wjt:~/posts$

AI新闻汇总-2026-11-12

约 10 分钟

  • #AI

AI新闻汇总-2026-11-12

覆盖约 2026-11-10 16:08 PST — 2026-11-11 16:03 PST（北京时间 11/11 08:08 — 11/12 08:03）窗口，截至撰写时 2026-11-11 16:03 PST / 北京时间 11/12 08:03。主要来源：X 公开读取（官方 / 高管账号与热门帖）及 Google、DeepMind、OpenAI Alignment、Cursor / Claude Code changelog 等网页交叉核对。仅收录窗口内可核实的新动态；昨日已见报的 Gemini 4 Carbon 全面开放、Cursor Projects 多人协作、Claude Whiteboards / Sheets / Data、Anthropic 路演启动、Grok 4.8 预训练完成与计划软发布、Muse 付费用户邮箱、Businesses in ChatGPT 等不重复当作新发布。

今日要点

  • Google 发布 Gemini Decisions API，并由新模型 Gemini Decision 1 驱动。 一次可对同一份多模态输入（文本、图像、音频、视频、PDF）评分最多 1,000 道封闭式问题，返回校准后的置信度，而不是逐 token 生成文本。定价 $0.10 / 百万 input tokens，输出不计费；官方称端到端约 150–250 毫秒，成本约为 Gemini 3.5 Flash-Lite 的 1/5。
  • DeepMind 发布 DNA 序列模型 AlphaGenome 2。 可按特定细胞类型预测基因变异影响，训练数据超过 1 亿个细胞图谱、覆盖 68 种组织；官方称发现的可改变基因表达的变异数量约为前代的近两倍。即日起向非商业研究开放 API，商业用途为小范围预览；明确仅供研究、未经临床或诊断验证。
  • OpenAI 分享关于思维链（CoT）可监控性的新研究。 作者团队称：随着模型变强，不依赖思维链也能完成推理的能力在上升，强化学习还会增强模型对思维链内容的控制，因而更难只靠阅读思维链来监督模型。官方账号转发了这篇研究。
  • Gemini 应用登陆 Apple CarPlay；Gemini Managed Agents 支持自建沙箱。 iOS 用户可在车机上免提使用 Gemini Live。另外，Managed Agents 的模型推理与编排仍由 Google 负责，但开发者可以把 shell / 文件操作放到自己托管的环境（Vercel、Modal、Daytona、Fly、Cloudflare、e2b 等已作为首发伙伴）。
  • Anthropic 路演视频披露：Mythos 约三天完成 Claude 在 AMD GPU 上的 prompt 处理移植。 联合创始人 Tom Brown 称几乎全部 kernel 由模型编写或移植、几乎无需人工介入；媒体与研究者今日集中讨论此事。需注意：目前公开表述限于一台 AMD MI355X 上、一个模型的 prompt 处理，不是完整训练栈迁移。同期，Meta 的 Alexandr Wang 表示 Muse 独立邮箱将很快向包括免费用户在内的所有人开放。

1. AI 大模型

新模型：Gemini Decision 1 与 Decisions API

2026-11-11 10:15 PST（北京时间 11/12 02:15），@sundarpichai、@OfficialLoganK、@Google 与 @GoogleAIStudio 宣布推出 Gemini Decisions API，由新的前沿决策模型 Gemini Decision 1（gemini-decision-1）驱动，可在 Google AI Studio 与 Gemini API 使用。它面向工具选择、策略检查、模型路由、上下文打分等「封闭集合」判断：把一份最多约 25.6 万 tokens 的多模态输入，连同最多 1,000 道彼此独立的问题一次送入，模型在单次前向计算中给选项打分，返回概率与 0–1 置信度，不生成回答文本，因而也没有输出 token 费用。

三种题型：是否判断（yes/no）、多项选择（2–255 项）、量规打分。官方举例：用它扫描 100 张包裹配送照片、每张回答 16 个问题，用时 4.5 秒，称比 Gemini 3.5 Flash-Lite 快近 4 倍。定价 $0.10 / 百万 input tokens，输出为 $0；同一请求里的共享输入只计费一次。皮查伊称其在多项评测中领先、校准误差最低，成本约为 Flash-Lite 的 1/5。VentureBeat 援引官方评测表称，公开分割的 JevBench 上为 92.2%，高于 GPT-6 Luna 的 90.9%。Google Cloud 上的支持「即将推出」；OpenRouter、LangChain、Vercel、LiteLLM 等已开始接入，AI Studio 提供免费试用额度。皮查伊主帖约 38 万曝光、4600赞；Logan 介绍帖约 40 万曝光、7500赞。

新模型：AlphaGenome 2

同日稍早，2026-11-11 07:03 PST（北京时间 11/11 23:03），@GoogleDeepMind 发布 AlphaGenome 2；@demishassabis 随后转发并介绍。这是新一代 DNA 序列模型，用来预测同一段基因变异在不同细胞类型、细胞状态下会如何被「读出」，以帮助理解复杂疾病的细胞机理。它在超过 1 亿个细胞图谱、68 种组织上训练，按单个细胞条件做预测，而不再只看组织平均水平；官方称能发现的可改变基因表达的变异数量约为前代的近两倍，并可在少量新实验数据上自适应、无需重新训练。即日起通过 AlphaGenome API 向非商业研究开放，并提供交互式 Colab；商业研究为小范围预览。官方强调：仅供研究使用，尚未经过临床或诊断用途的验证或批准。DeepMind 主帖约 35 万曝光、2400赞；Demis 帖约 12 万曝光。

研究：OpenAI 谈思维链可监控性如何随训练下降

2026-11-11 10:17 PST（北京时间 11/12 02:17），OpenAI 对齐研究作者 @jeffreygwang 发帖分享新文《What affects chain-of-thought monitorability across the model lifecycle?》，@OpenAI 随后转发。文章日期写作 11/10，公开推介与官方转发发生在本窗口。团队观察到：在 GPT-6 Astra 上，非对抗场景里的思维链可监控性已经下降，模型在不写思维链时的推理能力（no-CoT capability）明显变强，对抗测试中也更能躲避思维链监控。主要发现包括：预训练越好（base model 困惑度越低），不依赖思维链也能完成任务的能力平滑上升；强化学习即使只有长度限制和最终答案评分，也会明显增强模型对思维链内容的控制；用模型生成数据做 SFT，这种「可控性」还能传到下一代，类似subliminal learning。作者称这些趋势让「只靠读思维链来监督更强模型」变得更难。首帖约 10 万曝光、890赞。

评测 / 排行榜总览

本窗口主增量是 Decision 1 的官方评测表（见上）以及 AlphaGenome 2 相对前代的变异检出提升，二者都是专门任务模型，不是通用对话榜换位。未检索到 LMArena「一夜易主」声明，也未检索到 OpenAI、Anthropic 或 xAI 新底座模型的正式发布。外界关于 Gemini 4 Hydrogen（传为 Flash 级）的讨论仍属测试/传闻，官方账号本窗口未宣布上线，不记作发布。DeepMind 今日另有一条关于用 AlphaProof Code 形式化验证 Signal 协议的帖，属昨日 Carbon 发布时已介绍的内容，不重复当作新成果。

2. AI 编程编辑器

Cursor / Claude Code / Codex

本窗口 @cursor_ai 未发新帖；Cursor Changelog 与官方博客最新条目仍为 11/10 的 Projects 多人协作与更早的 Voice Chat，无 11/11 新版本说明。查阅 Claude Code changelog：最新稳定说明仍是 2026-11-10 的 2.1.322（Vertex 全球 / us / eu 增加 fast mode），昨日已报，本日无更新。Codex CLI / 官方账号侧未见本窗口内可核实的新稳定版公告。暂无重要更新。

3. 云端 Agent / Bot

Gemini Managed Agents：支持自建沙箱

2026-11-11 12:10 PST（北京时间 11/12 04:10），@GoogleAIStudio 宣布：用 Gemini API 上的 Managed Agents 时，开发者可以自带沙箱、在自托管环境中运行工具调用。官方说明是：模型推理、Agent 循环与编排仍由 Google 负责；shell 命令和文件读写可放到开发者自己运营的 worker。首发伙伴包括 @vercel、@modal、@daytonaio、@flydotio、@googlecloud、@Cloudflare 和 @e2b。主帖约 3.1 万曝光、310赞。

Muse：独立邮箱将扩大到免费用户

继昨日向美加付费用户开放独立邮箱后，2026-11-11 12:19 PST（北京时间 11/12 04:19），Meta Superintelligence 负责人 @alexandr_wang 提醒付费用户尽快预留 @muse.ai 邮箱名，并补充「很快会向所有人开放，包括免费计划」。@Muse 转发了这条说明。约 4.2 万曝光。这是开放范围的预告，不是本日已全量上线。

Grok Bot / Jarvis / dots

2026-11-11 10:28 PST（北京时间 11/12 02:28），@elonmusk 发帖「Hire Grok @Bot as a colleague and give it your hardest tasks!」，约 2147 万曝光、1.2 万赞，属于产品推广，不是新功能发版说明。Grok 4.8 仍维持昨日口径：预训练完成、正在做强化学习，计划本周向 Grok Bot 用户软发布；本窗口未见 xAI 或马斯克宣布软发布已经开始，也未见 Jarvis、dots 的可核实新官方发版帖。

4. 公司高管动态

OpenAI

  • @OpenAI / @jeffreygwang：见第 1 章思维链可监控性研究。@sama、@gdb 本窗口工具侧未拉到原创帖。
  • 昨日预告的 Cyber at the Frontier 直播仍定于周四（11/12）上午 10 点 PT，本窗口未见新的官方活动帖，亦尚未开播。

Anthropic

  • 路演视频中的计算策略成为今日讨论焦点。研究者 Simon Willison 整理了联合创始人 Tom Brown 的表述：Anthropic 已在 AWS Trainium、Google TPU、NVIDIA GPU 与 AMD GPU 四类芯片上训练和提供 Claude；今年首次接入 AMD 时，由 Mythos「试了一次」，约 三天、几乎无需人工介入就让 Claude 在 AMD 上跑起来，且「几乎 100% 的 kernel 由 Claude 移植或编写」。多条讨论同时指出限制条件：目前公开说法是 AMD MI355X 上、一个模型的 prompt 处理（prompt processing），历史上人工接入新加速器常需数十名工程师、6–12 个月。这是路演材料中的新细节被公开讨论，不是本日新的产品发版。@AnthropicAI、@claudeai、@DarioAmodei 本窗口工具侧未拉到新帖。

xAI / Elon Musk

  • @elonmusk：见第 3 章 Grok Bot 推广。另外在回复中谈到太空与地面算力规划：称太空中 100GW 大约相当于地面 800GW（地面光伏还需配套大规模电池，冬季还要燃烧或核电补充）；并称目标是「从地球每年 1TW，再提升到从月球每年超过 1PW」。这是算力规划表态，不是 Grok 新模型发布。100GW 对照（约 51 万曝光）· 1TW / 1PW（约 30 万曝光）
  • @xai 本窗口未单独拉到可核实产品发版帖。其余马斯克互动多为 Tesla / Starship / Starlink，与大模型主线无关，不单列。

Meta

  • @alexandr_wang / @Muse：见第 3 章邮箱将扩大到免费用户。@zuck、@Meta 本窗口工具侧未拉到新的产品发版帖。

Google

  • @sundarpichai / @OfficialLoganK / @demishassabis / @GoogleDeepMind / @GoogleAIStudio：见第 1 章 Decision 1、AlphaGenome 2，以及第 3 章 Managed Agents 自建沙箱。Logan 跟帖称对该 API 落地「非常兴奋」，并已看到 Google 内部产品开始采用。
  • @Google（11:14 PST / 北京 11/12 03:14）：宣布 Gemini 应用登陆 Apple CarPlay。iOS 用户可在车机屏幕上免提使用 Gemini Live，查询行程、处理收件箱或随口头脑风暴；需更新 iPhone 上的 Gemini 应用。约 22 万曝光、1100赞。原帖 · 博文
  • @Google 晚些时候还发了一组员工用 Gemini 4 Carbon 做的实验演示（CUDA 视觉特效、Antigravity /swarm 把规划文件做成 3D 场景等），属昨日开放后的使用展示，不作为新模型发布。演示串

cd ../posts