OpenAI 推出 ChatGPT Wallet,让智能体在用户批准下完成购买
OpenAI 推出 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的购买方式,需经用户批准并沿用现有银行卡保护。原文未披露更多功能细节与上线时间。
推荐理由:原文交代了 ChatGPT Wallet 的适用场景与用户授权机制,读者可据此了解智能体代付的边界。
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
OpenAI 推出 ChatGPT Wallet,为 ChatGPT Work、Codex 和 dots 中的智能体提供安全的购买方式,需经用户批准并沿用现有银行卡保护。原文未披露更多功能细节与上线时间。
推荐理由:原文交代了 ChatGPT Wallet 的适用场景与用户授权机制,读者可据此了解智能体代付的边界。
Google 发布 Gemini 4 Hydrogen 模型,称其能更好地理解包含多个部分、拼写错误或高度具体请求的复杂问题,并拆解问题逐项作答。该模型即日起在搜索、Gemini 应用、Google AI Studio 各层级、Gemini API、Gemini for business 以及 Google Antigravity 中上线,并成为 AI Mode 的默认模型。
推荐理由:读者可以了解 Gemini 4 Hydrogen 在搜索与 Gemini 应用中的默认接入范围,以及它在多部分问题和多模态回答上的具体变化。
Google 发布通用模型 Gemini 4 Hydrogen,在 Artificial Analysis Intelligence Index 默认 high 档得 51 分,超过 Gemini 4 Argon 的 50 分,xhigh 档可达 54 分。
推荐理由:文章汇总了 Gemini 4 Hydrogen 与 Argon、Claude、GPT 的多项基准和每任务成本,便于比较同价位模型的取舍。
Google 发布 Gemini 4 Hydrogen 模型,称这是搜索迄今最大的一次模型改进,可更好理解多部分问题、高度具体的请求和难辨的拼写错误。
推荐理由:读者可了解 Google 为何用更快的 Hydrogen 而非最强模型来支撑搜索,以及它在速度与基准上的取舍。
AWS 发布新一代 Amazon Bedrock AgentCore runtime,每个会话仍运行在独立的 Firecracker MicroVM 中,会话启动最高快 15 倍、算力扩展至 4 倍(最高 8 vCPU 和 32 GB)、运行效率提升最高 68%。
推荐理由:原文给出会话启动、算力上限与内存回收的具体变化,读者可据此判断智能体生产部署的成本与隔离取舍。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。
Google 发布 Gemini Decision 1 及配套 Decisions API,支持闭集决策、最多 255 个选项、1000 个问题/请求和 256K 上下文,端到端延迟 150–250ms,输入定价 $0.10/1M tokens 且输出不计费。
推荐理由:汇总当日模型与系统进展,读者可快速掌握决策模型、Agent 评测与推理部署的关键变化。
Google DeepMind 推出面向是/否、多选和量表评分等封闭式决策的 Gemini Decisions API,底层模型 Gemini Decision 1 可在单次调用中处理最多 1,000 个独立问题,覆盖文本、图像、音频、视频和 PDF,并在 150 至 250 毫秒内返回带置信度的概率。
推荐理由:读者可以了解 Gemini Decision 1 的单次批量打分能力、定价与已落地场景,并对照近期同类决策模型的出现节奏。
Google DeepMind 发布 AlphaProof Code,用 AI 智能体对软件进行数学证明式验证,并在 Signal 加密协议上完成通常需数年的工作,耗时四周。
推荐理由:读者可了解 AI 智能体如何把形式化验证从理论设计推进到实际运行的加密代码。
AWS 发布开源框架 UAEF(Universal Agent Evaluation Framework),通过适配器把 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的 trace 统一为 AgentTrace 格式,再用 7 个维度共 36 项内置指标打分。
推荐理由:原文给出跨框架统一评测的适配器设计与 36 项指标清单,读者可据此判断如何搭建可比较的智能体回归评测流程。
微软研究人员发现名为 Lazarus 的后门技术,通过改写 LLM 中不到 10 个休眠神经元、无需训练即可给基于该模型的智能体植入后门,模型仍能通过标准评测,直到触发条件出现(如时钟跨入 2027 年)才执行下载并运行攻击者代码等命令。
推荐理由:微软研究团队披露一种无需训练、改写不到 10 个休眠神经元即可给智能体植入后门的方法,并给出权重溯源与扫描的防护思路。
Simon Willison 发布 llm-gemini 0.36,对应 Google 的 Gemini 4 Carbon 从面向部分网络安全人员开放转为向所有用户开放。
推荐理由:作者实测 Gemini 4 Carbon 的编码与 3D 生成能力,并给出定价与涨价时间点,便于判断使用成本。
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。
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。
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。
NVIDIA 在 KubeCon + CloudNativeCon 上把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 贡献给 CNCF,作为 Sandbox 项目接受社区治理。
推荐理由:原文给出 OpenShell 与 Agent Substrate 的治理定位,以及 NVKE、NVKR、Snapshot 在 GPU 集群上的具体能力与实测数字。
Anthropic 的 Fable 5.2 在 Scale Labs 的 RLI 基准上完成 41.3% 的真实自由职业任务,远高于一年前 Manus 的 2.5% 和今年 7 月 Fable 5 的约 16%。
推荐理由:读者可了解 RLI 基准如何用真实自由职业项目衡量 AI 智能体,以及 Fable 5.2 与竞品的差距。
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。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,官方称两者在几乎所有评测能力上都高于 Opus 5.5,并在多数独立榜单登顶。
推荐理由:材料汇总了 Fable 5.2 的独立评测、每任务成本变化和 effort 档位异常,可据此判断是否值得切换。
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。