跳到正文
今天11月20日周五2 条
  1. InfoQ 中文55

    红帽谈企业 AI 落地难题:模型频繁换代、Token 成本与 Agent 权限治理

    红帽全球副总裁兼大中华区总裁曹衡康指出,企业刚把模型接入业务,市场上就出现表现更好的新模型,CIO 面临是否重搭环境的抉择。红帽以支持 20 多个开源模型、合计 700 多个版本的平台应对模型换代,并推进 vLLM 与 llm-d 分布式推理;llm-d 于 10 月 20 日发布 1.0 版本,补齐多租户资源管理、请求优先级调度与面向 Agent 工作流的会话感知路由。

11月19日周四
  1. The Decoder78

    OpenAI 发布第二份内部研究加速报告,披露 Codex 等智能体使用数据

    OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。

    推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。

  2. 雷峰网72

    豆包工作上线三个月 DAU 突破 800 万,企业客户 ARR 突破 20 亿元

    豆包官方宣布,上线仅三个月的豆包工作日活跃用户数突破 800 万,企业客户年度经常性收入突破 20 亿元。豆包工作自 8 月 25 日发布,11 月 16 日上线“工作台”功能,首批覆盖金融、医疗、教育、创意设计等 21 个专业场景,用户也可创建、保存和分享自定义工作台。该产品近期还接入 Kimi、GLM、DeepSeek 等第三方模型,并标注不同模型的额度消耗倍率。

  3. 爱范儿80

    GPT-6.2 Astra 发布后差评不断,实测后我觉得它有点冤

    爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。

    推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。

  4. 爱范儿80

    深度实测 GPT-6.2 Astra:3D 与成本亮眼,写作和长任务体验受质疑

    爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。

    推荐理由:作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。

  5. 开源中国资讯40

    伏羲智能决策平台发布 v1.0.0:多智能体协作与决策运营闭环升级

    伏羲智能决策平台发布 v1.0.0,升级多智能体编排与知识检索,并完善测试提案、历史回归、业务结果回传、偏差归因、漂移监测和优化评估流程。平台采用 Rust 技术栈,支持标准 DMN 决策模型和项目级治理,尝试把自然语言建模、确定性决策执行与发布后运营连接起来。

  6. 开源中国资讯58

    Claude Code 团队谈如何让 agent 验证自己的工作

    Claude Code 团队公开称其约 90% 的代码由 Claude 编写和评审,团队工程师 Addy Osmani 在 claude.dev 上撰文介绍这一规模下如何让 agent 验证自己的工作。文章的核心判断是,没有验证回路时最多同时跑一两个 Claude,因为每个都要人盯着;有了验证回路则可以同时跑几十上百个。

  7. 量子位70

    范式智能发布 Phai-A1 与 Phai-M1 双模型,全链路基于华为昇腾训练

    范式智能(原第四范式)首次发布自研基座模型 Phai-A1 和 Phai-M1,两款模型全链路在华为昇腾平台上完成训练。Phai-A1 面向代码开发和智能助手场景,官方称同等质量下响应速度比同参数级别模型快约 8-10 倍,单张 RTX 3090 即可运行,并具备原生百万级上下文;Phai-M1 面向真人影视场景,音画同步,约 3 分钟生成 15 秒 720P 视频。

  8. InfoQ 中文50

    腾讯轻量云 LoopForge 如何让 AI 从“能写代码”走向“能交付”

    腾讯轻量云专家江露在 AICon 北京站分享中介绍了 LoopForge 的云端 Loop 实践:用 DAG 定义的可执行 SOP 约束多 Agent 协作,由程序负责状态流转与交接,Agent 只在节点内完成分析、设计和实现。团队将评审与测试角色同实现角色隔离,并建立五道质量门禁,强调“独立的预期 + 可复现的运行事实”。她认为只有合入并通过验收才算真正完成交付。

  9. AWS Machine Learning Blog43

    如何降低生成式 AI 成本:用代码处理规则,用模型处理判断

    AWS 提出按步骤判断生成式 AI 工作流是否需要调用模型:能用格式、schema、关键词或范围规则校验的步骤改用确定性代码,只有开放式任务才交给 Amazon Bedrock 上合适规模的模型。固定选项的路由与分类可用结构化输出的小模型或嵌入向量相似度完成,并对不确定结果做置信度升级。文章称多余模型调用会推高成本、叠加数百毫秒延迟并带来输出波动。

  10. TechCrunch · AI70

    花旗等美国银行更新条款:客户使用第三方 AI 智能体出错或被盗刷需自行担责

    花旗本周更新在线用户协议,明确客户若授权第三方 AI 工具访问银行账户,由此产生的交易以及工具泄露凭证或被黑后的损失均由客户自行承担。摩根大通和美国银行上月已推出类似政策,PNC 当日跟进,Citizens 也通过邮件向客户发出同类提醒。花旗表示其自家提供的 AI 智能体不涉及额外责任,而 Anthropic 本月推出的个人理财工具则标称只读、不能转移或投资资金。

  11. 少数派58

    浅评 macOS 27.3 新版权限控制机制

    macOS 27.3 Beta 2 调整隐私授权,完全磁盘访问权限新增仅授权特定受保护文件夹的选项,设备控制和数据访问拆分为辅助功能与绕过系统及应用保护两项。使用后者控制其他应用时,菜单栏会常驻蓝色透明度指示器,用户可限定具体目标程序并设为每次询问或随时允许。文章认为新机制给了用户更大权限收放余地,但确认流程繁琐、指示器功能有限,测试版中与 Safari 及 WebKit 交互等场景仍有问题。

  12. AWS Machine Learning Blog58

    Airbnb 如何用每次任务成本在 Amazon Bedrock 上运营编码智能体

    Airbnb 分享了在 Amazon Bedrock 上运营编码智能体的方法:上线前用自有任务评测每个模型的得分和每次任务成本,据此设定默认模型与推理强度上限,上线后用 CloudWatch 指标和网关用量记录对比生产表现。文中提到一个评测得分领先的模型上线后,用户周均花费是上一模型的数倍,原因是缓存上下文被反复读取且用户发起了更长的自主会话;换到新模型后该群体主模型花费降至约七分之一。

  13. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Neon 模型

    Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。

    推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。

  14. LangChain 博客40

    LangSmith 上线 Alerts 告警功能,实时监控 LLM 应用故障

    LangSmith 推出 Alerts 功能,可基于错误率、运行延迟和反馈分数等指标设置告警,帮助在故障影响用户前发现 LLM 应用与智能体的问题。用户可对每类指标配置过滤器、5 或 15 分钟聚合窗口和阈值,并通过 PagerDuty 或自定义 webhook(如推送至 Slack)接收通知。已向 LangSmith 发送生产 trace 的用户即可配置首个告警。

  15. Ars Technica · AI78

    路透曝光 Meta 内部聊天:员工同样担忧 Muse 侵犯隐私

    路透社查阅 Meta 内部聊天记录发现,Meta 员工在测试 Muse 智能体时也提出过与早期用户相同的担忧,包括 Muse 似乎读取了用户未预期它查看的加密私信、可能混淆不同用户的对话,以及输出用户从未预期会暴露的敏感信息。

    推荐理由:路透获取的内部聊天显示,Meta 员工在测试 Muse 时也遇到跨账号上下文与隐私数据外泄的疑虑,可与官方说法对照。

  16. The Decoder82

    微软 Ignite 一次发布七款 MAI 自研模型,主打性价比替代外部模型

    微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。

    推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。

  17. Engineering at Meta64

    Meta 如何用 AI 智能体把广告排序模型的技术传播规模化

    Meta 介绍其用 AI 智能体在广告排序模型群中传播已验证 ML 技术的做法,自 2026 年 3 月由智能体驱动执行以来,估计超过 60% 的技术传播工作由智能体完成。早期结果显示工程效率提升 3 倍,部分技术-模型组合的训练算力中位数降低 4 倍,预计到年底节省 4500 万美元以上算力。文章拆解了发现、泛化、采用三个阶段中智能体的分工,以及按阶段设置的评估指标。

    推荐理由:Meta 披露智能体接管技术传播后的人力与算力账本,可对照自身模型迭代流程评估自动化边界。

  18. WIRED AI80

    开源框架 Artex 成黑客新宠,FBI 就 AI 渗透攻击发出警报

    WIRED 报道称,开源框架 Artex 自 7 月在 GitHub 发布以来被多个黑客团体用于真实攻击,FBI 上周就 Artex 发出警报,称其被用于针对金融、政府、科技、国防等多行业机构的攻击活动。

    推荐理由:多份安全公司报告与 FBI 警报拼出同一款开源框架被用于真实攻击的图景,可看清智能体降低攻击门槛的具体路径。