AI 技术日报 - 2026-11-11

AI 技术日报 - 2026-11-11

Top 10 AI 技术要闻

1. Gemini 4 Carbon 正式开放，Antigravity 预览 /swarm 多智能体协作
   谷歌向开发者、企业与科研人员开放 Gemini 4 Carbon，定位为比 Gemini 4 Argon 更强的"极限智能"模型，专攻复杂多步编码调试与开放式科研，愿意消耗更多 token 做深度推理和扩展验证循环；Argon 仍是多数工程与知识工作的性价比之选。Carbon 在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 均列第一，单任务成本比次优外部模型低 2 倍以上。同步在 Google Antigravity 预览 /swarm：一条提示词拆成可实时追踪的智能体团队，Carbon 承担架构设计、协调与审计，搭配轻量模型并行跑隔离工作区与对抗性验证器。API 定价与 Argon 相同（输入 2 美元/百万 token、输出 10 美元/百万 token），并向 AI Ultra 订阅者、Gemini app、Search AI Mode 推送。
   链接：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available

2. 美团开源 LongCat-2.5：1.6 万亿 MoE、百万上下文，MIT 协议可商用
   美团以 MIT 协议开源 LongCat-2.5，支持商用推理部署与二次训练，无需额外授权。模型为原生多模态架构，总参数 1.6 万亿、每 token 激活约 480 亿，支持一百万上下文，面向长程智能体与完整项目交付。视觉表征不挂外挂模块：把图像编码成多层级离散 token 与文本同主干处理，对原生分辨率特征做残差向量量化、逐级补细节，视觉码本与主干联合训练，视觉 token 可离线缓存。推理用 W4A4 方案，专家权重与激活量化到 4bit 由原生 INT4 单元执行，FlatQuant 保证 MoE 量化精度，下游表现与量化前相当。针对国产加速器单卡显存不足 80GB，用 FSDP 双重分片 + 混合词表并行，长序列 SFT 单卡吞吐比 DDP 基线提升 86%。
   链接：https://www.aibase.com/zh/news/32206

3. 蚂蚁灵波开源 LingBot-Touch，为机器人补上跨传感器触觉基模
   灵波开源触觉基础模型 LingBot-Touch，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉与压阻式三类传感原理。架构按传感原理分设编码入口，先把不同布局的触点映射到统一指尖坐标空间，再由共享模型学习接触位置、受力及其时序变化，输出统一触觉 Token——于是人手戴触觉手套采集的数据与遥操作灵巧手的数据可以联合训练，触觉能力也能跨传感器、跨灵巧手、跨动作模型复用。在 Sharpa Wave 与 XHand1 两款灵巧手上做 26 项真机测试（翻书页、拧瓶盖、辨麻将牌），接入后 LingBot-VLA、π0.5、Diffusion Policy、T-Rex 平均成功率提升 14 至 26 个百分点；T-Rex 拧瓶盖从 56.25% 升至 90%。530 万参数的 Tiny 版即可用，接入后模型总量仅增 0.13%–0.16%，权重、代码与技术报告已开源。
   链接：https://www.qbitai.com/2026/11/508996.html

4. openJiuwen 首发 TTSE：把 Agent 经验拆成"环境事实"与"行动方法"双轨演进
   openJiuwen 提出 TTSE（Two-Track Self-Evolution）经验学习框架，借鉴认知科学对陈述性知识与程序性知识的区分，把 Agent 在任务中获得的经验分为 FACT（环境是什么样的）与 TIP（在什么条件下执行什么操作）两条轨道，各自独立编号、独立证据追踪，可单独引用、核对、退役。框架从空规则库冷启动，按批次执行任务，每轮依次做归因（Blame）→退役（Retire）→矛盾分析与合成（Contradict/Synthesize）→归纳（Induce），让旧经验持续接受新证据检验，避免把偶然成功当成稳定规律。实测 ALFWorld 上 GLM-5 达 98.51%、DeepSeek-V3.2 达 97.8%，比此前最优 GraSP 高 14.2 个百分点；ScienceWorld 的 Native Success 从 53.08% 提升到 73.46%；GDPevo 双轨得分是零样本基线的 2.8 倍。论文已公开。
   链接：https://www.qbitai.com/2026/11/508998.html

5. warmctl：把预热好的 vLLM 引擎快照成 OCI 镜像，冷启动 650 秒变 37 秒
   TensorRails 开源 warmctl，为 vLLM 做 GPU checkpoint/restore：把已预热的引擎（权重、torch.compile 编译内核、kernel autotune 结果、CUDA graph、1 至 8 卡）快照成 OCI 镜像，在同型号 GPU 与同 NVIDIA 驱动分支的主机上秒级恢复，跳过权重加载、编译与图捕获。以 8×H100 跑 GLM-5.3-Flash 为例，vLLM 冷启动 650 秒，warmctl 恢复后 37 秒即对外服务，之后是原生吞吐。这让 scale-to-zero、快速自动扩缩容与 spot 实例替换在大模型推理上变得可行。实现基于 CRIU 与 cuda-checkpoint（需关闭 io_uring），Go 编写、Apache-2.0，公开 catalog 已有 21 个模型覆盖 H100/H200/B200/B300/L40S/RTX PRO 6000，也可自行 build 任意 vLLM sleep mode 模型。
   链接：https://github.com/TensorRails/warmctl

6. Claude 一次补齐 Whiteboards、Sheets 与 Data，工作产物不再搬出对话
   Anthropic 向所有付费方案推出 Claude Whiteboards 与 Claude Sheets（beta），并把 10 月上线的 Claude Dashboards 转正式版、更名 Claude Data。Whiteboards 是团队与 Claude 共创的共享画板：可以把口头计划整理成带负责人和日期的看板，支持拖框聚焦提问、按主题聚类便签、自动起草行动项，完成后一键转成文档或演示，或导出到 Lucid、Miro、Vani 继续协作。Sheets 支持多标签、公式、格式与下拉，可从一句提示生成活动追踪表或招聘预算，逐格编辑并标注每处变更，也能导出 xlsx/CSV 或接 Claude for Excel。Claude Data 则把指标定义"认证化"，让图表带 certified 徽章，避免各部门基于冲突口径做看板，并新增实时共享。
   链接：https://claude.com/resources/articles/sheets-whiteboards-data

7. DeepMind 用 AlphaProof Code 形式化验证 Signal 协议，四周完成
   Google DeepMind 用智能体 AI 框架 AlphaProof Code，在四周内形式化验证了 Signal 协议的多项关键密码学保证——这是对保护 Signal app、Google Messages、WhatsApp 海量通信的加密的一次独立验证，也是该框架的能力展示。分析未在受检代码段发现新漏洞，但在含已知历史漏洞的旧版 Signal 上，工具正确识别出问题并证明协议无法通过验证，说明它不仅能"证明安全"也能"证伪"。团队公开了规范与证明以供其他形式化工作复用。研究者指出，难点一直在把人想要的软件性质写成公式，智能体 AI 能大幅压缩这一步之后的证明时间；但此次并未覆盖整个 Signal 客户端，离"验证全世界软件"仍远。Signal CTO 认为该路线比以往只验证小段代码覆盖范围大得多。
   链接：https://www.wired.com/story/a-new-ai-tool-from-google-deepmind-formally-verified-the-signal-protocol

8. Gemini Robotics 2.5 发布，ASIMOV-Jailbreak 基准检验机器人越狱鲁棒性
   谷歌推出迄今最强的视觉-语言-动作模型 Gemini Robotics 2.5，在 200 余项任务上评测，任务成功率较基线高 30% 至 100%，完成速度快 20% 至 30%。灵巧度上可借助日常工具处理娇嫩柔性物体，例如用夹子分发食物、给礼盒系蝴蝶结、移液操作液体。可靠性靠真机验证：在奔驰匈牙利凯奇凯梅特与德国辛德尔芬根的在用车产线上，Apptronik 的 Apollo 2 人形机器人（配 22 自由度 SharpaWave 五指手）借 Gemini Robotics ER 追踪工作流、由 2.5 控制手臂与手部，自主完成汽车零部件拣配到排序托盘，试点成功率 96%。安全侧引入推理时推理引导实时规避物理危险，障碍物周边安全任务完成率提升 33%、人员周边提升 43%，并开源 ASIMOV-Jailbreak 基准（数百条伪装成危险请求的提示），Gemini 4 Argon 越狱抵御率 99.5%，远高于前代 82%。
   链接：https://www.donews.com/news/detail/1/6771461.html

9. BluePhishing：恶意 Entra Agent ID 蓝图可"克隆"出 250 个企业内鬼智能体
   Proofpoint 披露名为 BluePhishing 的新型攻击：攻击者在自己控制的 Microsoft Entra 租户里预先配置恶意 agent blueprint（智能体蓝图），设好凭据与期望权限并允许跨组织授权，然后向目标员工发送通往真实微软授权页的链接——登录页与批准弹窗都是真的，无需伪造，只需知道对方 tenant ID 与一个可锁定用户即可，传统钓鱼识别方法全部失效。一旦管理员批准，恶意智能体进入组织并首先拿到 AgentIdentity.CreateAsManager 权限，可沿蓝图克隆出最多 250 个智能体身份，逐个换取访问令牌，成为"合法成员"并批量外泄资源。由于 blueprint ID 在各租户间一致，可作为检测与清除的指纹；防御建议是限制第三方智能体授权、对智能体套用最小权限与条件访问策略，并监控审计日志里的智能体与蓝图创建事件。
   链接：https://www.techradar.com/pro/security/new-bluephishing-scam-sees-criminals-spoof-ai-agents-to-get-access-to-corporate-environments

10. Qwen4 评测数据泄露：GameFeel Bench 反超 Opus 5.5，成本仅其六分之一
    据流出的核心评测数据，阿里千问 Qwen4 系列在评估游戏开发创造力的 GameFeel Bench 上首次反超海外旗舰：轻量 Qwen4-Flash 得 49.9 分，高于 Opus 5.5 xHigh 的 47.2 分；可本地部署的 Qwen4-27B 得 44.6 分，与 Sonnet 5.5 的 45 分基本持平。成本优势更明显——完成同等任务 Qwen4-Flash 约 0.4 美元、Qwen4-27B 仅 0.16 美元，而 Opus 5.5 需 2.6 美元，约为其六分之一到十六分之一。家族至少包含 Flash、27B、Plus、Max 四款定位，随发布节点临近，Qwen4 将成为国产模型与 GPT-6.1、Opus 5.5 直接同台对比的观察窗口。需注意该成绩来自泄露数据而非官方发布，最终口径仍待官方基准复核。
    链接：https://www.aibase.com/zh/news/32200

---

数据来源：TheAIEra News Hub
生成时间：2026-11-11 08:18:00