ChatGPT 钱包上线,LangChain 融资 3 亿美元
- ChatGPT Wallet 上线,Agent 授权后代付,合作三大卡组织
- LangChain 完成 3 亿美元融资,估值 30 亿美元,发布新 LangSmith
- DeepSeek 开放搜索、文件、OCR、ASR、TTS 独立 API
OpenAI 上线 ChatGPT Wallet,Agent 授权后代付,合作 Amex、Mastercard、Visa;LangChain 完成 3 亿美元融资并发布新版 LangSmith;DeepSeek 将搜索、文件、OCR、ASR、TTS 开放为独立 API,扩展能力按调用计费。
1️⃣ OpenAI 上线 ChatGPT Wallet:Agent 可在授权下代付,不接触卡号#
- 核心发布:OpenAI 推出 ChatGPT Wallet,面向 ChatGPT Work、Codex 与 dots 等场景,Agent 在用户批准后完成购买,并沿用现有卡保护。
- 合作与范围:与 American Express、Mastercard、Visa 合作;首期面向美国 Pro 订阅用户的 dots 灰度。
- 行业意义:Agent 支付把模型调用推进到交易执行,授权、风控与卡组织接口成为关键基础设施。 🔗 OpenAI 官方 | ChatGPT 公告
2️⃣ LangChain 完成 3 亿美元融资,推出新版 LangSmith#
- 融资:LangChain 宣布完成 3 亿美元融资,估值 30 亿美元;C 轮由 CapitalG 领投,GIC、Salesforce Ventures、MongoDB Ventures 等参投。
- 产品:新 LangSmith 定位为框架无关的 Agent 全生命周期平台,覆盖构建、运行、改进与治理;官方称已有 7000 多家企业使用 LangSmith。
- 行业意义:Agent 工具链从开源框架向运行时与治理平台收拢,融资将用于扩大企业侧部署。 🔗 LangChain 官方 | 融资公告
3️⃣ llama.cpp 发布 v1.0.0:本地推理库进入稳定版#
- 核心发布:ggerganov 与 Hugging Face 宣布 llama.cpp v1.0.0,定位为可在手机、笔记本与工作站本地运行模型的基础库。
- 生态表态:Hugging Face CEO Clem Delangue 称这是最常用本地 AI 库的首个完整稳定版,强调隐私与硬件覆盖。
- 行业意义:稳定 API 将降低下游应用维护成本,本地与端侧推理有了更明确的长期基座。 🔗 Hugging Face 官方博客 | ggerganov 公告
4️⃣ DeepSeek 开放“大一统”API:搜索、文件、OCR、ASR、TTS 可独立调用#
- 能力开放:DeepSeek 将 App 内搜索、文件、链接、安全与语音能力开放至 API,可用少量参数启用内置功能。
- 独立接口:OCR、ASR、TTS 可作为独立 API 调用;官方同时开源聊天前端 Demo,支持导入历史对话。
- 计费:扩展能力除 token 费用外按工具调用另行计费。
- 行业意义:模型 API 从纯文本生成扩展到完整应用能力,开发者可直接复刻或组合 DeepSeek App 的工作流。 🔗 API 文档 | 开源前端 Demo | 官方公告
5️⃣ Cognition 发布 Devin Apps:在云电脑上运行可分享的内部 Web 应用#
- 核心发布:Devin Apps 允许在 Devin 云电脑上创建、分享和更新私有 Web 应用,用于内部工具、预览部署与 Devin 自身扩展。
- 场景:官方列出完整应用预览、连接生产数据库的分析工具、内部工具与微站点。
- 行业意义:编码 Agent 的交付物从代码补丁扩展到可运行应用,Agent 平台开始覆盖“生成—部署—分享”链路。 🔗 Devin Apps 博客 | 产品入口 | Cognition 公告
6️⃣ Google Antigravity 上线 Dynamic Workflows:Agent 写 Python 编排子代理#
- 功能:使用
/run-workflow后,Agent 生成 Python 脚本,编排并行与串行子代理,并定义结构化交接。 - 控制方式:脚本在运行前可审查、保存并复用,目标是提供确定性控制流,减少提示漂移。
- 行业意义:多 Agent 编排从自然语言提示转向可检查的程序化工作流。 🔗 Google Antigravity 公告
7️⃣ Cloudflare 开源 Kitesurf:为 AI Agent 提供无状态浏览器#
- 开源:Kitesurf 以 Apache 2.0 在 GitHub 开源,可本地运行或部署到 Cloudflare Workers。
- 技术:完全运行在 Workers 上,解析 HTML、执行 CSS/JS、渲染截图,不依赖浏览器容器;支持 Chrome DevTools Protocol,可接 Puppeteer。
- 行业意义:Agent 浏览器从托管 API 走向可自托管基础设施,降低抓取与自动化任务的资源开销。 🔗 Cloudflare 官方博客 | GitHub 仓库
8️⃣ Cloudflare 报告:LLM 渗透测试框架激增,三天内 50+ 框架族扫描其客户#
- 数据:Cloudflare 称过去三天有 50 多个 LLM 渗透测试框架族扫描其全球客户,运行这些框架的 IP 已增至数千个;10 月 1 日以来相关日请求量增长 30 倍。
- 事件:开源 agentic 渗透测试系统 ARTEX 被作者下架后,衍生仓库与分支激增,Cloudflare 称观察到 ARTEX 及其分支占已知框架的 60% 以上。
- 建议:Cloudflare 提出“现代安全模型”,包括 WAF 限流、异常检测、Bot 防御、身份门控、schema 校验与威胁情报。
- 行业意义:攻击侧开始用 Agent 并行枚举与利用漏洞,防御需要把限流、身份与微隔离前置。 🔗 Cloudflare 官方博客
9️⃣ 腾讯混元 Hy4 在 Cyber Index 排第三,CWE-Bench-AA 代码漏洞修复测试第一#
- 评测:Artificial Analysis 称 Hy4 在 Cyber Index 得分 58%,排名第三;在 CWE-Bench-AA 以 76% 排名第一,领先 DeepSeek V4.1 Flash 1017 六个百分点。
- 成本:API 定价 0.834/2.501 美元每百万输入/输出 token;单任务约 0.92 美元,处在能力-成本帕累托前沿。
- 行业意义:代码安全从“扫描告警”转向模型直接定位并修复真实漏洞,成本曲线开始影响安全团队采购。 🔗 腾讯混元公告 | Artificial Analysis 数据
🔟 [持续跟踪] Gemini 4 Hydrogen 接入 GitHub Copilot:从模型发布进入 IDE 分发#
- 前情提要:Google 本周发布 Gemini 4 Hydrogen,定位高速编码与 Agent 工作流,官方称任务完成速度较 3.8 Flash 快 2.5 倍。
- 最新突破:GitHub 宣布 Gemini 4 Hydrogen 在 Copilot 应用、CLI 与代码平台全面可用,面向 Agentic 编码、工具调用与多步工作流,指令遵循优于 Gemini 3.8 Flash。
- 行业意义:模型竞争进入分发渠道,Copilot 同时接入多家前沿模型,开发者可在同一入口切换。 🔗 GitHub Changelog | GitHub 公告
⭐ GitHub 趋势#
📊 类别速览
| 项目 | 类别 | Stars |
|---|---|---|
| alibaba/open-code-review | AI Agent / 代码审查 | 50.6k |
| block/buzz | AI Agent 协作基础设施 | 37.3k |
| ChromeDevTools/chrome-devtools-mcp | AI Agent 工具链 / MCP | 55.4k |
1. alibaba/open-code-review ⭐ 今日 +215#
语言/许可: Go / Apache-2.0
总 Stars: 50.6k
仓库: GitHub
项目定位:
目标用户:需要将 LLM 审查接入 CI/代码评审流程的工程团队。核心能力:读取 Git diff,用确定性流水线做文件选择、规则匹配和评论定位,再由 agent 做上下文检索与审查。差异:用硬约束减少通用 agent 在大 changeset 上的覆盖不全、位置漂移和质量波动。
核心功能:
- 读取 Git diff,按文件特征选择与分束审查单元,子 agent 隔离上下文并发审查
- 内置多语言规则集,覆盖 NPE、线程安全、XSS、SQL 注入等
- 独立评论定位与 reflection 模块,降低行级位置漂移和误报
- 支持 OpenAI / Anthropic 兼容端点,CLI 与插件接入 Claude Code、Codex、Cursor 等
技术亮点:
确定性工程与 LLM agent 混合架构;官方基准称同模型下 Precision/F1 更高、token 消耗约为通用 agent 的 1/9,但 recall 较低。
2. block/buzz ⭐ 今日 +97#
语言/许可: Rust / Apache-2.0
总 Stars: 37.3k
仓库: GitHub
项目定位:
目标用户:需要自托管、可审计的 agent 协作空间的团队。核心能力:把消息、工作流、git 事件和审批统一为 Nostr 签名事件,让 agent 以成员身份参与频道。差异:agent 不是 bot 或 cron,而是拥有独立密钥、成员关系和审计轨迹的一等参与者。
核心功能:
- 自托管 Nostr relay,消息、反应、工作流、git 与审批事件统一为签名事件
- Agent 作为频道成员,拥有独立密钥、成员关系和审计轨迹
- YAML 工作流支持 message / reaction / schedule / webhook 触发,含审批门控能力
buzz-cli采用 JSON in / JSON out,面向 LLM tool calls;ACP harness 接入 Goose、Codex、Claude Code
技术亮点:
基于 Rust + Nostr 事件日志,人与 agent 共用同一身份模型、审计轨迹和搜索索引;桌面端为 Tauri + React。
3. ChromeDevTools/chrome-devtools-mcp ⭐ 今日 +67#
语言/许可: TypeScript / Apache-2.0
总 Stars: 55.4k
仓库: GitHub
项目定位:
目标用户:使用 coding agent 的开发者与构建 agent 工具的团队。核心能力:让 agent 通过 MCP/CLI 控制真实 Chrome,读取 DevTools 的 trace、网络、控制台和截图信息。差异:把浏览器调试与性能分析封装为标准 MCP 工具,而非让 agent 直接操作易漂移的脚本层。
核心功能:
- MCP server 暴露 Chrome DevTools 能力,供 Claude、Cursor、Copilot 等 agent 调用
- 记录性能 trace 并提取可执行的性能 insights
- 检查网络请求、控制台消息(含 source map 堆栈)、截图与页面自动化
- 附带 CLI 与 skills,支持 headless / 隔离配置、连接运行中 Chrome、Android 调试
技术亮点:
基于 Puppeteer + Chrome DevTools 的 MCP 标准接口,支持连接运行中 Chrome 实例并自动等待动作结果。
🟧 Hacker News 热议#
After 600 experiments, here’s what I discovered about JEPA world models#
199 pts · 33 comments · haddyalchaer.com
📌 内容总结
- 背景/作者意图:作者围绕 JEPA 世界模型 LeWM 在 Push-T 基准上做了约 600 次实验,目标不是重训模型,而是验证瓶颈究竟在“预测器”还是在“规划方式”。
- HN 关注点:输入未提供
top_comments,无法提炼评论区实际焦点;以下为原文技术焦点。 - 关键要点:
- 把 LeWM 的学习型预测器替换成模拟器真实物理后,长程任务成功率仅从 78% 变为 77%,在训练分布内预测器已不是主要瓶颈。
- LeWM 的有效规划跨度约 25 步:75 步任务直接规划成功率 22%,25 步任务约 89.7%;按 25 步子目标分段后可到 80% 左右。
- 用约 46 万个演示帧构建 latent memory graph,并给跨演示跳转加成本,可把标准长程任务成功率从 62% 提到 85%,不需要额外训练。
- 标准 Push-T 测试偏简单:84% 的目标在记忆图中已有近似状态;官方 50 回合成功率 68%,换 250 个新回合仅 44%,仅改随机种子就有 38/250 个回合结果翻转。
- 更难的跨演示测试中,记忆图规划从标准任务的 75% 降到 45%;用旋转、镜像、平移的演示片段补记忆空洞,可把删掉目标附近状态后的 32% 拉回 85%。
- 目标图像包含机械推杆位置会误导规划:真实物理规划下,同时匹配方块和推杆为 9/50,仅匹配方块为 39/50;用 16 个推杆位置变体后,LeWM 在更难测试上从 11% 提到 23%。
- 限制:仍依赖专家演示;目标与演示流向相反时表现最差;更难测试最佳成功率 56%;模型尚不能自行提出超出演示覆盖范围的子目标。
💬 讨论总结
top_comments为空,无法判断共识、质疑或工程经验。- 评论计数为 33,但本次输入不含评论内容,不能据 points/comments 推断社区立场。
OpenAI disbands its robotics team as its general models start running robots#
136 pts · 60 comments · fortune.com
📌 内容总结
- 背景/作者意图:Fortune 报道 OpenAI 解散独立机器人团队,并将研究人员重新分配到主研究组织和应用组织;OpenAI 称这是加速机器人进展,不是放弃机器人。
- HN 关注点:输入未提供
top_comments,无法提炼评论区实际观点;以下为原文事实与引述。 - 关键要点:
- 机器人研究团队转至首席研究官 Mark Chen 下,应用机器人与硬件团队转至总裁 Greg Brockman 的应用组织。
- OpenAI 的说法是通用前沿模型,尤其是 GPT-6 Astra,已可直接用于机器人任务;此前曾假设要从 Sora 等视频模型延伸到物理世界理解。
- 历史背景:OpenAI 早期有机器人团队,2020 年关停;2024 年重建并与 Figure 合作,2025 年 2 月合作结束;Altman 目标 2027 年做首次人形机器人公开展示。
- 支持该路线的证据:Nvidia 研究中 Astra 驱动 agent 在模拟操作基准上达到 74.8%,高于该榜最佳专用机器人模型的 51.0%。
- 反对/限制:MIT 的 Russ Tedrake 认为机器人公司仍有真实部署数据和现场经验优势;CMU 的 Guanya Shi 指出大模型慢、依赖云端,仍需可在机器人本地运行的小型专用模型。
- 商业约束:报道提到 OpenAI 最近一季度运营亏损 109 亿美元,正压缩成本、筹备融资和可能于 2027 年初 IPO;CoRL 上已注册的 OpenAI 展位为空。
- 影响:若通用模型可直接控制机器人,会挑战“机器人需要专用大脑”的创业叙事;但部署数据、网络依赖、实时性和本地算力仍是现实约束。
💬 讨论总结
top_comments为空,无法提炼支持、反驳或工程经验。- 评论计数为 60,但本次输入不含评论内容,不能据此判断 HN 社区态度。
Elevated errors on claude.ai, Claude Code, and platform.claude.com#
482 pts · 382 comments · claude.com
📌 内容总结
- 背景:Claude 状态页记录了一次影响 claude.ai、Claude Console、Claude Code 和 Claude Cowork 的认证故障。
- 关键要点:
- 2026-11-13 09:58 UTC 开始调查用户登录 Claude.ai 和 Claude Code 的问题。
- 11:05 UTC 部署修复并进入监控;11:58 UTC 标记为已解决。
- 状态页仅说明认证问题,没有披露根因、受影响地区、错误率或具体触发条件。
- 限制:缓存快照没有后续复盘或技术细节,无法判断是身份服务、配置、流量还是依赖组件故障。
💬 讨论总结
top_comments为空,无法提炼 HN 评论中的故障症状、根因猜测或缓解经验。- 评论计数为 382,但本次输入不含评论内容,不能根据讨论页计数推断社区观点。
Anthropic 公开安全评测方法,Sierra 发布 Poppy 协议
- Anthropic 安全评测:API 与 claude.ai 分数差 34 个百分点
- Sierra 发布 Poppy 1.0,Shopify 与 Meta Muse 接入
- Google 向 AI Ultra 开放 Antigravity Orchestrator
Anthropic 公开安全评测方法:同一模型在 API 与 claude.ai 上安全分数最多差 34 个百分点;Sierra 发布 Poppy 1.0,Shopify 与 Meta Muse 接入;Google 开放 Antigravity Orchestrator。
1️⃣ Anthropic 公开安全评测方法:同一模型不同入口分数最多差 34 个百分点#
- 方法要点:Anthropic 工程博客提出 10 条设计、运行与报告安全评测的建议,主张用“恰当回应率”替代单纯拒绝率,并覆盖多轮对话、16 个政策领域与 7 种语言。
- 配置差异:其系统卡数据显示,同一模型在 API 原始版本与加入系统提示的 claude.ai 配置之间,多轮恰当回应率最多相差 34 个百分点;自杀与自我伤害评测中,API 为 60%(±14%),claude.ai 为 94%(±7%)。
- 可复现要求:报告需写清模型版本、提示词与评分器,推荐使用英国 AISI 的 Inspect 框架及 Petri,并在断网沙箱中运行评测;复杂多轮评测样本量至少 100 个用例,简单单轮至少 1000 个。 🔗 Anthropic 工程博客 | 解读推文 | 官方推文
2️⃣ Sierra 发布个人智能体协议 Poppy 1.0:Shopify 与 Meta Muse 首批接入#
- 协议机制:企业在自有域名发布
/.well-known/poppy.json,声明可用入口与登录方式;个人智能体先以访客身份建立会话,账户操作由用户在企业页面通过 OAuth 授权。 - 落地范围:Sierra 称 Shopify 平台每家店铺已自动发布 Poppy 文件,Meta 的个人智能体 Muse 已对所有用户启用 Poppy;Mercury 支持查询余额、整理账单并在审批规则下发起转账,土耳其航空支持查询票价、航班状态和已有预订。
- 规范状态:v1.0 已可用,但官方站点、实施工具包与 GitHub 仍将当前文本标为 draft 1.0,变更日志提示正式定稿前修复可能不向后兼容;支付通知、推送和附件等功能尚未覆盖。 🔗 Sierra 博客 | Sierra 推文 | 协议解读
3️⃣ Shopify 公开 Cyber Chaos Monkey:AI Agent 在生产环境做受控攻击#
- 系统设计:Shopify Engineering 将攻防模型、源码、基础设施知识和真实测试店铺凭证交给 AI Agent,让其在生产环境寻找绕过防护的方法;发现模块先缩小范围,沙箱中的 Agent 再尝试实际利用。
- 隔离与裁判:每个任务运行在独立 Kubernetes Job,进攻 Agent 处于无提权容器,请求经凭证代理和出口白名单;第二个“裁判” Agent 使用不同提示、立场和模型实时读取日志,发现危险行为立即终止任务。
- 运行数据:Shopify 称这些 Agent 已执行上万次进攻任务,发现并处理几十个有实际影响的问题,未造成停机或安全事故;其漏洞赏金计划自 2024 年以来报告量增加近 300%。 🔗 Shopify 工程博客 | Shopify Engineering 推文 | 解读推文
4️⃣ [持续跟踪] Google Antigravity 开放 Orchestrator:Carbon 规划、Hydrogen 执行#
- 前情提要:Google 已发布 Gemini 4 Hydrogen,定位为强调执行速度与成本效率的通用模型,并与 Carbon、Argon 配合。
- 最新突破:Google 向 AI Ultra 订阅者开放 Antigravity 的 Orchestrator,可在同一会话中运行多个模型;Carbon 负责只读理解与规划,Hydrogen 接手代码编辑和测试,遇到阻碍可交回 Carbon 调整。
- 官方数据:Google 称该方式在 Terminal-Bench 4.0 上接近 Carbon 的任务成功率,同时减少 24% 配额消耗、平均快 19%;Pro 用户将逐步获得基于 Argon 的 Orchestrator,独立 Hydrogen 仍提供四档思考强度。 🔗 Antigravity 博客 | Google 推文 | 配额重置
5️⃣ [持续跟踪] DeepSeek 公布 API 价目并开源前端 Demo:搜索 0.75 美元/千次#
- 前情提要:DeepSeek 已将 App 背后的搜索、文件解析、OCR、ASR、TTS、内容安全审核拆成独立 API,按量计费。
- 最新价格:搜索 0.225/千页,ASR 0.225/万字符,token 为 0.60 per 1M;据 Berryxia 对比,Claude 与 OpenAI 搜索定价为 $10/千次,DeepSeek 搜索价格约为其 1/13。
- 开放配套:DeepSeek 开源聊天前端 Demo,支持导入用户在 DeepSeek App 中的全部对话记录,开发者可在自有服务器复刻完整 App 体验。 🔗 DeepSeek 推文 | 价格解读 | Demo | GitHub
6️⃣ [持续跟踪] Thinking Machines 公开 Inkling 2 Small 端到端 4-bit 训练细节#
- 前情提要:Thinking Machines 已开源 594B 参数的 Inkling 2 Small,并在 Agent Arena 等评测中获得关注。
- 最新进展:Thinking Machines 博客称,Inkling 2 Small 从预训练第一步到最终 RL rollout 均使用原生 4-bit 前向传播;借助 NVIDIA NVFP4 与 GB300 NVL72 机架,594B 模型预训练在 68 小时内完成。
- 可获取性:NVIDIA 提供了 Inkling 2 Small 的 NVFP4 checkpoint,已上传 Hugging Face;该案例把低精度训练从推理优化延伸到完整预训练与强化学习流程。 🔗 Thinking Machines 博客 | NVIDIA 推文 | Hugging Face
7️⃣ Anthropic 发布常驻 Agent 架构指南:收件箱、定时器、记忆、权限、发件箱#
- 架构拆分:Anthropic 文章《Building always-on agents》将常驻 Agent 拆为五个部件:收件箱负责触发,定时器负责主动唤醒,记忆文件夹保存上下文,权限约束账号操作,发件箱决定何时对外发言。
- 运行方式:Agent 大部分时间休眠,不调用模型;当事件进入收件箱才运行一次,定时器让它在无人呼叫时也能主动执行,记忆让它在唤醒后保留用户信息。
- 设计取向:文章强调常驻在线是使用体验,不是让模型一直挂在线上消耗 token;同时讨论并发事件处理、记忆节省、敏感操作等待用户确认,以及初期应让 Agent 保持安静。 🔗 Anthropic 文章 | 解读推文 | 架构解读