AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-10-29

星期四 · 10-29 10:20 截稿 · 共 20 条

★今日最该知道的 3 条

NO.1
Google · 10-29 01:00Gemini网络安全长程

Gemini 4 Carbon:我们的下一代前沿模型

官方称 Carbon 是目前最强 Gemini,重点放在网络安全与长程能力;距 Argon 约两周。第三方 Artificial Analysis 综合指数 v5.0 转述为 59 分(Argon 50、Opus 5.5 58、Astra 57),九项里四项第一,编程 Agent 指数仍低于 Opus 5.5(59 vs 62)。

为什么值得看:前沿模型窗口从「综合分」切到「可部署的网安与长程 agent」。做防御/长任务编排的,先核官方可用范围与价格阶梯,再决定要不要把路由从 Argon 迁走。
评分反馈
NO.2
Microsoft · 10-28HarnessFoundry多模型

推出 Microsoft Copilot harness:释放真正多模型智能体工作的潜力

GitHub 工程侧那套多模型 Copilot harness 经 Microsoft Foundry 对外开放:管指令、上下文、执行环境与治理,宣称支持 MCP、agent skills 与 plugins,并可在 20+ 前沿模型与自带 key 间路由。运行时已迁 Rust,强调降会话开销与首 token。

为什么值得看:大厂开始把「harness 本身」当产品卖,而不只卖模型。自建 agent 运行时的,对一下:你缺的是路由/沙箱/技能协议,还是又一层套壳;Foundry 托管是否锁死观测与记忆落点。
评分反馈
NO.3
arXiv · 2610.30537基准工程 Agent长程

PLE:物理工程最后一考

85 道电/土木/结构/机械长程任务,要求在多格式项目材料上交付可计费工程包(含图纸与约束)。七种公开 harness 评测下,最强配置均分仅 50.6%,均耗约 2700 万 token、63 分钟/题;设计题约束满足率可到约 91%,但「每条硬约束都过」仅约 41%。

为什么值得看:工程 agent 的瓶颈不在玩具题,而在硬安全/规范门禁。做领域 harness 时,先把硬约束 checker 写成一票否决,再谈脚手架调参。
评分反馈

1专栏:端侧模型

浏览器里跑编码 agent、MediaPipe 端侧任务更新,以及开源语音转写上桌面。

X · xenova · 10-28 11:01WebGPULFM3编码 agent

@xenovacom: 浏览器里跑 Pi + LFM3

为什么值得看:称在 M4 Max 上用自研 WebGPU kernel + 4-bit GGUF,把 Pi coding agent 配 LFM3-1.7B 跑进浏览器,峰值逾 300 tok/s。端侧叙事从「能聊天」推进到「浏览器里可改代码」;复现时先核 kernel/权重许可与热路径是否仍依赖本机桥。
评分反馈
google-ai-edge · 10-28MediaPipe端侧ASR

MediaPipe v1.2.0

Tasks 侧补 Android Kotlin TextToSpeech SDK、InteractiveSegmenter 接 LiteRT;iOS 开源文本校对与摘要任务;修 AHWB/SSBO 与池化纹理的 GPU 泄漏,并为 Parakeet ASR 流式降延迟。另升 OpenCV 4.10、Web Worker 平台探测等。

为什么值得看:端侧多媒体流水线仍在补「语音出 + 分割入」拼图。已嵌 MediaPipe 的,优先回归 GPU 泄漏与 ASR 延迟项,再决定是否跟 Tasks 新接口。
评分反馈
Hugging Face Blog · 10-28语音开源权重Apple Silicon

NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线

单检查点覆盖转写(约 40 语种)、翻译(约 31 语种英向)、说话人标注(约 13 语种、最多 8 人)与音频问答,宣称可处理约 1 小时录音;英文 Open ASR 榜与多项 diarization 对比靠前。量化版称将登陆 RTX/DGX Spark 与 Jetson。

为什么值得看:开源语音栈开始把转写/翻译/说话人捆成「可提示」一体模型。本地会议 agent 选型时,先看你要的是多语 diarization 还是纯 ASR 延迟,再比参数量。
评分反馈

窗内 llama.cpp b11938–b11941 多为日常构建,未单列。LFM3 权重家族见昨日。

2专栏:Agent 记忆与协作

记忆「净收益」账本、设计向 skill,以及开源工作流合集信号。

arXiv · 2610.34073记忆RAG评测

记忆税:剖析 Agent 记忆的净价值

多基准、多骨干上发现不少专用记忆系统相对朴素 RAG 净值为负。作者把相对 RAG 的增益/损失拆成 memory benefit 与 memory tax:重组事实或蒸馏偏好本意为增益,却也可能抹掉证据。代码与结果称将开源。

为什么值得看:别再只报记忆模块绝对分。做个人或团队记忆库对比时,应用「相对直接检索的净收益」做账,并单列税项(证据被压掉、过时偏好)。
评分反馈
GitHub · ~105k★Skills设计Agent

Leonxlnx/taste-skill

为什么值得看:宣称用艺术指导、参考图与浏览器检查,让编码 agent 少出「通用 AI 页」。热度极高;接入前先看 skill 是否会改仓库外文件,以及检查步骤是否可在 CI 无头跑。
评分反馈

HABIT-Bench 见论文栏。豆包「录制回放」仅短帖未展开。Codex alpha 无实质说明。

3主流产品 Changelog 精读

今日无重要更新

今日无重要更新。Codex rust-v0.166.0-alpha.4–6 预发布页无变更说明;ChatGPT/Grok/DeepSeek/Gemini API changelog 抓取失败(jina/playwright)。

4GitHub 热门

日榜里和 Agent / 感知相关的仓库。

GitHub · ~3.6k★SkillsExpo

expo/skills

为什么值得看:Expo 官方 skill 集合。做移动/跨端 agent 工作流时可当参考目录,装前看是否绑定 Expo 专有 CLI。
评分反馈
GitHub Trending 日榜感知WiFi无摄像头

ruvnet/RuView

为什么值得看:用普通 WiFi 做空间感知与生命体征,不靠视频像素。和视觉 agent 路线对照有趣,但落地受射频环境与隐私法规约束更大。
评分反馈
GitHub · 候选Skills

jakubkrehel/skills

为什么值得看:个人 skills 合集进候选热度。装前扫一遍会不会覆盖全局 skill 目录,并和 taste-skill / Expo 官方包对照定位。
评分反馈

HKUDS/DeepTutor 昨日已收,无新版本不重复。jailbreaks 仓库不收。

5Agent 工程

arXiv · 2610.30435RAGRL搜索 agent

自评估强化学习:检索增强大模型中的搜索状态意识

提出 SARL:训练期让模型识别「已拿到什么、还缺什么」,推理期不再外挂评估器。双奖励既抓纠正效果又罚过度依赖评估。相对最强基线相对提升约 24.3%,多跳约 +35.9%、深研约 +27.9%;长搜索视野下训练更稳。

为什么值得看:搜索 agent 的失败常是「不知道自己还缺证据」。做检索环时,把搜索状态显式进奖励,比只加工具调用轮数更对症。
评分反馈
Replit · 快讯已见基准长程软件工程

ViBench 2.0:长程软件构建基准

为什么值得看:长程写软件基准又一轮。和昨日 Trial by Trace 对照:既要看任务成功,也要看 harness 是否在中途违规。原文细节以官博为准,短卡仅作入口。
评分反馈

6检索与基础设施

Meta Engineering · 10-28检索GPU协同设计

Meta Andromeda:通过模型-系统协同设计驱动下一代广告检索

检索阶段以近排序级模型质量、在延迟预算内从海量候选里捞广告,吞吐称逾 10 亿广告/秒,较 2024 Andromeda 约 100×;称自 2025 起为 Facebook 转化带来约 2.4% 提升。路径是模型、系统与 GPU(延续 GH200 一代)一起共设计。

为什么值得看:检索基础设施的增量来自「模型-系统-硬件」同改,而不是只换更大 embedding。做大规模召回的,先问哪一层是真正瓶颈。
评分反馈

7论文

Agent 记忆与检索相关。

arXiv · 2610.24520记忆习惯

HABIT-Bench:从纵向弱证据评估 Agent 记忆中的习惯诱导

用跨数百会话的合成用户史测习惯归纳与后请求应用;八种记忆法最好宏平均约 33.6%,直接喂标注证据仍受限。含临时例外、习惯变更与未采纳建议。

为什么值得看:长期记忆不等于会用习惯。做偏好沉淀时要单测例外与习惯变更。
评分反馈

Memory Tax 见专栏;PLE 见三条;SARL 见工程。

8大厂与模型

THE DECODER · 10-28AndroidAgentGemini

Google 向第三方 AI 智能体开放 Android 开发并推出新 Gemini API

Android Studio「Bring Your Own Agent」称可接入 40+ 外部编码 agent(含 Claude、Codex);并扩终端工具以减耗时与 token。另提 Gemini Nano 4 Agentic API、MCP 接入,以及与 XREAL 的 Android XR 眼镜 AURA(约 1099 美元)。

为什么值得看:移动开发生态把第三方 coding agent 当成一等公民。做端侧 agent 分发的,盯 IDE 插件位与本机 Agentic API 权限模型,比再发一个聊天套壳更关键。
评分反馈
TechCrunch · 10-28Anthropic企业ROI

Anthropic 推出企业报告工具,量化 Claude 的 token 支出回报

面向企业的用量/产出/故障点报告,结合内部分析与员工调研给改进建议;称默认不用该数据训模型,并推团队共享预算池。文内转述 Anthropic 对投资者的季度数据(含约 900% NRR)作背景,ROI 叙事针对大客户留存。

为什么值得看:企业买的是可解释的 token 账单,不是又一个聊天窗。做团队 agent 计费/审计时,把「产出物与失败步骤」和用量绑在同一张表。
评分反馈

Carbon / Copilot harness / PLE 见今日三条。Genie 4、Skill Adaptation、Codex 0.165、LFM3 见昨日。

9X 精选

工程与习惯

  • Matt Pocock @mattpocockuk · 10-29 04:18 · ♥ 716 课程软件工厂
    @mattpocockuk: 公司级软件工厂课
    为什么值得看:宣称拍完职业生涯最野心课程,11/9 起两周。关注 Skill/软件工厂叙事的,可当公开课大纲信号,不必等完整讲义。
    评分反馈
  • Addy Osmani @addyosmani · 10-28 16:26 · ♥ 479 招聘Anthropic执行
    @addyosmani: Hunger beats tenure
    为什么值得看:转发 Anthropic 弃传统编程面试的讨论:新同学执行力追上资深。招 agent 工程时,可对照「能交付闭环」权重是否高于题海。
    评分反馈
  • 思维怪怪 @0xLogicrw · 10-28 18:51 · ♥ 6 RWE-Bench工程
    @0xLogicrw: RWE-Bench 真工程题
    为什么值得看:Xplore 20 道机电航任务:Astra 单次约 37%,五次后 Opus 5.5 约 70%。和今日 PLE 对照:真工程交付仍远未饱和。
    评分反馈
  • tison @tison1096 · 10-29 07:49 · ♥ 11 Carbon体验
    @tison1096: 催 Carbon 开放
    为什么值得看:Ultra 用户称 Argon 写稿体验不错、催 Carbon。产品节奏信号,不作评测依据。
    评分反馈
  • 思维怪怪 @0xLogicrw · 10-28 16:06 · ♥ 7 AnthropicStainless供应链
    @0xLogicrw: Stainless 删库牵连客户
    为什么值得看:称 Anthropic 收购的 SDK 工具公司删私有仓导致客户代码没了。用托管生成 SDK 时,备份与退出条款要默认按最坏情况写。
    评分反馈

☰往期