跳到正文
实时
#编码
11月14日周六
11月13日周五
  1. MarkTechPost80

    Google 发布 Gemini 4 Hydrogen，比 Gemini 3.8 Flash 快 2.5 倍

    Google 发布 Gemini 4 Hydrogen，一款面向编码与智能体任务的闭源模型，官方称其完成任务比 Gemini 3.8 Flash 快 2.5 倍。

    同一件事 · 4 家
  3. Hacker News · 300+ 热帖82

    Google 在 Antigravity 中推出 Gemini 4 Hydrogen 与 Orchestrator

    Google 在 Antigravity 中上线 Gemini 4 Hydrogen，并新增 Orchestrator 模型选项，把 Hydrogen 与 Gemini 4 Carbon 等更强模型组合用于长周期任务。

    同一件事 · 4 家
  4. Ars Technica · AI82

    Google 推出 Gemini 4 Hydrogen，取代 3.8 Flash

    Google 发布 Gemini 4 Hydrogen，并已在自家产品中取代 Gemini 3.8 Flash，访问限制比此前 Argon、Carbon 更宽松，发布即可使用

    同一件事 · 4 家
  5. IT之家 · AI87

    谷歌发布 Gemini 4 Hydrogen 模型，主打日常编程与智能体工作流

    谷歌正式推出 Gemini 4 Hydrogen 模型，面向日常编码和智能体工作流，输入每百万 Tokens 1.50 美元、输出 7.50 美元，覆盖 100 万 Token 上下文窗口且无阶梯计价。

    同一件事 · 4 家
11月12日周四
  3. Hugging Face Daily Papers65

    MACaQ：一种快速、模型无关的校准量化方法

    MACaQ 是一种 MXFP4 W4A4 的后训练量化方法，通过在线激活变换和 Hessian 感知细化独立量化每个线性层，在语言和扩散模型中减少成本同时保持准确性。MACaQ 在 Qwen3-32B 上 vLLM 实现仅增加 2.3% 的端到端开销，比 DuQuant++ 和 MR-GPTQ 的困惑度更低，并在 11 倍更短的量化时间内达到 Llama-3-8B 的最佳困惑度。

  4. The Decoder85

    Google DeepMind 推出 AlphaProof Code，四周验证 Signal 加密核心

    谷歌 DeepMind 发布 AlphaProof Code，一款符合安全规范的 AI 数学证明软件，并在四周内完成了通常需要数年才能在 Signal 加密协议上完成的验证工作。

    同一件事 · 2 家

    推荐理由: AlphaProof Code 将形式化验证从理论设计推进到实际运行代码，四周完成通常需数年的工作，并给出人工复核比例。

  5. Claude · YouTube42

    Claude Code 中 Fable 5.2 与 Opus 的使用场景选择

    Claude Code 发布 Fable 5.2，用户需根据任务类型选择 Opus 5.5、Fable 5.2、Sonnet 5.5 或 Haiku 5.5，或跨模型分配任务；各模型可用性及使用限制因订阅计划而异。指南建议在复杂编码与知识工作、开放性技术任务、低成本限定工作等场景下分别选用对应模型。

    同一件事 · 5 家

    各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。

11月11日周三
  4. Hugging Face Daily Papers

    面向自主机器人操作的上下文学习

    World In-Context Learning (WICL) 方法通过冻结模型，在模拟器中演练任务并将反馈写入上下文而非权重，使机器人能从单一演示中学习操作技能。RoboScript 实现了 WICL，在 RoboTwin 2.0 的 50 项任务上，单次演示无梯度更新即可达到 83.4% 成功率，超越最强训练策略 20 余点，并支持跨视觉分布泛化、通过反思改进、基础模型扩展及跨平台记忆迁移。

  6. Latent Space65

    OpenAI 在 AI 工程师代码峰会探讨 Codex 的新工作方式

    OpenAI 在 AI 工程师代码峰会上介绍了 Codex 的新工作方式，包括云功能改进、语音交互和智能体协作。Codex Cloud 2.0 允许用户在隔离实例中运行多个任务，但仍存在云功能易用性问题。语音模式作为控制平面可管理代码库，个人智能体 dots 可作为安全网、委托节点和无处不在的存在。

  12. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。

    同一件事 · 5 家

    推荐理由: 官方给出 Carbon 与 Argon 的定位分工、多项基准排名和每任务成本对比，便于判断何时该用更重的模型。

11月10日周二
  1. MarkTechPost82

    Anthropic发布Claude Fable 5.2与Mythos 5.2：同一模型，不同安全护栏

    Anthropic发布Claude Fable 5.2和Claude Mythos 5.2，两者基于同一个底层模型，Fable 5.2增加了分类器拦截高风险网络安全任务和大部分生物学研究任务，Mythos 5.2去掉了这些限制，需要通过Cyber Verification Program和Life Sciences Verification Program访问。

    同一件事 · 5 家

    各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。

  2. Google DeepMind

    AlphaProof Code：Google DeepMind 开源多 LLM 智能体框架实现复杂软件深层形式化验证

    Google DeepMind 开源 AlphaProof Code 框架，用多 LLM 智能体首次实现广泛部署的 Signal 协议代码深层形式化验证，生成超 600 万行 Lean 证明，仅 1% 代码需人工复核，将专家团队数年工作压缩至四周，并成功识别出两处已知漏洞。

    同一件事 · 2 家
  3. Hugging Face Daily Papers

    Frontier3DBench：跨对象、场景和交互开放世界的代码智能体 3D 创作基准测试

    Frontier3DBench 统一评估了 145 项任务中代码智能体在对象、场景和交互式 3D 世界创建上的能力，GPT-6.1-sol 在对象和场景层表现最佳，总得分 66.02/100，但所有配置在对象和场景任务中参考重建得分均低于文本驱动生成。生成世界在局部机制上平均 83.08/100，但在运动清除和状态化工作流上仅分别为 20.82 和 30.26，显示协调活动完成仍是核心瓶颈。

  5. Hugging Face Daily Papers

    基于结构感知内核的快速精确相对位置注意力

    一种精确的瓦片注意力算法将加性相对位置项集成到类似 FlashAttention 的计算中，减少内存和计算开销，加速长上下文相对位置 Transformer。该方法（1）使用偏移感知瓦片避免冗余索引和内存访问，（2）仅计算必要的键/查询关系产品并在前向和反向传递中重用它们，以及（3）使用基于偏移的梯度分片和聚合，消除原子竞争。

  9. IT之家 · AI

    Anthropic 发布 Claude Fable 5.2，编程能力超过 GPT-6 Astra 并登顶多项基准。

    Anthropic 发布了 Claude Fable 5.2 模型，编程能力在 FrontierCode 2.0 测试中达到 49.1%，超过 GPT-6 Astra 的 42.8%；在 Humanity's Last Exam 测试中得 74.2%，领先 GPT-6 Astra 的 57.2%。该模型输出速度最高提升 30%，成本下降 20%，API 调用费降至 $3/百万 tokens。

    同一件事 · 5 家

    各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。

  10. Hugging Face Daily Papers

    A2-MEAS 框架迈向具身智能体时代

    A2-MEAS 框架通过学习校正码和具身视觉语言行动模型提升机器人控制与故障恢复，在 50 任务 BEHAVIOR 2026 公开子集上达到 0.5755 Q-score 并实现 45.40% 任务成功率，12 项真实机器人任务平均成功率 57.92%。该框架采用动作预训练和任务专业化，训练吞吐量达 427.1 样本/秒，系统将开源模型、训练脚本及基础设施。

  13. AWS Machine Learning Blog

    Anthropic 在 AWS 上推出 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 在 AWS 上推出 Claude Fable 5.2 和 Claude Mythos 5.2，Fable 5.2 是其最强大的通用模型，适用于编码和科学领域，支持长达数天的无监督运行；Mythos 5.2 通过验证计划提供，在网络安全和生命科学领域表现更可靠。

    同一件事 · 5 家

    各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。