Yeekal Logo Yeekal
4,319 字
早报 | MORNING 2026-11-19

Google 发布 Gemini 4 Neon 与 Genie 4

今日要点
  • Google 发布 Gemini 4 Neon,API 定价 3/15 美元每百万 token
  • Google 上线 Genie 4,支持实时编辑与原生音频
  • 微软 Ignite 2026 发布 7 个 MAI 模型,Maia 200 加速器量产
Google 发布 Gemini 4 Neon,100 万 token 上下文、四档思考等级,API 定价 3/15 美元每百万 token;同日上线 Genie 4,支持实时编辑与原生音频;微软 Ignite 2026 发布 7 个 MAI 模型,Maia 200 加速器量产。

1️⃣ Google 发布 Gemini 4 Neon:定位 Carbon 与 Hydrogen 之间,主打快速任务完成#

  • 发布与定位:Gemini 4 Neon 正式上线,官方称其面向复杂软件工程、知识工作与科学工作流,定位介于 Gemini 4 Carbon 与 Hydrogen 之间。
  • 能力与规格:支持 100 万 token 上下文、4 档可调思考等级;Google 称其在内部 Antigravity 测试中录得最低虚构率,并强化多文件调试与局部代码编辑。
  • 榜单与成本:Artificial Analysis 智能指数以 61 分列第 3;Google 称其位列 Coding Agent Index 第 1、CursorBench 第 1;API 定价为每百万 token 3 美元输入、15 美元输出,Batch/Flex 半价。
  • 生态接入:同日进入 Gemini App 的 Pro/Ultra 订阅、Google Antigravity、AI Studio 付费层、Gemini for business,并在 GitHub Copilot、OpenRouter 与 AI SDK 中可用。 🔗 Google 官方博客 | DeepMind 发布 | Antigravity 接入 | GitHub Copilot 接入

2️⃣ Google 上线 Genie 4 世界模型:Project Genie 支持实时编辑与原生音频#

  • 核心发布:Google DeepMind 向符合条件的 Google AI Ultra 订阅用户开放 Genie 4,Project Genie 从预览进入完整创作生态。
  • 交互能力:Genie 4 支持实时编辑,可用文字改变天气、加入角色或重定向动作;同时引入原生音频,官方称其融合实时物理、推理与音频。
  • Agent 与社区:新增 Project Genie agent,可通过自然对话创建世界,Gemini 作为副驾驶提供上下文建议;社区画廊支持探索、发布与 remix 世界。
  • Genie 3 升级:同一生态更新中,Genie 3 获得最长 3 分钟会话、世界串联与 360 度全景图 grounding 能力。 🔗 Google 官方博客 | DeepMind 博客 | Google AI 发布

3️⃣ [持续跟踪] Anthropic IPO 前遭公开信反对:AI 安全中心称其“并非安全 AI 公司”#

  • 前情提要:Anthropic 预计本周 IPO,S-1 与路演信息显示其估值目标约 1.4 万亿美元,并披露约 99 亿美元算力与基础设施支出,定价与估值此前已引发争议。
  • 最新进展:AI 安全中心(CAIS)在 IPO 前发起 “MisAnthropic Statement”,称 Anthropic “不是安全的 AI 公司”,反对其以公益之名积聚权力;签署者包括 Steven Pinker、Thomas Wolf、Igor Babuschkin、Gary Marcus、Max Tegmark、Judea Pearl 等。
  • 签署者解释:Hugging Face 联合创始人 Thomas Wolf 称不认同声明中“reckless”的措辞,但担心 Anthropic 将成为地球上最强大的公司之一,需要接近主权政府的透明度;他还提到部分安全团体因担心资金或机会受损而不敢签署。
  • 行业含义:公开信将 IPO 前的争论从估值与算力账单扩展到安全治理与权力集中,成为 Anthropic 上市窗口期最直接的声誉压力之一。 🔗 公开信 | CAIS 声明 | Thomas Wolf 解释

4️⃣ OpenAI 与 AMD 芯片设计合作:模型识别最高 14% PPA 提升#

  • 合作成果:OpenAI 称与 AMD 合作,其模型在旗舰 GPU IP 上识别出最高 14% 的 PPA(功耗、性能、面积)改进,耗时不到五个月,且基于 AMD 工程师已优化多年的设计。
  • 自研芯片验证:同一方法被用于改进 OpenAI 首款自研推理芯片 Jalapeño,相关增益已在真实硅片上验证。
  • 工具链扩展:OpenAI 与 Synopsys 合作,将其模型能力与后者的 EDA 设计、验证工具结合,面向更多芯片设计师。
  • 评估进展:新评估显示 OpenAI 模型在部分芯片设计任务上持续变强。 🔗 OpenAI 官方博客 | OpenAI 发布

5️⃣ OpenAI 发布研究加速报告:呼吁实验室公开追踪 RSI 指标#

  • 报告核心:OpenAI 发布《Research Acceleration, Jagged Frontier》,称研究者的 AI 使用持续指数上升,Agent 正在完成更长任务,但人类参与在研究流程中仍居中心。
  • 安全投入:报告称研究者花在安全与对齐上的时间增加,该领域的人工投入增速快于其他单个研究领域。
  • 政策主张:OpenAI 认为 AI 实验室应被要求追踪并公开报告递归自我改进(RSI)指标,以提升研究加速的透明度并支撑治理。
  • 目标:报告希望推动行业形成共享的测量规范,用于判断越来越强的 AI 系统对研究流程的实际影响。 🔗 OpenAI 报告 | OpenAI 发布

6️⃣ OpenAI 推出 ChatGPT for Accounting:接入 QuickBooks、Xero、NetSuite#

  • 产品发布:OpenAI 上线 ChatGPT for Accounting,包含新的 Accounting 插件与多个合作方插件。
  • 覆盖任务:面向月末报告、银行对账、数据录入与审计准备等会计流程,目标减少手工操作。
  • 合作生态:接入 QuickBooks、Xero、Oracle NetSuite、BILL、FreshBooks、Rillet、Campfire 等工具。
  • 行业信号:这是 ChatGPT 垂直行业化产品线的延续,从此前的 Sales 场景扩展到会计与财务工作流。 🔗 OpenAI 会计方案 | ChatGPT 发布

7️⃣ NVIDIA 开源 Nemotron-Labs-Sigma:用扩散模型并行生成 token 块#

  • 模型发布:NVIDIA 发布 Nemotron-Labs-Sigma,共 14 个检查点,覆盖 3B 与 8B 规模,并开放权重。
  • 技术路线:该系列将连续扩散引入语言建模,不再逐 token 自回归,而是并行生成 token 块,官方称可加速数学与代码问题的多解探索。
  • 蒸馏与引导:模型采用 16 维平滑 ODE 轨迹,支持蒸馏与引导;NVIDIA 称在数学任务上实现 8 TPF、代码任务上 4 TPF,同时保持准确率与多样性。
  • 研究意义:这是语言模型从离散自回归向连续扩散并行解码的一次公开权重尝试,为推理效率与生成多样性提供了不同路线。 🔗 论文 | Hugging Face 模型集 | NVIDIA 发布

8️⃣ Cloudflare 开源 Clairic 与 Clairic-flash:9B/27B 文档提取模型#

  • 组织变化:Cloudflare 宣布成为 neolab,并成立 Workers AI superintelligence team,负责 Clef、Clairic 等前沿模型。
  • 模型更新:更新版 Clairic(27B)与更轻量的 Clairic-flash(9B)开放权重;新版支持图像与 PDF 提取,覆盖表格、列表、日期等复杂结构,单次最多处理 4 张图或 PDF 页。
  • 性能与价格:Cloudflare 称新架构将图像阅读错误从 207 个降至 0,响应时间低于 1 秒;Clairic 定价每百万输入 token 0.24 美元,Clairic-flash 为 0.10 美元,12 月 1 日前两者均按 0.10 美元促销。
  • 定位:两款模型面向结构化提取任务,强调用更小、更便宜的专用模型替代通用大模型的部分调用。 🔗 Cloudflare 官方博客 | Hugging Face 权重

9️⃣ Runway 将 57B 视频模型 24fps 推理所需 GPU 从 8 块降至 4 块#

  • 优化结果:Runway 称通过一系列优化,将 570 亿参数视频模型在 24fps 下运行所需的 GPU 数量从 8 块降至 4 块。
  • 目标场景:研究聚焦 batch size 为 1 的实时视频生成,即在单请求条件下降低推理硬件门槛。
  • 工程细节:Runway 在研究博客中拆解了实现这些优化的方法,以及过程中遇到的失败与回退。
  • 行业意义:视频生成模型的推理成本长期受制于GPU数量与帧率,此类优化直接影响实时视频产品的部署经济性。 🔗 Runway 研究博客 | Runway 发布

🔟 Meta 用 AI Agent 跨广告排序模型传播技术:承担超 60% 工作,工程效率提升 3 倍#

  • 应用规模:Meta 称自 2026 年 3 月由 Agent 驱动执行以来,AI Agent 已承担超过 60% 的“技术传播”工作,即把已验证的 ML 技术适配到数百个广告排序模型。
  • 效率数据:与引入 Agent 前相比,早期结果显示工程生产力提升 3 倍,部分技术-模型组合的训练算力中位数降低 4 倍,预计到年底节省 4500 万美元以上算力成本。
  • 方法拆解:Agent 负责发现可传播技术、判断跨模型可迁移性、管理异步多日训练、诊断失败并分配并发任务;人类保留关键决策与最终审批。
  • 目标:Meta 希望把一项技术覆盖全部适用模型的时间从一年以上压缩到三个月,并将 Agent 驱动的工作流推广为模型技术传播的主要方式。 🔗 Meta 工程博客 | 配套模板化 ML 文章

⭐ GitHub 趋势#

📊 类别速览

项目类别Stars
HKUDS/CLI-AnythingAI Agent / 工具桥接59.7k
n8n-io/n8nAI Agent / 工作流自动化211.1k
appwrite/appwriteAI Agent / MCP 后端58.2k

1. HKUDS/CLI-Anything ⭐ 今日 +384#

语言/许可: Python / Apache-2.0
总 Stars: 59,718
仓库: GitHub

项目定位:

  • 目标用户:需要让 AI Agent 操作专业软件、桌面工具或第三方服务的开发者与 Agent 平台团队。
  • 核心能力:把软件能力封装为稳定 CLI harness,并提供注册、安装、技能描述与测试基线,使 Agent 可发现和调用。
  • 与现有方案差异:不是再做一个 Agent 框架,而是补“软件侧接口层”,用 CLI 适配无 API 或 GUI 软件,并以 CLI-Hub 分发。

核心功能:

  • 面向软件生成/维护 CLI harness,覆盖安装、调用、状态管理与产物生成。
  • CLI-Hub 社区注册表,支持 pip/npm/brew 等安装路径与统一管理。
  • 统一 SKILL.md 技能目录,供 Cursor、Claude Code、OpenClaw 等 Agent 客户端发现和安装。
  • 支持预览、实时预览、轨迹循环,并以 JSON + 人类可读输出验证 Agent 操作结果。

技术亮点:
以 CLI 作为通用适配层,将软件暴露为 Agent 可编排工具;CLI-Hub 负责分发,仓库提供 2,461 项测试基线。


2. n8n-io/n8n ⭐ 今日 +315#

语言/许可: TypeScript / Sustainable Use License(仓库标记 NOASSERTION)
总 Stars: 211,060
仓库: GitHub

项目定位:

  • 目标用户:需要把 AI 步骤接入真实业务流程的工程团队、自动化团队与自托管 Agent 工作流开发者。
  • 核心能力:可视化编排 + 代码节点 + 1,500+ 集成,支持 AI Agent、工具调用、人工审批与可观测运行。
  • 与现有方案差异:相比纯 Agent 编排框架,强在系统集成、人工审批和自托管生产运行;相比传统 iPaaS,原生集成 LLM/Agent/MCP。

核心功能:

  • 可视化工作流画布与 JavaScript、Python、npm 代码节点混排。
  • AI Agent/多步工作流节点,支持 OpenAI、Anthropic、Google 及开源模型切换。
  • 1,500+ 集成与 9,000+ 工作流模板,连接现有业务系统。
  • 支持自托管或云部署,并提供 RBAC、审计、可观测等生产化能力。

技术亮点:
MCP client/server 支持与模型供应商抽象,适合将 Agent 嵌入既有系统,而不是重写业务栈。


3. appwrite/appwrite ⭐ 今日 +239#

语言/许可: TypeScript / BSD-3-Clause
总 Stars: 58,229
仓库: GitHub

项目定位:

  • 目标用户:需要快速给 AI 应用或 Agent 配置后端能力的开发者与平台团队。
  • 核心能力:通过托管 MCP 让 Cursor、Claude Code、Codex 等 Agent 直接操作实时 Appwrite 项目,同时保留 SDK 集成路径。
  • 与现有方案差异:相比只提供数据库/认证的 BaaS,增加 Agent 可直接调用的 MCP 接口;相比让 Agent 直连数据库,保留权限、托管和自托管边界。

核心功能:

  • 托管 MCP Server:Agent 可通过 OAuth 查询数据库、读取项目信息并执行受控操作。
  • 统一 Auth、Databases、Storage、Functions、Messaging、Realtime、Hosting、WAF 后端能力。
  • 提供客户端/服务端 SDK,Cloud 与自托管环境保持同构。
  • Docker 一键自托管,并为自托管实例提供本地 MCP Server。

技术亮点:
MCP + OAuth 让 Agent 免 API key 接入后端;同一套资源同时服务应用逻辑与 Agent 操作。

🟧 Hacker News 热议#

Seven new models at scalable price-performance#

411 pts · 286 comments · microsoft.ai

📌 内容总结

  • 背景/作者意图:微软 MAI 在 Ignite 2026 发布 7 个模型/加速器组合,目标是在 token 成本上升时提供可让 agent 24/7 运行的价格性能比。
  • 关键要点 / HN 关注点:
    • Cyber 2 Flash:在 CyberGym-E2E 上称质量超过 GPT-6 Astra,成本/任务低于 2%。
    • Code 2 / Code 2 Flash:Code 2 达 GPT-6.1 Sol 98% 编码质量、约 40% 价格;对 Opus 5.5 为 96% 性能、5% 价格;Flash 对 GPT-6 Luna / Haiku 5.5 分别为 65% / 20% 价格。
    • Image 2.7 称 Artificial Analysis 图像编辑 #1,价格 1/5;Realtime 1 称超过 GPT-Realtime 2.1,$0.01/音频分钟。
    • Transcribe 2 支撑 Dragon Copilot Transcribe,称每月 1000 万次患者会话、多语言错误率减半;Decision 1.1 称比 GPT-6.1 Sol 快 50x、便宜 79x。
    • Maia 200 第二代加速器已量产,承载最大模型,1.7x tokens/watt。
  • 限制/影响:核心对比来自微软自述与指定 benchmark;“成本/任务”受 harness、重试、缓存、上下文长度影响,原文未给独立复现和统一口径。

💬 讨论总结

  • 输入的 top_comments 为空;286 条评论的具体内容未提供,无法提炼共识、反驳或工程经验,不能仅凭评论数推断社区立场。

🔗 原文 · HN 讨论页

AI agents ask better questions than KPMG accountants in audit trial#

318 pts · 145 comments · europeanbusinessmagazine.com

📌 内容总结

  • 背景/作者意图:KPMG UK 通过 Project Exponential 测试 100+ AI agents 参与 FTSE 250 公司审计流程,观察其能否在完整审计工作流中承担分析、质询和文档工作。
  • 关键要点 / HN 关注点:
    • Agents 收集信息、分析并记录数据、形成草稿结论和观察、建议下一步,且可相互分工协作;开发周期约 4 个月。
    • 这不是正式法定审计:审计合伙人只对实验性 exercise 签字,结果未用于正式批准公司账目。
    • 人类监督仍是必要条件:试验中有 agent 未能正确匹配监管要求与公司文档,需审计师介入。
    • KPMG 计划扩展到最多 20 个更大审计,但承认技术尚不足以部署到数千个项目;数据质量是主要障碍。
    • 商业影响是可能压缩初级审计师的重复性工作,但是否转化为更低审计费未确认;FRC 警告不得削弱独立性、诚信和专业怀疑,责任仍归人类审计师。
  • 限制/影响:单案例实验,不能证明 AI 可独立完成可靠法定审计;监管匹配、数据质量、过度依赖和虚假信息是硬约束。

💬 讨论总结

  • 输入的 top_comments 为空;145 条评论的具体内容未提供,无法判断社区支持、质疑或补充经验。

🔗 原文 · HN 讨论页

Gemini 4 Neon#

334 pts · 324 comments · blog.google

📌 内容总结

  • 背景/作者意图:Google 发布 Gemini 4 Neon,定位在 Carbon(最难、长周期任务)与 Hydrogen(快速日常执行)之间,面向复杂软件工程、知识工作、科学流程和企业生产工作流。
  • 关键要点 / HN 关注点:
    • 价格 3/M输入tokens、3/M 输入 tokens、0.15/M 缓存输入、$15/M 输出 tokens,1M context;在 Gemini API、AI Studio、Gemini for business、Antigravity 和 Gemini app 逐步上线。
    • Artificial Analysis Intelligence Index 61、xhigh 档 #3;Vals 70.9 #2,Legal Research Bench / Tax Agent Bench #1;Zapier AutomationBench 56.3 #1、Vending-Bench 2 $16,843 #1、Agent Arena 1336 #2。
    • 编码:AA Coding Agent Index #1(58.6)、Terminal-Bench 4.1 65.2%、FrontierCode 2.0 默认 high 档 46.2%;SWE-sweep 在 mini-SWE harness 为 12.8%,在 Antigravity 中升至 39.0%。
    • 四档 thinking levels;默认 high 档称比 Carbon 每任务成本低 32%,xhigh 档比同类最高设置便宜 36%+;Vals / Agent Arena 上处于 Pareto 前沿。
    • 安全:称维持 Carbon 级滥用与 prompt injection 防护;TB4.0 拒答率 1.98%、TB-Science 0%;TB4.0 cheating 0%、coding cheating 2.45%、misaligned action 0.09%、honesty 99.2%;Gray Swan IPI 在最高 thinking + 实时防护下 0.0% 攻击成功率。
  • 限制/影响:多数结果为厂商或指定 benchmark 口径;SWE-sweep 从 mini-SWE 到 Antigravity 的大幅提升说明 harness 影响显著;成本/任务依赖 thinking 档位;cyber 版本仅向 Fairwind 受信防御者开放。

💬 讨论总结

  • 输入的 top_comments 为空;324 条评论的具体内容未提供,无法提炼社区对 benchmark、定价、安全声明或生产可用性的实际争论。

🔗 原文 · HN 讨论页

1,838 字
晚报 | EVENING 2026-11-19

Anthropic IPO 定价83美元,Gemini 4 Neon 接入 Cursor

今日要点
  • Anthropic IPO 定价 83 美元,发行 9.8 亿股,估值约 1.5 万亿美元
  • Gemini 4 Neon 接入 Cursor,CursorBench 4.1 得分 63.7%
  • 腾讯 WorkBuddy 日活超 1000 万,日均消耗超 100 万亿 Token
Anthropic 将 IPO 发行价定为每股 83 美元,发行 9.8 亿股,估值约 1.5 万亿美元,今晚纳斯达克交易;Gemini 4 Neon 接入 Cursor 与 Genspark,Agent Arena 列第二;Perplexity 上线 Monitor 与 Context API,API 业务同比增 4.3 倍。

1️⃣ [持续跟踪] Anthropic IPO 定价 83 美元,估值约 1.5 万亿美元#

  • 最新定价:Anthropic 将 IPO 发行价定为每股 83 美元,高于此前 70–78 美元的指导区间;发行规模从 8.25 亿股上调至 9.8 亿股。
  • 交易与募资:预计今晚在纳斯达克以代码 ANT 开始交易,按发行价计算募资约 813 亿美元;完全稀释估值约 1.5 万亿美元。Google、英伟达、AMD、博通、美光、微软、台积电等 7 家企业以发行价参与总额 260 亿美元的定向增发。
  • 业务披露:路演材料显示第三季度收入 170 亿美元,调整后经营利润率为 15%;市场讨论集中在利润规模与 1.5 万亿美元估值之间的差距。 🔗 Anthropic 定价公告 | 路演资料 | Latent Space 汇总

2️⃣ [持续跟踪] Gemini 4 Neon 接入 Cursor 与 Genspark,Agent Arena 列第二#

  • 前情提要:Google 昨日发布 Gemini 4 Neon,定位 Carbon 与 Hydrogen 之间的性价比主力,API 定价每百万输入 Token 3 美元、输出 15 美元,标配 100 万上下文。
  • 最新接入:Cursor 宣布接入 Neon,默认 effort 下 CursorBench 4.1 得分 63.7%,高于 Hydrogen 的 57.3%;Genspark 将其用于 AI Chat 与 Code Agent。
  • 独立评测:Arena 数据显示 Neon 在 Agent Arena 以 1336 分列第二,单任务中位成本 2.82 美元;Browser Use 任务得分 74%,与 Opus 5.5 持平,低于 GPT-6.2 Sol 的 82%。
  • 释放节奏:Arena 统计 Gemini 4 系列从 Argon 到 Carbon、Hydrogen、Neon 的发布间隔分别为 28 天、15 天、6 天。 🔗 Google 发布博客 | Cursor 接入 | Agent Arena | Browser Use 评测

3️⃣ [持续跟踪] Perplexity 上线 Monitor 与 Context API,API 收入同比增 4.3 倍#

  • 前情提要:Perplexity 此前已推出 Orchestrator API,按任务在多家前沿模型与开源模型之间做路由。
  • 最新发布:新增 Perplexity Monitor(对事件设置可编程告警)与 Perplexity Context(批量把 URL 转成 Agent 可用内容);Orchestrator 继续承担任务路由。
  • 业务数据:Aravind Srinivas 称 API 业务同比增长 4.3 倍,年化运行率已达到九位数美元。
  • 产品含义:搜索、上下文抽取与模型路由被拆成可单独调用的 API 组件,面向 Agent 的基础设施层开始形成可计费产品。 🔗 Aravind Srinivas 公告

4️⃣ 腾讯 WorkBuddy 日活超 1000 万,日均 Token 消耗超 100 万亿#

  • 规模数据:腾讯财报电话会披露 WorkBuddy 日活超过 1000 万,按用户日均大模型 Token 消耗量计为国内最大 AI 应用,日均消耗超过 100 万亿 Token。
  • 模型采购:腾讯称 WorkBuddy 已成为中国几乎所有开源模型的最大客户,平台内承担了多模型路由角色。
  • 商业策略:Flash 模型被用作获客工具,以低成本和快响应承接免费用户,再随任务复杂度转向更强模型和订阅。
  • 观察点:工作任务类产品的单用户 Token 消耗远高于问答助手,模型调用量正在从“聊天次数”转向“任务执行时长”。 🔗 爱范儿早报 | 财报会整理

5️⃣ 第四范式发布国产算力全链路训练双基模,单张 3090 可运行语言模型#

  • 发布内容:第四范式下场研发基础大模型,基于国产算力完成全链路训练,双模型同步亮相。
  • 部署门槛:官方称语言模型单张 3090 卡即可运行,降低了推理部署的硬件要求。
  • 工程意义:国产算力从“可推理”进一步走到“可训练基础模型”的案例增加,为国内基模训练提供了新的全链路工程样本。 🔗 量子位报道

6️⃣ Vercel 发布 vercel board:为人和 Agent 提供共享消息板#

  • 产品形态:vercel board 被描述为面向 Agent 的“headless Slack”,为人类与 Agent 提供共享任务空间、权限设置和消息板。
  • 使用场景:支持构建 Agent 集群、软件工厂与自优化系统;设计为模型、harness 和托管平台无关,通过 CLI 接入。
  • 基础设施含义:Agent 协作正从单机 CLI 转向共享通信层,消息板、权限与任务分派成为多 Agent 系统的基础组件。 🔗 Guillermo Rauch 公告

7️⃣ OpenAI background API 支持 2/8 小时完成窗口,Token 价格降 30%/40%#

  • 功能更新:开发者可将 completion_window 设为 2h 或 8h,分别比 Standard 每 Token 便宜 30% 与 40%。
  • 续传机制:发送请求时设置 continuation ID,后续请求可复用并提高队列优先级;适合离线前提交会议纪要、次日获取简报等异步任务。
  • 成本含义:模型 API 开始按延迟分层定价,把“可等待的计算”变成折扣商品,为批处理与后台 Agent 提供更明确的成本模型。 🔗 OpenAI Developers 公告 | Background API 文档

8️⃣ Google 开源 ABFS:AOSP 源码检出从 36 分钟降至 8 秒#

  • 核心数据:Android 17 开源版本含 1084 个 Git 仓库、约 162 万文件、161 GB 代码;ABFS 将源码检出从约 36 分 19 秒降至 7.4 秒(冷缓存)/3.6 秒(热缓存)。
  • 构建加速:完整构建从 1 小时 20 分 35 秒降至 2 分 11 秒(远端缓存完整)/1 分 19 秒(本地缓存完整)。
  • Agent 场景:Agent 可在 10 秒内检出完整源码树、10 分钟内完成一次完整构建,并把同一修复并行移植到多个版本验证。
  • 技术路径:ABFS 用内容寻址按需加载并缓存源码、工作区、中间文件和构建结果,同时用两阶段校验支持本地构建复用已有结果。 🔗 Google Developers Blog | 技术摘要

9️⃣ GitHub Copilot 开放 GitHub 验证 MCP 连接器公测#

  • 功能更新:GitHub-verified MCP servers/connectors 进入公开预览,用户选择服务、登录后即可在 Copilot app、Copilot CLI、VS Code 等入口接入。
  • 首批服务:覆盖 Supabase、Box、Calendly 等工具,减少自定义 MCP 配置和额外设置。
  • 生态含义:MCP 从社区自建配置走向平台验证与一键接入,工具连接层的标准化将影响 Copilot 能否成为统一工作流入口。 🔗 GitHub Changelog | GitHub 公告

🔟 Genspark 与 Baseten 后训练 Qwen3.5-397B,深度研究评分超 Opus 5.5#

  • 模型结果:双方基于 Qwen3.5-397B 后训练开源权重模型,在 Genspark 内部评测得分 0.759,高于 Opus 5.5 的 0.738,基础模型为 0.612。
  • 生产部署:该模型已成为 Genspark Deep Research Agent 背后的默认生产模型。
  • 竞争含义:在特定垂直任务上,开源基座加后训练可以超过闭源旗舰;竞争焦点进一步转向任务数据、评测与后训练配方,而不只是基座规模。 🔗 Genspark 公告