AI 技术日报 - 2026-11-13
2026-11-13
| 2026-11-13
字数 5352阅读时长≈ 14 分钟

📊 今日概览

今日最重磅的是 Google 发布 Gemini 4 Hydrogen——定位日常编程与 agentic 工作流的轻快档模型,比 Gemini 3.8 Flash 快 2.5 倍,API 定价 $1.5/$7.5 每百万 token,中位成本 $1.6/任务比 GPT-6 Astra 便宜 3.7 倍,Cursor、Databricks 首日接入。同日 Google 还抢发非生成式「决策模型」Gemini Decision 1,单次前向对闭集选项打分、150–250ms、output 不计费,为 agent 路由层给出第一份工程范式。产业侧,独立研究者 will depue 用权重取证指 6 个中国开放模型初始化于 Nvidia Blackwell,而 Nvidia CEO 黄仁勋辞职风波正引发 AI 股剧烈分化:Nebius 跌 16.84%、超微跌 11.30%,摩尔线程、寒武纪则因国产替代预期分别涨 8.32%、8.11%。

🔥 趋势洞察

  • 非生成式决策模型崛起:Google Decision 1 与 Jev 生态把「单次前向打分」嵌进应用做结构化决策,Cloudflare 混合架构把 6 次 LLM 调用压成 1 次、40K tokens 压到 1.8K
  • Agent 成本转向每任务核算:AWS 两篇底稿拆出 tokenizer 效率、输出冗长、loop 轮次、reasoning 开销四个隐性成本,llm-d 1.0 用 prefix-cache 把混合服务压到约 $0.11/百万 token
  • 算力地缘与国产替代共振:权重取证指 6 个中国模型初始化于 Blackwell,叠加黄仁勋辞职风波,国产 GPU 板块集体大涨,AI 股进入基本面与政治风险双重定价

🐦 X 推文动态

📈 热点与趋势

  • Google 发布 Gemini 4 Hydrogen(Gemini 4 系列轻快档) - 定位日常编程与 agentic 工作流,比 Gemini 3.8 Flash 快 2.5 倍,带 4 档可调思考等级。默认思考级别在 Artificial Analysis 智能指数上超过 Argon,今日上线 AI Studio、Gemini API、Gemini App、搜索及 Pro/Ultra 订阅的 Antigravity @sundarpichai(Google CEO)|@GoogleAI|@GoogleDeepMind|@demishassabis
  • Hydrogen 的第三方与生态数据 - Agent Arena 排第 5,6.5k 场真实 agent 会话净提升 14.8%;中位 5.3 分钟/任务,比第 1 名 Claude Fable 5.2 快 3 倍、比 GPT-6 Astra 快 2.4 倍;中位成本 $1.6/任务,比 GPT-6 Astra 便宜 3.7 倍。API 定价 $1.5/$7.5 每百万 token。Cursor 默认档 CursorBench 54.3%,Gemini 3.8 Flash 为 39.6%;Databricks 首日上线,用法是 Carbon 规划、Hydrogen 执行子代理任务 @arena(模型评测平台)|@cursor_ai|@databricks
  • 权重取证指 6 个中国模型初始化于 Nvidia Blackwell - will depue 称搜索超 6 万亿种芯片布局与种子组合,匹配出 DeepSeek-V4-Pro、Kimi K3、MiniMax-M3 等 6 个开放权重模型,其中 4 个对应 Grace Blackwell 的 GB200/GB300。实测 B300 逐比特复现 DeepSeek-V4-Flash 初始权重,租用 GB200 复现 Kimi K3 相关度 0.999995,H100 一个都复现不了。他估计 Kimi K3 与 DeepSeek-V4-Pro 各用 2000–3000 张 Blackwell,单套集群约 1.5–2 亿美元 @willdepue(独立研究者)
  • 同一作者回应「只初始化不算训练」质疑 - 他称 24 个官方公开过训练硬件的模型全部指纹匹配,含 H800 上的 DeepSeek-V3、Kimi K2 与 GB200 上的 Nemotron;Kimi K3 权重由至少 64 个进程生成,全部跑在 Grace Blackwell 上 @willdepue
  • Cerebras 公布 Q3 2026 财报 - GAAP 云收入同比 +265%,核心云收入 +272%;已签约 700MW 数据中心容量;拿下 2 家新超大规模客户;作为 Kimi K3.1 首日上线伙伴,跑到 2000 tps。公司上调 Q4 与全年指引 @cerebras(AI 芯片公司)
  • Agile Robots 完成 5 亿美元 F 轮 - 估值 85 亿美元,软银领投,NVIDIA、日立、T. Capital 参投,累计融资 20 亿美元。公司 2018 年从德国航空航天中心(DLR)分拆,现有 2 万台机器人装机、3500 名员工、650 多项专利,慕尼黑附近工厂年产能 1 万台足式与轮式人形机器人 @lukas_m_ziegler(机器人领域 newsletter 作者)

🔧 工具与产品

  • World Labs 向所有人开放 Atlas 世界模型 - 提供应用与 API,输入构想可得关键帧、视频片段或 3D Gaussian splats(高斯点云表示) @theworldlabs(空间智能公司)|@drfeifei(World Labs 联合创始人)
  • Thinking Machines 开源 Inkling 2 Small 权重 - Apache 2.0,多模态 MoE,594B 总参数、17B 激活、支持 1M 上下文,面向编程、长周期 agent 任务与视觉。Together AI 同日上线推理 @miramurati(Thinking Machines CEO)|@togethercompute(开源模型推理平台)
  • LlamaIndex 发布 ParseBench-2 与 OCRia-1.5 - 新基准含 4.3k+ 文档页(比第一代翻倍),新增表单维度,给 330+ 种解析错误逐个打严重度分,再把指标对齐人工判断。同期发布 OCRia-1.5 系列解析模型,驱动 LlamaParse 全部模式,主打复杂表格、表单、图表与复杂版式的边界框定位 @jerryjliu0(LlamaIndex CEO)

⚙️ 技术实践

  • 全整数推理做到跨设备逐比特一致 - Nathan Barry 让 Qwen3-0.6B 在 A100、H100、Apple M5 Max、AMD EPYC、Intel Xeon 五台设备上对同一 512 token 生成产出相同 logits 哈希 64430dd985f8,因为整数加法可结合、浮点加法不可。WikiText2 困惑度 20.72,fp16 基线 20.95;A100 上 batch 1 解码 106 tok/s,是 fp16 eager 的 3.6 倍 @nathanrs(独立开发者)
  • AWS 把 SGLang 工作流搬上 Trainium - SGLang-Neuron 用同一套 server 与 API,通过 TorchNeuron 走原生 PyTorch,可在 Trainium 上服务模型并生成 RL rollout @AmazonScience(Amazon 研究账号)
  • 「想法盆地」研究:agent 探索太早收敛 - Alex Dimakis 等人在 AutoResearchExam 上观察前沿模型解题轨迹,58% 的运行从未进入最优解所在的盆地;探索新想法的平均收益约为精修一步的 9 倍;新盆地的到访集中在最初 6 小时,之后骤降。常见对策 Fork-and-Flush、清空会话上下文以减少思路固着 @AlexGDimakis(UT Austin 教授)
  • Schelling Atlas:两个 LLM agent 在网上互相找对方 - 不同模型家族之间的默认会合点是某个具体网站;agent 几分钟内完成协同,还会跑到无人注册的死域名上,可被攻击者抢注用于窃取信息或监控。作者提醒同款模型的两个 agent 输出分布完全一致,天然更容易结群 @maksym_andr(AI 安全研究者)
  • 通用 LLM 直接输出机器人夹爪位姿 - Anthropic 自测 RoboDojo Sim(双臂仿真、仅摄像头输入):Claude Fable 5.2 得 64.9%,GPT-6 Astra 29.8%,Fable 5.1 为 27.6%。真机演示中 Fable 5.2 完成解魔方、拧瓶盖、拿笔作画,均非训练任务。局限:该分数来自 Anthropic 自建 harness 未独立复现,Astra 有第三方真机数据而 Fable 5.2 没有,且两者都跑在云端、延迟未解 @stevencheng(机器人方向内容作者)

⭐ 精选内容

Google 抢发生产级「决策模型」Gemini Decision 1 + Decisions API,单次前向对闭集选项打分、150–250ms、output 不计费 | 非生成式模型作为 agent 路由层的第一份工程范式
不做逐 token 生成,而是单次前向对闭集选项打分,支持 yes/no、多选(最多 255 选项)与 rubric 评分,输入覆盖文本/图像/音频/视频/PDF,单请求最多 1000 题、256K 上下文,每题附置信度;定价 $0.10/1M input tokens、output 不计费,约为 Flash-Lite 的 1/5。文中同时给出 Artificial Analysis 独立评测(Decision Index 66,与 Jev 1.14、Elephant 9B 持平,落后 Drex Max 7 分;每百万任务 $345 vs Drex Max $103;211ms 慢于 Jev 的 92ms),与 Google 自评「7 项基准赢 5 项」形成对照。最有价值的是 Cloudflare 在 AI Engineer 上给出的混合 agent 架构:快决策模型负责工具选择与日志抽取、大推理模型只做诊断,demo 中把 6 次 LLM 调用压成 1 次、40K tokens 压到 1.8K。
来源:latent.space
OpenAI 与 Anthropic 各自用 AI 推进四维 Yang–Mills 存在性证明,OpenAI 1147 页证明不公开、仅交 Lean 形式化版本给 David Gross 委员会审查 | 「AI 产出理论成果如何被学术共同体验证」的争议样本
DongA Science 转述 Science 报道:两队均基于 Balaban 1980 年代路线中人力难以完成的海量计算推进证明,OpenAI 未公开 1147 页完整证明,改由 2004 诺奖得主 David Gross 领衔委员会审查 Lean 形式化版本,11 月 10 日公布结果,但「形式化通过 ≠ 原证明正确」且不公开原文招致批评;Sussman–Alpöge 团队则公开 GitHub 工作流并筹备可读论文。文章也冷静指出即便证明成立,也不等于解决千禧年「质量间隙」问题,短期内对物理研究影响有限。
llm-d 1.0 正式发布:CNCF 治理、支持 vLLM/SGLang 多后端,新增多租户 QoS、零停机运维与 agent-aware serving | 生产级推理栈的里程碑版本
由 Red Hat、IBM、Google Cloud、CoreWeave、NVIDIA 联合发起,1.0 内置 prefix-cache 与负载感知路由、KV cache offload、prefill/decode 分离、专家并行、批处理与异步推理。两组硬数据:IBM Research 用开放前沿模型跑量子纠错硬件探索,推理成本比全专有方案低 11.5 倍,prefix-cache 命中率约 98%,混合服务成本约 $0.11/百万 token;GLM 5.2(约 753B 开放权重)在 NVIDIA GPU 上峰值超 660 万 output tokens/min,支撑 3000 并发 coding agent 零抢占,每 token 成本比商业 API 低 5-10 倍,输入密集型 agent 负载节省最明显。DigitalOcean、JetBrains 已用于生产。
GitHub 官方 agent skills 实践指南:把重复性判断固化成版本化目录 + SKILL.md,并划出 skill 与 application 的边界 | 跨 agent 可移植技能工程化的可照搬模板
亮点有三:Proof Agent 提出「自我验证不是验证」,用独立 verifier 对抗性检查 AI 生成改动;Data Forge 用 forge-init 先发现项目上下文写入 resolved manifest,再由 forge-builder 编排、forge-dbx 统一数据平台访问、forge-lint 施加团队规范,各 skill 共享上下文而非各自重新发现;明确 skill 只描述「怎么做」,不授予工具/凭证/权限,并给出 skill 与 application 的分界(需要稳定接口、共享状态、审计、长时控制、模型外权限时用 application)。与同日 DEV 社区那篇「一个 SKILL.md 文件夹被 Claude Code / Cursor / Codex 同时识别」的实操贴互补读:后者给出三家查找路径(.claude/skills/、.agents/skills/、.cursor/skills/)与一个可抄的 fix-flaky-test skill,强调 description 要写成触发条件。
来源:github.blog | dev.to
AWS 连发两篇 agent 成本底稿:把成本从「每 token 单价」拉到「每任务成本」,并拆出四个不改模型不改 prompt 也能改账单的请求级旋钮 | Agent FinOps 的完整方法论
第一篇指出 tokenizer 效率(同文本不同模型 token 数差 40%)、输出冗长(输出 token 贵 3-5 倍)、agentic loop 轮次(每轮重发全量历史)、reasoning 开销(思考 token 按输出计费且部分模型隐藏仍收费)四个定价页看不到的成本驱动,并给出缓存、模型路由、输出约束三类降本手段,后半段讲如何用人类基线、holdout 实验和五维 scorecard 向管理层证明 agent ROI。第二篇拆 Bedrock 请求级选择:prompt cache 5 分钟 vs 1 小时 TTL(写入 1.25x / 2x 输入价、读取 0.1x,据此算出请求间隔超 5 分钟时 1 小时缓存从第二次请求起更便宜)、service tier、reasoning effort、maxTokens,并给出缓存失效实测——checkpoint 按 tools→system→messages 顺序评估,改前面的会让后面全部失效,多租户需在可缓存前缀前拼租户 SHA-256 隔离。
Google 用五个非自研公开 benchmark 自曝 Agent Anomaly Detection 短板:执行了的有害指令标出 87%,但 poisoned memory 只抓到 4/18 | 厂商主动第三方横评 + 三段归因框架
共 1774 个 session,覆盖 AgentDojo、InjecAgent、ASB、AgentDyn、AgentHarm,用 benchmark 自带的确定性 Python check 打标签以避免被注入指令误导评分。关键发现:模型本身就没执行约一半有害指令(直接请求拒 3/4,藏在工具输出里的忽略或失败约 30%);执行了的那部分里检测器标出 87% 供事后复核,正常会话误报 2%–16%。最大盲区是长期记忆里埋的指令。文章给出 never read / resisted / carried out 的三段归因框架,是做 agent 安全评测时值得直接借用的拆解方式。
Latent Space 现场报道「system one 模型」:把非生成式小模型大量嵌进应用代码做结构化决策,而非继续拼字符串 | Jev 生态的第一批落地 pattern
TypeSafe AI 的 Diogo Almeida(Jev 作者)用「95% 时间是爱因斯坦、5% 是憨豆先生,你分不出来就没法自动化」点出 LLM 驱动软件的可靠性硬伤。三段可直接复用的落地:Glean 用 Jev 做 zero-shot 分类路由,taxonomy 变化时无需反复微调;UiPath 用 Jev 做文档 chunk 排序「锦标赛」,数千次调用一秒内跑完;Workday 做用户打字时实时预填表单的原型。适合想给现有 LLM 流程加一层快速、便宜、可判定的结构化决策的工程师。
来源:latent.space
美国四家非营利组织在旧金山高等法院起诉 Anthropic、Google、Meta、OpenAI、SpaceX,请求禁令冻结下一代模型训练与部署 | AI 治理从立法游说转向司法施压的信号
诉状援引加州不公平竞争法,主张 AI 已造成网络攻击等实际危害,并引用各家 CEO 自己关于失控风险的公开表态,要求法院紧急禁令直到企业能证明技术处于人类可控状态。背景是中期选举后民主党夺回国会、监管预期收紧、AI 股应声下跌。对从业者,这是观察「司法禁令能否成为 AI 监管实际抓手」以及「暂停令如何验证执行」的第一手案例;多家媒体同日报道,但均缺诉状原文与法律论证细节。

📈 市场异动

交易日:2026-11-12
Nebius(NBIS) -16.84% | 纳斯达克100 ETF -0.32%,相对 -16.52%
Q3营收9.808亿美元超预期,但公司将2026营收指引下调至区间低端、2026资本开支升至270亿美元、2027年400-450亿美元,第三方数据中心交付延迟使部分收入推迟至2027年,引发对股权稀释的担忧。
超微电脑(SMCI) -11.30% | 纳斯达克100 ETF -0.32%,相对 -10.98%
彭博报道曼哈顿联邦检察官调查超微产品经Alice Huang关联方走私入华,DOJ调查范围扩大,股价回吐前一日9.5%涨幅并重挫约11%。
智谱(02513) -9.05% | 恒生科技指数 -2.36%,相对 -6.69%
40亿港元回购上限仅占已发行股份1%且为择机实施,市场认为托底力度有限,部分资金借利好出货;叠加半年亏损20.7亿元、AI板块转向基本面定价,恒指走弱放大跌幅。
宇树科技(688836) -8.38% | 科创50 +0.73%,相对 -9.11%
暂无明确消息
摩尔线程(688795) +8.32% | 科创50 +0.73%,相对 +7.60% | 连涨 2 日,累计 +11.31%
英伟达董事会拟罢免CEO黄仁勋,市场预期国产GPU替代窗口打开、本土厂商份额提升,摩尔线程等国产算力芯片集体大涨;叠加主力资金净流入4.32亿元。
寒武纪(688256) +8.11% | 科创50 +0.73%,相对 +7.38% | 连涨 2 日,累计 +16.11%
隔夜美股美光涨11.89%、AMD涨7.32%、费城半导体指数涨5.66%,CoreWeave业绩超预期重燃AI交易热情;叠加美国拟限制远程AI访问,资金转向国产算力,寒武纪随国产GPU板块大涨,重回千元。
MiniMax(00100) -7.83% | 恒生科技指数 -2.36%,相对 -5.47%
英伟达相关风波引发市场对美方收紧对华芯片出口管制的担忧,阿里等中国AI股重挫,恒生科技指数跌2.36%,MiniMax随AI板块下跌约8%。
CoreWeave(CRWV) -6.86% | 纳斯达克100 ETF -0.32%,相对 -6.54%
英伟达CEO黄仁勋因内部董事会调查立即辞职,引发市场对AI云服务商的担忧,CoreWeave作为英伟达芯片的主要采购方回吐前一日25%涨幅;叠加Nebius业绩指引疲弱及Argus因债务担忧下调目标价。

🎙️ 播客精选

Jensen Huang Is Out at Nvidia

📍 来源:Hard Fork | ⭐ 4/5 | 🏷️ Infra, Regulation, Interview | ⏱️ 00:39:22
讨论 Jensen Huang 卸任 Nvidia CEO 这一震动 AI 行业的事件。NYT 记者 Ana Swanson、Ryan Mac 与传记作者 Stephen Witt 一起梳理事件来龙去脉:Huang 与下属高管的关系、Megaspeed 公司与商务部芯片调查被叫停、Nvidia 的政府游说等。核心观点是分析没有 Huang 的 Nvidia 意味着什么、对 AI 算力供应链和行业权力格局的潜在影响。对 AI 从业者而言,这是理解算力供给与产业政治风险的重要背景材料。
💡 推荐理由: 重大行业事件深度分析:Nvidia CEO 变动,NYT 记者与传记作者解读,对 AI 算力格局有洞察;但偏公司治理/新闻而非技术

Powering AI-Driven Drug Discovery with President of Isomorphic Labs Max Jaderberg

📍 来源:No Priors | ⭐ 4/5 | 🏷️ Research, Interview, Product | ⏱️ 39:15
Elad Gil 对话 Isomorphic Labs 总裁 Max Jaderberg,讨论如何用预测性 AI 模型把药物发现从经验试错转为精准工程。核心观点:AlphaFold 首次证明深度学习模型能在生物学领域泛化,模型随规模累积学习可提升临床成功率与速度;Isomorphic 打造不依赖疾病领域、靶点类别和 modality 的通用 drug design engine,用 in-silico 模型替代动物实验,并通过精准分子工程实现跨复杂通路的 multidrug cocktails,最终延长 lifespan 与 healthspan。对关注 AI for Science、模型泛化与规模化落地的从业者有参考价值。
💡 推荐理由: Isomorphic Labs 总裁深度访谈,AlphaFold 落地药物发现的一手实战洞察,偏应用而非 LLM/Agent 技术本身,故未给5分。

Jensen Huang Is Out. Everything in AI Is Now Up for Grabs.

📍 来源:AI Daily Brief | ⭐ 3/5 | 🏷️ Infra, Open Source, Regulation | ⏱️ 00:29:42
NLW 围绕 Jensen Huang 离开 Nvidia 这一假设性/重大事件展开,梳理其离职背后的指控、谁将从中受益,以及行业失去最具影响力人物后权力真空的走向。讨论延伸至 China policy、open source 生态与支撑 AI buildout 的资本承诺,指出影响远超 Nvidia 本身。对从业者而言,价值在于理解算力供给、开源格局与资本链条可能的重构,但节目以评论推演为主,缺少一手信源与具体技术细节。
💡 推荐理由: 重大行业事件分析(Jensen Huang 离开 Nvidia 的连锁影响),但为单人评论、缺乏一手信息与深度技术内容
  • AI
  • 日报
  • 技术趋势
  • AI 技术日报 - 2026-11-14推荐算法日报 - 2026-11-12
    Loading...