概览
本期共 11 条,前 3 条为今日重点;正文按板块展开。
热门模型动态
- 重点 · Fable 5.2 在远程劳务指数完成 41.3% 的真实外包项目
- 重点 · Gemini 4 Carbon 开放 API,并向 Ultra 订阅用户推送
- 重点 · MiniMax 开放 H3-Image 权重:10 秒内生成 4K 图
全球 AI 资讯
- 英伟达 GR00T 2:先看人类视频,再把自己想象成机器人
- AlphaProof Code 用 Lean 形式化验证 Signal 加密代码
- Claude 推出 Whiteboards、Sheets 和 Data:从聊天变成团队共编文档
- OpenAI 让商家认领自己在 ChatGPT 里的信息,并可以搭建自有智能体
- Amazon Bedrock AgentCore 上线 Web Search API
区域与早期信号
- OpenAI 收购 9 人 AI 旅行智能体 Odessia
- Mercor 融资 7.5 亿美元,估值 200 亿美元,把智能体评测卖给企业
- 安全运营公司 Daylight 融资 8000 万美元,称收入一年增长 40 多倍

九凤根据本期已引用来源整理。
热门模型动态
Anthropic 的 Fable 5.2 以 41.3% 排在 RLI 第一,一年前这个榜的第一名只有 2.5%。
远程劳务指数(Remote Labor Index,RLI)由 Scale Labs 和 Center for AI Safety(CAIS)维护,测的是 AI 智能体做真实自由职业项目时,有多少成果能达到付费客户愿意验收的水平。Fable 5.2 得分 41.3%,接近第二名 Opus 5.5(21.25%)的两倍。Scale Labs 在 X 上列出了 Fable 5.2 进步明显的项目类型,包括 3D 模型、音频和建筑类任务。
| 系统 | RLI 完成率(%) |
|---|---|
| Fable 5.2 | 41.3 |
| Opus 5.5 | 21.25 |
| GPT-6 Astra | 20.83 |
| Gemini Argon 4 | 17.08 |
| Fable 5(2026-07) | 约 16 |
| Manus(约一年前) | 2.5 |
GPT-5.2、Gemini 3 Pro 等较早的模型都在 3% 以下。
局限:41.3% 也意味着接近六成的项目仍然没达到验收标准。榜单成绩由维护方 Scale Labs 发布,经媒体转述。
来源:有原始出处 Scale Labs(X) · The Decoder
两周前只给网络防御者限量试用的 Gemini 4 Carbon,现在付费开发者和企业可以通过 API 使用,消费端先逐步推送给 Google AI Ultra 订阅用户。
Google DeepMind 说,Carbon 是它目前最强的模型,主打网络安全,以及在复杂知识工作、软件工程、科学推理中跑长时程智能体工作流。两周前,Carbon 先通过 Fairwind Program 开放给一批网络安全防御者。官方同时说,Gemini 4 Argon 仍然是大多数场景下的首选,Carbon 面向更难的任务。
- 开放范围:API 面向付费开发者和企业;消费端逐步推送给 Google AI Ultra 订阅用户,入口包括 Antigravity、Gemini 应用和搜索的 AI Mode
- 榜单:CursorBench 4.0、WANDR、AutomationBench 排第 1,MKA 排第 2
- API 价格:每百万输入 token 2 美元,每百万输出 token 10 美元,与 Argon 的首发价相同
局限:非 Ultra 订阅用户暂时用不到,消费端是分批推送。这是首发价格,上面的排名都是 Google 自己公布的。
来源:有原始出处 Google DeepMind
MiniMax 基于 H3 推出图像生成和编辑模型 H3-Image,发布当天就开放了权重。
- 能力:文生图、参考图生成、图像编辑
- 分辨率与速度:官方称 10 秒内生成一张 4096×4096 的图片,速度最高是主流方案的 5 倍
- 参考图:最多可以同时理解 16 张参考图
- 获取方式:Hugging Face 权重、API、MiniMax 开放平台、MCode、海螺平台
官方说,这次的提升来自整条后训练流程的改进,包括数据、强化学习、减少采样步数和部署优化。
局限:爱范儿实测生成一张 4K 图要 10~20 秒,比官方说的「10 秒内」慢;「快 5 倍」是厂商自己的说法,没有写明对比的是哪些模型。公告也没有写许可证条款。
来源:有原始出处 MiniMax · Hugging Face · 爱范儿
全球 AI 资讯
GR00T 2 想用人类手部动作视频来教机器人做新任务,减少昂贵又耗时的遥操作。
英伟达在研究报告中介绍了机器人基础模型 GR00T 2。上一代 GR00T 1 直接把摄像头画面和语言指令转换成电机动作;GR00T 2 换成了英伟达所说的「世界-动作模型」,同时预测下一步动作和接下来一小段画面,比如机械臂抓起物体时,摄像头画面应该怎样变化。训练时,它把视频里人手的动作迁移到机械臂上。
局限:媒体报道没有说明权重是否开放、什么时候能用。
来源:有原始出处 NVIDIA Research · The Decoder
05/11
AlphaProof Code 用 Lean 形式化验证 Signal 加密代码
Google DeepMind 用智能体框架 AlphaProof Code,对 Signal 协议的实际代码证明了几项关键安全性质。
形式化验证就是用数学证明代码按预期运行、没有缺陷,这是安全保证的最高标准,但通常要投入大量人力。这次验证的是 Signal 协议的底层代码,Signal 和 Google Messages 都用这套协议保护通信。DeepMind 称,这是 AI 第一次在这个深度上形式化验证一个被广泛部署的密码协议,并同时发布了技术论文。
关于规模,DeepMind 公告里有两个说法:摘要说智能体写了约 300 万行证明,正文说由 Gemini Carbon 驱动的智能体生成了超过 600 万行 Lean。分工上,人类专家和 AI 一起确定要证明什么,并审核每一条形式化规约;证明本身由智能体自主完成。智能体标出的约 1% 代码交给人工复核,其余由 Lean 自动检查。
局限:证明覆盖的是「关键安全性质」,不等于整个代码库都验证过了。行数的两个说法口径不同,公告没有解释差别。
来源:有原始出处 Google DeepMind
Anthropic 想把 Claude Code 的工作方式带给非工程团队,在 Claude 里加入可多人协作的白板、表格和数据面板。
11 月 10 日,Anthropic 开始推送 Claude Whiteboards、Claude Sheets 和 Claude Data。前两款在付费套餐里开放测试,Claude Data 直接正式上线。同时,Adobe、Atlassian、Box 等合作方的应用可以直接在对话里打开。
局限:Whiteboards 和 Sheets 还在测试阶段,只对付费用户开放。报道没有给出额外收费、用量上限等细节。
来源:有原始出处 Claude(X) · RuntimeWire
Businesses in ChatGPT 开放测试:通过验证的商家可以改正 ChatGPT 使用的商家信息、接入商品数据,并上线一个带标识的智能体。
11 月 10 日,OpenAI 让 Businesses in ChatGPT 进入测试。商家在 Business Hub 认领主页后,可以更正 ChatGPT 使用的商家信息、添加商品数据源,还能看到自己被提及频率的汇总数据。商家可以免费搭建自有智能体,这个智能体也可以作为赞助广告的落地页。OpenAI 说 ChatGPT 每周有 12 亿用户。
局限:首批只开放给美国的电商和在线服务商家,目前还是测试版。
来源:有原始出处 OpenAI · RuntimeWire
08/11
Amazon Bedrock AgentCore 上线 Web Search API
AgentCore 的网页搜索接口正式可用,查询全部走亚马逊自己运营的网页索引,不经过第三方搜索引擎。
智能体调用一次 API 就能拿到最新的网页结果,请求用它已有的 AWS 凭证签名。每条结果包含页面标题、URL、发布日期和与查询相关的摘录;请求可以指定要包含或排除的域名,也可以限定发布日期范围。在 Lambda、ECS 和 AgentCore runtime 上,智能体直接用自己的执行角色调用。
局限:这是 AWS 自家的教程,文中的每日依赖监控是用 LangGraph 写的示例实现,每跑一次最多搜索 12 次,完整代码放在 notebook 里。
来源:有原始出处 AWS Machine Learning Blog · 示例 notebook(GitHub)

九凤根据本期已引用来源整理。
区域与早期信号
Odessia 10 月 14 日才公开重新上线,11 月 10 日就被 OpenAI 收购了。
据 The Information 报道,OpenAI 收购了 AI 旅行礼宾服务 Odessia。这家公司由 Sonder 前 CEO Francis Davidson 创办,团队 9 人,获得过红杉投资。Davidson 本人也加入了 OpenAI。
局限:交易条款没有披露。报道没有说 Odessia 的产品会不会、以什么形式并入 ChatGPT。
来源:有原始出处 Francis Davidson(X) · RuntimeWire
10/11
Mercor 融资 7.5 亿美元,估值 200 亿美元,把智能体评测卖给企业
给前沿实验室提供训练和评测人力的 Mercor,要把这项业务扩展到各行各业的企业。
Mercor 的专家网络有 500 多万名领域专家,过去主要为前沿 AI 实验室训练和评测模型。本轮参投方包括 Nvidia、Salesforce、Zoom、Benchmark、Felicis、General Catalyst、Sapphire 等。联合 CEO Brendan Foody 7 月在 X 上说,公司 6 月的年化收入已经超过 20 亿美元。另一位联合 CEO Adarsh Hiremath 说,模型在公开基准上分数高,到了企业自己的系统、政策和边缘情况里仍然可能出错。
局限:只有一家媒体报道,领投方没有公布。收入数字是公司自己公布的。
来源:单一报道 SiliconANGLE
11/11
安全运营公司 Daylight 融资 8000 万美元,称收入一年增长 40 多倍
Daylight 让 AI 智能体承担托管检测与响应(MDR)的大部分日常工作,需要人来判断的决策留给安全工程师。
每个客户都会拿到一组由 Daylight 安全工程师按其系统和流程定制的智能体。客户可以把安全运营全部外包,也可以和内部团队一起运营,或者让 Daylight 工程师驻场。报道还引用了 ISC2 7 月对 856 名安全从业者的调查:65% 的人说,判断该不该信任 AI 花的时间比一年前多了。
局限:收入增长 40 多倍是公司自己的说法,报道没有给出收入的绝对值。目前只有一家媒体报道。
来源:单一报道 SiliconANGLE
本文由 AI 根据文中所附信源整理,经自动事实核查后发布,发布前未经人工逐篇审核;如与原文不一致,以原始出处为准。了解本日报的制作方式或报告错误:关于本日报


