AI 日报 · 2026-10-29

Google DeepMind 发布的 Gemini 4 Carbon 是今日头条：它被定位为当前最强前沿模型，在漏洞发现、漏洞利用和补丁修复等网络安全指标上领先，但会先向防御人员开放，再逐步扩大访问范围。Mistral Large 4（Le Chonk）则以开放权重形式发布，主打多模态、MoE、1M 上下文和网络安全/编码智能体能力。Replit 的 ViBench 2.0 与 Elorian 的 DecoyCount 从不同侧面提醒，长周期构建和真实视觉推理仍是短板：顶级模型在完整产品构建中只通过 49%-65% 的测试，Glimpse 在视觉计数上也仅刚过半。企业侧，OpenAI 与 ServiceNow 深化工作流集成，LangChain 密集推出浏览器操作、定时调度与证据支撑记忆，Supabase 和 IBM 也在向 agent 友好、可增量更新的基础设施演进。生态方面，Hugging Face 发起 ProtoStar 推动公共资助科研 AI-ready，GitHub Octoverse 2026 则显示 PR、commit 和新建仓库年内成倍增长。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [产品更新] OpenAI and ServiceNow expand partnership across enterprise workflows

OpenAI 与 ServiceNow 扩大合作，把更多 OpenAI 模型和智能体引入 ServiceNow 产品，并让 ServiceNow 工作流接入 ChatGPT 与 Codex。新的 ServiceNow 集成会把业务上下文和工作流操作带入 ChatGPT，使 IT 人员无需离开对话即可查找相似事件、评估变更风险并更新 ServiceNow 记录；客户连接自己的 ServiceNow 实例并选择开放哪些能力，由 ServiceNow 的 Action Fabric 执行既有业务规则和权限。ServiceNow 还在预览 ChatGPT 内的交互体验，例如值班工程师可在 ChatGPT 中查看关联监控告警、近期变更和受影响服务，并指派团队处理。双方计划在三个方向开发新能力：在 ServiceNow 的 AI Workflow Factory 中集成 Codex，并由 OpenAI 模型驱动 Build Agent 和 Autonomous Engineer；联合网络安全解决方案；以及 ServiceNow 产品中的 OpenAI 语音体验。

⭐⭐ [观点] The future of the firm

OpenAI 两位二十四岁即开始带团队的作者撰文，讨论 AI 进入企业后会落在组织架构的什么位置。文章提出三种示意性情形：AI 在「我们之下」，每个人座位不变、但底下长出一层 AI 劳动力，人人都变成管理者；AI 在「我们身旁」，作为类似同事的角色进入组织图，直接向现有的人类管理者汇报，并逐步承担更宽泛的职能、汇报层级上移；最不直观的是 AI 在「我们之间」，人上有人、人下有人，AI 居中协调与监督工作。作者称三种情形都不会完全照描述发生，但认为三者都会以某种方式成真，且已以微妙形式存在。文章的关注点不是全自动化，而是转型中的经济与「混合型公司」，并提出一个判断：模型只做部分任务时，由熟悉工作的一线员工采纳最容易；当模型能端到端完成宽泛职能时，高层便可直接使用——在他们看来，能力更强的 AI 反而更易被采纳。文章还表示将讨论这对繁文缛节、员工能动性、公司规模与薪酬差距的含义。作者注明该文属于其「下一个经济」系列，代表个人观点而非 OpenAI 立场。

Google

⭐⭐⭐⭐⭐ [模型发布] Gemini 4 Carbon: Our next frontier model

Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其是当前最强模型，在网络安全与长时程任务能力上处于领先水平。Carbon 在更新后的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%，漏洞发现）、ExploitGym（54.8%，漏洞利用）和 CWE-bench（71.0%，补丁修复）上领先；在 WebDev Arena 上提升 89 个 elo 分，以 1768 分位列第 4。该模型建立于两周前发布的 Gemini 4 Argon 之上。推出节奏较为审慎：DeepMind 正参与美国政府自愿性的发布前模型测试流程，本周起先向部分网络安全防御人员开放，并通过 Fairwind Program 逐步向更多可信伙伴开放，之后才会通过产品面向开发者、企业和消费者提供。定价与 Argon 相同：输入每百万 token 2 美元、输出每百万 token 10 美元，缓存输入 token 按输入价格的 95% 折扣计费。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐⭐ [模型发布] Welcome Le Chonk: Mistral Large 4 on Hugging Face

Hugging Face 博客介绍了 Mistral 发布的 Mistral Large 4（昵称 Le Chonk）：一个多模态、多语言、采用 MoE 架构的模型，输入文本与图像、输出文本，总参数约 1T、激活参数 49B，上下文窗口 1M tokens。官方提供 FP8 与 NVFP4 两个版本，Unsloth 与 llama.cpp 团队另做了 GGUF；模型以「Mistral Ecosystem Open-Weight License」发布，该许可证由 MIT 派生，对模型即服务（model-as-a-service）用途设有限制。架构上它结合了大量专家、稀疏注意力与 Pixtral 视觉编码器：语言模型为每个 token 选择一小部分专家，注意力索引器选则要关注的历史 token 位置；文本解码器有 72 层。Mistral 表示该模型在网络安全、编码智能体和多模态方面表现较强，在 Artificial Analysis Cyber Index 上得分 82%，该测试要求模型复现开源软件中的真实漏洞并打补丁。文中还给出 Transformers、vLLM、llama.cpp 的推理支持，以及用 TRL 微调、Inference Endpoints 与 Dell Enterprise Hub 的使用方式。

⭐⭐ [模型发布] Granite Switch 4.1.1 — Update models like you update software

IBM 发布 Granite Switch 4.1.1，这是 4.1 的补丁版本，版本号含义与软件一致：完全向后兼容、无需迁移，改动都在底层，属于增量改进。此次更新了 Granite Speech ASR 模型，支持 10 种语言的多语种语音转文字，原生输出标点与大小写，转录结果无需再做一次格式化即可交给下游模型；同时更新了 granitelib-core 中的 Decision 适配器，在 Jev Decision Index 测试集上的整体表现有所提升。文章强调，除了训练新的 ASR 模型和 Decision 适配器之外，其他部分都没有重新计算，基础模型保持不动，用户只需组合所需的最新适配器并部署。作者表示，正在制作教程和 Adapter SDK，让开发者与第三方提供方能够自行构建适配器、迭代版本、测试功能，并像发布软件一样发布更新。

⭐⭐ [模型发布] Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning

Elorian 发布了其首个视觉推理模型 Glimpse，被宣传为「一种新类别的视觉思维模型：从所见内容对物理世界进行推理」。Elorian 于今年 4 月结束隐身状态，获得 5500 万美元种子轮融资，由 Striker Venture Partners、Menlo Ventures 和 Altimeter Capital 联合领投。该公司与 AI 数据公司 Mercor 合作发布 DecoyCount 基准，用于检验语言模型是真正在数物体，还是依赖视觉捷径和替代启发式；配套论文称前沿模型在该基准上准确率均低于 50%，最高的是 GPT-6 Astra，为 43.17%。CEO Andrew Dai 表示，Glimpse 在 1660 道 DecoyCount 题目上得分 50.48%，是唯一超过 50% 的模型，Gemini-3.8-flash 为 32.71%、Qwen3.8-max 为 28.31%、Claude-Fable-5.1 为 25.22%；但他也说明 Glimpse 是模型单独单次运行、未使用 agent 或工具框架，而论文中的六个模型是各自在报告设置下三次运行的平均值。Dai 曾任职 Google，2015 年与 Quoc Le 合著「Semi-supervised sequence learning」，此后在 Google DeepMind 参与 GLaM MoE、PaLM 2 和 Gemini，今年离职共同创办 Elorian。

产品更新

⭐⭐ [产品更新] Introducing AnySpeechRecognizer and AnyDecisionModel: Open Models for Speech and Decisions on Apple Platforms

Hugging Face 博客介绍两个面向 Apple 平台的 Swift 包：AnySpeechRecognizer 与 AnyDecisionModel。AnySpeechRecognizer 沿用 Apple 在 macOS 26 / iOS 26 引入的 SpeechAnalyzer 等 API，默认使用 Apple 引擎，也可切换到在本地 Core ML 上运行的 NVIDIA Parakeet 系列或阿里巴巴 Qwen3-ASR，并增加说话人分离功能。Parakeet v3 支持 25 种欧洲语言并自动识别语种，Parakeet Ultra 是 Moondream 对 v3 进行后训练得到的版本，Parakeet Unified 是 NVIDIA 的英文版；Qwen3-ASR 提供 0.6B 和 1.7B 两种规模，支持 30 种语言和 22 种中文方言，按不超过 40 秒的片段输出最终结果，不提供 volatile results、词级时间戳或置信度，运行在 GPU 上。AnyDecisionModel 用于回答是/否、多选和评分量表问题，返回带类型的答案和概率，答案由模型概率推导而非生成文本，可调用设备上的 MLX、Core AI 或 llama.cpp 模型，或 Jev、Ollama 的决策模型。两个包都可从 Hugging Face Hub 下载开放模型并在设备端运行。

⭐⭐ [产品更新] Browser Use in Managed Deep Agents

LangChain 为 Managed Deep Agents 增加了浏览器能力，让智能体可以像人一样读取页面渲染后的内容，并执行点击、滚动和填写表单；这些能力适用于 API 无法覆盖的操作（如订票、取消订阅）以及端到端测试。该功能由 LangSmith 托管运行，并提供针对上下文效率调优的浏览器工具。浏览器会话可按 thread 或 user 共享：thread 默认让每个会话使用独立浏览器，user 则在同一个已登录用户的多个会话之间共享 Cookie 与登录状态；无活动达到 idle_ttl_seconds（默认 10 分钟）后浏览器会停止。遇到登录等需要人工的步骤时，智能体可调用 browser_handoff 将浏览器交给用户，用户在 LangSmith Studio 中自行登录后再交还控制权。

⭐⭐ [产品更新] How We Built Our Design Agent

LangChain 的 GTM 工程团队与设计团队合作，构建了名为 Content Studio 的设计 agent，它运行在 Slack 中，基于 Managed Deep Agents 实现，用户只需用一句提示就能生成视频、社交图、UI 图、幻灯片等资产，所有产物都以代码形式产出。文章总结了几条经验：把设计师的原则、防护规则与反馈理由写进 agent 的 skill 与检查项；为每个 Slack 线程提供独立沙箱，让 agent 在多轮对话之间保留项目状态，并能调用视频引擎、图像工具和共享画布、检查自己渲染的结果；为长时间运行的异步任务提供多人可见的进度、计划与发布前审批；随着模型能力提升，删掉那些为弥补模型弱点而设的规则。团队称该 agent 已产出 3000 多个资产、80 多份幻灯片，其作品在 X 上的帖子获得约 450 万次浏览。文章同时提供了开源仓库，可接入自家品牌 token、字体与 skill，并通过 Managed Deep Agents 部署到团队 Slack。

⭐⭐ [产品更新] Context Engineering with Deep Agents: How To Remember Without Keeping Everything In Context

LangChain 博客文章介绍「上下文腐坏」问题：长任务 agent 累积的指令、工具结果、文件等上下文超出模型窗口后，准确率与推理能力会下降。文章称其开源 agent harness「Deep Agents」通过五种方式把上下文移出活跃窗口而不删除：卸载（大工具结果与用户消息存入文件系统，模型只看预览）、摘要（接近上限时压缩旧消息）、技能（任务知识按相关性加载）、子 agent（嘈杂工作在独立上下文窗口运行，只回传结果）、长期记忆（写入文件并延续到下一次对话）。文章用一个「竞品分析 agent」的例子说明这些技术如何应用，并称这些技术通过「中间件」插入 agent 循环的特定节点实现。文章还将上下文工程手法分为两类：阻止不必要信息进入窗口，以及管理过滤已在窗口内的内容。

⭐⭐ [产品更新] How to Build Proactive, Always-On Agents with the Schedules SDK in Managed Deep Agents

LangChain 博客介绍了如何用 Managed Deep Agents 中的 Schedules SDK 构建主动式、常驻运行的 agent；其核心机制是把 agent 当作 cron 任务来运行。作者称，LangSmith 上超过 70% 的 Managed Deepagent 运行来自定时调度，而不是人工发消息。cron 带来几类能力：后台任务定期压缩历史对话以更新长期记忆，也就是所谓「dreaming」；按固定节奏唤醒 agent 去推进目标，并主动向用户发消息；定期扫描 Slack、邮件等信息源并做筛选提醒；按用户要求定时提醒；以及编排 agent 定期唤醒自己，以监控 agent 集群、检查异步子任务进度。文章随后说到，构建这类 agent 需要两部分：一个易用的 cron 服务器，以及第二个（正文在此截断）关键组件，并给出在 Managed Deep Agents 中的示例。

⭐⭐ [产品更新] How to build evidence-grounded agent memory with OpenWiki and Graphs

LangChain 博客介绍如何用开源工具 OpenWiki（基于 Deep Agents 构建的命令行工具）配合证据图谱，为 agent 构建可作为记忆层的编译式 wiki：它把源材料合成为带引用、互相链接的页面，并随源文档变化而更新。作者称，在需要跨源关联的问题上，以该 wiki 作记忆层的 agent 准确率约为仅靠 grep 搜索工具的 5 倍。在此基础上，用证据图谱把引用和文档引用关系连成显式边后，agent 引用同一证据的一致性翻倍、准确率再提升 27%，每个正确答案的成本降低 58%。对于简单查询，不使用记忆层的 agent 准确率相当且速度更快。OpenWiki 的每条陈述都锚定为一条 claim，并关联到支撑该陈述的源文件行及其哈希；源行变化时哈希随之改变，因此无需调用模型即可标记受影响的 claim，只把这些 claim 交给模型确认、修订或撤回。评测使用由 111 篇长文档合成的保险文档库，并配有一份 972 条事实的账本，用来控制每条事实应出现的位置、文档间的引用关系以及版本之间的变化。

研究

⭐⭐⭐ [研究] ViBench 2.0: A Benchmark for Long-Horizon Software Building

Replit 发布 ViBench 2.0，一个面向长周期软件开发（long-horizon software development）的基准测试，并被纳入其推理与训练合作伙伴 Fireworks 的 Specialized Intelligence Index（SII）。与 DeepSWE 等在既有代码库内给定明确任务的编码基准不同，ViBench 2.0 让智能体从空项目开始，参照 Uber、GitHub、Google Docs 这类产品，逐个功能地构建完整产品。该基准包含 17 个产品、241 条功能需求和 544 份测试计划；表现最好的模型 GPT-6.1 Sol、GPT-6 Astra 和 Opus 5.5 也只在 49%-65% 的构建中通过全部测试计划。ViBench 1.0 曾发现模型在修改自己写的代码时得分更低（论文称为 Vibe-on-Vibe），ViBench 2.0 通过模拟产品演进进一步扩展了这一设定。其中 8 个产品以 Harbor 格式公开在 GitHub 上，其余 9 个保留未公开。

⭐⭐ [研究] GitHub Octoverse 2026

GitHub 执行副总裁 Jay Parikh 在 GitHub Universe 上公布了 2026 年度 Octoverse 报告，Simon Willison 在现场记录并转述了其中的关键数字：2026 年合并的 pull request 在不到一年内增至三倍，达到每月 2.2 亿次；commit 数增长超过三倍，达到每月 73.8 亿次，其中大部分增长发生在本年下半年；新建仓库的速度翻倍，达到每月 3030 万个。报告新增了按行业划分的数据，并单独统计了涉及「互操作性或逆向工程」的仓库。方法说明部分提到：按公开仓库 push 量排序的国家数据依据用户 profile 所在地进行调整，并使用 LLM 分类从 profile 中提取 ISO 3166-1 alpha-2 国家代码，以减小 VPN 使用带来的偏差；行业归类则用微调的多语言 embedding 模型，依据名称、描述、topics 和 README 将 2022 至 2026 年创建的公开仓库分入 NAICS 部门；互操作性统计的口径是仓库的名称、描述、topics 或 README 中提及 interoperability、reverse engineering，以及 clean room implementation、drop-in replacement、protocol re-implementation 等相关术语。

观点

⭐⭐ [观点] Why Agents Love Supabase

这是 Latent Space 对 Supabase 创始人 Paul Copplestone 和 Ant Wilson 的播客访谈配套文章，也是两人首次共同上播客——此时距离他们以 YC S20 项目起步已过去六年，公司从开源、全员远程做到 100 亿美元估值。文章围绕「为什么 agent 喜欢 Supabase」展开：swyx 称自己跑的 AEO 追踪显示，从 Astra 到 Fable 到 Muse 的各个前沿模型几乎都把 Supabase 选为应用后端首选。在 Select 大会上，Supabase 把发布分成 Build、Operate、Scale 三类，作者重点提到三项：无需 Docker 即可在本地运行 Supabase 的 alpha 运行时、把目标数据库 schema 以声明式文件保存在 Git 中供 agent 读取和修改、以及在数据库旁运行计算（Supabase Compute，目前为私有 alpha），用于文档切分、生成 embedding 等耗时任务。Operate 一侧则围绕日志、检查、连接和上下文，让 agent 理解自己正在改什么。创始人表示 Supabase 每月约新开 500 万个数据库，他们也在考虑 agent 把这一数字推向数十亿应用时的情形，同时现有客户仍在增长。

其他

⭐⭐ [其他] Announcing Project ProtoStar: Making Publicly Funded Science AI-Ready

Hugging Face 博客宣布发起「Project ProtoStar」计划，联合大学、研究机构、产业界与开放科学社区，推动公共资助科研成果以「AI-ready」、机器可操作的格式发布数据集、模型与代码，使其更易被发现、复用和二次开发。创始合作方包括卡内基梅隆大学、普渡大学、佐治亚理工学院、亚利桑那州立大学和乔治·华盛顿大学（通过 Open Forum for AI 作为高校联盟伙伴）、Astera Institute、作为基础设施伙伴的 Hugging Face，以及作为社区伙伴的 ORCA。参与机构以谅解备忘录的形式确认参与，首个挑战赛由卡内基梅隆大学主办，于 11 月 2 日开放。文中给出的背景是：美国联邦政府每年在研发上投入约 1900 亿美元，NIH、NSF 等机构已加强公共获取要求，Hugging Face 是 NIH 列出的十个通用数据仓库之一；但科研成果公开并不等于可用，科学数据、模型与代码常散落在互不兼容的系统中、以静态或遗留格式存储，或缺少文档、元数据与来源信息。该计划参考了美国国家癌症研究所的 AI Data-Readiness Challenge 与 Hugging Face 的公共部门数据准备指南；目前 Hugging Face 在基因组学、蛋白质设计、化学、天气与气候、地球观测、天文学等核心科学领域托管了超过 1.7 万个公开数据集，若计入医学与数学则接近 2.9 万个，并有数量相当的科学模型。

⭐⭐ [其他] How We Built LangChain’s Paid Media Agent

LangChain 介绍了其为支撑付费广告投放而搭建的 Paid Media Agent：该 agent 会跟踪产品发布、草拟广告系列、添加关键词、测试变体，并把建议的实验提交给团队审批，目标是形成「分析—改动—观察—沉淀」的持续学习闭环。文中给出的结果包括：付费媒体在六个月内从贡献营销管道的 0 提升到 20%；6 月至 8 月每个合格线索的成本下降 30%，同期月支出增加约 60%；在 LinkedIn 上每次合格线索成本（CPL）比 1 月低 40%；把分析与报表收归内部后，每月节省约 5K 美元。工程经验包括：把 agent 当作知识工作者，为它提供包含沙盒、软件、业务上下文和操作说明的工作区；把计算、事实来源规则与防护措施交给代码处理，让模型专注于解读结果并给出下一步建议；围绕完整工作流设计，改动提案需经人工审批，并验证改动是否被正确执行；使用托管的 Deep Agents 处理托管、沙盒、Slack 集成和定时调度。该 agent 已开源，可作为其他人自建 agent 的起点。