AI 编程实时动态与要闻

Isomorphic Labs 完成 50 亿美元 C 轮融资:Greenoaks 与红杉领投、a16z 跟投、Alphabet 继续加码,用于扩大 AI 药物设计引擎 IsoDDE 并推动首批药物进入临床

谷歌 DeepMind 旗下 AI 制药公司 Isomorphic Labs 11 月 17 日宣布完成 50 亿美元 C 轮融资。本轮由 Greenoaks 和红杉资本联合领投,a16z 等新投资方参与,Alphabet 继续大额投资,Thrive Capital、MGX、GV、CapitalG、淡马锡和英国主权 AI 基金等老股东全部跟投。资金将用于继续打磨自研药物设计引擎 IsoDDE、深入新的生物学方向、建设全球 AI 生物工程基础设施,并把肿瘤和免疫方向的候选药物推向临床试验。CEO Demis Hassabis 在 X 上亲自宣布。官方未公布估值。

Isomorphic Labs 完成 50 亿美元 C 轮融资:Greenoaks 与红杉领投、a16z 跟投、Alphabet 继续加码,用于扩大 AI 药物设计引擎 IsoDDE 并推动首批药物进入临床

核心要点速览

  • 金额与投资方:50 亿美元 C 轮,Greenoaks、红杉资本联合领投,a16z 等新投资方加入,Alphabet 继续大额投资,所有老股东跟投;本轮超额认购,官方未公布估值
  • 核心资产 IsoDDE:把多个基础「模拟」AI 模型统一起来,跨治疗领域和药物类型工作,再由自研 Agent 在复杂生物系统上推理和设计分子
  • 进展:官方称肿瘤和免疫内部项目以及合作项目已取得积极的临床前结果,正在为进入临床做准备
  • 资金用途:继续打磨 IsoDDE、建设合作生态研究疾病机制、搭建全球 AI 生物工程基础设施和 AI 优先的转化与临床开发能力
  • Demis Hassabis 在 X 上写道:目标是「解决所有疾病」,用 AI 从第一性原理重新设计药物,大幅缩短新药研发的时间和成本
阅读全文

X 热议:Anthropic CEO Dario Amodei 谈开源模型的视频片段刷屏——「受控部署能监控、能撤销访问,开源发布后就完全失控」,原帖约 1,700 赞、426 条回复、20 万浏览

X 用户 @vikktorrrre(简介 AI/TECH)发布一段约 88 秒的 Dario Amodei 视频片段,并摘录其关于开源模型的发言:受控部署的模型可以监控用法、撤销用户访问、调整模型行为,而不受控发布后「完全不在你手里」,若照此发展「可能走到非常危险的地方」。发帖人批评这是不希望智能掌握在大众手里。截至收录约 1,700 赞、426 条回复、157 条引用。本条为 X 讨论,不代表 Anthropic 官方表态,片段出处原帖未注明。

X 热议:Anthropic CEO Dario Amodei 谈开源模型的视频片段刷屏——「受控部署能监控、能撤销访问,开源发布后就完全失控」,原帖约 1,700 赞、426 条回复、20 万浏览

核心要点速览

  • 话题来自 @vikktorrrre 的原帖(约 1,700 赞、426 回复、157 引用、约 20.6 万浏览),附约 88 秒 Amodei 视频片段
  • 帖中摘录的 Amodei 观点:受控部署可监控使用、撤销访问、修改模型行为;开源发布后无法做到,应要求开源倡导者正面解决这个问题
  • 发帖人与大量回复把它解读为大厂「垄断智能」,与 NVIDIA 方面支持开源的立场形成对照;这是评论观点,不是事实
  • 原帖未注明视频出处和完整上下文,Anthropic 官方未就该片段另作说明
  • 同期还有 Altman 在 Semafor 会议的 AGI 片段被断章取义的讨论,开源与集中控制之争持续升温
阅读全文
关联模型 / 智能体 / 厂商:

Traces 加入 Vercel:AI 编程 Agent 会话共享平台,已接入 16 种编程 Agent、累计近 50 万次会话,暂停新建组织

Traces 创始人 Tarun Sachdeva 在 X 和官方博客宣布 Traces 加入 Vercel,整个团队将在 Vercel 继续做“团队如何用 Agent 构建软件”。Traces 今年 2 月上线,是记录和分享 AI 编程 Agent 会话的 CLI 与平台,九个月内做了团队版、16 种编程 Agent 适配器、Git 集成、Handoffs、Traces MCP 等,数千个团队共享了近 50 万次会话。现有用户第一天不受影响,但已暂停新建组织;交易条款官方未公布。

Traces 加入 Vercel:AI 编程 Agent 会话共享平台,已接入 16 种编程 Agent、累计近 50 万次会话,暂停新建组织

核心要点速览

  • Traces 是记录、分享 AI 编程 Agent 会话的 CLI 与平台,今年 2 月上线,整个团队加入 Vercel
  • 九个月内上线团队版、16 种编程 Agent 适配器、Git 集成、Handoffs、Traces MCP 和 Surfaces
  • 数千个团队加入,共享了近 50 万次会话
  • 现有用户可继续分享会话、使用 CLI、往已有组织加人,但已暂停新建组织;收购金额等条款官方未公布
  • Vercel 创始人兼 CEO Guillermo Rauch 在 X 上称 Traces 是软件开发的新基础单元,记录意图、提示、推理、技能和工具调用
阅读全文

OpenAI 升级 ChatGPT for Healthcare:计算机使用 Agent 可操作 EHR 和保险门户,新增 20+ 医疗插件,GPT-6 Luna 每任务 8.5 美分

OpenAI 宣布 ChatGPT for Healthcare 三项更新:能在 EHR、保险门户等现有软件里点击、输入、跨应用完成多步任务的计算机使用 Agent;改进的可信临床检索;以及 20 多个新医疗插件。官方评测中 GPT-6 Astra 在斯坦福 HealthAdminBench 上拿到 94.3% 的评分点,GPT-6 Luna 91.8%,但成本低 98%。CVS Health、Cigna、Abridge、Ambience 已在试点或生产使用,能力今天起通过 OpenAI API、ChatGPT for Healthcare 和 ChatGPT for Clinicians 提供。

OpenAI 升级 ChatGPT for Healthcare:计算机使用 Agent 可操作 EHR 和保险门户,新增 20+ 医疗插件,GPT-6 Luna 每任务 8.5 美分

核心要点速览

  • 计算机使用 Agent 通过读屏、点击、输入在 EHR、排班系统、保险门户之间搬运信息,处理事前授权、转诊、出院规划等 API 覆盖不到的步骤
  • EHR 收件箱任务评测:325 个被审任务中 99% 被评为临床安全;646 次医生评估中 93% 选了“非常有帮助”或“极其有帮助”
  • 斯坦福 HealthAdminBench(独立基准):GPT-6 Astra 94.3%,GPT-6 Luna 91.8%,Luna 成本低 98%,每任务 8.5 美分(均为最高推理强度,OpenAI 自测)
  • CVS Health 一个周末清完积压数月的文档发送,并开源基于 Agents SDK 的 Agent Kit;Cigna 从概念到上线不到 8 周
  • 新增 20+ 医疗插件(UpToDate Expert AI、Metriport、Photon、Redox、Stedi 等);支持角色权限、审计日志和人工审批,HIPAA 场景需签 BAA,数据不用于训练
阅读全文
AD赞助内容

GitHub Copilot 全面上线 Gemini 4 Hydrogen(VS Code、CLI、编码 Agent 等全平台,按厂商标价计费);同日宣布 12 月 14 日下线 Claude Fable 5、Gemini 3.8 Flash、Grok 4.6、Kimi K3 等 6 个模型

GitHub 于 11 月 13 日在官方 Changelog 宣布:Google 最新的 Flash 级模型 Gemini 4 Hydrogen 已在 GitHub Copilot 正式可用(GA),面向 Copilot Pro、Pro+、Max、Business 和 Enterprise 用户,可在 VS Code、Visual Studio、Copilot CLI、Copilot 编码 Agent、Copilot app、github.com、移动端、JetBrains、Xcode、Eclipse 和 Copilot SDK 的模型选择器中使用,逐步放量,按用量计费、价格为厂商标价。GitHub 称它面向快速高效的 Agent 编码、工具调用和多步工作流,指令遵循比 Gemini 3.8 Flash 更好。同一天 GitHub 还发布弃用通知:2026 年 12 月 14 日起,Copilot 全部体验将下线 Claude Fable 5、Claude Haiku 4.5、Gemini 3.8 Flash、Gemini 4 Argon、Grok 4.6 和 Kimi K3,并给出替代模型。

GitHub Copilot 全面上线 Gemini 4 Hydrogen(VS Code、CLI、编码 Agent 等全平台,按厂商标价计费);同日宣布 12 月 14 日下线 Claude Fable 5、Gemini 3.8 Flash、Grok 4.6、Kimi K3 等 6 个模型

核心要点速览

  • Gemini 4 Hydrogen 在 GitHub Copilot 正式可用,面向 Pro、Pro+、Max、Business、Enterprise 用户,逐步放量(GitHub Changelog)
  • 覆盖面很广:VS Code、Visual Studio、Copilot CLI、Copilot 编码 Agent、Copilot app、github.com、iOS/Android、JetBrains、Xcode、Eclipse 和 Copilot SDK 都能在模型选择器里选到
  • 计费:按用量计费、价格为厂商标价;企业和商业版默认自动启用新模型,管理员可在 Copilot 设置的模型策略里关闭
  • 12 月 14 日下线 6 个模型及官方建议替代:Claude Fable 5→Fable 5.2,Claude Haiku 4.5→Haiku 5.5,Gemini 3.8 Flash→Gemini 4 Hydrogen,Gemini 4 Argon→Gemini 4 Carbon,Grok 4.6→Grok 4.7,Kimi K3→待公布(弃用通知)
  • 例外:年付的 Copilot 个人订阅用户仍可继续使用 Claude Haiku 4.5
阅读全文

X 热议:马斯克称英伟达很多关键供应链协议只是和黄仁勋「握手成交」、没有书面合同,黄仁勋离开后部分会丢;转引 Dylan Patel「谷歌正向整条供应链求产能」片段,获 5.7 万赞、约 382 万浏览

新加坡时间 11 月 14 日 22:37,马斯克(@elonmusk)转引一段 SemiAnalysis 创始人 Dylan Patel 的访谈剪辑发帖:「黄仁勋把英伟达的供应链做得极其出色,但很多协议只是和黄仁勋握手达成的,并没有书面合同。没有了黄仁勋,至少有一部分关键协议会丢掉。」被转引的剪辑由 @CEOinterview 账号发布,Patel 在其中称黄仁勋曾亲自说服一些营收只有几亿美元、但掌握关键零部件的小供应商,把产能卖给英伟达;如今他离开,「谷歌正在向整条供应链求更多产能」。马斯克这条帖子约 382 万浏览、56,967 赞、5,374 转发、2,280 条回复。本文整理的是个人观点和社区讨论:英伟达未公开过这类协议的形式,「握手协议」和「谷歌求产能」均未经独立核实。

核心要点速览

  • 马斯克原帖:「很多协议只是和黄仁勋握手达成,并没有书面合同;没有黄仁勋,至少一部分关键协议会丢掉」,约 56,967 赞、5,374 转发、2,280 条回复、约 382 万浏览(原帖)
  • 被转引的是 @CEOinterview 发布的 Dylan Patel 访谈剪辑(约 91 秒,约 2,995 赞、约 310 万浏览):黄仁勋「有完全的前瞻性」,亲自找营收只有几亿美元的关键零部件小厂,说服对方把产能让给英伟达(剪辑帖)
  • Patel 在同一片段里还说,黄仁勋离开后这些供应商在重新看市场,「谷歌正在向整条供应链求更多产能」,并质疑英伟达只领先最大竞争对手约一年,没了黄仁勋能否保住技术优势
  • 已确认的背景:英伟达 11 月 12 日官宣黄仁勋辞去 CEO 及董事职务,CFO Colette Kress 任临时 CEO,第三财季财报仍按计划于美国时间 11 月 17 日发布;英伟达未公开过供应链协议的签署形式
  • 这些都是个人判断:「握手协议」和「谷歌求产能」没有官方或独立来源证实;请把它当讨论看,不要当成事实
阅读全文
关联模型 / 智能体 / 厂商:

Google Antigravity 上线 Dynamic Workflows:/run-workflow 让智能体写 Python 脚本编排并行与串行子智能体

Google Antigravity 推出 Dynamic Workflows:输入 /run-workflow,主智能体编写一段 Python 脚本,用 parallel() 和 pipeline() 调度多个子智能体,每个子智能体按 JSON Schema 返回结构化结果;脚本运行前需用户审批,可保存复用。面向 Google AI Pro 与 Ultra 用户,App 与 CLI 均可用。

Google Antigravity 上线 Dynamic Workflows:/run-workflow 让智能体写 Python 脚本编排并行与串行子智能体

核心要点速览

  • 新命令 /run-workflow:智能体写 Python 脚本,用 parallel() 并发、pipeline() 串行调度子智能体(官方文档)
  • 每个子智能体在独立会话里运行,通过 finish 工具按 JSON Schema 返回结果,文件读取和测试日志不占主会话上下文
  • 脚本运行前需用户审批(Turbo 等预设可自动放行),可保存到项目里反复运行
  • 面向 Google AI Pro / Ultra,Antigravity App 与 CLI 都支持;自带 Python,也可用 ANTIGRAVITY_PYTHON 指定 3.8+ 解释器
  • 官方 X 原帖约 1.9k 赞、650+ 收藏(截至收录时)
阅读全文

ClickHouse 开源 Loom:给编码智能体的共享记忆 + 实时代码索引,代码问答得分 0.78→0.84

ClickHouse 发布开源(Apache-2.0)的智能体记忆系统 Loom,把记忆、代码索引和运行日志放进同一个 ClickHouse 库,记忆与代码关联,代码变动时标记可能过时的记忆。支持 MCP、HTTP API、Python/TS SDK,提供 Claude Code 和 Codex 插件。官方测试中代码问答平均分从 0.78 升到 0.84。

ClickHouse 开源 Loom:给编码智能体的共享记忆 + 实时代码索引,代码问答得分 0.78→0.84

核心要点速览

  • 代码问答(24 题×3 次)平均分 0.78→0.84,单题平均成本 $0.212→$0.17(官方口径,博客)
  • 找文件任务(36 题×10 次)准确率 91.4%→96.4%
  • LongMemEval-S 100 题:检索记忆 94% 对比塞入完整历史 90%,读取 token 少约 90%;完整 500 题 memory.ask 96.6%(官方口径)
  • 记忆与代码索引同库:函数改名会跟随,被重写则标记待复核,不自动改写
  • Apache-2.0 开源,需 ClickHouse 26.5+(推荐 26.8+),一行脚本用 Docker 启动
阅读全文

Arena 分析 105 个编程模型:4 月的最强编程水平到 10 月只需不到 1/20 的价格,榜首分数增速是去年冬天的 3 倍,几乎每两天上榜一个新模型

Arena 统计了 Code Arena: WebDev 榜自 2025 年 12 月以来 44 期周榜的 105 个模型。结论:小米 MiMo-V2.6-Flash 已超过 4 月榜首 Claude Opus 4.7,价格不到其 1/20;5 月以来榜首分数每月涨约 41 分,是冬季的 3 倍;1 美元以下的 25 个前沿性价比模型里 19 个来自中国。

Arena 分析 105 个编程模型:4 月的最强编程水平到 10 月只需不到 1/20 的价格,榜首分数增速是去年冬天的 3 倍,几乎每两天上榜一个新模型

核心要点速览

  • 上榜节奏:去年冬天每月约 5 个新模型,7 至 9 月每月 12 至 14 个,10 月截至 23 日已有 11 个;OpenAI 上榜 12 个,Anthropic、阿里、Google 各 11 个
  • 榜首:4 月最强 Claude Opus 4.7 在当前榜上 1558 分,现榜首 Claude Opus 5.5 为 1807 分;新纪录平均只维持约 3 周,此前约 2 个月
  • 价格:每次回答 5 美分到 1 美元区间,现最佳模型对同价位 4 月最佳的估算胜率 65% 至 80%;Opus 5.5 (Max) 胜率约 81%,但每次回答约 10 美元
  • 排名波动:前 10 名实验室每周近半数换位,第 10 名与第 1 名的差距缩小 38%(282 分到 176 分)
  • 地区分化:1 美元以上 15 个前沿模型中 13 个来自美国;中国 21 个前沿模型中 17 个开源权重,美国 19 个中只有 2 个
阅读全文
关联模型 / 智能体 / 厂商:

Simular 推出 box:一台挂在远程 MCP 上的云端 Linux 桌面,Claude、ChatGPT、Gemini、Claude Code、Codex、Cursor 共用同一台电脑,桌面免费、模型调用按积分计费

11 月 12 日(UTC),获 Felicis 和英伟达投资的电脑操作智能体公司 Simular 发布 box:每个账号一台云端 Ubuntu 桌面,自带 Chrome 和常驻 shell,整体作为一个远程 MCP 服务器(mcp.box.simular.ai/mcp,Streamable HTTP,OAuth 登录)提供。claude.ai、ChatGPT、Gemini、Claude Code、Codex、Cursor、OpenCode、VS Code 等任何 MCP 客户端都能接入,不同助手可以在同一台机器上接力干活,共享登录状态和文件。用户可在网页或 iPhone 上实时观看,需要登录或付款确认时随时接管。桌面本身免费,模型调用消耗账号积分;空闲时休眠、约 1 秒唤醒,连续休眠 14 天会被删除。发布视频浏览量超过 81 万。官方称「生产环境最快的电脑操作」,但未公布跑分。

Simular 推出 box:一台挂在远程 MCP 上的云端 Linux 桌面,Claude、ChatGPT、Gemini、Claude Code、Codex、Cursor 共用同一台电脑,桌面免费、模型调用按积分计费

核心要点速览

  • 接入方式:一个远程 MCP 地址 mcp.box.simular.ai/mcp,OAuth 登录;Claude Code 一行 claude mcp add --transport http box ... 即可,CI 场景可用 cb_ 开头的个人密钥
  • 安装器 npx @simular-ai/[email protected] connect 会自动发现本机的 Claude Code、Codex、Cursor、OpenCode、Hermes、OpenClaw、VS Code 并写入配置,doctor/remove 可检查和撤销
  • 计费:桌面免费,模型调用用账号积分;空闲约 1 秒唤醒,连续休眠 14 天删除整台机器和文件
  • Secrets 功能:API 密钥加密存储,AI 只看到替身值,box 仅在发往指定域名的请求里替换成真实密钥
  • 官方发布视频约 81.5 万浏览;「最快电脑操作」为厂商口径,官方未公布 OSWorld 等跑分
阅读全文
AD赞助内容

Cognition 升级 Devin Teams 套餐:Devin Desktop 不再按席位收费,每人送 2 个并发 SWE-2 免费会话,新增 SSO、按人分档用量上限和标准 BAA,席位上限降到 100

11 月 12 日,Cognition 宣布升级 Devin Teams 套餐:团队所有人都能用新版 Devin Desktop,不再为席位额外付费;新增 Free 模式,每位用户有 2 个由自研模型 SWE-2 驱动的并发免费会话,Desktop 和 CLI 里的免费 SWE-2 也成为 Teams、Pro、Max 套餐的长期权益。管理员可接入 Okta、Entra ID 等 SAML/OIDC 单点登录,按人或按组设置最多 3 档用量上限,并可在设置里申请标准 BAA。同时,Teams 的配额席位 30 天后取消,席位上限从 200 降到 100。

Cognition 升级 Devin Teams 套餐:Devin Desktop 不再按席位收费,每人送 2 个并发 SWE-2 免费会话,新增 SSO、按人分档用量上限和标准 BAA,席位上限降到 100

核心要点速览

  • Desktop 免席位费:团队所有成员都能用新版 Devin Desktop,不再单独购买 Desktop 席位
  • 免费 SWE-2:Free 模式下每人 2 个并发免费会话,可付费加购;Desktop 与 CLI 的免费 SWE-2 成为 Teams、Pro、Max 的长期权益。官方称 SWE-2 接近前沿模型、成本只是零头(未给具体跑分)
  • 管理控制:SSO 支持 Okta、Microsoft Entra ID 及任意 SAML/OIDC,接入后可关闭邮箱登录;用量上限按人或按组设置,最多 3 档,超额申请可人工审批或在上限内自动批准
  • 合规:Teams 客户可在设置中申请标准 BAA(医疗数据所需),无需签企业合同
  • 变化:配额席位 30 天后取消,Teams 席位上限从 200 降到 100;初创计划最高提供 6.5 万美元额度
阅读全文
关联模型 / 智能体 / 厂商:

X 热议:Artificial Analysis 称 Gemini 4 Carbon 在机械臂评测 AA-Robotics 里连跑 7 小时 33 分,把夹爪撞坏了,重试是否该算分引发讨论

独立评测机构 Artificial Analysis(AA)11 月 12 日中午(新加坡时间)在官方账号发帖:Google 的 Gemini 4 Carbon 在 AA-Robotics v0.1 实验室里一共跑了 7 小时 33 分钟,过程中把机械臂「撞来撞去」,弄坏了一个夹爪,AA 给了它一次重试。帖子附 11 秒现场视频,约 2 万浏览、300 余赞、40 余条回复。讨论集中在三点:重试成绩是否该单列、通用模型连续操控真实硬件 7 个多小时意味着什么、以及物理评测里的设备损耗和安全看护成本。AA 尚未公布 Carbon 在该榜的得分。以下为评测方分享与社区讨论,不代表最终榜单。

X 热议:Artificial Analysis 称 Gemini 4 Carbon 在机械臂评测 AA-Robotics 里连跑 7 小时 33 分,把夹爪撞坏了,重试是否该算分引发讨论

核心要点速览

  • AA 口径:Gemini 4 Carbon 在 AA-Robotics v0.1 实验室累计 7 小时 33 分,撞坏 1 个夹爪,AA 给了 1 次重试
  • AA 尚未公布 Carbon 的得分,也没说明重试成绩如何计入;当前榜首仍是 Claude Fable 5.2(75 分)
  • 按 8 项任务粗算约合每题近 1 小时;首发榜单上 GPT-6 Astra 平均每题约 30 分钟,人类约 20 秒
  • 热度:约 2 万 浏览、300+ 赞、40+ 回复、16 条引用
  • Carbon API 介绍期价格每百万输入 / 输出 token 2 / 10 美元,11 月 30 日后为 4 / 20 美元(Google 官方口径)
阅读全文

字节发布视频生成模型 Seedance 2.5 Flash:效果接近旗舰 Seedance 2.5,生成速度近翻倍,720p 每秒 0.152 美元、便宜约 34%,API 11 月 15 日上线

11 月 12 日,字节跳动旗下 BytePlus 与火山引擎同步发布视频生成模型 Dreamina Seedance 2.5 Flash。官方称它是目前效果最接近旗舰 Seedance 2.5 的模型,生成速度提升近一倍,整体效果优于上一代旗舰 Seedance 2.0。海外 BytePlus 定价为 480p 每秒 0.070 美元、720p 每秒 0.152 美元,国内火山引擎 720p 约 0.99 元/秒,均比 Seedance 2.5 低约 34%。单段最长 30 秒,每次最多参考 10 张图、5 段视频和 5 段音频,首发只有 480p/720p,不支持 Draft 模式。即梦等平台今起陆续上线,ModelArk 与火山方舟 API 于 11 月 15 日 14:00(新加坡时间)开放。

字节发布视频生成模型 Seedance 2.5 Flash:效果接近旗舰 Seedance 2.5,生成速度近翻倍,720p 每秒 0.152 美元、便宜约 34%,API 11 月 15 日上线

核心要点速览

  • 速度与效果:生成速度约为 Seedance 2.5 的 2 倍,官方称效果最接近旗舰、整体优于上一代旗舰 Seedance 2.0(官方口径,未公布第三方跑分)
  • 海外定价:480p $0.070/秒、720p $0.152/秒;旗舰 Seedance 2.5 为 $0.103 / $0.231,720p 便宜约 34%(BytePlus 官方对比图)
  • 国内定价:火山引擎 720p 文生/图生视频约 0.99 元/秒,同样较 Seedance 2.5 低约 34%
  • 规格:单段最长 30 秒,每次最多 10 图 + 5 视频 + 5 音频 参考(旗舰为 30+10+10);首发仅 480p/720p,不支持 Draft 模式
  • 上线时间:即梦、LibTV、Updream、Creao AI、TapNow 今起陆续上线;BytePlus ModelArk 与火山方舟 API 11 月 15 日 14:00(UTC+8) 开放
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Seedance 2.5 Flash⚡ Seedance 2.5⚡ Seedance 2.0🌐 ByteDance🌐 BytePlus🌐 Volcano Engine

Arena:Claude Fable 5.2 (Max) 以 +30.4% 净提升登顶 Agent Arena,约为第 2 名 Opus 5.5 的 1.6 倍,代码、工作、对话三榜均第一

Arena 于 11 月 11 日宣布,Anthropic 的 Claude Fable 5.2 (Max) 在 Agent Arena 总榜排名第一:基于 4,731 次真实智能体会话,净提升 +30.35%,约为第 2 名 Claude Opus 5.5 (Max)(+19.52%)的 1.6 倍,第 3 名为 Gemini 4 Carbon (High)(+16.98%,初步排名)。相比上一代 Fable 5.1,Fable 5.2 从第 5 升至第 1,净提升约翻倍,每任务中位成本从 7.60 美元降至 7.28 美元。它在「好评 vs 抱怨」「可控性」「确认成功」三项信号均居首,Bash 可靠性第 3,但每任务成本仍是 Gemini 4 Carbon 的约 5 倍。

Arena:Claude Fable 5.2 (Max) 以 +30.4% 净提升登顶 Agent Arena,约为第 2 名 Opus 5.5 的 1.6 倍,代码、工作、对话三榜均第一

核心要点速览

  • 总榜第 1:净提升 +30.35%(±3.93%),样本 4,731 次会话;第 2 名 Opus 5.5 为 +19.52%,第 3 名 Gemini 4 Carbon 为 +16.98%(Arena 榜单)
  • 相比 Fable 5.1:排名 #5 → #1,净提升 +14.82% → +30.35%,每任务中位成本 $7.60 → $7.28,API 价格 $10/$50 → $8/$40 每百万 token
  • 分项信号:好评 vs 抱怨 +73.44%(第 1,下一名约 +41%)、可控性 +32.96%(第 1)、确认成功 +21.99%(第 1)、Bash 可靠性 +14.42%(第 3)
  • 分类榜:Code +34%、Work +31%、Chat +27%,三类均第 1(Arena 官方口径)
  • 性价比:每任务 $7.28,约为 Opus 5.5($5.37)的 1.36 倍、Gemini 4 Carbon($1.46)的 5 倍;Pareto 前沿上仍有 Carbon、GPT-6.1 Sol/Terra 等低价选项
阅读全文

Google Antigravity 推送浏览器操控:Agent 在内置浏览器里自己打开页面、点表单、查控制台验证改动,可多标签并行,下载须逐个批准

Google Antigravity 官方账号 11 月 11 日宣布,浏览器操控(Browser use)正在向 Antigravity App 用户推送:Agent 可以在侧边栏的内置浏览器里打开网页、操作你正在跑的应用、查看控制台报错和失败的网络请求、截图,并在交付前亲自验证修复效果。官方文档显示,内置浏览器 Agent 需要 App v2.30.0 及以上,正向 macOS、Windows、Linux 上 Free、Plus、Google AI Pro、Ultra 的个人账号逐步开放,企业账号和 CLI 仍通过 /browser 连接本机 Chrome 144+。

Google Antigravity 推送浏览器操控:Agent 在内置浏览器里自己打开页面、点表单、查控制台验证改动,可多标签并行,下载须逐个批准

核心要点速览

  • 适用范围:App v2.30.0+,macOS / Windows / Linux 个人账号(Free、Plus、AI Pro、Ultra)逐步推送,暂不支持企业账号、Remote Agents 和 SSH 工作区
  • 并行:可同时开多个浏览器子 Agent,每个独占一个标签页,彼此不能操作对方或你自己开的标签
  • 模型:浏览器子 Agent 默认跑 Gemini Flash,独立上下文窗口;Flash 额度用完会停下询问,不会自动换模型
  • 安全:下载(v2.31.0+)逐个弹窗批准,.exe、.sh、.dmg 等可执行文件一律拦截;上传最多 20 个文件、单个 50 MiB
  • 登录:内置浏览器为每个账号保留独立 Cookie 配置,遇到 SSO、MFA、验证码会暂停让你手动登录,支付和身份页禁止 Agent 操作
阅读全文
关联模型 / 智能体 / 厂商: