Yeekal Logo Yeekal
3,645 字
早报 | MORNING 2026-11-12

Google 发布 Gemini Decisions API,Claude Fable 5.2 登顶 Agent Arena

今日要点
  • Google 发布 Gemini Decisions API,输入 $0.10/百万 token、输出免费
  • Claude Fable 5.2 登顶 LMArena Agent Arena,净增益 +30.4%
  • Anthropic 路演:Mythos 约三天完成 AMD GPU 内核移植
Google 发布 Gemini Decision 1 与 Decisions API,支持是非题、最多 255 选项单选与 rubric 评分,单次最多 1000 个问题,输入 $0.10/百万 token、输出免费,端到端延迟 150–250 毫秒;Claude Fable 5.2 以 +30.4% 净增益登顶 LMArena Agent Arena,约为第二名 Opus 5.5 的 1.6 倍;Anthropic 路演披露 Claude 已在 AWS Trainium、Google TPU、NVIDIA 与 AMD 四类芯片上训练推理。

1️⃣ Google发布Gemini Decisions API:不生成文本,只做判断#

  • 核心发布:推出Gemini Decision 1决策模型与Decisions API,支持是非题、单选题(最多255个选项)和rubric评分三类任务,单次最多1000个问题,256K上下文,覆盖文本、图像、音频、视频和PDF。
  • 性能与定价:输入$0.10/百万token,输出免费,端到端延迟150-250毫秒;Google称在多项基准中校准误差最低(0.025)。
  • 行业意义:决策模型正从Agent路由工具扩展为多模态判断层,OpenAI、Jev、Google三家在价格与模态能力上形成直接竞争。 🔗 Google官方博客 | Simon Willison实测

2️⃣ DeepMind发布AlphaGenome 2:以单细胞精度预测DNA变异影响#

  • 模型升级:在AlphaGenome 1基础上聚焦特定细胞类型,可捕获近两倍调控基因表达的突变,预测同一DNA变异为何只影响部分细胞。
  • 使用方式:非商业研究可通过API和Colab教程调用;少量细胞实验数据即可即插即用适配,无需重训练。
  • 应用场景:免疫细胞对疫苗的反应、肠道细胞驱动炎症疾病、干细胞分化为血细胞等。 🔗 DeepMind博客

3️⃣ Runway开源Praxis-1:把视频预训练转成机器人控制#

  • 模型发布:世界动作模型Praxis-1以Apache 2.0开放权重,可将视频预训练能力迁移至真实机器人控制。
  • 性能数据:在相同机械臂任务上,比GPT-6 Astra快15.6倍,单任务完成成本低51倍。
  • 行业意义:视频生成模型开始向具身控制延伸,开放权重降低机器人策略训练门槛。 🔗 Runway公告

4️⃣ 上海创智学院开源Nex-N2.6:321B参数,OSWorld 83分#

  • 模型参数:321B参数FP8量化权重开源,开放256K上下文API,支持SGLang部署。
  • 能力提升:推理复读触发率从16.0%降至1.6%,整体调用未循环率97.8%;跨Harness工具调用清单内精准匹配率100%,与GPT-6-Sol相当。
  • 评测表现:OSWorld 83.0分,Terminal-Bench 2.1 84.1分,定位工业级长任务执行。 🔗 ModelScope | GitHub

5️⃣ Databricks更新Genie产品矩阵:企业AI协作入口与语义层#

  • 产品发布:推出Genie One作为全员AI协作统一入口;Genie Ontology正式GA,为Agent提供业务领域语义理解;Genie Agents扩展更多数据源。
  • 性能数据:结合Genie Ontology后,Genie准确率提升至1.6倍,Token消耗不足原来一半。
  • 行业意义:企业Agent竞争从模型能力转向数据语义层与统一工作入口。 🔗 Databricks博客 | Genie Ontology GA

6️⃣ [持续跟踪] Claude Fable 5.2登顶Agent Arena:净增益+30.4%#

  • 前情提要:Fable 5.2发布后已在Code Arena登顶,API价格下调约20%。
  • 最新突破:LMArena Agent Arena以+30.4%净增益登顶,约为第二名Opus 5.5(+19.5%)的1.6倍;Code Arena WebDev以1836分居首,单任务成本$10.85。
  • 行业意义:Agent Arena基于4.7k真实会话评估,Fable 5.2在代码、工作、聊天三类均列第一,但单任务成本仍高于低价模型。 🔗 Arena榜单

7️⃣ [持续跟踪] Anthropic路演披露多芯片战略:Claude三天移植AMD GPU#

  • 前情提要:Anthropic启动IPO路演,市场关注其算力成本与收入结构。
  • 最新细节:联合创始人Tom Brown披露Claude已在AWS Trainium、Google TPU、NVIDIA GPU、AMD GPU四类芯片上训练推理;Mythos模型约三天完成AMD GPU内核移植,几乎100%内核由AI自动移植或编写。
  • 行业意义:Anthropic提出“算力乘数”概念,称算法与系统优化可放大有效算力,跨芯片能力降低对单一供应商依赖。 🔗 Anthropic路演 | Simon Willison整理

8️⃣ ElevenLabs Summit发布系列更新:从语音Agent走向工作助理#

  • 产品发布:ElevenAI工作助理开放早体验,支持跨应用听写、会议记录、人与Agent间上下文传递和实时通话辅助。
  • Agent能力:Interaction Engine按请求复杂度调度廉价与前沿模型;ElevenAgents新增Memory与Routines,可在对话前后自动执行任务;企业可用自有数据微调TTS、STT与开源LLM。
  • 模型更新:过去一月发布Scribe v3转写、Eleven v4语音表达、Eleven Realtime实时模型。 🔗 ElevenLabs公告

9️⃣ Mercor完成7.5亿美元D轮:估值200亿美元,年化收入30亿美元#

  • 融资信息:AI训练数据公司Mercor获7.5亿美元D轮融资,英伟达、Zoom、Benchmark等参投,估值较去年10月翻倍至200亿美元。
  • 业务数据:专家网络覆盖500万人,年化收入突破30亿美元,OpenAI、Anthropic等前五大AI实验室均为客户。
  • 行业信号:Mercor称推理支出已达员工薪资的3倍,资金将用于模型评估、后训练基础设施及企业Agent训练环境。 🔗 Latent Space | 智东西

⭐ GitHub 趋势#

📊 类别速览

项目类别Stars
addyosmani/agent-skillsAI Agent / 编码智能体115.9k
shadcn/improveAI Agent / 代码审计与任务规划10.8k
openai/codex-securityAI 安全 / 开发者工具11.7k

1. addyosmani/agent-skills ⭐ 今日 +787#

语言/许可: JavaScript / MIT
总 Stars: 115.9k
仓库: GitHub

项目定位:
面向使用 Claude Code、Cursor、Codex 等编码智能体的开发者,提供覆盖 spec、plan、build、test、review、ship 全流程的可安装技能包,解决 agent 缺少稳定工程约束与质量门禁的问题;与单条 prompt 或规则文件相比,它把生命周期命令、验证门槛和防止跳步的约束打包成可复用工作流。

核心功能:

  • 9 个生命周期 slash command(/spec、/plan、/build、/test、/review 等)映射开发阶段,并自动激活对应技能。
  • 25 个技能覆盖需求澄清、TDD、代码审查、Web 性能、约束管理、发布等,附带验证步骤与反合理化检查表。
  • 支持 skills CLI 安装到 70+ agent,提供 Claude Code、Cursor、Codex、Gemini CLI、Copilot 等集成路径。
  • /build auto 在批准计划后逐任务实现,仍按任务测试与提交,失败或风险步骤暂停。

技术亮点:
用纯 Markdown 技能定义跨 agent 复用,并把验证门禁与自动激活规则编码进工作流,而非绑定单一 IDE 插件。


2. shadcn/improve ⭐ 今日 +361#

语言/许可: Markdown(GitHub 未标注语言)/ MIT
总 Stars: 10.8k
仓库: GitHub

项目定位:
面向需要控制编码智能体成本的团队,让高能力模型只做代码库审计、问题判断和可执行计划,把实现交给更便宜的模型;与让同一模型端到端改代码相比,它把“计划”作为可审查、可移交的中间产物。

核心功能:

  • 对仓库做九类审计(正确性、安全、性能、测试、技术债、依赖迁移、DX、文档、方向),每条发现带 file:line、影响、工作量和置信度。
  • 生成 plans/ 下自包含实施计划,包含代码现状、仓库约定、验证命令、完成标准和 STOP 条件。
  • execute 在隔离 git worktree 中派发廉价执行模型,并按计划重跑完成标准、检查范围合规和 diff。
  • reconcile 维护计划积压:验证已完成项、重写阻塞项、刷新漂移项;--issues 可发布为 GitHub Issues。

技术亮点:
以“最弱可执行模型”为读者设计计划,并将 advisor/executor 分层、worktree 隔离、机器可验证门禁串成闭环。


3. openai/codex-security ⭐ 今日 +52#

语言/许可: TypeScript / Apache-2.0
总 Stars: 11.7k
仓库: GitHub

项目定位:
面向 DevSecOps 与应用安全团队,用 Codex 驱动的 CLI/TypeScript SDK 在代码库、指定路径或 Git diff 上执行漏洞发现、验证、补丁生成与修复复核;与通用代码扫描器相比,它把 agent 调查、证据留存、修复验证和 SARIF/工单集成放在同一工作流中。

核心功能:

  • cs scan 支持仓库、指定路径、diff、deep 模式,输出 Markdown 报告与可追踪 findings。
  • 支持验证候选漏洞、生成补丁、验证已有修复,并可生成/更新 SECURITY.md 与威胁模型。
  • 提供 TypeScript SDK、GitHub Action、Docker Compose 批量扫描,支持 CI 与容器自动化。
  • 可导入第三方扫描结果,导出 SARIF/JSON/CSV,并集成 Linear、Jira、GitHub;支持 OpenAI、Bedrock、OpenRouter、Fireworks 等 provider。

技术亮点:
将扫描、证据留存、去重、严重度评估、修复验证和 SARIF 输出串成可编排流水线,并提供 SDK/Action 两种自动化入口。

🟧 Hacker News 热议#

Gemini Decisions API#

217 pts · 73 comments · blog.google

📌 内容总结

  • 背景/作者意图:Google DeepMind 推出 Gemini Decisions API,用 gemini-decision-1 处理封闭集合决策,目标是替代部分生成式调用或自定义分类器,用于工具选择、策略检查、模型路由、上下文分级。
  • 关键要点:单次请求可带一个多模态输入(文本/图像/音频/视频/PDF,最多 256K tokens)和最多 1,000 个问题;支持 yes/no、2–255 选一、有序 rubric 打分;直接对候选选项打分,返回概率和 0–1 置信度。
  • 性能与定价:端到端 150–250 ms,模型计算中位 50–100 ms;最多 100 个问题时延迟近乎持平;$0.10/1M input tokens,output token 不计费,共享 input 每请求计一次。
  • 实际结论/限制:Google 声称在 agent routing、reasoning、ranking、多模态基准领先且校准误差最低,但属厂商基准;适用封闭选项,不适合开放式生成;效果依赖问题与候选 criteria 的设计。

💬 讨论总结

  • 输入中 top_comments 为空,无法从评论聚类共识、工程经验或质疑;页面显示 73 comments,但评论内容未提供。
  • 因此不输出社区观点。原文中待外部验证的点包括:厂商基准能否复现、置信度校准在真实路由/安全场景是否可靠、封闭集决策相对生成式调用的实际成本收益。

🔗 原文 · HN 讨论页

Faster Retrieval for Better, More Efficient RAG#

134 pts · 23 comments · machinelearning.apple.com

📌 内容总结

  • 背景/作者意图:Apple 研究针对 MIPS(最大内积搜索)在 RAG、搜索、推荐中的成本问题,提出按已知查询分布离线训练小网络,摊销检索计算,而不是只优化 key 的索引结构。
  • 关键要点:传统 IVF/聚类路由用 centroid 选簇,可能漏掉簇内离 centroid 远但离 query 近的 key;论文用支撑函数(support function)建模“簇内最佳 key 对该 query 的得分”,并训练 SupportNet 做路由、KeyNet 直接预测最佳 key 作为 query rewriter。
  • 实验与结果:Natural Questions 约 260 万 passages、128 簇;SupportNet 小模型达到 95% routing recall 比 centroid 路由快约 1.9×(1.74 ms vs 3.36 ms),大模型 97% 在 1.74 ms;扫描 5% 数据库时学习路由恢复真实分区约 90–93%,centroid 为 87.5%。
  • KeyNet + FAISS IVF:99% recall 最多约 8× 更少时间(0.23 ms vs 1.8 ms raw query);扫描 0.001% 数据库时命中真实 key 89–97%,raw query 为 86%;99% recall 最多约 11× 更少 key。
  • 实际结论/限制:KeyNet 适合推理速度瓶颈、只需近似最佳 key;SupportNet 适合需要校准分数、重排序/阈值或小模型省算力。方法假设固定 key 数据库和较稳定查询分布,数据库或查询分布变化时需重训;收益来自离线摊销,不是无条件通用加速。

💬 讨论总结

  • 输入中 top_comments 为空,无法提炼 HN 社区的支持、质疑或工程经验;页面显示 23 comments,但评论内容未提供。
  • 原文可讨论的现实约束是:查询分布先验是否稳定、离线训练与索引维护成本、分布漂移下的退化,以及厂商论文基准在生产 RAG 中的可复现性。

🔗 原文 · HN 讨论页

My AI agents found an unmapped Maya site#

910 pts · 334 comments · pietromiotti.com

📌 内容总结

  • 背景/作者意图:作者非考古学家,受 Hiram Bingham 与 Machu Picchu 故事启发,让多个 AI agent 寻找可分析的 lidar 数据,尝试用公开遥感数据发现玛雅遗址。
  • 技术实现:agent 将约 1,200 km² 的 lidar 条带转成图像,48 个 agent 按指南逐图寻找金字塔、平台、广场,过滤自然山体、天坑和道路;没有专用分类器,主要靠视觉检查;随后检查原始点云确认地形形状不是树冠伪影。
  • 发现与流程:agent 标出一个山顶遗址,含平整广场、约 8–12 m 高椭圆金字塔、抬高庭院和可能的水库;作者让 agent 写报告并译成西班牙语,发给墨西哥 INAH;INAH 回复该位置没有登记在册的考古遗址。
  • 更正/限制:作者更新称该遗址已在 Estrada-Belli et al. 2025 中测绘过,agent 检索文献时漏掉,因此是“重新发现”而非首次发现;只是尚未进入 INAH 登记。遗址年代与功能判断属推测。
  • 影响:案例说明通用 agent 可把公开 lidar、文献检索、报告撰写串成发现流程;但也暴露文献检索遗漏、非专家判断和“未登记≠未发现”的边界。

💬 讨论总结

  • 输入中 top_comments 为空,无法从 334 条 HN 评论中提炼共识、质疑或考古学背景;评论内容未提供。
  • 原文自带更正会把讨论焦点从“AI 发现遗址”拉回“agent 文献检索失败、重新发现与官方登记差异、非专家使用遥感数据的可靠性”,但这些不能由缺失的评论区验证。

🔗 原文 · HN 讨论页

2,079 字
晚报 | EVENING 2026-11-12

Stripe完成收购OpenRouter,腾讯元宝搜索上线

今日要点
  • Stripe完成收购OpenRouter,10月处理790万亿Token
  • 腾讯元宝搜索上线,覆盖公众号与视频号
  • Fireworks AI确认遭攻击,部分模型权重被访问
Stripe确认完成对AI模型网关OpenRouter的收购,OpenRouter 10月处理790万亿Token;腾讯上线元宝搜索,覆盖公众号、视频号与学术文献;豆包工作接入Kimi、GLM、DeepSeek等第三方模型;Fireworks AI确认遭黑客攻击,少量客户密钥与不完整模型权重被访问。

1️⃣ Stripe完成收购OpenRouter:模型网关进入支付与分发体系#

  • 收购完成:Stripe确认AI模型网关OpenRouter已正式并入,此前双方于8月宣布收购协议,现有接口接入方式和产品路线图继续沿用。
  • 用量数据:OpenRouter 10月处理790万亿Token,环比增长37%;按工具调用频率、对话轮数等信号分类,智能体类API密钥占当月Token用量的76%,一年前为8%。
  • 行业影响:统一模型调用入口的用量结构正在从聊天转向智能体任务,支付与分发平台开始直接持有模型路由层。 🔗 爱范儿报道

2️⃣ 腾讯上线元宝搜索:AI搜索接入公众号与视频号#

  • 产品发布:腾讯推出元宝搜索,用户可访问so.qq.com,或在QQ浏览器引擎设置中切换;搜索链路基于元宝大模型重构。
  • 检索范围:覆盖全网网页、微信公众号、视频号及学术文献,接入157个权威信源,优先展示权威机构与官方来源。
  • 结果呈现:广告与答案分开展示,支持收起广告;支持打字、语音、拍照搜索,学术内容提供通俗解读并保留原文依据。
  • 行业影响:腾讯将公众号与视频号内容库接入AI搜索入口,搜索竞争开始围绕自有内容生态与信源治理展开。 🔗 少数派报道

3️⃣ 豆包工作接入Kimi、GLM、DeepSeek:办公平台转向多模型聚合#

  • 模型接入:豆包工作新增Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等第三方模型,用户可按任务选择模型。
  • 成本可视化:模型选择页标注各模型额度消耗倍率,倍率越低通常代表调用成本越低。
  • 限时优惠:平台下调豆包2.1 Lite与DeepSeek V4.1 Flash的额度消耗倍率,并在工作日及节假日指定时段提供额外优惠。
  • 行业影响:办公产品从绑定单一模型转向多模型聚合,模型选择与成本透明度成为平台功能的一部分。 🔗 爱范儿报道

4️⃣ Fireworks AI确认遭黑客攻击:LLMJack团伙盗用Token#

  • 攻击确认:Fireworks AI表示最初以为仅部分密钥被访问,后续调查发现账户和账单信息、少量客户密钥、数据集以及不完整模型权重也被访问,银行卡号未受影响。
  • 攻击特征:证据指向通过盗取Token、非法调用大模型获利的网络犯罪团伙,此类攻击被称为“LLMJack”。
  • 时间线:10月23日,Fireworks研发机器所在的第三方云服务商再次发生安全事件;Fireworks称10月25日后暂未发现新的成功入侵。
  • 行业影响:模型推理供应链的账号、密钥与权重资产成为攻击目标,第三方云服务商的安全边界直接影响AI平台。 🔗 Fireworks安全公告 | 相关帖文

5️⃣ 博纳AI院线电影上映:制作流程跑通,票房转化待验证#

  • 影片进展:《三星堆:未来往事》成为国内首部利用AI技术制作、取得“龙标”并正式上映的院线电影。
  • 制作投入:博纳集结近百人团队,两年累计投入超千万元,生成120余万张底图,经历上百次全片迭代。
  • 票房数据:公映首日排片占比约2.9%,上座率不足1%;截至11月3日晚累计票房169.8万元,观影约5.9万人次。
  • 行业影响:AI长片的制作、许可和交付流程已经跑通,但观众付费与口碑转化尚未完成,成本与票房之间仍存在明显差距。 🔗 中国企业家杂志报道

6️⃣ Grok Bot 1.0发布:AI队友进入Slack、Teams与会议#

  • 协作能力:Grok Bot 1.0支持将Bot分享给团队,在Slack、Microsoft Teams和视频通话中协作;同一套Team Bot可由团队共用或限定分享范围。
  • 主动接手:Bot可识别待办并提出接手,跟进未完成事项,预估团队下一步需求,并在需要判断时拉入相关人员。
  • 会议集成:Bot可加入Google Meet、Zoom或Microsoft Teams,会议中回答,结束后发送摘要和待办。
  • 生态集成:HeyGen宣布Grok Bot可接入团队Slack,按品牌社交语气训练并配置Avatar ID,用于UGC内容生产。
  • 行业影响:AI助手从个人对话窗口进入团队频道与会议流程,协作对象从“人机对话”扩展为“人机同群”。 🔗 Grok Bot官方说明 | 功能梳理 | HeyGen集成

7️⃣ AWS发布Codex on Bedrock企业部署指南:编码工具接入云治理体系#

  • 部署路径:AWS官方博客介绍Codex通过Amazon Bedrock推理调用支持的OpenAI模型,推荐从Native AWS Access的最小权限试点起步。
  • 身份与治理:示例使用IAM Identity Center、Okta/SAML/SCIM完成员工登录与临时凭证发放;需要请求路径控制时可选用AgentCore Gateway或LLM Gateway。
  • 可观测与成本:Codex OpenTelemetry指标可经ADOT采集到CloudWatch;Bedrock服务指标、AWS身份记录与Cost and Usage Report分别用于活动、归因与账单证据。
  • 推广流程:博客给出Prepare、Pilot、Expand、Standardize四阶段,以及双用户身份隔离检查、插件与MCP服务器审批、回滚验证清单。
  • 行业影响:OpenAI编码工具进入AWS企业身份、区域与审计体系,企业AI编码的落地问题从模型能力转向权限、观测与成本归属。 🔗 AWS官方博客

8️⃣ [持续跟踪] 英伟达董事会讨论黄仁勋去留,白宫决定扩大芯片制裁#

  • 前情提要:黄仁勋此前承认婚外关系,英伟达董事会启动独立调查并公开表达对其领导能力的信心。
  • 最新进展:《华尔街日报》报道英伟达董事会最早于本周开会讨论黄仁勋去留;Polymarket上罢免概率从13%跳升至77%。《纽约时报》另称第二段婚外关系涉及公司内部高管。
  • 政策变量:Axios报道白宫会议决定扩大对可能违反美国禁令运输英伟达处理器的国内外公司制裁,商务部长拉特尼克反对但未改变决定。
  • 行业影响:英伟达创始人权威、董事会治理与芯片出口政策同时进入不确定区间,AI算力供应链预期面临重新定价。 🔗 爱范儿报道

9️⃣ [持续跟踪] Anthropic承销商考虑上调IPO发行价,估值预期抬升#

  • 前情提要:Anthropic于11月10日递交招股文件,预计发行价70至78美元,拟公开发售8.25亿股A类普通股,申请以“ANT”为代码在纳斯达克上市。
  • 最新进展:《金融时报》称承销商正考虑在现有招股区间之上定价,路演投资者需求是讨论提价的原因,方案下估值可能达到1.5万亿美元或更高。
  • 需求信号:Bloomberg报道该发行获得数倍超额认购,Anthropic及联合创始人拟募资至多904亿美元,完全稀释估值约1.4万亿美元;不同报道的估值口径存在差异。
  • 行业影响:前沿模型公司的IPO定价开始反映资本市场需求,AI实验室的估值锚点继续上移,但公开市场承接能力仍待验证。 🔗 爱范儿报道 | Latent Space汇总