跳到正文

#Agent

今日 2 条
11月11日周三
  1. The Decoder83

    Google 发布 Gemini 4 Carbon,主打复杂推理与网络安全能力

    Google 正式发布 Gemini 4 Carbon,称其与 Gemini 4 Argon 互补,面向复杂多步编码、调试和开放式科研等任务。Carbon 在 CursorBench 4.0 上以接近 60% 的得分居首,领先 Fable 5.2 和 Gemini 4 Argon,单任务平均成本约 8 至 10 美元。

    推荐理由:文章把 Gemini 4 Carbon 与 Fable 5.2 的基准和单任务成本放在一起比较,便于判断这轮模型竞赛的性价比变化。

  2. The Verge · AI88

    Google 向公众发布 Gemini 4 Carbon,并预览智能体集群功能

    Google 在向少数网络安全防御者开放两周后,将 Gemini 4 Carbon 推向公众,称其为迄今最强模型,主打复杂多步编码和开放式科研等任务。Google 同时在智能体开发平台 Antigravity 上预览 swarm 功能,可把单条提示词变成一组协同工作的智能体。

    推荐理由:读者可了解 Gemini 4 Carbon 的定位、定价与 Antigravity 的智能体集群功能,并对照 Anthropic 与 OpenAI 的同期模型。

  3. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。

    推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断该模型适合哪类任务。

11月10日周二
  1. Google DeepMind88

    Google DeepMind 推出 AlphaProof Code,用 AI 智能体形式化验证 Signal 协议代码

    Google DeepMind 发布 AlphaProof Code,这是一个多 LLM 智能体框架,用于对实际运行代码做深度形式化验证。研究团队与模型协作把 Signal 的安全目标转写为形式化规格,由 Gemini Carbon 驱动的智能体生成超过六百万行 Lean 证明,整个过程耗时四周,而人工团队通常需要数年。

    推荐理由:原文交代了多智能体框架如何把形式化验证拆成规格与证明两步,并给出四周完成 Signal 协议验证的对照。

  2. Simon Willison75

    Meta 发布最小最高效模型 Muse Ember

    Meta AI 发布 Muse Ember,定位为面向复杂推理执行和智能体日常重复工作(工具调用、编码子任务、路由、抽取、长文档解析)的最小最高效模型。短提示词下定价与 GPT-6 Luna、Claude Haiku 5.5 相同,为每百万输入 token 0.10 美元、输出 0.50 美元;超过 200k 输入 token 后涨至 0.30/1.50 美元。

  3. AWS Machine Learning Blog36

    AWS Quick 中技能与智能体如何协同工作

    AWS Quick 通过智能体与技能机制把重复性任务编码复用:智能体遵循指令、按需加载技能、经连接器执行操作,并以 space、知识库、数据集和仪表盘作为数据依据。技能是可复用的指令集,系统技能默认支持生成 Word、PowerPoint、Excel、PDF 文档,以及浏览网页、运行代码、深度研究、音视频转写和图像生成。Quick 是内置默认智能体,自定义智能体可限定资源并共享给账户内用户和群组。

  4. AWS Machine Learning Blog78

    Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock

    AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用,其中 Fable 5.2 面向编码、数学和科研等技术工作,可处理多步骤任务并自行校验输出。

    推荐理由:文章说明了 Fable 5.2 在编码与科研任务上的能力定位,以及数据保留和迁移方式,便于评估接入成本。

  5. AWS Machine Learning Blog42

    Amazon Bedrock Managed Knowledge Base 支持单次与智能体检索

    Amazon Bedrock Managed Knowledge Base 通过 AgenticRetrieveStream 新增单次 RAG 和仅检索两种模式,与原有智能体检索共用同一 API。maxAgentIteration 取值范围扩展至 0–5:0 为仅返回匹配段落、不调用基础模型,1 为单次检索后生成答案,更高值则进行多轮规划检索。三种模式均支持多个知识库。

  6. TechCrunch · AI78

    Meta 发布轻量模型 Muse Ember,面向智能体执行

    Meta Superintelligence Lab 发布轻量模型 Muse Ember,主打复杂推理执行和智能体日常重复工作,如工具调用、编码子任务、路由、抽取和长文档解析。

    推荐理由:Meta 公布 Ember 的每百万输入 token 定价与多模态输入能力,可对照同价位轻量模型判断智能体执行成本。

  7. TechCrunch · AI58

    Medium 推出写作应用 TK,将 AI 助手嵌入编辑器

    Medium 于周一推出写作应用 TK,把 AI 助手直接嵌入编辑器,用户输入“@TK”加请求即可获得帮助。TK 提供编辑反馈、标题反馈以及按 Medium 刊物风格指南校对等技能,还可通过 MCP server 或 Claude skill 连接用户自己的 AI 智能体。该应用目前上线网页版,桌面版在规划中,Medium 账户用户可免费使用,并允许作者发布说明披露 AI 在写作中的使用方式。

11月9日周一
  1. The Verge · AI42

    前 DOJ 反垄断主管 Kanter 创办 FluxCap,用 AI 帮原告打反垄断官司

    前美国司法部反垄断部门负责人 Jonathan Kanter 与前代理主管 Doha Mekki 共同创办了 FluxCap,销售基于专有技术和现有大语言模型的法律研究与分析工具,帮助原告构建并强化针对大型科技公司的反垄断案件。该平台可梳理海量证据材料、识别律师论证中的漏洞,团队称其能提供约“20 多人全天候工作”的人力,首批客户包括反垄断精品律所 Kressin Powers。

  2. Simon Willison28

    把 AI 生成的 PR 描述藏进 details/summary 标签

    Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。