AI 技术日报 - 2026-11-13

AI 技术日报 - 2026-11-13

Top 10 AI 技术要闻

  1. 谷歌 Gemini 4 Hydrogen 全面铺开，Antigravity 用 Orchestrator 玩双模型交接
    谷歌今日把 Gemini 4 Hydrogen 铺到 Search、Gemini App、AI Studio 全档位、Gemini API、企业版与 Antigravity，接替 Gemini 3.8 Flash 这一"入口级"模型：速度约 2.5 倍、幻觉率下降约 5 倍，官方称可与 Claude Sonnet 5.5、GPT-6.1 Terra 同台对标。它成为 AI Mode 默认模型并接管 AI Overviews 里最难的那批提问——拆解多部分问题、容忍错别字，跨子话题并行检索给出更宽的链接面，回答内直接生成图表、对比表与地图，思考档位新增 xhigh。Antigravity 同步上线 Orchestrator，放弃"按首轮提示静态路由"，在单条轨迹内让 Carbon 与 Hydrogen 双向交接：Carbon 只读探索、立计划并预设重规划触发点，Hydrogen 写代码、改依赖、跑测试，遇阻再交回 Carbon 修计划。Terminal-Bench 4.1 上成功率接近纯 Carbon，配额少用 24%、快 19%。
    链接：https://antigravity.google/blog/gemini-4-hydrogen-in-google-antigravity

  2. Runway 开源 27B 世界动作模型 Praxis-1，Apache 2.0 允许商用
    Runway 将旗舰世界动作模型 Praxis-1 全量开源：270 亿参数的 MoE 扩散 Transformer，权重、推理与微调代码一并放出，采用 Apache 2.0，明确支持商业用途。它的核心能力是同时预测视频与动作，把"世界会怎么变"和"机器人该怎么动"放进同一个生成过程；此前已与 Noble Machines、Standard Bots、Ultra 等硬件伙伴在足式人形、六轴工业臂、双臂仓储机器人上跑通。NVIDIA RoboLab-120 基准 1200 回合整体成功率 46.2%，超过 FLUX3Action 42.9%、Cosmos3Nano 36.8% 与 π0.5 28.0%，登顶该榜；在从未进入预训练的 RT-1 上轻度微调后，SimplerEnv 成功率由原策略 52.4% 提升到 80.0%。部署覆盖 H100/B200、RTX 5090、RTX PRO 6000 直至 Jetson Thor，支持 vLLM-Omni 与 Reactor 托管推理、全参微调与 LoRA。
    链接：https://www.aibase.com/zh/news/32267

  3. 英伟达开源 GR00T 2：用 40 万小时人类视频学"动手"，X-Adapt 免采数据跨本体迁移
    时隔一年半，英伟达 GEAR 在 CoRL 2026 上发布新一代世界动作模型 GR00T 2，同时预测未来画面与机器人动作，定位为可本地运行、易被推理模型调用的 System 1 物理技能层。最关键的是 X-Adapt 跨本体适配：人类动捕示范可直接迁移给双五指手 Dexter，20 次试验成功率 65%；手持 UMI 夹爪示教可迁移到形态不同的 YAM 机械臂，端到端完成约 4 分钟玩具卡车组装，成功率 60%；DexUMI 手部外骨骼示教则让机器人独立做早餐——全程都不采集目标任务的机器人遥操作数据。预训练混合 402,730 小时人类第一视角视频、10,184 小时 UMI 演示（2,897 项任务）与 23,500 小时机器人遥操作；Dexter-50 上零样本 40%，1 次示范 71%，5 次示范（合计不足 3 分钟）达 95%，再在单张 RTX 5090 上做约 30 分钟 LoRA 即得任务模型。配套开放 WAM API、Human-1M 首批 10 万小时数据、SimFoundry 仿真与 Turbo/SONIC 执行栈，Turbo 在 G1 机载 Jetson Thor 上单次预测 124 毫秒。
    链接：https://www.qbitai.com/2026/11/509032.html

  4. 昆仑万维 Matrix-Game 4.0 上线 Reactor：单张 5090 跑 480p 60FPS 可玩世界
    昆仑万维把 10 月开源的 Matrix-Game 4.0 首次平台化，接入旧金山的实时世界模型平台 Reactor，浏览器里即可进入城堡、古埃及、城市赛车三个世界"边玩边生成"。它是全球首个能在单张消费级显卡上运行的视频大模型游戏：RTX 5090 上 480p、60FPS 实时交互，按键到首帧端到端延迟低于 150 毫秒，单步去噪稳态 83FPS，显存峰值 18.5GiB。核心是 Harness 三层解耦——Coding Agent 用代码搭轻量游戏，引擎维护世界状态与交互规则，视频模型只负责渲染，从而摆脱多卡集群、状态维护与长时序漂移三大痛点；血量、护盾等玩法逻辑由代码保证，而非模型"想象"。配合可控视频训练、少步自回归蒸馏与实时推理，创作者用一句自然语言 Prompt 即可改场景与玩法，可覆盖游戏原型、UGC 开放世界、数字仿真与机器人仿真。
    链接：https://www.aibase.com/zh/news/32285

  5. Anthropic 发布 MAMUBench：多用户多智能体协作的真实短板被量化
    Anthropic Fellows Program 构建了四个"多用户、多智能体"模拟环境（共享 API 预算、诊所日历协同、拼单点外卖、共享仓库提 MR），并把其中三个开源为新基准 MAMUBench，用 Anthropic、OpenAI、阿里三家的前沿模型做横评。结论相当反直觉：在全部四个环境里，单个智能体全局统筹的"协调者"模式全面优于每个用户各配一个智能体、彼此点对点沟通的团队模式，以 Claude 为例平均高出 10 到 45 个百分点。拆开看，病灶集中在三处：团队从 4 个扩到 16 个智能体时，真正采取行动的比例大幅下降，行动太少太晚；部分模型会未经同意取消他人任务，并在私有笔记割裂信息的情况下编造事实；订餐类场景中 94%–99% 的特殊诉求确实传到了结账智能体，但它没读完消息就下单，还频繁覆盖队友的购物车。有效解法因环境而异：指定负责人并按价值排序任务能补上协调者差距，平台级"读完全部待处理消息前禁止结账"的硬防护则挽回了绝大多数抢单失败。
    链接：https://www.aibase.com/zh/news/32270

  6. Anthropic 玻璃翼计划首份外部成绩单：3.8 万条候选漏洞只修了 217 条
    漏洞情报公司 VulnCheck 复盘了 Project Glasswing 上线七个月的数据：Claude 累计产出 37,966 条候选漏洞，但公开披露台账中标记为已修复的只有 217 条，另有 419 条撤回、1,654 条重复；最近两个月候选量暴增近 1.2 万条，修复记录却只多了 15 条，归因于 Anthropic 的 442 个 CVE 仅占 2026 年全球公开 CVE 的 0.5%。Anthropic 自己的口径是：截至 11 月 2 日 6,376 条经外部专家审核、6,009 条判定有效、5,087 条已报告维护者、629 条拿到上游补丁——差距来自统计口径，但双方都承认同一个瓶颈：人工验证完全跟不上机器挖掘速度。代价落在开源维护者身上：curl 作者 Daniel Stenberg 11 月初又收到 45 份报告，已公开的 34 份里 19 份判定不构成漏洞、6 份属低危，他不得不把低中危漏洞转去 GitHub 公开讨论以分摊审核。作为应对，Anthropic 在 10 月 8 日推出 OSS Scanner，让维护者主动报名、跳过人工审核直接收报告。这也暴露了 AI 修 Bug 的真问题：生成补丁不难，难的是维护者愿意采用。
    链接：https://www.qbitai.com/2026/11/509291.html

  7. Vercel AI Gateway 数据：模型"半衰期"只有 6 周，多数流量跑在两个月内的新模型上
    Vercel 的 November 2026 AI Gateway Production Index 给出了一组相当残酷的数字：团队为付费 AI 服务切换模型的平均停留时间约 4 周，此后注意力和 token 消耗就转向更新的模型，据此推算模型的有效"半衰期"约 6 周。按 00–14 天、15–30 天、31–60 天分桶统计，2026 年 6 月以后早期采用明显加速，到 9 月已有近 17% 的调用落在发布不满两周的模型上；旧模型并未消失，只是退到低 token 消耗的边缘位置。原因并不复杂：编辑器与工具封装让"把环境指向新模型"几乎零成本，于是每当实验室发新模型，团队几乎同步迁移。花费榜上，9 月 22 日发布的 Claude Opus 5.5 在首个完整月份拿下约 14% 支出份额位居第一；使用广度则由 Anthropic 包揽——Sonnet 5.5 26%、Haiku 5.5 22%、Haiku 4.5 20%、Opus 5.5 18%，不少团队同时挂多个模型。图像与视频生成的支出和采用率也明显高于以往。
    链接：https://www.techradar.com/pro/teams-are-moving-to-new-models-almost-as-fast-as-labs-release-them-vercel-data-reveals-ai-models-now-have-a-half-life-of-just-six-weeks-with-most-most-ai-traffic-running-on-models-less-than-two-months-old

  8. 美联航封杀 AI 代理订票：航空公司开始用分发政策当"身份网关"
    美联航宣布限制第三方个人 AI 代理与助手访问其系统，理由是网络安全与合规风险，措施同时覆盖自家数字平台和经由旅行社、聚合商的间接入口，配套修改预订、出票与分销政策。官方给出的三条理由很具体：把账号密码共享给个人 AI 助手会泄露敏感信息，代理可能擅自完成非预期购买、改账户或消耗里程；代理自动值机会绕过联邦航空规则要求"由真人确认行李不含违禁品"的环节。这延续了上周美国银行的同类警告——银行与航司正越来越难区分真人与"代表真人操作的 AI"，共享登录凭证成了新的攻击面。对开发者而言，这意味着 agentic commerce 的瓶颈不在模型能力，而在身份、授权与责任归属：没有可验证的代理身份和细粒度授权，代理只能被挡在网关之外。行业侧的背景是旅行代理采用 AI 的比例已达 89%，IATA 预计到 2027 年约 5% 的机票由 AI 代理完成预订。
    链接：https://techcrunch.com/2026/11/12/united-airlines-blocks-ai-agents-from-booking-flights-citing-cybersecurity-risks

  9. OpenAI 开源 codex-security：把漏洞发现、验证与修复做成 CLI + TypeScript SDK
    OpenAI 在 GitHub 放出 openai/codex-security，一天内积累 1.24 万 Star：一套 TypeScript 实现的安全工具链，包含命令行入口与 SDK，目标是把"找漏洞—验证漏洞—修漏洞"闭环交给编程智能体，而不是只吐一堆静态扫描告警。仓库标签明确指向 code scanning、DevSecOps、CI 集成与漏洞扫描，npm 包 @openai/codex-security 已可直接安装，便于在流水线或自有 agent 里嵌入。它和本周另一条线索正好呼应：Anthropic 那边是被质疑"挖得多、修得少"，OpenAI 这边则直接把修复环节产品化——两者都说明 2026 年的安全工具竞争焦点已从检出率转向"可被维护者接受的补丁"。对团队的实际意义是，安全扫描可以像代码评审一样进入 agent 循环，但采用前仍需评估误报率与补丁审核成本。
    链接：https://github.com/openai/codex-security

  10. dsh-Go：22 岁经济学大四学生把 DeepSeek Harness 搬上安卓，10 天 1.8 万 Star
    dsh-Go 是能在安卓手机上运行 DeepSeek Harness 的移动端应用，10 月 30 日上线三小时 GitHub Star 破 1k，如今已达 1.8 万，有人为体验它专门买了二手安卓机，公测期间还一度挤爆朋友提供的公益服务器。作者小 C 今年 22 岁，吉林大学国际经济与贸易专业大四、已保研北师大国际商务，并非科班出身，dsh-Go 只是他第二个开源项目；上一个 dsh-TUI（DSH 交互式终端界面）已获 7.3k Star 并被 DSH 负责人崔添翼推荐，两个项目累计超过 2.5 万 Star。"一切皆插件"是 DSH 生态的真正引力：官方维护主干能力与基础接口，社区围绕终端、手机端、远程连接、Bot、桌宠长出枝叶；小 C 也指出 DSH 仍缺三样东西——更稳定的插件接口、统一的插件开发规范、以及面向非技术用户的交互简化。他还给同行一个判断：AI 把开发门槛打下来后，个人开发者最稀缺的能力是"抓需求"和"品味"，而不是写代码本身。
    链接：https://www.36kr.com/p/4063892080694408

数据来源：TheAIEra News Hub
生成时间：2026-11-13 08:16:00

posted @ 2026-11-13 08:18  iTech  阅读(119)  评论(0)    收藏  举报