这里是由Robin为你带来的咸话咸说之每日AI乱炖。
Google 推出 Gemini 4 Hydrogen,已在全线产品中取代 3.8 Flash
Google 又把新一档的快速模型铺到了全线产品里,模型侧先来一条。
Google 继续用元素命名新模型,这次叫 Gemini 4 Hydrogen。这套名字比早期的 Pro、Flash 更难望文生义,但 Hydrogen 的定位很清楚:替换掉 Google 生态里大多数人在用、更快也更便宜的那一档 Flash 模型。此前 Argon 和 Carbon 的发布都是分阶段推进,先从网络安全研究者开始,全面可用之后也只放开给付费最高的订阅用户。Hydrogen 的额度宽松得多,一开始就立即开放,并且已经在 Google 全线产品中替换掉 Gemini 3.8 Flash。
Google 称 Hydrogen 相对上一代 Flash 是重大提升。它有四档思考强度,分别是低、中、高,以及新增的 xhigh;即便放在高档,速度也是 Flash 3.8 的 2.5 倍。按 Google 自己的分析,它把「fabricated claims」(编造性表述)减少了 5 倍以上。代码生成方面,Hydrogen 在 Terminal-Bench 上的得分是 3.8 Flash 的三倍多。有些场景下它甚至能和更高一档的 Argon 打得有来有回:在 Artificial Analysis 智能指数上,xhigh 模式拿到 54 分,Argon 是 50 分。
快档模型是大多数人每天真正在用的那一档,它换代的节奏比旗舰型号更能左右成本和默认体验。Google 这次不搞分阶段、直接铺开,说明它更在意把份额守住,而不是先在研究者那里换口碑。值得盯的是两件事:所谓编造性表述的改善,放到真实的长任务里还站不站得住;档位越给越细,开发者选档的判断成本会不会反而上升。前两次发布都先给研究者、再给高付费用户,这次顺序反过来,也意味着出问题时受影响的面更大。
Anthropic 发布 Fable 5.2 与 Mythos 5.2,千个智能体约 30 小时形式化费马大定理
研究侧也有一条,Anthropic 把多智能体直接推到了数学证明上。
Anthropic 发布了 Claude Fable 5.2 与 Mythos 5.2。其中 Fable 5.2 定位为面向复杂研究任务的多智能体系统,可以让大量智能体自主分工、协调并推进形式化证明。
发布材料称,1,000 个 Fable 5.2 智能体在约 30 小时内、以极少人工干预形式化了费马大定理。这些智能体从最少的提示出发,自己建立起协作方式,不查阅数学参考资料,只用一组中间定理陈述作为评分依据。作为对照,评论中引用的早期未发布研究版本需要专门搭建的运行框架和一名人类研究员指导,耗时 11 天。这个结果如果经独立复核,可能推动 AI 驱动的定理形式化与并行研究;但目前给出的证据有限,Mythos 5.2 的具体能力、定位和可用性在现有材料中也缺少说明。
费马大定理说的是,整数 n 大于 2 时,不存在正整数 x、y、z 满足 xⁿ+yⁿ=zⁿ。把它形式化,是把证明改写成计算机能检查的机器可验证对象,而不只是生成一段自然语言论证。Anthropic 此前用尚未发布的研究版 Claude 首次形式化该定理,用了 11 天;这次换成 1,000 个智能体自行建立协调方式,等于同时检验模型推理、多智能体编排和形式验证三项能力。
对开发者和机构来说,Claude Fable 5.2 现已可通过 Claude Platform 和 Amazon Bedrock 使用;Claude Mythos 5.2 只对通过 Anthropic 验证的网络安全与生命科学高级工作开放,实际使用仍受准入限制。
实际体验者认为 Fable 5.2 能力已经很强,但在普通任务上常难与 Opus 5.5 区分,只有把任务目标与复杂度显著提高才能看出优势;另一位用户称 Opus 5.5 已能胜任约 12.5 万行代码的项目,因此质疑 Fable 和 Mythos 是否对应真实刚需工作流。社区里也有人认为 5.5 可能因为新版本发布而被削弱,并质疑这次发布中的基准设计,包括 Carbon 异常的 effort-intel 曲线、缺少单一网络安全基准的对比,以及 Robodojo 比较改用 Argon 而非 Carbon。
把定理写成机器能检查的对象,本来就不允许含糊:检查器会把每一项推理钉死,所以这类结果的意义不在定理本身,而在于它检验了大量智能体能不能自己形成分工与协调。真正决定它有多重的是独立复核和失败率,目前公开的证据还撑不起更强的结论。另一个看点是准入限制——只对通过验证的安全与生命科学工作开放,说明厂商正在给高能力模型装阀门。对研究团队来说,这更像一次关于协作方式的试验,而不是一次定理攻坚。
Reuters(路透社):Anthropic 考虑以约 1.4 万亿美元估值上市
资本侧还有一条,和刚才那家是同一家公司。
据 Reuters 报道,Anthropic 正考虑以约 1.4 万亿美元估值进行首次公开募股;CNBC 等媒体援引消息人士称,发行价区间为每股 70 至 78 美元,首日估值约 1.3 万亿美元。这些数字都来自媒体报道,最终的发行时间、定价和估值尚未确定。
据路透社报道,Anthropic 在更新后的 IPO 文件中拟以每股 70 至 78 美元发行 8.25 亿股 A 类股,对应最高约 1.4 万亿美元估值。路透称,这一水平略低于部分投资者预期,反映市场对 AI 企业的热情有所降温。需要说明的是,这篇报道的原文链接标题中的金额量级与稿内 1.4 万亿美元的估值口径不一致,属于媒体口径差异;本稿未能核对招股书原文,两处数字都以最终披露文件为准。
如果 IPO 按计划推进,据 ZeroHedge 转述 CNBC,约 20% 的发行股份拟配售给散户,参与者将能按 IPO 价格直接买入 Anthropic。它上市后的价格表现,将检验市场对约 1.4 万亿美元拟议估值的承受力。
这个数字本身不是重点,被检验的是公开市场愿不愿意为一家还在高速投入的模型公司付这个价,以及把两成份额留给散户会不会放大首日波动。媒体口径与最终文件之间的差额也提醒我们,这类估值都还在移动。对后面要融资的同类公司来说,它的定价与上市后的表现会变成一个参照点,融资节奏和条款大概率会跟着调整。等到真正挂牌,买方结构比首日涨跌更能说明问题。
来源:rss(经 Google News 聚合转引) · 路透社原文
研究称 Grok Build 编码代理泄露大量机密,部分来自 SpaceXSI 自己
安全这块今天也有一条,主角是编码代理自己。
安全公司 Claroc 的新研究显示,SpaceXSI 的 vibe-coding 编码代理 Grok Build 正在泄露数千名用户的数据,其中既有商业机密,也有其他敏感信息;连提供这个平台的马斯克自家公司自己也在受害者之列。
泄露发生在 Grok Build 让用户分享应用的链接上。Grok 本来会把 URL 随机化,只有知道确切链接的人才能访问对应的数据存储;但平台开发者的一项设计决定把这个目标完全抵消,任何人都能枚举出成千上万个正在运行的 Grok Build 项目。除了少数例外,点开这些链接就会打开应用,并露出与之关联的全部数据。
Claroc 找到的暴露数据包括内部商业计划、广告提案、体检结果、某家名人邮轮的配餐检查清单,以及员工姓名和工号。颇具讽刺的是,其中一部分敏感数据来自 SpaceXSI(即合并后的 SpaceX 与 xAI)自己做的应用:Claroc 在 SpaceXSI 的应用里找到 24 份文档,抽样中有标注为机密的 SpaceXSI 企业销售团队新人入职计划、一张覆盖 594 个客户账号的销售区域图、销售团队工具的内部系统地址,以及多个广告提案。
编码代理的价值在于把内部数据一键变成能用的应用,问题也恰好在这里:默认分享链接再加上可以被逐一猜到的地址,等于把数据边界交给了使用者的自觉。企业引入这类工具时,权限范围和链接的可猜性应该和技术能力一起评估。对开发者来说,这是在上线前就要问清「谁能访问」,而不是事后再补合规动作。这类事故通常不是攻破,而是把默认值留在了开放状态。
台积电拟向 Anthropic 与 OpenAI 投资 10 亿美元
上游供应链这边,代工厂开始直接持有客户的股份。
全球最大的芯片代工厂台积电准备向 Anthropic 和 OpenAI 投资 10 亿美元,从而直接持有这两家头部 AI 开发商的股份。而在 AI 数据中心的建设潮里,台积电自己的代工业务已经赚得盆满钵满。
据路透社报道,台积电董事会已批准动用最多 5 亿美元认购 OpenAI 面向大型投资者预留的优先股,另用 5 亿美元按 Anthropic 预期 IPO 价格购买其普通股。
《华尔街日报》报道称,这笔投资可能给市场「打一针信心」,因为 AI 交易近来已经显出疲态。但分析师也警告,投资者、供应商和客户之间这种循环融资,让真实的 AI 硬件与服务需求越来越难以评估。
这笔钱对台积电的体量算不上大,重点在姿态:供货方变成股东之后,产能分配和采购谈判里就多了一层身份重叠。分析师的忧虑说的是同一件事的两面——当投资方、供货方和客户高度重合,订单数字就不再是独立的需求信号。接下来值得看这些股份的锁定期和披露方式,那会决定它更像财务投资还是深度绑定,也决定它能否在下一轮算力谈判里变成筹码。
开源项目指称消费版 Gemini 会把 Gmail 与云盘内容交给人工审核
隐私方向上还有一条社区指控,得先把证据边界说清楚。
GitHub 开源项目 thisisme6598/gemini\_files 指称,消费者版 Google Gemini 在启用 Connected Apps 并授权 Gmail 或 Google Drive 之后,可能把邮件和文件内容发送给人工标注人员审核。讨论中的关键限定是,该说法针对 Consumer Gemini;评论援引的 Workspace 官方说明则称,Workspace Gemini 和面向企业的 Workspace Intelligence 不受人工审核。如果指控属实,用户为个性化功能提供的个人数据就可能进入人工访问流程,从而引发对同意范围、隐私告知和数据治理的担忧。但现有材料没有提供 Google 官方确认,也没有项目的测试方法、触发条件或发生频率,因此目前只能视为社区调查提出的指控,而非已获官方证实的事实。
消费者版 Gemini 里,用户授权 Gmail、Google Drive 等 Connected Apps 后,助手可以调用这些服务中的个人内容来完成任务。人工标注通常指工作人员检查模型交互或工具调用数据,用来评估安全性和质量;该开源项目声称,Connected Apps 读取的邮件正文和云端文件内容也可能因此进入人工审核流程。评论者特别区分了 Workspace Gemini 与 Workspace Intelligence,称二者仍宣称数据不受人工审核,所以消费者版的情况不能直接外推到企业 Workspace 产品,且这一指控本身尚无 Google 官方确认。
Google 官方隐私说明目前只确认 Connected Apps 信息会被保存并用于提供和改进 Gemini,并未在该结果中确认人工审核的具体范围。评论中多位参与者对消费者版在用户授权后接触邮件和文件的方式感到不满;一名用户称 Gemini 的回答曾异常贴合某封催问邮件,另有评论担忧人工标注数据被用于训练或发生泄露,但这些体验与推测都不能独立验证核心指控。
这一条的价值不在指控是否成立,而在它露出的信任缺口:用户很难自己判断,把邮件读取权限交出去之后数据在内部走了哪几步。开源项目拿不出测试方法,官方说明也只写到「用于提供和改进服务」这一层,两边都不够。可迁移的经验是,把自己产品的数据处理链路写成能被核对的清单,比留一句笼统承诺更管用。消费版与企业版的差别被反复强调,恰好说明这条边界现在靠的是产品线划分,而不是机制上的隔离。
Meta AI 发布 Muse Ember 1.0,百万 token 上下文、六档推理强度
价格这一块,Meta 也放出了一张新的价目表。
2026 年 11 月 10 日,Meta AI 推出 Muse Ember 1.0,称其为自家最小、最高效的模型,主要面向智能体反复执行的工具调用、编码子任务、路由、抽取和长文档解析,但材料中的独立验证仍然有限。该模型支持最高 100 万输入 token;提示不超过 20 万 token 时,输入、缓存输入和输出分别为每百万 token 0.10、0.004 和 0.50 美元,超过 20 万后升到 0.30、0.012 和 1.50 美元。
在各自的短提示区间,Ember 与 GPT-6 Luna、Claude Haiku 5.5 的输入与输出单价同为每百万 token 0.10 和 0.50 美元,Claude Fable 5.2 则为 8 和 40 美元。三者的长提示加价阈值分别是 20 万、27.2 万和 10 万 token,后两者的长提示输入与输出价分别为 0.20 与 0.75 美元、0.50 与 2.50 美元。Ember 提供从 minimal 到 max 六档推理强度;Simon Willison 引用的 Artificial Analysis 图表显示,xhigh 和 max 模式每项任务约 0.12 和 0.14 美元,Intelligence Index 约 34 和 36,位于帕累托前沿,但这只是特定基准上的结果,他的 SVG 生成尝试中 high 档并未返回完整图形,推理档位与视觉质量也没有清晰对应。
这次发布同时给出百万 token 上限、20 万 token 的定价阈值和六档推理强度,使智能体开发者可以把短提示与长文档任务的成本分开核算。现有证据只覆盖官方定位、特定基准图表和一次 SVG 生成观察,尚不足以断言它在实际工作负载中一定更省成本。
这条最有信息量的地方不是榜单分数,而是定价的分段方式:长上下文的加价门槛和推理档位一起公布,等于把成本结构摊开给智能体开发者看。但公开的指数与曲线只覆盖少数任务,重试和失败返回带来的隐性开销不在里面,同一款模型在不同链路上的账单未必对得上公开单价。真正的检验要等第一批生产流水出来。对小团队而言,可选项多了意味着该把任务按长度和难度先分开,再决定花在哪一档上。
Blender 5.3 原生支持高斯泼溅,Geometry Nodes 增加 Bundle
创作工具这边,Blender 把一条新的渲染路线收进了主线。
Blender 5.3 已发布,新增 Gaussian Splatting(高斯泼溅)支持,并扩展 Geometry Nodes 的 Bundle 能力,为处理 splat 数据和复杂可视化编程流程提供更直接的工具。一名早期测试者在 M4 上试用了从 Spirula Studio 导出的 400 万个 splat 的场景,称其运行迅速、集成成熟,没有发现与 Blender 其余界面不一致的地方。这份体验显示 Blender 5.3 对大型单场景有实用潜力,但现有反馈规模有限,尚不足以证明它已经产生广泛的行业影响。
三维高斯泼溅是一种场景表示与渲染方法:用带有位置、尺度、朝向、颜色和透明度等属性的三维高斯椭球表达场景,再通过投影与叠加生成图像,而不必把数据转成传统的三角形网格。Blender 5.3 的官方开发文档显示,3D Gaussian Splats 已接入导入、点云、Geometry Nodes,以及 Workbench、EEVEE 和 Cycles 渲染流程。Geometry Nodes 是 Blender 用于程序化生成和处理几何数据的节点式系统;Bundle 支持则把多个相关值组织为一个单元,并能与列表、闭包等结构化数据能力配合。
原生支持高斯泼溅之后,用户可以直接在 Blender 中导入、查看和渲染由真实照片或视频重建的高细节三维场景,把这类资产接进既有创作流程。早期体验者普遍认可这项支持的速度和成熟度,也有开发者认为 Bundle、列表与闭包能显著增强复杂工作流,但需要时间理解其编程模型;另有评论者提出三角面片泼溅这条替代路线,认为 GPU 对三角形的原生处理能力可能更适合实时游戏场景。
对三维创作者来说,这更像是管道上的接缝被抹平:以前要在重建工具和三维软件之间来回导格式,现在资产可以直接进项目,团队协作少了一层。这条路线和三角面网格各有适用面,实时游戏那侧大概率还会留在网格上,真实感的离线渲染才是它最顺的落点。真正要看的是大场景下的显存与编辑手感,以及几何节点新的数据组织方式会不会变成下一个学习门槛。
用 Claude Code 搭 Beep Locator,定位到约 40 厘米内的蜂鸣源
换个轻松的,讲一个周末级别的个人项目。
作者家的次卧堆满没拆的箱子,有个装置间歇蜂鸣,人工寻找既恼人又低效,于是让 Claude Code 构建了 Beep Locator,用多台设备协作定位声源。真正的难点有三个:位置校准、声音识别和跨设备时间对齐。
实现由一个 Python Web 服务居中调度,五台手机、平板和电脑通过 WebSocket 加入监听,每端保留最近 60 秒音频,用 FFT 和高通滤波找蜂鸣。设备互放声音本来用于自动定位,效果不佳,于是加了「粗略模式」,先在地图上拖动设备,再依声音校正。发现蜂鸣后,服务器让往返延迟最低的设备播一段短 chirp,各监听器上传蜂鸣前约 0.6 秒到 chirp 后约 0.8 秒的片段,对齐时间轴,按到达时差做三角定位。
拍手测试用独立标记验证定位效果,录音可以按设备逐条回放;确认蜂鸣频率是 3345 Hz 之后,系统结合后续间隔持续收窄范围,最终定位到约 40 厘米内,作者就这样找到了电池告急的旧一氧化碳报警器。开发过程中,Claude Code 参考 2007 年的 BeepBeep 论文搭出主体,再通过 WebSocket 热更新监听器的 JavaScript 模块,让代理能读日志、改感知逻辑、当场迭代。
作者认为这说明让编码代理获得可重构的现场听觉是一条可行路径;不过文章呈现的仍是一个实用个案,而非严谨的基准测试。
这个案例有意思的不是精度,而是现场调试的形态:代理能读日志、改前端模块、当场替换感知逻辑,于是「先试听一下」变成了可以反复迭代的开发循环。它同时也把代价摆了出来——多设备时间同步、校准这些麻烦没被模型消掉,只是变成了能一起往前推的工程细节。做物联网或音频工具的团队可以留意这种分工方式:人负责判断声音不对,机器负责把对齐和计算跑完。
这些消息放在一起,模型换代、资本进场和隐私风险其实是同一件事的三个面:能力越便宜,被默认使用的范围就越大。明天再挑几条值得细聊的继续。
🎧 本期已同步制作为播客节目,点击收听《每日AI乱炖 · 2026-11-16》。



