AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-11-10

星期二 · 11-10 07:24 截稿 · 共 15 条

★今日最该知道的 3 条

NO.1
Anthropic · 11-09;官方博客ClaudeFable 5.2Mythos 5.2定价Agentic coding

推出 Claude Fable 5.2 与 Claude Mythos 5.2

FrontierCode 2.0 在 Xhigh 档拿到已测最高的 49.1%;生成最多比 5.1 快约 30%,标价降到输入/输出 $8/$40(可选快模式 $16/$80,最高约 2.5 倍)。Fable 与 Mythos 同底模,后者走生命科学与网络验证计划;官方仍建议日常从 Opus 5.5 起跳,难题再上探。

↳ Cursor
为什么值得看:选型先按官方路径:日常 Opus 5.5,开放式难题再上 Fable。别只看降价——单位 token 便宜不等于单任务更便宜,长时编排还要单独看 token 消耗。
评分反馈
NO.2
Meta Superintelligence Labs · 官方博客;11-09Muse EmberMeta智能体执行定价

推出我们最小、最高效的模型:Muse Ember

API 标价输入/输出 $0.10/$0.50;官方称在 Artificial Analysis 上以约三分之一成本追上 Haiku 5.5 最佳分。上下文 1M、输出最多 512K,主打工具调用、编码子任务和长文档。AutomationBench-AA 为 37.8,高于 Haiku 的 13.9 和 Luna 的 20.2。

为什么值得看:执行层单独定价后,可以把「重模型定规矩、轻模型扛量」写成默认分工。对标时看单任务成本和子 agent 场景,而不是只看它是不是最小的 Muse。
评分反馈
NO.3
OpenAI · 11-09;研究基础设施OpenAIControl Room安全推理

Control Room

叫停做在推理引擎侧,而不是研究员各自的 workload:每次出字前用 job_id 向 Control Room 鉴权。决定干预后最多 35 秒内停输出(来自授权缓存);服务自身宕机则 fail-closed 全拒。已覆盖前沿模型研究负载,其余研究任务几天内铺完。

为什么值得看:关键安全开关不要写进经常改的实验脚本。若你跑 agent 采样或训练评测,默认假设需要一个推理层的紧急刹车,并且它挂了就应停转而不是放行。
评分反馈

1专栏:端侧模型

手机上直接跑自动化脚本;llama.cpp 为 Granite 补上 NVFP4 缩放。

思维怪怪 · 11-09 19:15(北京)SwiptiPhone端侧MCP

@0xLogicrw: Swipt 让 iPhone 本地跑自动化

为什么值得看:它和多数「电脑遥控手机」方案不同:脚本跑在 iPhone 本地,还能经 MCP 接编码 agent。若你做端侧操控,先分清执行面在手机还是在电脑,再谈延迟和权限。
评分反馈
ggml-org/llama.cpp · 11-09 20:52(北京)llama.cppGraniteNVFP4

llama.cpp b12223

为什么值得看:这条才是当天和模型加载有关的改动:为 Granite 各架构挂上 NVFP4 权重缩放。日常 b 号里若没有新模型或新量化路径,不必每条都跟。
评分反馈

llama.cpp b12212–b12236 多为 mtmd/Metal/后端修补,仅 b12223 涉及 Granite NVFP4 权重缩放故单列;ollama v0.40.16-rc0 为预发布未收。

2专栏:Agent 记忆与协作

工作群里的 Team Agent;以及让编码 agent 直接操作真机。

IT之家 · 11-09 16:15;钉钉官方消息千问办公钉钉Team Agent协作

阿里千问办公 2.0 发布:支持多人与 Agent 协作,可把 Agent 带进工作群

自动任务可被指定人消息、群内 @自己或审批触发;人机共创能在对话框里预览原文并直接改段落、表格或幻灯片,多人与多 Agent 可同时改在线文档。协作功能把数字员工拉进工作群,挂上多个钉钉群、文档、AI 表格和听记。客户端已全量上线。

为什么值得看:Agent 从私人对话框走进共享工作群,关键看它能不能持续跟待办,而不是只在群里答一句。若你设计团队助手,先对齐触发条件和文档共创权限,再谈人格设定。
评分反馈
思维怪怪 · 11-09 11:47(北京)PinkyDIYgodMCP手机

@0xLogicrw: Pinky 让 Agent 操作真机

为什么值得看:RSSHub 作者 DIYgod 开源的 Pinky,经 MCP 让编码 agent 看屏幕、点按和输入,桌面端覆盖 Mac/Windows/Linux。把它当真机操作面的新对照,权限和误触面要比网页自动化更大。
评分反馈

Anthropic 记忆产品此前已报未重复。

3主流产品 Changelog 精读

Claude Code 把 Fable 5.2 设成默认 Fable,并修了一批权限漏洞。

anthropics/claude-code · 11-10 03:22(北京)Claude CodeFable 5.2权限MCP

Claude Code v2.1.321

修了 MCP OAuth 把 refresh token 送到跳转主机、只读 Bash 溜出沙箱,以及 cp/mv 进目录时 deny 失效。remote-control 新增 --settings,改完文件须重启才作用于新会话。默认 Fable 换成 claude-fable-5-2(1M 上下文,$8/$40,缓存读 $0.20/Mtok)。

为什么值得看:升级不只是换模型名。先核对远程控制的设置文件是否会在改完后对新会话生效,再回归一遍沙箱和文件复制的拒绝规则——这几处是实际权限漏洞,不是刷新型号。
评分反馈

openai/codex rust-v0.169.0-alpha.6/7 发布说明为空,未单列;qwen-code v0.27.1 为启动上下文写明当前 shell 等补丁,相对已报的 v0.27.0 增量有限,未重复。

4GitHub 热门

可自托管、带出处的跨 agent 记忆层上了日榜。

GitHub · 日榜;32.1k★ / 4.8k forksGBrain记忆MCPMIT

garrytan/gbrain:给你已有 agent 一层可控记忆

把带出处的事实存成可控记忆,支持更正和撤回,并让同一份记忆跨多个 agent 使用。默认可先用无密钥加关键词检索,再按需打开语义搜索、综合回答和后台充实;MIT 协议可自托管。作者称自己的部署里约有 15.6 万页、2.46 万人、5340 家公司和 66 个定时任务。

为什么值得看:若你要可携带、带出处、能撤回的记忆层,而不是模型厂商自带的隐式记忆,这是一个可自托管的对照。上共享脑之前先读它的权限边界:本地文件和共享数据库凭证并不靠来源标签隔离。
评分反馈

日榜 claude-quickstarts 此前已报无增量;mujoco 为物理仿真、daily_stock_analysis 为股票分析,未单列。

5Agent 工程

自动研究系统把 RSI 接到真实推理优化。

百度文心 · 官方研究博客;11-09ERNIE EvolveRSI自动研究文心

ERNIE Evolve:让自动研究走进真实 AI 研发

接到 ERNIE-5.5-Flash 后,昆仑芯 P800 低时延生成提到基线的 623.6%,确定性吞吐 +33.7%,单请求解码 +14.9%。公开榜上 NanoChat BPB 0.8763、Speedrun 38.9 秒/2590 步,均超当时公开最优。双层循环里 Director 选题,独立评测器放在仓库外验收。

为什么值得看:看 RSI 别只看它会不会改代码,要看选题、隔离评测和经验沉淀是否闭环。生产数字都经过团队原有压测;换自己的仓库时,先保证评测器对智能体不可见,再谈自我改进。
评分反馈

6检索与基础设施

长上下文与机密推理的新封装;面向海量 agent 写入的 Git 存储。

MarkTechPost · 11-10 01:09;转述 Google 公告GoogleTPU机密推理TPU Sync

Google 发布 TPU 8i Max 与 TPU 8tx:双芯片 TPU 与机密推理 TPU

8i Max 把两颗 TPU 8i 封进同一封装,算力、SRAM 与 HBM 带宽相对单芯片翻倍;8tx 用 TPU 8t 硅片配第五代 EPYC,宣称机密推理时延最多降半、安全开销接近零。TPU Sync 在 Ironwood 上把 Qwen3 235B 的 KV 中位传输降到约 230ms,不是新芯片上的数字。

为什么值得看:长上下文 agent 和受监管推理被拆成两种封装。引用 230ms 时要写明测试平台是 Ironwood;新系统本身还没有公开绝对规格和价格。
评分反馈
思维怪怪 · 11-09 18:51(北京)GitHubRubiconGitAgent

@0xLogicrw: GitHub Rubicon 为海量 Agent 写入扩容

为什么值得看:短帖转述 GitHub 内部测试:代号 Rubicon 的新存储架构下,5000 个 AI agent 可同时在一个仓库工作,每秒约 7200 次推送。把它当「多 agent 共用仓库」的容量信号,细节仍以官方说明为准。
评分反馈

7论文

直接改权重的智能体,以及论文同名碰撞对检索的伤害。

arXiv · 2611.09382;HF Daily Papers 11-09Weight-Space Programming智能体模型编辑

探索权重空间编程:能力、泛化与局限

16 条编辑轨迹里有 6 条因无法可靠验收退回原权重。数学向编辑却能在 IFEval / SciBench 上无再编辑转移 12.18 / 20.10 个百分点;有的轨迹只动 1023 个参数,MATH-500 全量留出集就涨 29.45 个百分点,IFEval / SciBench 最高分别涨 36.72 / 17.11。

为什么值得看:让 agent 直接改参数可以很省,但不等于稳定。部署前把「改哪些权重、如何独立验收、失败就回滚」写成硬步骤,不要把单次轨迹的涨分当成可复用工艺。
评分反馈
arXiv · 2611.01362;HF Daily Papers 11-09PRISM检索同名碰撞论文

「PRISM」并非你所需的全部:跨主题同名碰撞与科学论文检索

固定同名候选里,用查询和候选标题做列表式语言模型排序能到 89.2%;同样三词查询下,同名目标在标题 BM25 仍落后 25.7 个百分点,标题加摘要的 E5 落后 6.9 个百分点。约 56.5 万条 AI 相关 arXiv 记录里,跨主题同名碰撞相对 2020–2022 基准增到 4.33 倍。

为什么值得看:给研究助手做文献检索时,同名方法名是结构性噪音,不是偶发重名。只丢标题关键词很容易找错「PRISM」;要把领域上下文和排序方式一起测,而不是只换一个更稠密的向量模型。
评分反馈

两篇均以 HF Daily Papers 11-09 列表日为锚;arXiv 标注日更早。SplatAnything 为三维重建,未收。

8大厂与模型

LongCat-2.5 按 MIT 放出权重。

IT之家 · 11-09 22:16;11-02 发布、11-09 开源LongCat-2.5美团开源MIT

美团龙猫开源 LongCat-2.5 模型:总参数 1.6 万亿,支持百万上下文

按 MIT 开源,可商用推理和二次训练;总参 1.6 万亿、每 token 约激活 480 亿,上下文 100 万。推理走 W4A4,专家权重与激活都量化到 4 bit。视觉被编成多层离散 token,与文本共用主干,而不是外挂视觉模块。模型 11 月 2 日先发布,今天落到权重和 API。

为什么值得看:若你为长程编程或 Visual Coding 选开源底座,现在可以直接拉权重做二次训练,而不只是等托管接口。先看 MIT 条款和国产芯片上的 W4A4 路径是否匹配你的部署约束。
评分反馈

Fable/Mythos 5.2、Muse Ember、OpenAI Control Room 见三条;Swipt、llama.cpp Granite NVFP4、千问办公 2.0、Pinky、Claude Code 接 Fable、gbrain、ERNIE Evolve、TPU 8i Max/8tx、GitHub Rubicon、权重空间编程与 PRISM、LongCat-2.5 见各栏。Siri 路线、Aaronson–Ambainis/PSI 已报未重复;黄仁勋个人丑闻、Seedream、空发布说明的 Codex alpha、qwen-code 小补丁与 claude-quickstarts 再上榜未收。

9X 精选

工程杂讯

  • Addy Osmani @addyosmani · 11-10 05:37 · ♥ 17 Fable 5.2定价token
    @addyosmani: Fable 降价不等于更便宜
    为什么值得看:他在内部测试里发现:虽说单价低了约 20%,但 Fable 5.2 更费 token,单任务花费大致仍和 5.1 相当。规划账单时用「每件任务多少钱」,不要只看官方标价。
    评分反馈
  • 思维怪怪 @0xLogicrw · 11-09 14:12 · ♥ 52 阿里云Token Plan额度
    @0xLogicrw: 阿里云 Token Plan 加量
    为什么值得看:个人版 Lite/Essential/Standard 月费不变,额度大约增加 74%–78%(如 39 元档从 1.15 万到 2 万 Credits)。若你按套餐跑 agent,先对一下新额度再调整调用频率,细节以官网为准。
    评分反馈

☰往期