AI Agent能力扩展与可核验证据
旗舰模型扩大访问,图像工具照顾连续修改,机器人走进工厂试点。今天也看Agent怎样证明代码、检验题目和尊重明确偏好。
RISC机器说明
RISC = 生产级 Agent / 机器人身体的四个系统
一个真正能上生产的 Agent,不能只有大脑。它还要持续行动、扛住故障、抵御越权,并进入真实组织协作。
AI Agent雷达
证明与练习都增加检查器
AlphaProof把Agent证明交给Lean,Codemm要求测试识别错误答案。共同变化是让产出和验收承担不同职责。
图像工具保留修改边界
Seedream强调连续编辑不破坏原区域,PixlPal保留直接调整参数。创作体验开始关注用户没有要求改变的部分。
GPU与机器人明确连接关系
TLX把warp组协作写入程序,ROS Portal把允许的话题与服务接到实时网络。执行关系显式化后,工程师才更容易检查交接。
值得关注的新功能
Carbon从定向测试走向付费用户
发生了什么:Google将Gemini 4 Carbon从此前的安全研究者定向访问扩展到付费开发者与企业,并向AI Ultra订阅者逐步开放。Antigravity同时预览/swarm,让多个Agent在隔离工作区分工并互相检查。公开模型的API优惠价为每百万输入2美元、输出10美元,持续至11月底。
为什么值得关注:这次新变化是访问范围扩大,而不是模型今天才首次亮相。更深推理与并行分工结合后,团队要比较整项工作的时间、费用和复核成本,不能只数同时开了几个Agent。
适合谁看:处理复杂代码迁移、跨文档分析和长期技术研究的开发者及企业团队。
H3 Image开放原生4K图像权重
发生了什么:MiniMax发布H3 Image,支持文生图、参考生成与编辑,最多接收16张参考图,输出4096×4096图像。权重11月10日已上传,另有API、MiniMax Code与海螺入口;技术公告标注11月11日,API更新记录标注11月10日。
为什么值得关注:高分辨率与多参考图组合,让创作者可以围绕已有主体和素材组织画面。开放权重也给本地流程留下空间,但下载得动、跑得起来与许可允许商业使用,仍是三个要分别确认的问题。
适合谁看:需要高分辨率创意素材、多图参考及可部署图像模型的创作者和开发团队。
Seedream 5.5把连续改图与透明素材接起来
发生了什么:字节Seed发布Seedream 5.5,重点改善多轮编辑中的非修改区域保持,并展示同一人物连续100轮改图。模型原生输出带Alpha通道的RGBA素材,支持半透明边缘,同时改善真实感和密集文字。官网体验入口通向即梦与Dreamina,Pro版本仍列为后续计划。
为什么值得关注:专业制作很少一张图就结束。反复调整衣着、道具和构图时,能否保留其他细节,比一次生成的惊艳程度更重要;透明素材则让结果更容易进入排版与合成流程。
适合谁看:制作电商物料、角色素材、视觉方案及需要连续修图的设计和内容团队。
Robotics 2.5把精细动作带进工厂试点
发生了什么:DeepMind发布Gemini Robotics 2.5视觉语言动作模型,向机器人合作伙伴逐步开放。官方在200多种任务中测试夹取、系结与移液等技能,并披露Apollo 2在奔驰工厂分拣装箱概念验证中达到96%成功率;动作模型与负责跟踪流程的具身推理模型分工运行。
为什么值得关注:机器人能力不只看演示动作有多复杂,还看换到实际工位后能保留多少表现。把工作流程与手臂控制分开,也让现场团队更容易定位推理错误和动作失败分别发生在哪一层。
适合谁看:研究具身模型、工业分拣、灵巧操作及机器人评测的研究者与工程团队。
Facebook让推荐偏好可以直接修改
发生了什么:Meta披露Your algorithm的技术设计:用户用自然语言编辑感兴趣与不感兴趣的列表,同一偏好存储同时服务Feed和Reels。系统把新增兴趣带进检索与排序,也在重排和设备缓存层过滤不想看的内容;不同语言模型分别负责生成画像、校验修改与最终复核。
为什么值得关注:用户明确说出的偏好,不再只能等待点击行为慢慢传递。更值得观察的是完整链路:界面显示的选择要进入排序,连已缓存但尚未展示的内容也要响应修改。
适合谁看:设计个性化助手、推荐系统、用户记忆及可编辑偏好界面的产品与工程团队。
快讯:PixlPal让AI调原图,不另画一张
发生了什么:PixlPal把自然语言要求转成曝光、颜色、模糊和局部对象调整,保留手动细调入口。官网区分直接改图与整图重生成,浏览器可试有限AI消息。
为什么值得关注:用可调参数修图,保留原画面与人工细调空间。
适合谁看:摄影爱好者与内容创作者。
快讯:Zeus替电话Agent搭建测试闭环
发生了什么:ThunderPhone发布v3与Zeus,用Agent创建、连接、模拟测试语音助手,再结合真实通话查问题并做A/B改进。平台已开放自助入口。
为什么值得关注:从写电话脚本延伸到持续验收语音行为。
适合谁看:开发客服和预约语音助手的团队。
GitHub开源发现
Stars为成稿时的关注度快照,不代表质量排名。
AlphaProof Code让证明覆盖实际协议代码
发生了什么:DeepMind公布AlphaProof Code,将专家审定的安全规范交给多模型Agent生成Lean证明,核验Signal核心密码协议的实际实现。官方称四周内生成六百多万行Lean,并把两处已修复漏洞重新引入隔离版本,验证系统能证明错误版本不安全;形式化制品同步向社区开放。
为什么值得关注:重点不是让模型宣称代码安全,而是把它写出的证明交给独立检查器。专家仍负责规定要证明什么,机器检查负责推导是否成立;这条分工比只看测试通过率更接近可复核的软件保障。
适合谁看:关注形式化验证、密码协议、代码安全Agent与证明辅助工具的研究和工程团队。
快讯:Umless先听懂改口,再把文字打出来
发生了什么:Umless在本地完成语音识别和文本清理,按住键口述、松开后输入当前应用。它能按邮件或聊天调整表达,Mac还可读屏纠正姓名拼写。
为什么值得关注:识别改口与清理赘词,和单字识别是不同问题。
适合谁看:偏好本地处理的口述输入用户。
快讯:Codemm先验题,再让你做题
发生了什么:Codemm让已有编程Agent出题并在沙箱验题:参考解须通过、起始代码须失败,还要抓住故意写坏的版本。学习者自己答题,Agent提供提示。
为什么值得关注:先检查题目能否识别错误,再开始练习。
适合谁看:用编程Agent学习新框架的人。
快讯:ROS话题也能走实时音视频网络
发生了什么:LiveKit的ROS Portal把配置允许的ROS 2话题、服务调用与相机图像带到LiveKit参与者之间,用于远程监控、遥操作及机器人到云端通信。
为什么值得关注:机器人数据和视频共用实时传输入口,减少直接跨网暴露DDS的需求。
适合谁看:搭建ROS 2远程实验的机器人工程师。
全球技术与市场观察
TLX让GPU协作关系进入源代码
发生了什么:Meta公开TLX技术解析,在Triton张量编程之上加入显式执行编排。开发者可以分别安排搬运数据、执行计算和写回结果的warp组,控制异步内存、同步屏障与集群协作。文章展示其在推荐训练、推理及大模型预训练中的生产应用,而不是另造一门独立低层语言。
为什么值得关注:新GPU的瓶颈不只在算术,还在不同执行组怎样交接。把调度关系写出来,让工程师有机会检查和优化数据搬运与计算的重叠,也减少等待编译器自动适配的依赖。
适合谁看:优化训练与推理内核、使用Triton或评估新GPU架构的系统工程团队。
快讯:Agent评测要分清单步与整场
发生了什么:AWS发布AgentCore评测实践,将内置、DeepEval和AutoEval指标对应到行为,区分工具调用与整场会话,并展示一次裁判调用分别返回多维分数。
为什么值得关注:完成率高,不代表没有漏掉早先请求或泄露个人信息。
适合谁看:构建多轮客服与研究Agent的团队。
快讯:决策模型占请求多但花费少
发生了什么:Vercel十一月报告称,十月决策模型占AI Gateway请求的26%,但仅占按标价估算支出的0.53%;约三成付费团队使用过这类分类或选择模型。
为什么值得关注:生成答案与做快速判断,正在形成不同的成本结构。
适合谁看:设计模型路由与成本预算的团队。
来源
- Carbon从定向测试走向付费用户 一手来源
- H3 Image开放原生4K图像权重 一手来源
- MiniMax H3 Image补充一手来源
- Seedream 5.5把连续改图与透明素材接起来 一手来源
- Seedream 5.5补充一手来源
- Robotics 2.5把精细动作带进工厂试点 一手来源
- AlphaProof Code让证明覆盖实际协议代码 一手来源
- AlphaProof Code补充一手来源
- AlphaProof Code补充一手来源
- Facebook让推荐偏好可以直接修改 一手来源
- TLX让GPU协作关系进入源代码 一手来源
- 快讯:PixlPal让AI调原图,不另画一张 一手来源
- PixlPal补充一手来源
- 快讯:Umless先听懂改口,再把文字打出来 一手来源
- Umless补充一手来源
- 快讯:Codemm先验题,再让你做题 一手来源
- Codemm补充一手来源
- 快讯:ROS话题也能走实时音视频网络 一手来源
- ROS Portal补充一手来源
- 快讯:Zeus替电话Agent搭建测试闭环 一手来源
- ThunderPhone Zeus补充一手来源
- 快讯:Agent评测要分清单步与整场 一手来源
- 快讯:决策模型占请求多但花费少 一手来源
