2026-11-16 · 周一 · 6 条

DeepSeek 把搜索、文件解析与安全检查开放成 API、Google 公开 Antigravity 多智能体改写 80 万行 Rust、Anthropic 拆解常驻智能体架构

周末没有新模型,变化都发生在模型周围:DeepSeek 把 App 的配套能力按次卖给开发者,Google、Anthropic 和 AWS 则各自公开了长时间运行的智能体该怎么搭——用改不了的测试验证、用持久的收件箱和记忆接续、用快照和预热消掉冷启动。对做产品的人来说,差距正在从选哪个模型转到外围这一圈做得好不好。

RSS
    • deepseek-flash 在 Messages、Responses 与 Chat Completions 三套接口中支持:开启 deepseek_web_search 工具做联网或图片搜索并附引用,同时开启思考则自主多步搜索并读取链接;上传 PDF、Office 文件和图片,经纯文本提取或富版面解析后放进上下文;开启 deepseek_read_url 后自动抓取用户消息里的链接。
    • 新增安全检查参数:对模型输入和输出做基础审核,发现风险时返回拒答标记。DeepSeek 提示,面向公众提供服务的应开启该参数,并履行内容安全审核、大模型备案与 AI 标识等义务。
    • 底层能力也作为独立 API 提供:Search and Fetch、OCR、ASR 与 TTS;DeepSeek 还开源了一个基于这些接口的演示聊天客户端,可导入 DeepSeek 的聊天记录。
    • 价格:搜索与网页抓取各为每千次 0.75 美元,文件解析与 OCR 每千页 0.225 美元;TTS 标价每万字符 0.45 美元、ASR 每小时音频 0.116 美元,目前限时五折。

    开发者视角对 AI 云盘来说,每千页 0.225 美元的文件解析是一个很便宜的对照组,我会拿自己的扫描件和表格样本,对比现有解析链路的准确率和单页成本,再决定要不要换掉一段。面向国内用户的产品可以把安全检查参数当作第一道防线打开,但它不替你完成备案和标识,自己的审核流程还得在。

    • 设计上把并行探索和「证伪器」配对(Lean 4 证明检查器、未经修改的测试套件、执行模拟器、硬件计数器等)来自动判断候选方案;每个智能体只拿到当前步骤需要的文件和工具,评审者在不带原作者推理的干净上下文里复核。
    • 新的改写模式(即将进入 Antigravity)只在依赖编译通过后才调度某个模块,并让每个叶子模块链接原始、未修改的测试套件。基于已完成 25% 的移植,一次两周的 Argon 任务新增约 80 万行安全 Rust,通过全部内核单元测试并能在 arm64 硬件上启动。
    • libgav1(Google 的 AV1 解码器)被改写为约 17 万行 Rust,在一套广泛的一致性测试上 100% 逐位一致;最初比 C++ 慢约 4 倍,给 /teamwork 接入性能分析工具并要求提速后,在 x86_64 与 ARM 上比原 C++ 和手写汇编快 20% 到 30%。
    • /teamwork 与 /boost 现已可在 Antigravity 中配合 Gemini 4 模型使用;Google 同时开放申请,给 1 万名学术研究者六个月最高用量档的免费使用权。

    开发者视角值得抄的是方法而不是模型:用智能体改不了的测试来验证,按依赖顺序排任务,每个智能体只给它需要的上下文。文中点名的失败方式——把依赖打桩、改测试让坏移植通过——正是我让编码智能体做迁移时最常见的问题,所以我会先把测试目录设成只读再放手。数字都是 Google 自报的,先挑一个小模块的真实迁移试 /boost。

    • 常驻智能体大部分时间在休眠,被事件唤醒后完成一次「运行」再回去睡。所有事件来源都写进收件箱(通常是一张数据库表),而不是直接调用智能体;每个收件箱同一时间只有一个工作进程,事件按来源 ID 去重,连续到达的消息合并成一次运行。
    • 定时器分为智能体给自己定的跟进和固定周期的计划,放在独立存储里由调度器轮询;记忆放在持久存储中,只存智能体查不回来的东西:用户指令、对用户的了解、已经说过的话和任务进度。
    • 权限方面:凭证由智能体环境之外的代理在出站请求时注入;高风险动作像 Claude Code 的 auto mode 那样交给分类器审查;需要用户确认时用延迟工具调用结束本次运行,用户的回答作为新事件进入收件箱后再恢复会话。
    • 文中引用一项长程编码基准:Opus 5.5 每个解决任务的成本比 Opus 5 低 78%,常规负载下低 40%。

    开发者视角这份简报本身就是一个定时唤醒的智能体,文中几条和我踩过的坑一一对得上,我在博客《复盘本季度AI简报流水线的编辑规则迭代历程》里写过其中一部分。最值得先抄的是「先安静、再逐步争取用户注意力」:PandaClaws 想做主动提醒的话,先给发件箱加频率上限和评测,再谈多发。另一条是每个收件箱只留一个工作进程,能省掉大部分重复执行的问题。

    • V2 在创建或更新运行时时只启动一次容器,等待 120 秒内的首个健康检查,然后冻结 microVM,把内存和磁盘存成快照;每个新会话从快照恢复。代价是每次创建或更新都要多花几分钟构建快照。
    • 内存会完整恢复,但文件缓存在冻结前被清空,镜像里的文件在首次读取时才拉取;因此库导入和客户端创建应放在初始化里,tsc 这类独立进程的工具链可在初始化时复制到 /dev/shm。
    • 构建钩子:运行时在构建期间向容器的 HTTP 端点发两次 POST,请求头分别标明 memory 与 disk,两次共用 120 秒;返回非 2xx 会让创建或更新失败,且不会重试。
    • 要做到一秒以内,可在用户打开应用或聊天窗口时就在后台启动会话;空闲超时默认 15 分钟(可设 60 秒到 8 小时),单个会话最长 8 小时。

    开发者视角智能面试里候选人开口前那两秒的空白很伤体验,「用户打开面试页就预热会话」是最便宜的解法;代价是打开了却不开始的用户也占一个会话,所以空闲超时要设短。无论用不用 AgentCore,把初始化挪到快照前、首个请求只做必须的事,这个思路在任何冷启动的服务上都适用。

    • 三层采集可任意组合:SageMaker 端点层记录完整请求与响应,适合合规与 Model Monitor;负载均衡层只记访问日志字段,适合低成本看流量和错误率;模型 Pod 层记录完整负载与事件元数据,适合调试、分析和收集训练数据。
    • 演示用合成的家电客服路由:新品上市后「其他」类占比从 4.8% 升到 36.8%,经 Athena 查询发现盲区,用 SQL 规则给采集记录打标,再在一张 L40S 上做 60 秒、rank 16 的 LoRA 微调(约 2990 万参数,不到 31 亿参数模型的 1%)。
    • 280 条留出工单准确率从 235 条(83.9%)提到 280 条(100%),原有五个类别无退化;但 24 条手写探针只答对 20 条,模型学到了「cooling 就是空调」「提到 Arctis 就归空调」两条捷径。
    • AWS 实测经采集代理与直连 vLLM 的 p50、p99 延迟与吞吐几乎相同;文中提醒完整负载可能含姓名、地址和订单号,应配合采样、KMS 加密、生命周期规则和 PII 脱敏。

    开发者视角这篇最有用的反而是那 24 条手写探针:同源生成的评测集给出 100%,换个写法就露出捷径。我做 AI 云盘的意图路由时也会这样分两套评测,一套来自线上采集,一套由人手写、刻意换说法。真要采集线上数据,先把脱敏和保留期限定好,再谈飞轮。

    • 包含声码器在内共 4,537,291 个参数,从零训练,未使用任何预训练权重,训练数据约 18 小时合成语音。
    • 提供 F2(女声)与 M2(男声)两种美式英语音色,输出 24 kHz 单声道;文本先由作者的 dizione 音素器转换为音素。
    • 提供 18.2 MB 的 PyTorch 权重和 21.4 MB 的 ONNX 导出(float32,opset 17),模型卡附 SHA256 校验值;推理脚本按句处理任意长度文本,支持语速与音高调节。

    开发者视角只有英文、只有两种音色,又是个人项目,直接进中文产品不现实。但智能面试的英文练习模式如果只需要朗读题目,一个 20 MB 的端侧模型就能省掉一次服务端 TTS 调用;先听样例、按模型卡校验哈希,再和今天 DeepSeek TTS 的限时价算一笔账。

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 →