AI DAILY DIGEST · 时间均为北京时间

AI 要闻 · 2026-11-14

星期六 · 11-14 07:27 截稿 · 共 16 条

★今日最该知道的 3 条

NO.1
TechCrunch · 11-13 16:00(北京);The Verge 稍后亦有报道。官方介绍页本次抓取返回 403,改用这两家原发报道OpenAIChatGPTDots支付

ChatGPT 的新 Wallet 可让 AI 智能体代为购物并结账

面向美国 18 岁以上的 ChatGPT Pro 用户,先把符合条件的 Visa、Mastercard 或 American Express 卡加入 Wallet,再让 Dots 代买。结账前要核对商品、总额和所用卡,并用 Face ID 或指纹确认;实际卡号不会交给智能体或商家,而是走支付代币,积分和拒付权益仍在。

为什么值得看:这是把代购从建议推进到代付。目前还是小范围测试,而且要每单做生物识别;官方说以后可以按限额、品类或时间预先授权。有的零售商会拦截智能体访问,这条链路就走不通,他们也给商家准备了接入手册。
评分反馈
NO.2
ggml-org/llama.cpp · 11-13 18:20(北京);官方同时发了介绍博文llama.cpp端侧运行时v1.0

llama.cpp v1.0.0

这是首个大版本,ggml 也一起到了 v1.0.0。公开 API 删掉一批已弃用接口(约 35 个函数),把 NextN/投机解码收进 llama.h;新增 OCP FP8 的 KV 缓存,以及可配置 CPU 份额的主机内存 MoE 专家缓存。服务端还补了 SSRF、CORS 与 DNS 重绑定防护。

为什么值得看:本地部署如果还钉在 0.9.x,这是该对一下破坏性 API 变更的版本。日常构建还在出,但 v1.0.0 把接口和运行时能力收成了一个可依赖的基线;升级前先看发布说明里删掉的那 35 个废弃函数。
评分反馈
NO.3
DeepSeek API 更新日志 · 11-13;官方账号同步宣布DeepSeekAPI搜索语音

DeepSeek 发布全家桶应用 API

把 App 里原来跟推理绑在一起的联网搜索、文件解析、阅读链接、语音和安全校验,做成可在 API 里打开的参数,工具调用和上下文拼接由服务端完成。deepseek-flash 在 Messages、Responses 和 Chat Completions 上都支持;搜索、抓取、OCR、ASR、TTS 也可单独调用。

为什么值得看:以前要自己拼搜索和读网页,现在可以按官方 App 同一套能力来做对话。安全校验打开后,命中风险会返回拒答标识,对外提供服务时官方要求开启并自行承担审核义务。具体价格和用法要看文档,不要默认和聊天会员额度是同一套。
评分反馈

1专栏:端侧模型

今日无重要更新

llama.cpp v1.0.0 见三条。窗内 b12336 之后多为 Hexagon、CUDA/HIP 与 Vulkan 等日常补丁,相对这个大版本没有单独列出的必要;仓库根目录再上榜亦不重复。Cohere 转发 v1.0.0 并提到 North Micro Vision 可跑 llama.cpp,信息不足以单列。

2专栏:Agent 记忆与协作

个人智能体协议 Poppy 出了可落地的 1.0;Google 把 Antigravity 的 /teamwork 开放给研究者。

Sierra · 官方博文;10-11 已报过草案Poppy协议MuseShopify

后续|发布个人智能体协议 1.0

协议 1.0 可按现成的 MCP、OpenAPI 和 UCP 分步接入,认证走 OAuth。Shopify 全站商家会自动发出 Poppy 文件,Muse 访问站点时会先找它。Mercury、Synchrony、土耳其航空已上线;新加入 60 家设计伙伴,总数超过 100 家。

为什么值得看:10 月公布的还是草案,这次是可落地的 1.0,而且 Muse 和 Shopify 已经接上。若你在做要登录、查单或代下单的个人智能体,可以先按官方实现包和校验器对一下自己的站点;支付和转账仍要用户确认,并走商家自己的审批。
评分反馈
Google Research · 11-13;Vahab MirrokniAntigravity多智能体Gemini 4

用 Antigravity 的 /teamwork 推进科学与工程

Google Research 向外部研究者开放了 Antigravity 中的 /teamwork 多智能体流程。它把并行探索和 Lean 4、测试套件一类的专门证伪器配在一起,在数学、化学、系统软件和机器学习工程的未决问题上与人类专家一起做;过程中会用到 Gemini 4 的 Argon、Carbon 和 Hydrogen。

为什么值得看:这不是新模型发布,而是把内部用来做长程研究的多智能体流程对外开放。适合已经能把问题写成可验证约束的团队;没有自动判对错的环境,效果会差一截。申请走研究者准入,并不意味对所有 Antigravity 用户默认开放。
评分反馈

Muse 向美国付费用户开放代打电话是产品功能更新,与 Poppy 1.0 相比增量有限,未另占坑。仅在日榜出现的交易类技能仓库未收。

3主流产品 Changelog 精读

Codex 正式版加了侧栏会话;OpenCode 让子智能体默认在后台跑;Claude Code 修了一处安全问题。

openai/codex · 11-13 11:54(北京)CodexTUI模型供应商

openai/codex rust-v0.168.0

会话里可以浏览并选择默认模型供应商;打开 features.tui_workspace 后,主对话旁边能开一条侧栏会话,拖分割线或用快捷键放大。支持给能听音频的模型附加录音;终端通知可改用 osc777,批准请求会区分终端输入和联网。

为什么值得看:这是 0.167 之后的正式版,侧栏会话和供应商切换是最直接能感到的变化。若还在用 features.multi_agent 开关,升级后会看到改用 agents.enabled 的提示。
评分反馈
anomalyco/opencode · 11-13 16:55(北京)OpenCode子智能体TUI

OpenCode v2.3.0

升级后最明显的是默认行为:子智能体先交回会话 ID、在后台跑,父会话不用干等。完整逐步记录不再默认展开,需把 Verbosity 调到 medium 或高,已有设置会保留。此版本还加了实验性 MCP events 开关;桌面端可用命令面板跳回更早的提示。

为什么值得看:这是 2.2 之后一次默认行为的变化:以前会在前台等子智能体,现在会先回到父会话。若你依赖完整逐步记录,升级后先检查详细程度设置,避免只看到折叠后的一行摘要。
评分反馈
anthropics/claude-code · 11-14 04:40(北京)Claude Code安全修复

Claude Code v2.1.325

zstd 压缩回包的解码路径有一处安全缺陷,这次已经补上。被组织策略拦住的请求,错误信息下会多一行说明:用 /rewind 改提示,或执行 /clear。不少第三方网关和 Foundry 上,原先每轮都卡在上下文超长、走不了压缩,现在会正常压缩。

为什么值得看:没有新的大功能,但安全修复和网关压缩问题值得尽快跟上。若你在用 Opus/Haiku 的 plan 模式或给子智能体单独设模型,这次也修了被主会话模型带跑的问题。
评分反馈

openai/codex 的 0.171.0-alpha 系列发布说明几乎为空,未收。qwen-code v0.27.3 及桌面/SDK 同步版改动分散,未单列。claude-agent-sdk-python v0.2.182 仅为常规补丁。

4GitHub 热门

Google 开源了一套先写规格、再换一双眼睛评审的智能体插件。

GitHub · 周榜;18.6k★ / 本周 +5,555规格代码评审插件

google/elephant-goldfish-model:用智能体设计并评审软件的开源插件

这套开源插件把起草和评审拆开:审的一侧看不到前面的对话,只根据草稿和引用材料挑未写明的假设,架构取舍仍由人决定。起草的一侧(Elephant)守着项目上下文;评审一侧叫 Goldfish。已有 Claude Code、Codex、Antigravity、Cursor 和 Windsurf 的安装包。

为什么值得看:仓库本周周榜约加了 5,555 星,是第一次进我们的 GitHub 栏。适合规格先写清楚再开工的团队;它不会替你做架构取舍,评审循环也要自己看输出是否真指出了盲点。
评分反馈

lobehub/lobehub、tailscale/tailcat 与视频相关仓库或与方向不符,或只是周榜涨星、未见新版本信号,未收。chrome-devtools-mcp 同样缺少可核的新进展,未单列。

5Agent 工程

一份基准专门测助手会不会纠正问错的问题;另一份测模型会不会在没人叫时主动帮忙。

Ai2 · 11-13;与卡内基梅隆、NVIDIA、约翰霍普金斯合作基准XY 问题EMNLP

XYBench:帮助解决提问背后的问题

这是一份 8,115 道题的基准,用来测助手面对 XY 问题(人想做 X,却问成了做法 Y)时会不会纠正前提。题来自真实的编程和日常提问,并获得 EMNLP 2026 最佳资源论文。评过的 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro 等模型,常常仍绕着原来那个错的做法给建议。

为什么值得看:如果你在做会接到含糊或问错问题的助手,这份数据比普通问答基准更贴近真实误问。论文、数据和代码都已公开;榜上的模型代次与今天线上最新版不是一一对应,数字只说明这类纠偏仍然普遍偏弱。
评分反馈
Deepnote Research · 11-13基准主动智能体评测

Agent Initiative Benchmark

他们搭了一个叫 PageMantle 的模拟公司(含 CRM、分析、账单、仓库、工单、文档和 Slack),用 50 个职场情景测 12 个前沿模型会不会在没人叫时主动帮忙。GPT-6 Astra 综合 8.97/10 居首,随后是 GPT-6.1 Sol 和 Claude Fable 5.2。评测环境已开源。

为什么值得看:测的是会不会在该出手时出手、证据从哪来、结果交给谁,不是常规问答。样本只有 50 题,而且是合成公司,不能直接当成你自己业务里的排名;要选型的话,更有用的是他们公开的场景和工具环境,可以拿自己的数据复测。
评分反馈

视频生成与驾驶世界模型论文未收。Reason Machines 的编程辅助框架目前主要是推广帖,未见可核的官方技术说明,未单列。

6检索与基础设施

OpenRouter 用合成题把重排序的收益测清楚了;DeepMind 公开了天气模型背后的观测数据。

OpenRouter · 11-13RAG重排序评测

RAG 中的重排序:用重排序模型修正糟糕的检索

先拉大约 30 条再重排、只把前 3 条送给生成模型。底检索用 google/gemini-embedding-2、重排用 voyageai/rerank-3-lite 时,274 道合成题上正确答案排第一的比例从 81% 升到 97%,大约每千次 0.10 美元。GPT-6 Luna 能到 99.6% 但更慢;作者强调这是干净合成语料。

为什么值得看:这是一篇带完整评测和示例代码的教程,不是新模型发布。若检索经常取到相近但答错套餐或版本的片段,可以按他们的办法先拉 30 条再重排、只把前 3 条送给生成模型;也要注意重排模型的上下文长度,超长文档可能被静默截断。
评分反馈
Google DeepMind · 11-13WeatherNext数据集气象

公开我们天气 AI 模型背后的数据集

DeepMind 公开了 WeatherNext 3 用过的两套基础数据:SatWeave 是每小时更新的全球云图(17 个通道,含十年以上历史);PARDIG 是约 10 公里、15 分钟分辨率的全球降水再分析,中小雨检测技能比 IMERG-Final 高 30% 以上。历史库和实时馈源放在 Google Cloud Storage。

为什么值得看:天气模型 WeatherNext 3 本身是 9 月已经发布的,今天公开的是它用的观测和降水数据。做气象、水文或能源预测的人可以直接接实时馈源;这不是面向聊天应用的模型接口。
评分反馈

7论文

决策模型也许当不好执行者,但仍可能当好老师。

arXiv 2611.17167 · HF Daily Papers 11-13 列表决策模型智能体强化学习

Actor、Judge 还是 Teacher?理解长时程智能体中的决策模型

核心结论是:动手容易翻车的决策模型,事后仍可能当好裁判或老师。用 JEV 当老师,Qwen2.5-1.5B 在 GRPO 上的成功率从 ALFWorld 的 72.8% 提到 82.9%,WebShop 从 56.8% 提到 71.4%。执行时它们会被更简单的子目标带走,但看完整轨迹后能给必做的那一步记功。

为什么值得看:结论很具体:执行时看不清后果的模型,事后当裁判或老师仍可能有用。代码已公开;这是在两个代理环境上的结果,换到你自己的任务前,先确认有没有同样能事后检验对错的轨迹。
评分反馈

论文日期以 HF Daily Papers 11-13 列表日为准(这篇 arXiv 标注提交于 11-12)。同日的视频生成与驾驶世界模型论文未收。

8大厂与模型

OpenAI 把网络安全做成两款智能体产品;腾讯混元的实时语音模型加了工具调用。

THE DECODER · 11-13;官方产品页本次未作为正文源抓取OpenAI网络安全Daybreak

OpenAI 凭两款 Daybreak 产品进入网络安全市场

目前还在早期试用:两款产品都跑在 GPT-6 Cyber 上。Defense Factory 扫描代码库并生成带测试的修复拉取请求,由开发者确认;Red Team 结合源码与上下文探网站漏洞,也可复核赏金或扫描器的报告、验证补丁。

为什么值得看:这是 OpenAI 把网络安全做成可购买的智能体产品,还在早先试用和测试阶段。对有代码仓库、又需要持续渗透或补丁建议的团队有参考价值;实际检出率和误报还没有独立评测,不能只看官方说法。
评分反馈
腾讯混元公众号 · 11-13 16:32;官方页本次遇到验证码,事实来自第一财经转述(东方财富转载)腾讯混元语音工具调用

腾讯混元:发布全新实时语音模型 Hy Realtime

为什么值得看:官方公众号原文这次没能抓到可读正文,只从第一财经转述核到:新模型在实时语音之外加了工具调用和唱歌,已进元宝语音通话和腾讯客服,并计划很快在腾讯云提供 API。是否真能在对话中稳定调工具,要等 API 文档和额度说明出来再看。
评分反馈

ChatGPT Wallet、llama.cpp v1.0.0 与 DeepSeek 全家桶 API 见三条;Poppy 1.0、Antigravity /teamwork、Codex 0.168.0、OpenCode 2.3.0、Claude Code 安全修复、Elephant-Goldfish 插件、XYBench、Agent Initiative Benchmark、OpenRouter 重排序实测、DeepMind 天气数据集,以及 Daybreak 与混元 Hy Realtime 见各栏。融资、图像与视频生成、已报的 Gemini 4 Hydrogen / Claude 自托管 Managed Agents / Inkling 权重未再占坑。

9X 精选

今日无重要更新

☰往期