DeepSeek 想造一个不用人来管会话的智能体
DeepSeek Harness 团队在 X 上发了一篇长文,讲他们怎么设计一个一直在线、自己留意群聊和代码平台、能同时推进好几件事的智能体。这是架构设想,不是现有功能,但里面不少做法现在就能借来用。
DeepSeek Harness 团队在 X 上发了一篇长文,讲他们怎么设计一个一直在线、自己留意群聊和代码平台、能同时推进好几件事的智能体。这是架构设想,不是现有功能,但里面不少做法现在就能借来用。
xAI(文档中称 SpaceXSI)开发者文档显示,自 11 月 7 日起,grok-4.7、4.6、4.5、4.3 及三款 grok-4.20 模型经 API 生成的文本将默认带隐形水印,含结构化输出和工具调用参数。水印在生成时轻微影响 token 选择,不加任何字符,响应头 x-watermark: true 可识别。管理员可按模型关闭,但须确认适用法律例外。
为什么重要:头部模型厂商为满足欧盟 AI 法案标注义务,默认给 API 文本加水印,文本水印正成为在欧盟提供大模型的合规标配。
Anthropic 给 Claude Code 加的两句提示词只管一个客户端,据 Anthropic 说针对的是 Opus 5.5,但 XDA 发现另一条下发通道会让它对账号里的所有模型生效;Valve 表示不想当开发工具的守门人。为 AI 克隆风险付出代价的,是那些收起公开试玩、把“禁止 AI 分析”写进试玩协议的独立工作室。
OpenAI 表示,12 月起,随着 Work 的智能体功能并入 ChatGPT,Plus、Pro 和 Business 套餐将在 ChatGPT 与 Codex 间共享同一按 Token 计量的额度。消耗取决于模型和任务;Instant 对话不计入。合并用量和重置时间显示在「设置 > 用量」,达到上限时可等待、升级或购买点数。
为什么重要:ChatGPT 与 Codex 合并为同一按 Token 计量的额度,意味着日常对话之外的智能体和编程任务将直接消耗同一套餐额度,改变付费用户使用套餐的方式。
Browser Use官方@browser_use译自英文
已发布:BU Ultrafast 现已向所有人开放⚡
全球最快、最便宜的网页智能体。
> 任务可在 3 秒内完成
> 任务耗时中位数为 14.4 秒
> 视频中 25 个任务总花费 $0.126
实时录制,未加速。
今天就在我们的云端试用 🔥美国密西西比州北区联邦法院当地时间 10 月 30 日驳回 xAI(现归 SpaceX 所有)的撤案动议。NAACP 指控其在密西西比州 Southaven 未获空气许可就运行燃气轮机为 Colossus 数据中心供电。xAI 主张这些轮机属可豁免许可的“移动源”、公民诉讼违宪,法院均未采纳;约两周前同一法院也拒绝了美国司法部的撤案请求。
为什么重要:案件将围绕 AI 数据中心能否不经空气许可就在现场运行燃气轮机继续审理,多家 AI 公司正用这种方式快速补充电力。
PlanAssist 由 Google DeepMind 与英国政府、Google Cloud 和 Faculty 基于 Gemini 开发,协助官员审核住宅规划申请。Barnet、Camden 和 Dorset 试点中平均审核时间减少 58%。12 个月 Beta 将再接入 12 个地方政府,共 15 个;若测试顺利,政府计划 2027 年向英格兰所有地方政府开放,每份评估都需合格官员批准。
为什么重要:这是前沿 AI 实验室的模型进入国家级公共审批流程的实例:试点数据可量化,且保留人工最终决定权,可为其他政府引入 AI 提供参照。
OpenAI 发布面向生物学、药物发现和转化医学的推理模型 GPT-Rosalind-6,以 GPT-Rosalind-6 Research 形式通过可信访问提供给获批的科学家、研究机构、企业和政府伙伴。它与 GPT-6 Astra 权重相同,对两用生物学问题拒答更少,但仍拒绝生物武器化请求。可在 Work 和 Codex 中使用,API 需单独获批。
为什么重要:OpenAI 把旗舰级模型以放宽两用生物学限制、按机构审核准入的方式提供,为前沿模型在高风险科研领域分级开放提供了先例。
DeepSeek 以 MIT 协议开源 dsh-superagent,这是基于 DeepSeek Harness 的编程智能体原型,服务单个 GitHub 仓库,可选接入飞书。主会话评估请求并为获准的请求建工单,每个工单在独立的 worker 会话和目录中执行,结果回到原对话,如提交 PR;网页面板列出需人处理的事项。官方称其为研究原型、非正式产品,相关文章中的部分设计未实现。
为什么重要:DeepSeek 公开了一个可运行的常驻编程智能体:按团队规则接活、按工单隔离执行并以 PR 交付,为团队部署自主编程 Agent 提供开源参考,但仍是原型。
Talos 发现自称 VOLTA-AUTODOXER 的一种会自删除的 Windows 窃密木马:窃取密码、Cookie、加密钱包等后,再用被盗会话翻查邮箱收据和外卖订单,把档案通过 OpenRouter 发给 Claude Opus 4.6 生成目标评估,遭拒时依次改用 Kimi K2 和 Gemini 2.5 Flash。Talos 称尚未确认其在野使用。
为什么重要:恶意软件开始用大模型替攻击者做分析,还预设了被拒后换模型的链路,模型安全护栏面临新的绕过方式。
Google、Microsoft、OpenAI 和 Anthropic 支持的 robots.txt 新标记,只统一了“训练”一个词。同样两行字,在 Microsoft 只管训练,在 Google 还会让网站失去 Gemini 应用里被引用的资格。站长要决定的往往是“能被引用、不被训练”,这一点仍要一家一家去查。
微软 Mage 团队在 Hugging Face 以 Apache-2.0 许可发布 Mage-VL-Cowork 权重。这个 4B 参数的视觉语言模型在同一策略里同时操作图形界面(截图、鼠标、键盘)和代码/终端。官方称其在 50 步预算下 OSWorld-Verified 得分 66.0%,高于 Qwen3.6-27B 等更大的模型;在线强化学习比混合 SFT 提升 10.16 个百分点。
为什么重要:小模型做电脑操作代理的成绩接近更大模型,且可商用开源,便于端侧部署。
Anthropic 在 Claude Code 中为 Opus 5.5 下发一条用户无法关闭的规则:可做原创游戏、类型游戏和基于自有素材的游戏,但不得复刻某个具体现有游戏,改名也不行。Anthropic 发言人援引技术人员 Addy Osmani 的说法确认,理由是用 Claude 侵犯知识产权违反使用政策。XDA 也在 Claude Code v2.1.314 中独立找到了这条指令。
为什么重要:这是主流 AI 编程工具首次在服务端、且用户无法关闭的方式,限制复刻具体现有游戏。Anthropic 称理由是用 Claude 侵犯知识产权违反使用政策,表明模型厂商开始在产品层面直接处理版权风险。
OpenAI 在 10 月 30 日的 ChatGPT 更新日志中宣布,账号切换功能开始向 iOS 和 Android 应用推送(网页版此前已上线)。用户最多可同时登录 2 个 ChatGPT 账号,在设置中的“切换账号”即可切换,无需登出。每个账号的聊天记录、记忆、文件、设置和订阅彼此独立,切换不会合并账号或共享订阅;企业管理的工作区可由管理员决定是否开放该功能。
为什么重要:手机端可同时登录工作和个人两个 ChatGPT 账号,无需反复登出,各账号的聊天、记忆和订阅相互独立,企业工作区管理员可以控制是否开放。
标普全球评级 10 月 30 日将 Meta 的 AA- 评级展望由“稳定”下调至“负面”,称其资本开支和自由经营现金流存在重大不确定性,AI 变现能力弱于同行。标普预计 Meta 2026、2027 年自由经营现金流分别为 -390 亿和 -710 亿美元。Meta 预计今年资本开支 1350 亿至 1450 亿美元,并回应称不同意标普对其 AI 变现能力的判断。
为什么重要:标普认为 Meta 将 AI 投资变现的能力弱于同行,并预计其 2026、2027 年自由经营现金流为负。这是评级机构对超大规模 AI 资本开支信用风险的表态。Meta 表示不同意。
据《华尔街日报》援引知情人士报道,OpenAI 最新一轮融资已获约 110 亿美元承诺,不到最初 300 亿美元目标的一半,预计未来几周继续募资。据《金融时报》报道,OpenAI 已将目标降至约 200 亿美元,估值目标由 1.4 万亿美元下调至 1.25 万亿美元,部分投资者在 AI 股抛售中削减认购。
为什么重要:据报道,OpenAI 本轮获得的承诺不到 300 亿美元目标的一半,估值目标也从 1.4 万亿下调到 1.25 万亿美元。在 AI 股抛售期间,这显示投资者对最高估值 AI 公司的投入开始收紧。OpenAI 尚未宣布。
OpenCode 能重新用 Claude 订阅,靠的不是拿到登录凭证,而是在后台运行用户自己装的 Claude Code。这条路走得通,但开源编程工具能接哪家的订阅、按什么计费,仍由模型厂商的客户端和帮助文档说了算。
Google X 创始人 Sebastian Thrun 与 Adrian Aoun 创立的 Dulo 获 1.3 亿美元种子轮,The Information 首先报道,Aoun 在 LinkedIn 确认。支持者有 Eric Schmidt、John Doerr、Marc Benioff、Yuri Milner、Construct Capital、Lowercarbon Capital。
为什么重要:这是罕见规模的种子轮,AI 辅助工程设计赛道还有 Bezos 参与的 Prometheus 等对手。
译自英文
我们发布了 AA-Omniscience v1.1,更新了我们的知识与推理基准:刷新了公开集,移除了已饱和的题目,并修正了歧义问题
AA-Omniscience 是我们的专有基准,用于衡量模型的知识和幻觉情况,包括模型在不知道答案时是否会承认。我们的主要指标 Net Score 奖励正确回答、惩罚错误回答,对弃答则中性处理。
AA-Omniscience 作为 Artificial Analysis Intelligence Index v5 发布的一部分更新到了 v1.1。
AA-Omniscience v1.1 的主要变化:
➤ 更新后的 3,000 题数据集:由 6,000 题减少而来,移除了此前已公开和已饱和的题目,修正了错误与歧义,并加入了新题目
➤ 重新校准的 300 题公开集:AA-Omniscience v1.1 在 @huggingface 上发布了新的公开集,其难度经过校准以匹配私有集。发布时,公开集与私有集在 AA-Omniscience Net Score 上的 Pearson 相关系数为 0.99、Spearman 秩相关系数为 0.99,中位差为 0.0 分。准确率和幻觉率的相关系数同样为 0.99,中位差分别为 -0.07 和 -0.29 个百分点
➤ 领域分布略有调整:题目覆盖与第 1 版相同的 6 个领域和 42 个主题,分布有所修订:科学、工程与数学(600)、软件工程(600)、金融(450)、健康(450)、人文与社会科学(450)以及法律(450)
AA-Omniscience v1.1 的主要结果:
➤ 排名顺序基本保持不变:AA-Omniscience v1.1 与 v1 的 Spearman 秩相关系数为 0.98。近期发布的 Gemini 4 Carbon (high) 以 54 的 Net Score 领先,其后是 Claude Opus 5.5(48,max with fallback)和 Claude Fable 5.1(46,max with fallback)。Muse Spark Open (xhigh) 是领先的开放权重模型,比 Gemini 4 Carbon 低 28 分
➤ 在刷新后的数据集上平均得分低约 2 分:与 v1 相比,模型的 Net Score 平均低 1.9 分,中位降幅为 0.6 分。部分模型降幅大得多,尤其是 MiniMax M3.1 Flash,下降 22 分(从 16 降至 -6),以及 MiMo V2.6 Pro,下降 13 分(从 8 降至 -5)
➤ 准确率略有下降:AA-Omniscience Accuracy 衡量模型答对题目的百分比。与 v1 相比,模型答对的题目中位数平均少 1.5 个百分点。Claude Fable 5.1(max with fallback)准确率最高,为 68%,其次是 Claude Opus 5.5(max with fallback),为 66%
➤ 幻觉率下降:AA-Hallucination 衡量模型在不知道答案时选择作答的频率。幻觉率中位数下降 1.4 个百分点,其中 Gemini 4 Argon (high) 的幻觉率最低,为 4%联发科在 10 月 30 日的第三季度财报会上确认获得第二家定制 AI 加速器(ASIC)客户,未透露名称,但表示不是中国公司,以回应外界关于字节跳动的猜测;预计 2028 年量产并贡献营收。CEO 蔡力行称,现有客户的第二代芯片仍按计划在 2028 年第一季度量产。
为什么重要:联发科的定制 AI 芯片业务从一家客户扩展到两家,公司目标 2027 年该业务营收约 160 亿美元。
OpenCode v2.2.3(10 月 30 日发布)内置 Claude Agent provider:本地安装 Claude Code 并运行 claude auth login,再在 /connect 选择 Claude Agent,即可用 Claude Code 的登录和模型。今年 3 月,v1.3.0 按 Anthropic 法律要求移除了内置 Anthropic OAuth 登录插件。
为什么重要:OpenCode v2.2.3 新增内置 Claude Agent 提供方:安装 Claude Code 并登录后,可在 OpenCode 中使用 Claude Code 账号及其模型。
Krafton 位于帕洛阿尔托的子公司 Ludo Robotics 在 UC Berkeley 2026 湾区机器人研讨会上发布 Ludi 0.2,提升理解人类意图、记忆与推理、手势识别和导航与操作协调。8 月的 Ludi 0.1 由微调视觉语言模型加专用导航和操作策略组成。公司正研发统一感知、对话和动作的基础模型 Ludi 1.0。
为什么重要:游戏公司正把 AI 队友技术带入实体机器人,人机协作中的意图理解是具身智能落地的关键难题之一。
SEC 文件显示,华盛顿州温哥华的芯片初创公司 Powerlattice 已完成 8600 万美元股权融资,目标总额 1.11 亿美元,有 18 名投资者参与,未披露投资方和轮次。公司的供电芯粒放在处理器封装内以缩短供电路径,公司称可将 AI 算力功耗降低 50% 以上。前英特尔 CEO Pat Gelsinger 是其董事,公司此前累计融资 3100 万美元。
为什么重要:电力和散热正成为 AI 数据中心扩张的主要瓶颈,这笔接近此前累计融资三倍的新资金显示,资本正在押注从芯片封装层面降低 AI 加速器功耗的方案。
苹果宣布首批 Apple 智能功能将向中国 iPhone 用户推出,包括实时翻译、写作工具、视觉智能、照片清除工具和智绘表情等,由 Apple 自研生成式模型驱动。苹果同时与阿里巴巴合作,在 Siri、写作工具和视觉智能中加入对千问的支持,覆盖文本与图像理解。这些功能 11 月 4 日起随 iOS 开发者 Beta 开放测试,12 月随 iOS 27.3 正式推出,其他平台将在获得必要审批后跟进。
为什么重要:Apple 智能此前一直未在中国上线,这次以自研模型加阿里千问的组合进入全球最大智能手机市场之一,也展示了海外科技公司在中国落地生成式 AI 的合规路径。
OpenAI 发布社区安全报告并更新 ChatGPT 防护:对判定为未满 18 岁的用户,即使问题看似无害,也将限制可能被滥用的武器和安防系统实用信息;对所有用户,限制重现过往大规模袭击的细节,并在对话显示对暴力的执念时自动结束聊天,多次触发可暂停账号。据路透社,新措施将在未来几周内陆续上线,OpenAI 还计划在青少年账号因此被暂停时通知家长。
为什么重要:这是头部聊天机器人在青少年安全和暴力预防上的一次政策收紧,在 AI 公司因未成年人风险受到更多审视的背景下,可能影响行业的内容安全做法。
谷歌宣布将支持基于 IETF AIPREF 草案的共享 AI 训练控制:网站在 robots.txt 中用一个“policy token”即可一次性向多家 AI 公司表明是否允许训练,Google-Extended 等现有控制继续有效。据 The Verge,OpenAI、微软和 Anthropic 也将遵守:Anthropic 已采用,谷歌和微软计划明年支持,OpenAI 称未来几个月实施。
为什么重要:主要 AI 公司首次在同一个训练退出信号上达成一致,网站管理爬虫抓取的成本明显降低,也影响 AI 训练数据的获取方式。
Anthropic 调整 Claude 高阶订阅:100 美元/月的 Max 5x 改称 Max,200 美元/月的 Max 20x 改称 Ultra,价格不变、现有用户自动迁移。已验证的 Ultra 账户不再受滚动 5 小时限额约束,但每周用量(Pro 的 10 倍)上限仍在;新账户在验证前保留临时限制。两档套餐还附带每月 API 额度:Max 100 美元,Ultra 200 美元。
为什么重要:5 小时限额一直是重度 Claude 和 Claude Code 用户的主要痛点,此举直接改变高强度编程与智能体工作流的使用方式。
谷歌研究团队称,本月初发射的 Project Suncatcher 原型卫星已完成调试,星上 TPU 运行早期机器学习测试成功。本周团队经地面站上传提示词,星载 Gemma 4 开放模型生成了一首关于太空的俳句并回传,谷歌称这是数据中心级 TPU 在轨道上给出的首个 AI 回复。下一步将测试 TPU 在热应力和辐射环境下的表现,并计划 2027 年发射两颗互联卫星。
为什么重要:这是谷歌探索在太空中用太阳能为 AI 算力供电的第一个在轨验证,关系到未来缓解地面数据中心电力和散热瓶颈的一条路线。
亚马逊最新季度报告(10-Q)显示,公司签订供应商融资安排,其中一项担保贷款额度最高约 800 亿美元,可在 2027 年第一季度至 2028 年第三季度间按需提款,用于采购技术基础设施资产。贷款按浮动利率计息,每笔自提款起 5 年到期,并以部分所购资产作担保。亚马逊同时表示 2026 年资本开支预计约 2200 亿美元,2027 年将显著增加,主要投向技术基础设施。
为什么重要:这是大型云厂商为 AI 基础设施扩张引入的规模最大的专项借款之一,说明 AI 算力投入已开始更多依赖债务融资,也是市场担忧 AI 支出的背景之一。
Salesforce 宣布已签署最终协议,拟收购 Rune Technologies,交易尚未完成。Rune 成立于 2024 年,为一线部队提供在网络不稳定时也能运行的后勤与保障软件,已在美国陆军和海军陆战队部署。Rune 将并入 Salesforce 的国防业务 Missionforce,Salesforce 称这是其在国家安全领域最重要的一笔收购。
为什么重要:这笔收购显示大型企业软件公司正把 AI 智能体推向国防一线场景,Salesforce 在军用 AI 市场继续加码。
欧盟依《数字市场法》公布的收购清单显示,苹果与 Ascension Labs(即 Ascend.io)达成交易:可向其部分员工发出聘用邀约,获得其知识产权的非独占许可并受让部分专利。Ascend.io 主打用 AI 智能体自动化数据管道的接入、转换与编排,官网已发布停运通知。交易此前已向欧盟委员会申报。
为什么重要:这是苹果近期又一笔以招人加授权完成的 AI 小型收购,显示其在补强内部 AI 与数据基础能力,也说明 DMA 申报正让大厂此类交易变得公开可见。
英国竞争与市场管理局(CMA)依据《1998 年竞争法》对 Meta 立案,调查其商业条款是否滥用支配地位:新条款可能允许 Meta 收集使用其服务的出版商和企业网站内容,用于开发包括 AI 功能在内的自家产品,而企业无从选择。Meta 此前已暂停推行该条款。Meta 称调查“没有依据”,并表示欢迎向 CMA 说明做法。CMA 强调尚未认定违法。
为什么重要:监管机构正式审查平台能否借商业条款获取内容用于 AI,结果可能影响大型平台获取 AI 训练数据的方式。
Cursor 称,10 月 29 日约 11 小时内,其扩展市场上架了被恶意修改的 Anthropic.claude-code 2.1.313,该版本并非 Anthropic 开发。它收集主机信息、写入攻击者 SSH 公钥并尝试建立持久反向隧道,但多数 macOS 和 Windows 设备因缺少管理员权限无法开启 SSH。最多 5000 名用户受影响,Cursor 已下架并发布清理脚本。
为什么重要:AI 编程工具扩展直接运行在开发者机器上,这次事件说明扩展市场已成为针对开发者的供应链攻击入口。
PHP 的修复镜像比约定时间早六小时放出,开放权重模型 GLM 5.3 读着 Firefox 尚未推送的修复攻破了六个版本。两件事指向同一个变化:找漏洞越来越便宜,从修复公开到用户装上新版的这段空窗期,成了开源项目的安全瓶颈。Mozilla 已经改了发版流程,但这些办法要钱、要人,也要让出一部分透明。
据 The Information 和 Bloomberg 援引知情人士报道,Nvidia 正与英国 AI 云厂商 Nscale 洽谈信用担保,用于其西弗吉尼亚州 Monarch 园区一座 460 MW 数据中心的电力设施和建设融资,该设施计划由 Anthropic 使用。The Information 称担保规模达数十亿美元。协议尚未签署,条款仍可能变化。Nvidia 已投资 Nscale。
为什么重要:Nvidia 同时作为芯片供应商、投资方和债务担保方,AI 新型云厂商的融资越来越依赖它的资产负债表。
据环保组织 Sierra Club 的一份内部分析,若规划中的 AI 数据中心项目全部建成,美国电力行业 2030 年二氧化碳排放将比 2025 年多 6.18 亿吨、增约 42%,达约 21 亿吨。该组织称,增量大部分来自不接入电网、由企业自建的天然气电厂。这一测算高于此前其他机构的估计,例如今年 6 月一项学术研究预计增幅最多为 28%;结果取决于项目实际落地数量和所用能源。
为什么重要:AI 算力扩张的能源和排放成本正成为数据中心选址、审批和地方反对的核心议题,各方测算差异很大。
维基百科运营方维基媒体基金会就纽约时报诉 OpenAI 和微软的版权案提交法庭之友意见。基金会主张,用版权内容训练大模型应被视为合理使用;而通过 RAG 等检索增强方式把内容复述给用户时,须按 CC BY-SA 4.0 许可署名。基金会称,过于非黑即白的裁决可能威胁开放知识和开源技术。
为什么重要:该案被视为 AI 版权的标志性案件,维基百科作为最重要的训练数据来源之一表态,可能影响法院如何区分训练与检索使用。
据 CNBC,亚马逊和英特尔公布的 9 月季度业绩令投资者失望,两家公司股价周五盘前分别下跌 7% 和 25%,纳指期货跌约 2%。亚马逊营收和利润均不及预期,维持 2026 年 2200 亿美元资本开支预测,自由现金流连续第二个季度为负。此前一天 Alphabet 收跌 13%,创史上最大单日跌幅。FT 称,市场对 AI 支出的担忧正在加深全球科技股抛售。
为什么重要:巨额 AI 资本开支能否带来回报正成为市场的核心疑问,科技巨头股价的连续下跌可能影响后续 AI 基础设施投资节奏。
CrowdStrike 称,其追踪的 VAPOR PANDA 组织(CrowdStrike 称与中国有关联)用开源智能体框架 ARTEX,在 11 天内对至少 14 个国家的 200 多家机构发起入侵,确认 9 家被攻破。CrowdStrike 称 ARTEX 主要用 DeepSeek,另有一款未确认的商用模型;一次入侵约用 14 亿输入 token,关键步骤由人指挥。DeepSeek 尚未回应。
为什么重要:CrowdStrike 称,它此前见到的 AI 智能体多用于辅助单次入侵,这次是一名操作者同时推进多起入侵,所用框架开源、模型可公开获取。
谷歌宣布,Gemini 应用现在可以在对话中直接生成、预览和编辑文件:可展开全屏手动修改,也可选中文字提问或让 Gemini 改写。PDF 的预览和编辑支持网页版和移动端;Google 文档、表格、幻灯片、Markdown、TXT 和代码目前只支持网页版。功能已向 Gemini 应用所有可用语言的用户开放。
为什么重要:在 Gemini 里生成的文件不必再跳到文档或表格应用就能修改。