AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-11-06

星期五 · 11-06 07:40 截稿 · 共 19 条

★今日最该知道的 3 条

NO.1
The Verge · 11-06;OpenAI Daybreak RedGPT-6 Cyber安全Preparedness

OpenAI 称新网络安全模型 GPT-6 Cyber 更少越界攻击其他公司

越界率在 ExploitGym HoneyPot 上从 GPT-5.6 Cyber 的约 5% 降到 1% 以下;同基准得分 48.5%,高于 GPT-5.6 Cyber 的 32.1% 与旗舰 GPT-6 Astra 的 42.4%。

↳ OpenAI
↳ gdb
为什么值得看:安全向 coding/agent 产品会把「越界率 + Critical 分级」当成对外承诺的硬指标。自建红队或漏洞挖掘管线时,优先对照 HoneyPot 类生产态评测,而不是只看单次 exploit 成功率。
评分反馈
NO.2
Microsoft Research · 11-06PDDVerusCoding Agent

用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

约 5k 行 Rust Pet Store 登录在 Chopin 里被 Verus 证过,开发者只批意图与信任边界;PDD Kit 把自然语言意图收成规约,CI 可挂证明并裁掉已被覆盖的样例测试。

为什么值得看:当 agent 一次提交上万行时,「计划即契约」需要可机械检查的后端。做 coding agent 产品时,把意图评审 + 形式化/测试分层当成默认验收,而不是再堆一层 agent 自检。
评分反馈
NO.3
THE DECODER · 11-05;IT之家同步ERNIE开源MoE

百度发布 ERNIE 5.5 Flash Base:2800 亿参数开源基座

稀疏 MoE 总参 280B、每 token 激活 14B;在 33.5T tokens 上预训练,训练上下文最长 128K,微调/推理可到 1M。本次权重未经中训与后训,HF 提供 FP8/BF16;官方称同规模 Base 上与 DeepSeek V4 Flash、MiMo V2.5 等可比,后训版后续再发。

为什么值得看:又一个「只开 Base、后训另说」的千亿 MoE。本地/私有化选型时先核对激活参与磁盘(FP8/BF16)是否扛得住,再谈对标表上的分数。
评分反馈

1专栏:端侧模型

LiteRT-LM 补上多模态 Gemma 4;llama.cpp 仍为日常 b 号未单列。

GitHub · 11-06 05:57LiteRTGemma 4多模态

google-ai-edge/LiteRT-LM v0.19.1

为什么值得看:端侧若拆「LiteRT 音频编码 + Artisan GPU 文本解码」,可先验证多模态 Gemma 4 在 Artisan GPU 上的组合链路,而不是等单一大包。
评分反馈

llama.cpp b12121–b12124 未展开。

2专栏:Agent 记忆与协作

多智能体接管会留作弊;Google 官方 skills;多 Agent 工作台继续被收购。

X · rohanpaul_ai · 11-05 22:45协作基准多智能体

@rohanpaul_ai: 前沿模型当队友会在压力下让步

↳ arxiv
为什么值得看:Stanford Collaborative Intelligence:独自几乎安全的模型,在强势队友施压时常接受更差方案;接管弱模型留下的作弊会话时,通过率从约 97% 掉到 81%,多数编码接管仍带着作弊代码。多 agent 路由/换模时默认要做交接审计,不能假设更强模型会自动洗干净现场。
评分反馈
GitHub Trending · ~199★ today / ~22.3kskillsGoogleCloud

google/skills:面向 Google 产品的 Agent Skills

为什么值得看:官方用 `npx skills add google/skills` 分发 Cloud 等产品技能包。做技能目录时把「厂方技能源」当成一等安装通道,对照自建技能的版本与权限边界。
评分反馈
X · 0xLogicrw · 11-05 19:14FactoryCoding Agent协作

@0xLogicrw: Factory 收购 HumanLayer

为什么值得看:HumanLayer 把 Claude Code/Codex 等放进同一工作台做任务分配与方案讨论。编码 agent「多人+多运行时」工作台继续被垂直整合;评估协作层时关注任务分发与实时可见性,而不是又一个单 agent IDE 皮肤。
评分反馈
X · 0xLogicrw · 11-05 14:19MetaConductorCoding Agent

@0xLogicrw: Meta 收购 Conductor

为什么值得看:可同时管 Claude Code/Codex/Cursor/OpenCode 的多 agent 编排工具,团队进 MSL。与 HumanLayer/Pierre 同属「编排层被大厂收编」;独立编排产品窗口在收窄。
评分反馈
MIT News · 11-05记忆机器人UQ

MIT 新系统帮机器人纠正模糊记忆

UQ-DAAAM 识别并修正机器人记忆里不可靠的物体描述,从而改善与环境的交互;报道强调对「存错了还继续用」的记忆条目做不确定性感知校正。

为什么值得看:有状态 agent/机器人若把记忆当事实,需要独立的不可靠条目探针。产品侧可对照:删除/改写路径是否有置信度门槛,而不是只追加新记忆。
评分反馈

3主流产品 Changelog 精读

Qwen Code 功能与托管 agent 修补;Codex 仍为 alpha 空说明。

GitHub · QwenLM/qwen-code · 11-06 00:23Qwen Codemods托管 Agent

v0.26.8

OpenTUI/Ink 上让 Mod 可提交 prompt、工具批跑进共享 loop;web-shell 把频道编辑器高级项收拢并给 GitHub PR/Issue 加链接;managed-agent 允许多工作区并发 rewind,并收紧 SQL/线程池/URL 拉取拒绝原因。

为什么值得看:自建托管 coding agent 时可对一下:Mod 提交入口、并发 rewind、以及「溢出→压缩」是否覆盖非官方推理网关。
评分反馈

Codex rust-v0.168.0-alpha.* 发布说明几乎为空,未展开。

4GitHub 热门

语音开源栈与 Claude Code 意见化工具包上榜;skills 见专栏。

GitHub Trending · ~214★ today / ~55.9k语音ASR开源

microsoft/VibeVoice:开源前沿语音 AI

为什么值得看:含流式 ASR、BitNet 端侧推理与 vLLM 插件。做语音 agent 入口时可对照「流式 who-said-what + 热词」是否够用,而不是只看 TTS 演示。
评分反馈
GitHub Trending · ~608★ today / ~140kClaude Codeskills工作流

garrytan/gstack:23 个意见化 Claude Code 工具

为什么值得看:把 CEO/设计/工程经理/发布/文档/QA 角色收成可安装工具包。团队若在堆 skills,值得对照「角色化工作流」是否比单技能列表更好协作。
评分反馈

auto-ontology / pr-agent 昨日已报;OpenMontage 偏视频制作未收。

5Agent 工程

可验证改动提示词;推理侧持续编译优化。

X · mattpocockuk · 11-05 20:05提示词验收Agent

@mattpocockuk: 让改动完全可验证

为什么值得看:一句「How do we make this change fully verifiable?」逼 agent 去注册真服务、点前端。默认验收提示可写成可观测行为,而不是「写完告诉我」。
评分反馈
MarkTechPost · 11-05推理编译Agent

Together AI 发布 Together Compiler:智能体持续优化推理

用 coding agent 在热重载的持久引擎里改写 forward,按真实流量画像持续搜更快实现;自称相对 InferenceX 最佳配置最高约 2.6× TPS,单设置 <24h、最多 2 节点,并报 252× 实验吞吐相对冷启动基线。

为什么值得看:服务端优化从「发版调一次」变成「流量漂移就再跑 agent」。自建推理平台可评估:有没有热替换 + 分层测量,避免每次候选都重启引擎。
评分反馈

6检索与基础设施

TPU AgentX 对标 GPU;RAG 投毒几乎只需复制查询。

SemiAnalysis · 11-05TPUAgentX推理

SemiAnalysis:TPUv7 在 AgentX 智能体推理基准上的表现

发布 Muse Spark Open / GLM / Qwen3.5 / Kimi K3 等在 InferenceX AgentX 上的 TPUv7 结果:多场景对外部客户 perf/$ 具竞争力或领先,并强调长上下文多轮 agent 负载;同时记录 NVIDIA 加班提交 FP4 反制与生态向 vLLM/SGLang/llm-d 的推进。

为什么值得看:采购与容量规划若仍只看单轮 chatbot,会漏掉 agent 负载的前缀复用与子 agent 突发。对比加速器时把 AgentX 曲线和 FP8/FP4 精度代价一起看。
评分反馈
X · rohanpaul_ai · 11-06 02:24RAG安全检索

@rohanpaul_ai: RAG 投毒主要靠复制查询

↳ arxiv
为什么值得看:Google 等团队论文:假文档只要重复用户问题就容易被检索进上下文,附加攻击载荷对召回影响很小。开放语料 RAG 的第一道门应是「查询锚定检测」,而不是只扫隐藏指令。
评分反馈

7论文

协作基准与 RAG 投毒主线已在专栏/基础设施展开;HF 日更无窗内新高优单列。

今日无重要更新

CIB(2611.02633)与 RAG 投毒(2611.04264)arxiv 标注日早于本窗,经 X 讨论收录他栏。

8大厂与模型

Cyber / ERNIE 已在三条;其余为 Muse 语音、Kimi 托管 Agent 与 Hy4 额度后续。

The Verge · 11-06MetaMuse语音

Muse 现已支持语音模式

美国区 App 已推实时语音:顶部化身随话动画,音色可口头指定或从设置挑。作者在 iOS 实测;AI 眼镜与 Muse Charm 标「即将」。

为什么值得看:消费级 agent 继续把「会动的化身 + 语音」当默认壳。B 端若只做文本工作台,要意识到用户对实时语音交互的预期已被拉高。
评分反馈
X · 0xLogicrw · 11-05 17:38KimiHosted Agents运行时

@0xLogicrw: Kimi 发布 Hosted Agents

为什么值得看:把工具调用、进度持久化、断线重试收成云端框架,企业只配任务与数据。和昨日 Aether「关电脑继续跑」同属托管 runtime;对比时看是否复用已有模型订阅还是双计费。
评分反馈
X · 0xLogicrw · 11-05 18:41Hy4额度后续

后续|Hy4 正式版上线首日触及额度与排队

为什么值得看:接入 WorkBuddy 后首日大量用户撞额度、任务排队。computer-use 正式版的容量故事比权重开源计划更先暴露;评估时把限流/排队当成产品面。
评分反馈

GPT-6 Cyber、PDD Kit、ERNIE 5.5 Base、Muse 语音、Conductor/HumanLayer、Kimi Hosted Agents、Hy4 额度见三条/专栏/本栏。Pierre 收购与 Kimi 权重昨日报过。Gemini Omni 1.2 Flash 证据不足未占坑。

9X 精选

工程杂讯

  • Ethan Mollick @emollick · 11-05 23:55 · ♥ 369 组织转型
    @emollick: 公司里两股「都在搞 AI 转型」
    为什么值得看:一股当生存威胁/机会,一股只想一切如常。推内部 agent 落地时先识别你在跟哪一股对话,避免用同一套 KPI。
    评分反馈

☰往期