AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-11-12

星期四 · 11-12 07:26 截稿 · 共 18 条

★今日最该知道的 3 条

NO.1
Google DeepMind · 11-11;官方博客Gemini Decision 1Decisions API路由打分

Gemini Decisions API:快速、校准的多模态决策

单次前向即可给最多 1,000 道是否/选择题或量表题打出概率和置信度,端到端延迟 150–250 毫秒,输入每百万 token 0.10 美元且不收取输出。上下文可到 256K,并直接接受文本、图片、音频、视频和 PDF。

为什么值得看:这是给路由、合规检查和打分用的闭集接口,不必再让生成模型逐字写出答案。若你已经在分流模型或选工具,先看单次能带多少题、校准是否够稳,再决定要不要换掉现在的生成式打分。
评分反馈
NO.2
AWS 新闻博客 · 11-11AWS Emulator编码智能体本地测试

在本地用 AWS Emulator 测试你的应用

在本机提供本地 HTTPS 接口,AWS CLI、SDK 和编码智能体用同一套云上 API 对它发请求,不必先部署到某个区域。Linux 用 RPM 或 Debian 安装,macOS 与 Windows 需自行用文档里的 Dockerfile 运行;源码公开,不另收模拟器服务费。

为什么值得看:智能体改基础设施时,最怕每改一次都要等一次云上部署。若你用编码助手写 AWS 代码,先在自己电脑上把创建、写入、读回的闭环跑通,再决定哪些步骤必须上真实账号。
评分反馈
NO.3
Anthropic Alignment Science · 11-11MAMUBench多智能体协作

Worse Together:多用户多智能体团队中性能如何崩塌

四个环境里,每人各派一个智能体都不如由一个智能体服务整组,Claude 两种型号上协调者比点对点高出约 10 到 45 个百分点。共享额度时指定队长并写明优先级会缩小差距;下单前强制读完待办消息,能挽回 Opus 5 失败案例中的 73%。

为什么值得看:多人各带一个助手进同一套代码库或同一笔预算时,失败常常出在互不等待、互相覆盖和编造他人意图。若你已经在跑多会话协作,先把「谁拍板、信息有没有进上下文」写成硬门槛,再考虑加不加更多并行会话。
评分反馈

1专栏:端侧模型

不到十亿参数的端侧助手,以及 llama.cpp 接上 CUDA FP8。

Hugging Face 博客 / Tether AI Research · 11-11BotPsy端侧工具调用Qwen3.5

BotPsy:配备不到十亿参数智能体语言模型的端侧个人助手

0.8B 参数、基于 Qwen3.5-0.8B,在作者测试的不超过 1.2B 的模型里工具调用和智能体任务全面领先,六个基准中拿下五个第一,只在 Claw-Eval 上输给大 2.5 倍的 Qwen3.5-2B-Think。

为什么值得看:这是把「不一定要云端大模型」落到可下载的端侧助手。若你关心隐私和本地工具调用,先看它声明只适合中低难度任务,并对照自己的工具集,不要把它当成高风险决策模型。
评分反馈
ggml-org/llama.cpp · 11-11 21:13(北京)llama.cppFP8CUDA

llama.cpp b12284

CUDA 路径补上 OCP FP8,GEMV 走 W8A16。作者在 RTX PRO 4500 Blackwell 上用 Qwen3.5 27B NVFP4 测得预填充 2781.53 tok/s、解码 37.56 tok/s(ubatch 512)。

为什么值得看:若你在 NVIDIA 新卡上跑 FP8 或 NVFP4 权重,这是运行时真正接上格式的一步。同窗口还有 b12274 的 FP8 KV cache,可以一并验证显存和速度,不必把中间的后端修补逐条跟。
评分反馈

llama.cpp 同窗口多为后端修补,仅列出新增 CUDA OCP FP8 的 b12284,并把 b12274 的 FP8 KV cache 放在相关链接。Unsloth 的 GGUF 量化帖为短讯,未单列。OpenRouter 的 fp8/fp4 对比见工程栏相邻主题,放在检索与量化相关的论文和实测里分别处理。

2专栏:Agent 记忆与协作

Google Labs 把共享计划做成可同时编辑的实验;Mastra 让长耗时 MCP 调用改走后台任务。

Google Labs / Roman Nurik · 11-11TabletopGoogle Labs协作

试试 Tabletop:供小组一起规划、玩耍和协作的可定制空间

目前只对美国 18 岁以上用户开放候补。空间建好后把邀请链接丢进群聊,成员可同时编辑行程、投票、分账或赛程;材料是你放进去的链接和文件,生成则靠 @tabletop 或模板。

为什么值得看:这是面向朋友和家庭的共享画布,不是新的团队知识库。若你关心「多人同时改同一份计划」,先看候补范围,权限和年龄限制以官方说明为准。
评分反馈
Mastra · 11-11MastraMCP后台任务

Mastra 推出 MCP Tasks

MCP 工具改为先返回任务 ID,客户端再轮询 working、input_required、completed、failed 或 cancelled,避免长连接被代理超时打断。任务完成后会在下一次模型请求时通知仍在运行的智能体。

为什么值得看:若你已经用 Mastra 接了会跑很久的 MCP 工具,先看轮询和通知能不能让对话继续,而不要再把整段工作堵在一次 HTTP 请求里。这是接在他们 MCP 2.0 和事件机制后面的能力。
评分反馈

Cursor 多人 Projects、Claude 协作套件已在 11-11 报道,未重复。公开栏不收录内部协作产品发布。

3主流产品 Changelog 精读

Qwen Code 开出 1.0 预览线;Codex 在 Vertex 上默认推送增量工具更新。

QwenLM/qwen-code · 11-11 11:55(北京);预览版qwen-codeHarnessQoder

QwenLM/qwen-code v1.0.0-preview

把 Qoder 的 Harness 并进开源内核,提供 macOS、Linux、Windows 原生日包,不必再单独装 Node.js。预览分支沿统一事件模型往多节点扩展,推理编排和工具执行分开管理;现有稳定分支保留。

为什么值得看:相对昨日刚报的 v0.27.2,这次是 1.0 预览线,接口还可能改。若你要把编程智能体嵌进自己的产品,先在预览分支看会话恢复和非交互执行,不要把它当成已经冻结的稳定版。
评分反馈
openai/codex · 11-12 06:44(北京)CodexVertex AI

openai/codex rust-v0.167.2

为什么值得看:相对说明几乎为空的 0.167.1,这次只动了 Vertex 上的工具增量推送,而且默认打开。若你在 GCP 上跑 Codex,先确认工具更新是不是变成流式的,不需要时再按配置关掉。
评分反馈

openai/codex 多个 0.169/0.170 alpha 发布说明几乎为空,未收。qwen-code 稳定分支 v0.27.2 已在 11-11 报道,今天只收 1.0 预览。zed 补丁与预发布、opencode process-daemon 预览未单列。

4GitHub 热门

OpenAI 把安全扫描做成 Codex 的 CLI;shadcn 用技能把审计和执行拆开。

GitHub · 日榜;11.7k★ / 今日 +20Codex安全CLI

openai/codex-security:发现、验证并修复安全漏洞的 CLI 与 TypeScript SDK

为什么值得看:官方把安全扫描做成可在编码助手里调用的 CLI 和 SDK。若你已经用 Codex 写代码,值得看它如何发现、验证再给出修复,而不是另开一套扫描器;先在测试仓库跑,避免把令牌扫进日志。
评分反馈
GitHub · 日榜;10.8k★ / 今日 +333Agent Skills审计计划

shadcn/improve:用最强模型审计代码库,并给更便宜的模型写执行计划

强模型只负责审计代码库并写出可执行的 Markdown 计划,自己并不改代码;执行交给其他更便宜的模型。可用 npx skills add shadcn/improve 装进支持 Agent Skills 的助手。

为什么值得看:这是把「谁来想、谁来做」拆开的一种技能。若你已经在用贵模型写代码,可以先让它只出计划,再把实现丢给便宜模型,核对计划是否真的自洽、会不会漏测试。
评分反馈

herdr 已在 10-31 报道开源,周榜再出现但无新版本信号,未重复。个人理财应用 sure 与方向无关。ha-mcp 昨日已报。

5Agent 工程

同一项 GitHub 任务,MCP、CLI 和 Skill 吃掉的上下文差了一个数量级。

OpenRouter · 11-11MCPSkills上下文成本

MCP、CLI 与 Skills 各自要消耗多少上下文

在 Sonnet 5.5 上,默认加载的 GitHub MCP 完成同一项查询要用 59,417 个输入 token,大约是 CLI 的 42 倍;Skill 是 3,315,CLI 是 1,421。更贵的往往是工具返回:一次 release 对象约 20,400,已经超过 46 个默认定义的 19,436。

为什么值得看:若你给助手默认挂了整套 MCP,先数每轮带上多少工具,再试把结果裁到需要的字段,或改成 CLI/Skill、打开 Tool Search。同一套优化在 Haiku 5.5 上并不一定更省,有时还会更贵。
评分反馈

Simon Willison 对 Gemini Decisions API 的短评已作为三条相关链接,未再占坑。视频生成与具身论文未收。

6检索与基础设施

多向量检索在训练时就把 token pooling 算进目标,压缩后更不容易掉点。

Hugging Face / Tom Aarsen · 11-11Token Pooling多向量检索

面向多向量嵌入模型的 Token Pooling-Aware 训练

在 pool_factor=4 时,按 pooling 目标训练把 NanoBEIR nDCG@10 的保持率从 94.6% 提到 97.8%,分数从 49.03 升到 51.23,文档向量大约少存 74.8%。

为什么值得看:多向量检索的体积往往先爆掉。若你已经在用这类方案,先看压缩是写进训练目标还是只在索引时合并;同样的 4 倍合并,训练时就见到 pooling,比事后再压更不容易掉点。
评分反馈

7论文

一层一层做的 W4A4 量化,以及专门考决策模型的新基准。

arXiv · 2611.10649;HF Daily Papers 11-11MACaQ量化MXFP4W4A4

MACaQ:面向低精度权重与激活的快速、模型无关校准量化

122B 参数的模型可以在 32.5GB 显存里用 64 分钟完成量化,因为每一层单独处理、不必整网同时留在内存里。Llama-3-8B 的困惑度已齐平 DuQuant++ 与 MR-GPTQ 的最好结果,量化时间大约只要十一分之一;在 vLLM 里跑 Qwen3-32B,相对纯 MXFP4 只多 2.3% 端到端开销。

为什么值得看:若你要在消费级显卡上做 W4A4,先看这 2.3% 的在线变换开销能不能接受,再和必须把变换跨层传播的方法比速度和显存。它声明不必按架构改网络,连图像扩散模型也用同一套层内流程。
评分反馈
arXiv · 2611.14309;HF Daily Papers 11-11MMDM决策模型评测

MMDM:大规模多任务决策评测

现有考卷很难同时覆盖长上下文、大选项空间和选项之间的逻辑约束,所以作者新做了 16 类、共 5,448 道题,选项最多 1,024 个,输入可以到 64,817 个 token。28 个模型里,常识题往往不差,但选项相互依赖、带约束和多选题明显变弱——最好的硬多选正确率只有 36.81%。

为什么值得看:刚发布的决策 API 需要一份不容易背题的考卷。若你在评估路由或打分模型,先看它在大选项空间和长上下文里会不会塌,而不只看常识题分数。
评分反馈

论文日期以 HF Daily Papers 11-11 列表日为准(部分 arXiv 标注日更早)。具身操作、视频生成与金融智能体评测未收。OpenRouter 的 fp8/fp4 实测是博客不是论文,已在工程栏主题外保留为量化背景,未单列。

8大厂与模型

千问下一代旗舰开了预览窗;文心给出 Flash 的首个后训练检查点;DeepMind 更新了基因组模型。

阿里云百炼文档 · 11-11Qwen4Token Plan预览

Qwen4-Max-Preview

预览期为北京时间 11 月 11 日 10:00 至 25 日 24:00,只走 Token Plan、不提供按量计费,上下文 1M token。思考与最终回答共享最多 393,216 的输出额度,并兼容 OpenAI 与 Anthropic 的接口;千问办公、Qoder、千问 App 与 QwenStudio 也已接入。

为什么值得看:这是下一代旗舰的预览窗,不是已经定稿的正式版,官方也写了期间不做变更、到期下线。若你要测编程和智能体任务,先用套餐专用地址和模型 ID qwen4-max-preview,并把思考占用的输出额度一起留出来。
评分反馈
百度文心 · 11-11;官方博客ERNIE文心开源预告

ERNIE 5.5 Flash Preview

基于此前的 Flash Base 做了首次后训练,总参数 280B、激活 14B,上下文 1M token。API 已在千帆上线,权重将以 Apache 2.0 开源;官方同时写明这是后训练中的中间检查点,能力还可能不完整。

为什么值得看:若你在看国产开源编程模型,先按预览版来试,不要把它当成最终的 5.5 Flash。后训练还在做,正式版才是对标点。
评分反馈
Google DeepMind · 11-11;官方博客AlphaGenome 2DeepMind基因组

AlphaGenome 2:破解细胞如何解读 DNA,以便更好理解疾病

在 68 种组织、逾 1 亿个单细胞图谱上训练,识别会改变基因表达的变异数量约为上一代最强模型的两倍,并能针对特定细胞类型做条件预测。非商业研究可走 AlphaGenome API,商业用途目前是私下预览。

为什么值得看:这是生物医学模型,但对「同一段输入在不同条件下读法不同」的架构值得看一眼。若你只跟踪智能体工程,把它当一条科学发布即可,不必改你的工具链。
评分反馈

Gemini Decisions API、AWS Emulator 与多用户多智能体评测见三条;BotPsy、llama.cpp FP8、Tabletop、Mastra MCP Tasks、Qwen Code 1.0 预览、Codex 0.167.2、两个热门仓库、MCP 上下文成本、Token Pooling、两篇论文,以及 Qwen4-Max 预览、文心 5.5 Flash 预览和 AlphaGenome 2 见各栏。营收传闻、融资与图像模型未收。

9X 精选

今日无重要更新

☰往期