NEWS DESK·新闻资讯
人工智能日刊 · 第 19 页
最近发布的产品动态、研究进展与行业消息。
订阅
切换主题
- 商业·
CBS News·
美联航限制第三方 AI 智能体代订机票
政策针对未经授权的代理访问,旅客仍可使用正常的航司与分销渠道。 CBS News 于 11 月 11 日报道,美联航表示将限制未经授权的第三方个人 AI 智能体或助手,直接或通过中间平台代用户预订机票。 美联航在声明中提到,向个人 AI 助手提供账户凭证,可能导致支付信息暴露、非预期购买、账户修改或里程使用。公司将通过更新预订与出票政策实施限制。

- 音频·
微信公众号·
Salesforce 开放 SOV-Transcribe-1 语音转写模型
Apache 2.0 开放权重,面向非流式转写,特别关注邮箱、数字和任务关键字段。 Salesforce Sovereign Intelligence 发布开放权重语音模型 SOV-Transcribe-1,面向非流式自动语音识别,采用 Apache 2.0 许可。模型总计约 260 亿参数,激活约 40 亿参数。 官方强调,不只降低普通词语的转写错误,也关注邮箱、账号、数字及指定格式等任务关键信息,避免看似通顺的文本把后续工具参数写错。

- 开发工具·
OpenAI·
Amplitude 用 Wave 串联产品分析与代码开发
把分析数据、用户反馈、技术计划与 Codex 实现接回产品效果测量流程。 Amplitude 在 OpenAI 客户案例中披露产品智能体 Wave 的工作方式:结合产品分析、会话回放、用户反馈与代码,发现产品机会,再形成技术计划并调用 Codex 推进实现。 团队把功能上线后的效果测量接回同一流程,试图让“发现问题、实现修改、检验结果”连续进行。案例中的具体交付时间与增长数字来自 Amplitude 的自报实验,不能视为所有需求都能自动完成。

- 应用·
World Labs·
World Labs 开放 Atlas 工具与开发者接口
这次开放的是三维世界创作工具与 API;Atlas 模型介绍早在 9 月已发布。 World Labs 在 11 月 12 日公布 Atlas 新一阶段开放安排,提供生成与重建三维世界的工具和开发者 API,让生成结果进入创作与开发工作流。 Atlas 的模型介绍早在 9 月已经发布,此次消息对应工具与接口的释放,并不是模型名称首次出现。官方页面提供在线尝试与 API 入口,展示三维场景生成和重建方向。
- 开发工具·
OpenAI·
Gondola 披露 Codex 参与产品开发的流程
业务人员先做原型,工程师继续负责架构、安全与生产代码审阅。 创意协作平台 Gondola 在 OpenAI 客户案例中介绍,团队把 Codex 用于原型、工程实现与日常开发,让业务人员可以先把想法做成可运行版本,再交由工程师审查。 Gondola 自报整体工程产出提高约 25%,一名主要工程师合并的变更增加约 50%。这些是该团队在自身流程中的观察,不是对所有开发团队都适用的统一测量结果。
- 应用·
Google·
Google Search 接入 Hydrogen,增强复杂问题搜索
改进多部分问题理解、并行子主题搜索与图片表格等可视化回答。 Google 宣布把 Gemini 4 Hydrogen 引入搜索,重点改善多部分问题、细致条件和自然语言意图的理解,并在支持的 AI Mode 语言中提供更新。 官方介绍,新模型会围绕相关子主题并行查询,增加可参考的网站链接,并使用图片、比较表格等结构化方式组织回答。
- 前沿·
Claude·
Claude 新增表格、白板与交互式连接器
团队可在同一工作区维护项目资料,会议助手目前仍处于即将推出阶段。 Anthropic 于 11 月 10 日更新 Claude 工作区,加入 Claude Sheets、Claude Whiteboards 和升级后的交互式连接器。原有 Claude Dashboards 以 Claude Data 名称继续提供数据分析能力。 Sheets 用于创建和共同编辑电子表格,Whiteboards 用于整理想法、分工与时间安排。
- 模型·
百度·
百度发布文心 5.5 Flash 预览版
后训练版本接入千帆 API,官方计划于 11 月 25 日前开放权重。 百度于 11 月 11 日发布 ERNIE 5.5 Flash Preview。这是此前 Flash Base 的后训练版本,面向代码生成、工具使用及多步骤创作任务。 模型采用 2800 亿总参数、140 亿激活参数的配置,支持百万 Token 上下文。官方展示了游戏制作、三维建模和视频创作等应用,并已在千帆平台提供 API。
- 模型·
Google·
Gemini 4 Carbon 开始面向付费用户开放
开发者可通过 API 使用,Ultra 用户分批获得访问权限,Antigravity 同步预览多智能体协作。 谷歌于 11 月 10 日宣布扩大 Gemini 4 Carbon 的开放范围。此前该模型主要面向部分网络安全合作方测试,现在开始向付费开发者、企业以及 Google AI Ultra 用户提供。 Carbon 重点处理长时间、多步骤的编程和研究工作。
- 开源·
MiniMax·
MiniMax H3-Image 开放图像模型权重
同一模型支持文生图和参考图编辑,可直接生成约 1600 万像素的画面。 MiniMax 发布 H3-Image 图像生成与编辑模型,并在 Hugging Face 开放权重。模型衍生自 H3 架构,把文字生成图像和基于参考图的编辑整合在同一个检查点中。 官方模型卡给出的能力包括直接生成约 1600 万像素的图片,以及采用六步采样完成生成。展示内容涵盖场景设计、人物、细节修改和多参考图组合,实际速度取决于部署设备及推理配置。
- 模型·
IT之家·
千问 Qwen4-Max 预览版开始开放
首批接入 Token Plan、千问办公和 Qoder,完整 Qwen4 系列仍待正式发布。 11 月 11 日,阿里宣布下一代千问 Qwen4 即将发布,Qwen4-Max 预览版率先在 Token Plan 开放。千问办公、Qoder、千问 App 和 QwenStudio 也开始接入这款模型。 此次预览重点面向编程、知识工作和需要调用工具的智能体任务。阿里将更深入的知识理解、世界理解和复杂工作流程列为新一代模型的改进方向。
- 应用·
Adobe·
Adobe Firefly 加入创作智能体和工作流图
新增图像精修、视频编辑和可重复工作流,部分功能正式开放,部分仍处测试。 Adobe 在 11 月 10 日的 MAX 大会上扩展 Firefly 创作工作区,让 Creative Agent、图像编辑、视频制作及多个模型进入同一条工作流程。 新功能包括修改图片中文字、修饰与重新打光,以及用于串联模型和工具的 Firefly Graph。Builder 则尝试用自然语言建立网站、应用或演示原型。
- 开源·
Tether AI Research·
BotPsy 用 8 亿参数模型做端侧工具调用
Tether AI Research 公布小型智能体模型,提供原始权重及 GGUF 版本。 Tether AI Research 于 11 月 11 日介绍 BotPsy。这款 8 亿参数模型基于 Qwen3.5-0.8B 后训练,重点学习函数调用和小规模智能体工作流程。 团队将日历、邮件、文件、设备控制和简单检索列为目标用途。模型体积较小,适合在本地设备处理有明确工具接口的任务,复杂工作仍受模型容量和运行环境限制。
- 研究·
arXiv·
C²-Routing 按问题选择裁图或压缩图片
让视觉语言模型在看清局部细节和保留全局信息之间动态选择。 C²-Routing 预印本提出,根据图片和问题动态选择裁剪或整体压缩,减少视觉语言模型需要处理的图像信息。细小目标更适合局部放大,分散线索则可能需要保留全图。 系统还设置回退机制,在信息缩减可能影响正确性时使用原图。作者在三种模型和 18 个数据集中进行评估,实验使用 RTX 3090。
- 研究·
arXiv·
Chain of Physics 用工程知识辅助故障诊断
把故障、物理量变化和传感器信息连成知识链,供模型逐项推理。 Chain of Physics 预印本提出一种面向工业故障诊断的模型推理框架。系统从设备参考文档建立受约束的知识图,把故障模式、物理变化与监测传感器联系起来。 遇到诊断问题时,系统先检索相关路径,再分别推演候选故障如何产生观察到的信号,最后比较答案。研究强调设备专属工程知识对诊断过程的作用。
- 商业·
OpenAI·
ChatGPT 开放商家认领与商业智能体
企业可维护商品和服务资料,首批商业智能体面向美国符合条件的商家。 OpenAI 于 11 月 10 日推出测试版 Businesses in ChatGPT。符合条件的企业可以通过 Business Hub 认领资料,验证后维护公司信息、商品价格与可售状态。 后台还提供提及次数、网站点击和发现主题等汇总数据。OpenAI 表示,这些统计设置了数据量门槛,商家不会因此取得用户的原始对话。
- 研究·
arXiv·
模型升级后能否继续复用旧 KV 缓存
DeepSeek 案例显示部分任务可以加快首字响应,但保留有用信息不代表行为完全一致。 一项预印本研究了跨模型更新直接复用 KV 缓存的问题,详细案例覆盖 DeepSeek-V4-Flash 到 Flash-0731 的变化。目标是减少共享长上下文的重复计算。 在已有旧缓存的条件下,三项较长前缀问答测试的首 Token 耗时中位数取得 2.10 至 5.08 倍加速,但不同版本更新后的检索准确率差异明显。
- 开发工具·
Microsoft·
.NET 11 发布,SDK 加入 MCP 服务模板
新版补齐模型接入、智能体工作流与工具调用能力,部分 AI 界面功能仍为实验性。 微软于 11 月 10 日正式发布 .NET 11。与 AI 开发相关的更新包括 SDK 内置 MCP 服务模板,以及用于模型接入、工具集成和智能体编排的配套库。 开发者可使用 Microsoft.Extensions.AI 组织模型调用,通过 Microsoft Agent Framework 构建智能体及工作流。Blazor 还加入面向流式聊天、工具展示和审批交互的实验性能力。
- 研究·
arXiv·
FERN 为数据库问答筛选相关表格
结合冻结检索器与学习排序,先找到问题需要的表,再交给 SQL 生成环节。 FERN 预印本研究了大型数据库目录中的表检索问题。系统把三个冻结检索器的结果合并成候选,再根据多种特征重排,不在这个步骤调用生成式大模型。 在未用于训练排序器的 Spider 数据中,把全部正确表放入前五名的比例从 83.9% 提高到 95.6%。团队在一张 A100 上报告的 BIRD 开发集检索延迟中位数为 208 毫秒。
- 应用·
Google·
谷歌云预览面向医疗机构的 Gemini 工作流
连接病历、账单和临床资料,辅助病历综合与事前授权审核。 谷歌云宣布推出预览版 Gemini for healthcare,面向医疗机构分散在临床、运营和行政系统中的资料与工作流程。首批合作方包括 HCA Healthcare、Highmark Health 和 Northwell Health。 这一方案通过专用能力和数据连接器,把电子病历、账单平台、临床指南等信息放入同一工作上下文,支持病历综合和事前授权审核等多步骤任务。
- 前沿·
Google·
Gemini Intelligence 扩展到更多安卓设备
Pixel 10 系列获得新能力,语音整理、跨应用任务和自定义组件继续扩展。 谷歌于 11 月 10 日介绍 Gemini Intelligence 的新一轮设备和功能扩展。Pixel 10 系列获得相关更新,摩托罗拉的新设备也将加入支持范围。 新增范围包括把口述内容整理成文字的 Rambler,以及跨应用处理订餐、叫车和预订等任务的自动化能力。任务自动化还将扩大到英国、印度和日本。
- 机器人·
Google DeepMind·
Gemini Robotics 2.5 向合作伙伴推出
新模型强化灵巧操作与安全控制,已在奔驰生产线完成零件分拣概念验证。 Google DeepMind 于 11 月 10 日介绍 Gemini Robotics 2.5,并开始向机器人合作伙伴推出。模型可驱动不同机器人平台,处理工具使用、柔性物体和精细操作任务。 团队在超过 200 种任务中进行了评估,并与 Apptronik、梅赛德斯—奔驰合作,让 Apollo 2 在汽车生产环境中分拣零件。谷歌报告,该概念验证任务的成功率为 96%。
- 开源·
Hugging Face·
Hugging Face 介绍直接输出决策概率的模型
面向路由、分流和分类任务,在预定义选项上作选择,减少逐字生成的环节。 Hugging Face 于 11 月 10 日介绍 decision models,即针对预定义选项直接计算决策和概率的模型工作方式。文章结合 Jev 等项目说明了这一方向。 在客服分流、优先级判断或工具选择场景中,应用已经知道有哪些候选结果,可以让模型给各选项分配概率,而非先生成一段文字再解析答案。
- 商业·
Hugging Face·
Hugging Face 支持通过谷歌云账号结算
组织管理员可从 Google Cloud Marketplace 建立关联,统一管理部分 Hub 用量账单。 Hugging Face 于 11 月 10 日宣布,组织可以把 Hub 使用与 Google Cloud 结算账号关联,让相关用量进入谷歌云账单。 这一安排通过 Google Cloud Marketplace 完成订阅及组织绑定,面向已经使用谷歌云采购流程的团队。Hugging Face 列举了 Jobs、Inference Endpoints、Inference Providers 和 GPU Spaces 等服务场景。




















