Yeekal Logo Yeekal
3,572 字
早报 | MORNING 2026-11-16

OpenAI 上线科学博客,Claude Code 推出代码模式

今日要点
  • OpenAI 科学博客:GPT-6 Astra 协助标准模型证明
  • Claude Code 推出 Code Mode,写 JS 批量调用工具
  • FT:黄仁勋讨论回归英伟达 CEO,请愿超 10 万人签名
OpenAI 上线科学博客,首篇论文提出标准模型非微扰格点定义候选方案,GPT-6 Astra 协助推进为证明;Claude Code 推出 Code Mode,Claude 先写 JavaScript 批量调用工具;FT 称黄仁勋讨论回归英伟达 CEO,请愿超 10 万人签名。

1️⃣ [持续跟踪] 黄仁勋考虑回归英伟达 CEO,10 万人签名请愿#

  • 前情提要:11 月 12 日英伟达宣布黄仁勋辞去 CEO 与董事职务,CFO Colette Kress 任临时 CEO,董事会独立调查尚未结束。
  • 最新进展:FT 报道黄仁勋已与几位亲信讨论回归可能;“Stand with Jensen” 公开信获超 10 万人签名,其中 5000 多人自称英伟达在职员工,马斯克、Tim Sweeney、Garry Tan 等在列;Altimeter 的 Brad Gerstner 与 Atreides 的 Gavin Baker 致信董事会,要求接班安排审慎推进并保留黄仁勋回归选项;Kalshi 上其回归概率升至 20%。
  • 行业意义:在财报与出口管制审查临近的节点,英伟达同时面对创始人去留、董事会调查与白宫国会压力,客户与供应链的短期不确定性上升。 🔗 FT 报道转述 | Kalshi 概率 | Gary Marcus CNN 评论

2️⃣ OpenAI 上线科学博客,GPT-6 Astra 协助格点标准模型证明#

  • 平台发布:OpenAI 推出科学博客,用于发布 AI 加速科学发现的研究成果、实用方法与研究者第一手记录。
  • 首篇成果:一篇论文提出标准模型的非微扰格点定义候选方案,并展示 GPT-6 Astra 如何协助将构想推进为详细证明。
  • 行业意义:头部实验室开始把模型参与理论物理形式化推导的过程公开成体系,AI for Science 的公开案例从辅助文献与计算,延伸到参与证明构造。 🔗 科学博客 | 格点标准模型论文

3️⃣ Claude Code 推出 Code Mode:从逐次调工具到写一段 JS 批量执行#

  • 功能机制:实验性 Code Mode 默认关闭,开启后 Claude 先写一段 JavaScript,在一次会话中调用多个 Bash、Read、Edit 工具,由 Claude Code 本地执行。
  • 效率设计:独立命令可并行、上一步结果直接传给下一步而不经过模型、中间输出先在代码中过滤再放入上下文;官方示例把修改重试上限的四五轮往返压缩为一步。
  • 限制与权限:仅支持终端交互式会话,不支持 -p、Agent SDK、VS Code 面板、桌面端、云会话及 Bedrock/GCP/Foundry;auto 模式分类器改为审整段代码,官方建议用 deny/ask 规则或 PreToolUse hook 兜底。 🔗 功能说明 | 官方文档

4️⃣ JetBrains 向 12 个模型提问 1200 次,编程语言观点高度同质化#

  • 实验设计:来自 10 家实验室的 12 个模型,各回答 50 次”随机选一门语言给出最有争议观点”与 50 次开放提问,共 1200 条回答,API 成本 7.68 美元。
  • 主要发现:所谓”随机”高度集中于 Go 与 Python(307/600);75% 的回答是攻击,Python 被攻击 299/312 次;PHP 28 次全为辩护,Java 检查异常获 67 次支持;C# 一次都未被选为目标。
  • 异常行为:GPT-6.1 Sol 对 Go 错误处理 20 次支持、21 次攻击;Mistral Large 4 对 JavaScript == 10 次批评、4 次辩护,同一模型跨会话缺乏稳定立场。
  • 行业意义:多模型”交叉验证”未必带来独立视角,共享训练语料与观点模板会让不同模型的输出趋同。 🔗 JetBrains 博客

5️⃣ [持续跟踪] ParseBench-2 三天获 3 万月下载,登 Hugging Face 趋势榜第三#

  • 前情提要:LlamaIndex 发布 ParseBench-2 文档解析基准与 OCRia-1.5 模型家族,用 330+ 错误类型的严重度评分对齐人类判断。
  • 最新进展:发布三天月下载量达 3 万,Hugging Face trending benchmarks 排名第三;团队已合并数十个 PR,修复同行反馈的标注与指标问题。
  • 行业意义:文档解析评测正从确定性指标与 LLM-as-judge 转向细粒度错误分类,生产环境的表格、表单、图表解析有了更贴近人工判断的基准。 🔗 更新说明 | 技术报告 | Hugging Face

6️⃣ Meta Muse 产品负责人首次受访:7 个月从 OpenClaw 原型到最快增长 AI 消费产品#

  • 起源:Nat Friedman 向 Meta 团队推荐 OpenClaw,Mona Sarantakos 周末在树莓派上跑通并接入邮箱与日历,周一决定立项。
  • 开发节奏:团队用七个月打磨安全与易用性,起步早于竞争对手却刻意延后发布;产品依赖 “agent swarms” 而非仪表盘。
  • 产品判断:Mona 称激活的关键在两个杠杆,taste 已成为 PM 最重要的能力。
  • 行业意义:消费级 Agent 的竞争从模型能力转向安全边界、默认体验与产品品味。 🔗 Lenny 播客 | 视频

7️⃣ Uber 公开自主 Agent 安全框架:按请求、用途、权限与上下文判定行动合规#

  • 问题背景:传统身份与 API 控制无法覆盖会对外部内容动态推理并采取真实行动的 Agent。
  • 框架逻辑:Uber 构建了一套判定机制,综合用户请求、Agent 既定用途、权限与交互上下文,判断某次行动是否适当。
  • 行业意义:企业 Agent 治理从静态权限转向运行时意图与上下文校验,为自主行动建立可审计的边界。 🔗 InfoQ 报道

8️⃣ GitHub Copilot 应用内集成安全扩展,可查询、解释并修复代码扫描告警#

  • 功能更新:GitHub 安全扩展进入公开预览,开发者无需离开 Copilot 应用即可让 Copilot 查找、解释、修复或驳回代码扫描告警。
  • 行业意义:安全告警处理被纳入编码 Agent 的日常闭环,DevSecOps 的修复动作进一步左移到 IDE/Agent 界面。 🔗 GitHub 公告 | 文档

⭐ GitHub 趋势#

📊 类别速览

项目类别Stars
NVIDIA/SkillEvaluatorAI Agent 评测与安全1.7k
google-labs-code/stitch-skillsAI Agent 技能 / 设计到代码9.3k

1. NVIDIA/SkillEvaluator ⭐ 今日 +205#

语言/许可: Python / Apache-2.0
总 Stars: 1.7k
仓库: GitHub

项目定位:
面向 Agent 技能开发者与平台团队,解决 Agent Skills 缺少标准化质量、安全与效果评估的问题。与仅做静态 lint 或人工试用不同,它把技能校验、语义去重和真实 Agent 行为评估串成可接入 CI 的三层流水线。

核心功能:

  • Tier 1 静态校验:检查技能结构、安全性、harness 兼容性,并集成 SkillSpector、Gitleaks、Semgrep 扫描。
  • Tier 2 语义去重:通过嵌入与目录对比,检测技能间指导内容重复或重叠。
  • Tier 3 实机评估:在沙箱中对比启用/不启用技能时的 Agent 任务表现,量化技能对行为的实际影响。
  • 支持合成评估数据集生成、GitHub/GitLab CI 接入,以及 CLI、CI、Agent 三种使用入口。

技术亮点:
三层评估可独立运行;Tier 3 基于 Harbor 沙箱执行 Agent 评测,并配套 arXiv 论文与 NVIDIA Verified Skills 流程。


2. google-labs-code/stitch-skills ⭐ 今日 +248#

语言/许可: TypeScript / Apache-2.0
总 Stars: 9.3k
仓库: GitHub

项目定位:
面向使用编码 Agent 做 UI 设计与前端交付的开发者,提供接入 Google Stitch MCP 的 Agent Skills 集合。它不替代编码 Agent,而是把 Stitch 的设计生成、设计系统提取和组件代码生成能力封装为可复用的技能与插件。

核心功能:

  • 将前端代码、截图或文本需求转换为 Stitch 设计,并支持设计编辑与变体生成。
  • 从源码或 Stitch 项目中提取 DESIGN.md 设计系统,统一设计 token 与主题。
  • 将 Stitch 页面转换为 React、React Native、shadcn/ui 或 React + Vite 仪表盘组件。
  • 通过插件市场或技能安装方式接入 Codex、Claude Code、Cursor、Gemini CLI、OpenCode 等 Agent。

技术亮点:
基于 Agent Skills 开放标准与 Stitch MCP 集成,同一技能包可跨多个 Agent harness 复用;安装层支持插件市场与 sparse checkout。

🟧 Hacker News 热议#

Your Agent Will Pick the Hackable One#

70 pts · 39 comments · geoffstearns.com

📌 内容总结

  • 背景 / 作者意图:以 70 美元 M-VAVE FM-1 合成器为例,论证当 AI 让写固件变便宜后,硬件厂商应默认固件会被替换,并让替换过程可逆、安全。
  • 关键要点:
    • FM-1 用户已用 AI 工具写自定义固件,包括虚拟模拟合成器、groovebox、采样器和 Doom 移植;M-VAVE 随后以 GPLv3 开源官方固件,并提供开发套件、浏览器模拟器和恢复工具。
    • 作者认为可写 flash 的设备实际上都是平台;Agent 会替用户寻找、fork 或生成固件,用户可能不知道设备已运行非官方代码。
    • Agent 选硬件的激励会偏向可修改、可恢复、有 USB/浏览器入口的设备;签名固件和锁 bootloader 会阻断这种压力。
    • 音乐硬件厂商已开始开放:Behringer、Akai、Erica Synths 等有相关动作;手机等切换成本高的品类更可能维持闭源,但提供受控 Agent 访问。
    • 封闭厂商常以安全为由限制安装,但判断标准可看谁控制签名密钥;Pixel 允许用户添加自己的密钥是反例。
    • 开放固件可能降低 Mirai 式单点攻击风险,但也增加恶意固件伪装风险;恢复模式、所有者密钥、安装前校验比锁设备更关键。
  • 实际结论 / 限制:结论依赖 Agent 真正代表用户利益;若 Agent 由拥有自家硬件的公司控制,开放压力可能变成另一种锁定。
  • HN 关注点:
    • 输入未提供 top_comments,无法从评论树提炼社区实际焦点。

💬 讨论总结

  • 本次输入中 top_comments 为空,无法还原 39 条评论的具体观点、支持/反驳关系或共识。
  • 仅能确认帖子主题围绕开放固件、Agent 采购硬件、安全与锁定之间的取舍。

🔗 原文 · HN 讨论页

Understanding Positional Embeddings in Modern LLMs#

191 pts · 26 comments · sebastianraschka.com

📌 内容总结

  • 背景 / 作者意图:Sebastian Raschka 为后续 LLM 架构趋势文章补写位置编码基础,面向熟悉 Transformer 的读者,包含图示、少量数学和 PyTorch 实现。
  • 关键要点:
    • 无显式位置编码时,自注意力对词序不敏感;因果 mask 提供隐式顺序,但不区分“相隔 1 个位置”和“相隔 10 个位置”。
    • GPT-2 使用可学习绝对位置向量,加到 token embedding 上;位置表在训练前固定,扩展到 100k 上下文会使位置参数占比过高。
    • 原始 Transformer 使用固定 sin/cos 位置编码;固定偏移对应固定旋转,便于模型学习相对位置关系。
    • RoPE 在注意力内部旋转 query/key 的成对特征,value 不旋转;query-key 点积只依赖相对位置差,向量长度保持不变。
    • 标准 RoPE 每对特征频率为 θ_i = b^{-2i/d},原始 RoFormer 取 b=10000;实现中有 split-half 与 interleaved 两种配对约定。
    • 现代模型存在 partial RoPE、QK-Norm、NoPE 等变体;文章列出 2026 开放权重模型的位置编码选择。
  • 实际结论 / 限制:RoPE 把相对位置关系注入注意力分数,但频率 base、配对方式、部分旋转等实现细节会影响模型兼容性与外推行为;NoPE 仍依赖因果 mask 和训练分布。
  • HN 关注点:
    • 输入未提供 top_comments,无法从评论树提炼社区实际焦点。

💬 讨论总结

  • 本次输入中 top_comments 为空,无法还原 26 条评论的具体观点、支持/反驳关系或共识。
  • 仅能确认帖子主题是 LLM 位置编码教程与 RoPE 机制解释。

🔗 原文 · HN 讨论页

All AI-generated code should be Open Source#

1050 pts · 573 comments · jankiewicz.org

📌 内容总结

  • 背景 / 作者意图:作者主张 AI 生成代码应开源或放入公有领域,理由包括训练数据来源、版权归属和跨辖区公平。
  • 关键要点:
    • AI 模型训练于大量开源代码和 CC 许可的 Stack Overflow 内容,未经许可或署名;将集体知识转成闭源专有代码被作者称为“license laundering”。
    • 纯 AI 生成代码没有人类作者;美国版权局与 Monkey selfie 先例不支持非人类版权,Wikimedia Commons 要求纯 AI 图像标为公有领域。
    • 各国法律不同,英国等辖区对 computer-generated works 有有限版权保护;作者主张开发者显式以开源许可证或 CC0 发布,以避免辖区差异。
    • 边界在于人机混合程度:作者特别指出,开发者只写 prompt、几乎不审阅或修改生成代码时,更应开源。
  • 实际结论 / 限制:主张依赖“纯 AI 生成”的界定;现实中人机混合代码难以量化,开源义务也缺少执行机制。法律论证主要基于美国,跨境适用存在差异。
  • HN 关注点:
    • 输入未提供 top_comments,无法从评论树提炼社区实际焦点。

💬 讨论总结

  • 本次输入中 top_comments 为空,无法还原 573 条评论的具体观点、支持/反驳关系或共识。
  • 仅能确认帖子主题是 AI 生成代码的版权、训练数据来源与开源义务。

🔗 原文 · HN 讨论页

1,252 字
晚报 | EVENING 2026-11-16

阿里 Qwen4-Max 发布,腾讯 Hy4 flash 输入价 0.07 美元

今日要点
  • 阿里 Qwen4-Max 发布,1M 上下文,API 输入 1.5 美元/百万 token
  • 腾讯 Hy4 flash 输入价 0.07 美元,OpenCode 免费两周
  • 黄仁勋回归请愿超 16 万签名,硅谷组建作战室
阿里发布 Qwen4-Max,新 MoE 架构与 1M 上下文,API 输入 1.5 美元/百万 token;腾讯推出 Hy4 flash,输入价 0.07 美元,OpenCode 免费两周。黄仁勋回归请愿签名超 16 万,硅谷高管组建作战室。

1️⃣ 阿里发布 Qwen4-Max:新 MoE 架构、1M 上下文,多项 Agent 榜单进入前列#

  • 核心发布:Qwen4-Max 采用新 MoE 架构,原生支持视觉输入,上下文窗口 1M token,API 定价为输入 1.5/百万token、输出1.5/百万 token、输出 4.5/百万 token,隐式缓存 $0.075。
  • 性能数据:Agent Arena 首登总榜第 14(+7.5%),Code Arena WebDev 第 6(1750 分),Image-to-WebDev 第 6(1674 分),Artificial Analysis 智能指数 43 分(+9),Vals Index 第 11。官方称相比 Qwen3.8-Max,Token 消耗最多减少 50%,平均任务成本下降超 60%。
  • 分发与生态:API 已上线 QwenCloud、OpenRouter、OpenCode Go,官方预告将开源更小的 Qwen4 系列模型。 🔗 Qwen 官方公告 | Qwen 博客 | Agent Arena 数据 | Artificial Analysis

2️⃣ 腾讯发布 Hy4 flash:输入价 0.07 美元/百万 token,盲测对标 Claude Haiku 5.5#

  • 定价与定位:Hy4 flash 主打日常生产力最低成本,API 定价为缓存 0.003、输入0.003、输入 0.070、输出 $0.281(每百万 token),官方称任务成本较 Claude Haiku 5.5 降低 18 倍。
  • 能力参数:支持 1M 上下文与多模态输入,在人类盲测中日常工作任务表现与 Claude Haiku 5.5(high)持平。
  • 限时免费:OpenCode 宣布 Hy4 flash 在未来两周内近乎无限量免费使用。 🔗 腾讯混元公告 | OpenCode 免费公告

3️⃣ [持续跟踪] 黄仁勋回归请愿超 16 万签名,硅谷高管组建“作战室”#

  • 前情提要:11 月 12 日英伟达宣布黄仁勋辞去 CEO 等职务,CFO Colette Kress 临时接任。
  • 最新进展:据《金融时报》报道,黄仁勋已与亲信讨论重返 CEO 的可能性;硅谷高管组建“作战室”游说董事会,并试图争取白宫支持。请愿网站“Stand with Jensen”签名超过 16 万,其中自称英伟达现员工超 8000 人。马斯克、Tim Sweeney、Amjad Masad 等公开站台。
  • 外部阻力:美国财政部长贝森特公开建议董事会从外部寻找继任者,并要求英伟达 10 天内说明出口限制合规情况。Gary Marcus 转述 WSJ 报道称,英伟达此前的循环融资模式可能难以为继。 🔗 爱范儿报道 | 金融时报报道转述 | Dylan Patel 播客 | Gary Marcus 评论

4️⃣ [持续跟踪] Anthropic CEO 谈算力预测困境:IPO 目标估值 1.4 万亿美元#

  • 前情提要:Anthropic 已提交 IPO 注册声明,披露定价区间,承销商考虑上调发行价。
  • 最新表态:Dario Amodei 在与摩根大通 CEO Jamie Dimon 的对谈中表示,围绕算力的“巨大不确定性”是公司最深层商业困境。招股书显示公司已承诺约 9000 亿美元基建投入,其中一半将于 2030 年前到期。
  • 缓冲机制:截至 9 月 30 日,Anthropic 持有超 950 亿美元现金及 360 亿美元短期投资;策略上倾向提前锁定相对较少算力,需求超预期时用现金在现货市场采购。 🔗 爱范儿报道

5️⃣ Google Antigravity 模型上下文窗口翻倍,单轮压缩操作减少 3.5 倍#

  • 功能更新:Varun Mohan 宣布 Antigravity 中 Argon、Carbon、Hydrogen 三款模型的上下文窗口翻倍,用户单轮对话的压缩操作降低 3.5 倍。
  • 开发者影响:更长上下文减少 Agent 工作流中的信息丢失与重复压缩,对长周期编码任务有直接影响。 🔗 Varun Mohan 公告

6️⃣ 腾讯 WorkBuddy 国际版接入 Gemini 4 Carbon,办公平台继续多模型化#

  • 接入详情:WorkBuddy 国际版上线 Google Gemini 4 Carbon,面向 Pro 用户开放,支持文本、图像、音频、视频输入,上下文最高 100 万 token。
  • 行业背景:接入外部前沿模型后,WorkBuddy 与自家 Hy4 系列形成高低搭配;办公平台聚合多家模型的做法在豆包、WorkBuddy 等产品上持续出现。 🔗 少数派报道

7️⃣ AI Engineer 峰会发布“No AI Slop”宣言,500 余名工程师签署#

  • 宣言内容:以 2001 年敏捷宣言为参照,提出五组对照:结果重于产量、理解重于速度、自己的思考重于模型第一稿、更好的工作重于更省事的工作、改进系统重于修补输出。
  • 核心主张:AI 不能代替人的判断,只能放大判断;意图、品味和后果仍由人承担。反对将模型产出不经审核直接发出,但不禁止一次性提示或凭感觉写代码。
  • 传播数据:宣言在 Hacker News 登上首页,GitHub Gist 已列出 504 个签名,包括来自 OpenAI、Shopify、PostHog 等团队的工程师。 🔗 宣言官网 | 发起人 Dex Horthy 推文