经 SAML 与 SCIM 同步到 IAM Identity Center,再签发临时凭证给 Codex;provider 配置放在用户级或托管配置里,防止仓库改写。 配套开源仓库 Guidance for Codex on AWS 提供 LiteLLM、Portkey、ADOT 与 CloudWatch 等快速上手。 开发者视角 和 11-09 ChatGPT Enterprise 上架 AWS Marketplace 连起来看,OpenAI 的企业产品正在整体走进 AWS 的账单和身份体系。已经在 AWS 上统一采购的团队,可以按指南先拉 5 个人用原生访问试两周,把用量记到各自的 IAM 身份上,再决定要不要上网关。
Bedrock 会自动记录每次推理请求的 IAM 用户或角色,调用代码不需改动。 一人一角色时给角色打 principal 标签;多人共用角色或经网关调用时,在 AssumeRole 时传 session 标签区分到人。 把标签激活为成本分配标签后,可在 Cost Explorer 或 CUR 2.0 导出里按身份查看。 用 AWS Budgets 建按身份或标签过滤的 Bedrock 预算,超阈值时由预算动作自动附加 Deny 策略。 开发者视角 这正好接上面 Codex 那条:把编码工具开给更多人之前,先把每个人的花费看清楚、设上限。我们给内部团队开模型访问时也会照这个做,每人一个 session 标签,预算动作先设成告警加人工审批,跑稳了再改成自动拒绝,避免月底把正在跑的任务直接掐断。
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 →