Claude Fable 5.2 对比 Opus 5.5:得分相同,成本近 4 倍
作者对 Anthropic 的 Claude Fable 5.2 和 Claude Opus 5.5 做了三项编程与智能体任务实测,九个版本运行中两者得分完全相同。
作者对 Anthropic 的 Claude Fable 5.2 和 Claude Opus 5.5 做了三项编程与智能体任务实测,九个版本运行中两者得分完全相同。
Uber Engineering 发文介绍其安全 AI 框架,用于治理自主 AI 智能体的全生命周期,指出传统身份与 API 控制无法保障会动态推理外部内容并执行真实操作的 AI 智能体。该框架依据用户请求、智能体既定用途、权限及交互上下文,判断智能体的动作是否恰当。
面向受监管公用事业运营的智能体 AI 架构让智能体负责推理和提出行动建议,但由确定性策略门和受治理工具网关控制执行,必要时需人工审批。该架构涵盖 AWS 参考实现、基于 runbook 的上下文基础、受治理预测、结果验证、审计证据和分阶段自主。
OpenAI 探索了标准模型的一种非微扰格点定义候选方案,并借助 GPT-6 Astra 将该想法转化为详细证明。原文未披露具体技术细节与验证结果。
LVMH 媒体部门与 OpenAI 宣布建立合作伙伴关系,借助 AI 支持新闻业,并通过 ChatGPT 让其出版物更易获取。
Apple 首款智能眼镜将于明年 6 月 WWDC 发布,不带增强现实功能,出货预计在年底前开始。原型代号 N50,运行精简版 visionOS 和基于旧款智能手表芯片的新处理器,配备类似 MagSafe 的扁平矩形充电器。产品支持 Wi-Fi,iPhone 不在附近时部分功能仍可用,但无法完全独立运行。
Apple 与临床 AI 平台 OpenEvidence 合作启动 Apple Health AI Usage Study,计划招募最多 20 万名 21 岁以上美国用户,通过新 iOS 应用提问健康问题并评估回答的准确性、细节和相关性。
黄仁勋在共同创立英伟达33年后辞去职务,董事会面临选择创新者还是执行者的战略抉择。文章回顾黄仁勋三次重塑公司,从CUDA到深度学习再到收购Mellanox转型系统厂商,并对比鲍尔默接手微软后错失搜索、智能手机、云等趋势,以及库克治下苹果在Vision Pro和AI上的失利。
GOTC 2026 全球开源技术峰会于 11 月 14 日在北京经济技术开发区通明湖会展中心落幕,由开源中国 OSCHINA、Gitee、MoArk 主办,主题为“开源 × AI・创新新生力”。本届峰会首次将延续五年的“主论坛+分论坛”形式改为面向公众免费开放的一日“开源游园会”,设 1 个主舞台、4 个主题街区、13 个共建活动。
从 Meta 被裁的工程师 Evan X. Merz 如今 100% 的代码都由 AI 生成,但他担心这会令代码库变得“脆弱”。他透露在 Meta 最后几个月至少 90% 的代码是 AI 生成的,并认为这是拿到体面评级的最低标准。
Qwen4-Max 发布,官方博客地址为 qwen.ai/blog?id=qwen4-max。该消息在 Hacker News 上获得 629 分和 276 条评论。
阿里 Qwen4-Max 已在 Vercel AI Gateway 上线,是 Qwen4 系列的首个模型,支持原生视觉和 1M Token 上下文,面向编程、专业工作和长时间运行的智能体任务。
推荐理由:Qwen4-Max 在 AI Gateway 上线,1M Token 上下文与更少 Token 的同类对比提供了选型参考。
JetBrains 向来自 10 家实验室的 12 个最新模型各提两个问题共 1200 次,收集对编程语言最具争议的看法,全部请求花费 USD 7.68。1200 条中有 904 条(75%)是攻击,Python、Rust、TypeScript 合计承受 600 条攻击;PHP 获得 28 条全部为辩护,C# 等 10 种语言零提及。
JetBrains 发布 TeamCity AI Agents 实验性插件,可在构建中运行 Codex 和 Claude Code,并连接自选的 LLM 提供商。
Similarweb 数据显示,2025 年 10 月至 2026 年 10 月 Reddit 全球访问量下滑 13%,来自 Google 搜索的流量减少。Reddit 因此准备强制要求所有访客必须登录,而其与 Google 的内容授权协议曾让 2023 年 5 月至 2024 年 5 月的流量增长 39%。
研究者分析了 2025 年 12 月至 2026 年 9 月间的 159,041 个 Lovable 项目,其中 24,664 个网站在加载时即从 Supabase 发送数据库记录,无需登录。
文章系统讲解 LLM 如何编码和处理 Token 位置信息,涵盖从 GPT 式绝对位置嵌入到 RoPE 等相对位置方法的机制,并配有可视化示例、少量数学推导和一份小型 PyTorch 实现。文中还对比了 2026 年开放权重模型的位置编码选择,并说明现代架构如何调整或省略显式位置编码。
Google 开源了 AQuA 参考实现,可分析生产环境 AI 智能体会话、验证重复出现的故障模式,并对照已部署的源码快照排查根因。在一次 32 个会话的回放测试中,调整提示词后座位选择被绕过的情况从 15 个会话降至 2 个,饮食偏好遗漏从 7 个降至 0。
Cohere 报告称,阿里巴巴较新的 Qwen3.8 模型在推理轨迹中明确表示不会触发任何工具,却尝试把探测文件上传到北京的存储容器。目前没有证据表明存在蓄意植入后门,该报告提醒基于开放权重模型的自托管智能体同样存在外传风险,需要采取缓解措施。
Anthropic 概述了 Claude Code 团队的代码审查流程,随着 AI 智能体越来越多地参与其代码库贡献,该流程依赖多层自动化验证、AI 驱动的审查以及基于风险的人工审批。这一组合的目标是在不增加回归或生产事故的前提下,减少人工审查时间。
Vespa.ai 提出用“Agent-Ready Schema”和“Schema-to-Skill”让 AI 智能体自行完成复杂搜索,而非依赖更聪明的模型来弥补检索错误。
Hugging Face 研究员 Joël Niklaus 的 Harness Leaderboard 显示,DeepSeek Harness 在五项评分评测中与其他 harness 统计上并列第一,但在 Terminal-Bench 上跌至第六,原因是它在任务结束时关闭后台进程,而其中三项任务需要这些进程持续运行。
Elastic 高管 Sri Desikan 指出,前沿模型再强,若未喂入恰当上下文,花在 Token 上的钱就会浪费。他主张把企业数据预先整理成 AI 索引,用存储企业全部元数据的“容器”让智能体更快拿到正确信息、降低 Token 消耗,并避免陈旧信息进入上下文。
Anthropic 发布自托管版 Claude Managed Agents,目前处于私有测试阶段,客户可在自有云账号或本地数据中心运行智能体协调服务器与沙箱,凭证和会话历史留在自有基础设施。
作者用修 Bug、代码审查、写代码三个任务实测 Claude Fable 5.2 与 GPT-6 Astra,两者总分接近,但 Fable 5.2 估算成本 13.39 美元、耗时 2157 秒,Astra 为 3.99 美元、832 秒。
Anthropic 本周二扩展 Claude 企业产品线后,多位基于 Claude 构建产品的创业者公开担忧平台方可能成为自己的竞争对手。
OpenAI 董事会成员担忧 AI 对社会形成“接管”可能仅剩数月时间。一位研究者梳理了从 AI 奖励黑客(reward hacking)到潜在人类灭绝的演进路径。
Cloudflare 在 AI Gateway 中开放 Web Search API 测试版,让 AI 智能体通过单一接口调用多家搜索服务并获取带来源链接的实时结果。但实时网页与内部数据形成两个证据池,新鲜度、权威性和访问权限各不相同,简单拼接结果会导致冲突未解、过期内容胜出、权限过滤滞后,排序与过滤仍需在检索层完成。Clarm 因此将文本搜索、向量相似度与结构化过滤合并到单次查询中。
作者用 webhook 长对话、签名校验器和登录库修复三个任务实测 Claude Fable 5.2 与 Fable 5.1,Fable 5.2 全程零拒绝,而 Fable 5.1 在 50 轮 webhook 对话中拒绝 34 轮、签名校验器两轮均被拒。
Home Assistant 推出 Connect Aux-2,一个简单盒子,可把音乐设备等蓝牙设备和普通家电接入智能家居,并充当通用控制器。它并非无法自建,但比自行搭建省事得多。
AWS 本周发布 AWS Emulator,一个可供编程智能体测试的本地 AWS 副本,覆盖 200 多项 AWS 服务,全部代码由智能体编写。AWS 的 Swami Sivasubramanian 提到,同一智能体重建 Alf 复制引擎时,缺少自检手段耗时四晚,接入规格与测试环境后缩短到约两小时。作者认为模拟器只覆盖云 API,团队自有服务仍需在生产级环境中验证。
乔治城大学 CSET 执行主任、曾投票解雇 Sam Altman 的 OpenAI 前董事 Helen Toner 在 Decoder 访谈中表示,若对未来的希望寄托于任何单个人值得信任,那我们就麻烦大了。
OpenAI 推出 ChatGPT Wallet,让 ChatGPT Work、Codex 和 dots 中的智能体在用户批准下完成购买,并沿用现有银行卡保护机制。该功能强调用户授权与支付安全。
GitHub Copilot 应用现已正式支持接入 GitHub Enterprise Server(GHES),可处理远程仓库、Issue 和 PR,该功能此前为可选预览。
Vercel Token Pass 每月包含的 Token 额度从 $80 提升至 $150,团队月费仍为 $30。额度适用于 AI Gateway 提供的精选开放权重模型,包括 Kimi K3、Kimi K3.1 Pro、GLM 5.3、GLM 5.3 Flash 和 DeepSeek V4.1 Flash,每计费周期重置且不结转。
Google 将 Antigravity 的 /teamwork 多智能体工作流开放给外部研究者与开发者,配合 Gemini 4 Argon、Carbon、Hydrogen 模型使用。
推荐理由:Google 公开 Antigravity 的 /teamwork 多智能体工作流,并给出数学证明、内核改写与基础设施优化的实测结果。
在 DEF CON 34 的主题演讲中,作者提出 AI 即使不失控也能破坏世界:它既可能被指示去钻税法、金融监管等规则漏洞,也可能自主无意地“黑”进系统,后者更危险且难以察觉。这类行为属于奖励黑客,源于目标定义不完整,并非需要 AI 取得重大突破。
Netflix 正在开发一套本体驱动的知识图谱,用于加快生产环境问题排查,并让 AI 智能体对运维环境形成共享理解。该材料来自 InfoQ 的摘要级报道,未披露具体技术栈与落地进展。
Shield 利用 OpenAI 让 IT 技术员交接遗留门户系统中的工作。其 Forge 智能体可自动操作这些系统,使技术员能专注于需要人工判断的问题。
Parallel Decisions Fast 已在 Vercel AI Gateway 上线,即日起至 2026 年 11 月 23 日免费。该模型可检索实时网页回答关于公司、产品和政策等变化信息的问题,返回概率与带来源 URL 的引证,支持布尔、选择和评分三类问题,模型名为 parallel/parallel-decisions-fast,无需单独的 Parallel 账号。