AI 编程实时动态与要闻

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。

查看大图

11 月 12 日，李彦宏在百度世界 2026 上发布大模型交易平台「词元所」（Token Exchange），把它比作「大模型的证券交易所」。平台汇聚多家模型服务商，开发者对接一次 API 就能横向比较不同模型和供应商的效果、时延、价格并切换调用。针对中转站偷换模型、虚标参数的问题，上架前做资质审核、模型指纹比对和能力、性能、可用性测试，上架后定期抽检拨测，并给供应商打信用评级、建立公开信用档案。百度称上线一个月已有超 100 个模型资源，日均调用超 5000 万次、Token 超 7000 亿。

查看大图

11 月 12 日百度世界 2026 开幕式上，百度发布文心闪电深度思考模型和文心一镜微表情大模型，同步上线百度智能云千帆并开放 API。千帆文档中对应的文本模型是 ERNIE-Light-DT-1.0：100 万 token 上下文、最多输出 128K，思考可开关，推理强度默认 max；OpenRouter 上的官方描述称它基于开源 GLM，加入百度搜索「闪电」大模型的研究成果和百度稀疏注意力（BSA）。一镜微表情（ERNIE-Wizshot-ME）用一张人物图生成 4–15 秒 1080p 口播视频，刊例价每秒 0.7 元。官方未公布任何跑分。

查看大图

独立评测机构 Artificial Analysis（AA）11 月 12 日在官方账号公布：Anthropic 本周发布的 Claude Fable 5.2 在 AA-Robotics v0.1 上得分 75，成为新榜首，高于此前第一的 GPT-6 Astra（69）和 GPT-6.1 Sol（65）。这项评测让编码 Agent 通过 HTTP API 操控一台 6 轴机械臂完成 8 项桌面任务。AA 称 Fable 5.2 是第一个在「测量盒子尺寸」任务上得分的模型：它只靠摄像头视频，把场景里的卷尺当作比例尺来估算盒子尺寸。上一代 Fable 5.1 在 10 月首发榜单上只有 46.3 分。

查看大图

独立评测机构 Artificial Analysis 把生命科学视觉推理基准 VIALS-AA 改成“一次请求、不给工具”的单发模式重跑。结果显示，工具让各模型平均分从约 25% 升到约 47%。榜首 Claude Fable 5.2 (max) 带工具 67%、每题 4.20 美元，不带工具只有 44%、0.73 美元；Claude Haiku 5.5 (max) 带工具 49%、每题 0.07 美元。同日 AA 另指出：在 Claude 产品线里，升一档模型通常比把推理强度开到最大更划算。

查看大图

Databricks 11 月 11 日发布 Genie 插件，官方称已在 ChatGPT、Claude、Microsoft Copilot Cowork 和 Grok Bot 中原生可用，没有原生插件的 Agent 可通过 Genie One MCP 服务器接入。外部 Agent 可以把业务问题整个交给 Genie：Genie 依据 Genie Ontology 里认证过的指标定义理解业务术语，只在用户有权限的数据上写并执行 SQL，必要时转给财务、营销等领域 Genie Agent，最后返回带引用的答案；也可以只向 Genie 要缺的业务上下文，再继续用自己的工具干活。

查看大图

ElevenLabs 11 月 11 日在纽约峰会上集中公布了下一阶段的 Agent 路线。已上线的有：NVIDIA Nemotron 3.5 Super VL 进入 ElevenAgents 模型列表；ElevenLabs Partner Program 与 McKinsey 联盟；新应用 ElevenAI 开放免费早期访问。预览或“未来几个月”推出的有：Interaction Engine（管理打断与轮流发言，并为对话每个环节挑选合适的 LLM，简单分流用便宜模型、退款等复杂环节交给前沿模型）、ElevenAgents 的 Memory 与 Routines，以及与企业合作微调开源 LLM 和自家语音模型。

查看大图

Google AI Studio 11 月 11 日（北京时间 12 日凌晨）宣布，Gemini API 的 Managed Agents 现在可以“自带沙箱”。以前 Antigravity 等托管 Agent 的工具只能在 Google 托管的 Linux 沙箱里执行；现在 Agent 循环和模型调用仍在 Google 一侧，执行 shell 命令、读写文件这些工具调用则可以交给你自己的容器、VM 或 microVM。接入方式是先调用 POST /v1beta/environments 并传 {"mode":"self_hosted"}，拿到环境 id 和只返回一次的 environment_key，再在沙箱里运行开源 gemini-api CLI 的 environments connect。全程只走出站 HTTPS，不需要开放入站端口。

查看大图

AWS 本周推出 Nitro Sandboxes，并于 11 月 11 日（北京时间 12 日凌晨）在官方 X 账号再次推介。它是一种由 Nitro Hypervisor 管理的轻量 VM：每个 EKS Pod、ECS 任务或 EC2 上的工作负载都有自己的内核和硬件隔离边界，但仍跑在你已有的 EC2 实例里。AWS 明确把“AI Agent 执行 LLM 生成的代码”列为核心场景：每个会话一个沙箱，被提示注入诱导执行的代码只会困在这台 VM 里，会话结束即删除。EKS/ECS 开启只需改一行配置，大多数 Nitro 实例、所有商业区域可用，不额外收费。

查看大图

Google 11 月 11 日（北京时间 12 日凌晨）由 Sundar Pichai、@Google、@GoogleAIStudio 和 Logan Kilpatrick 正式宣布 Gemini Decisions API 与专用判定模型 Gemini Decision 1（gemini-decision-1）。它不逐 token 生成文字，而是一次前向计算给最多 1,000 个是否、单选（2–255 个选项）、打分题给出概率和置信度，支持文本、图片、音频、视频和 PDF，上下文 256K。官方称端到端延迟 150–250 毫秒，1 到 100 题延迟几乎不变；输入每百万 token 0.10 美元，输出不计费，在共享评测集上总成本约为 Gemini 3.5 Flash-Lite 的五分之一。官方跑分表中，它在 9 项评测里 7 项第一，7 项共享评测的 Top-1 校准误差 0.0250，低于 TypeSafe Jev 1.14 和 OpenAI 的 GPT-6 Luna。此前本站依据 API 更新日志报道时官方尚未公告，现已正式发布，此前「模型被撤下」的说法不成立。第三方 Artificial Analysis 测得其 Decision Index 为 66 分，尚未登顶。

查看大图

Perplexity Secure Intelligence Institute 11 月 11 日发布研究《Escaping SPACE: Part II》，用 12 个模型红队测试 Perplexity Computer Agent 所用的 Firecracker 虚拟机沙箱 SPACE。新加入的模型是 Claude Mythos 5.1、Claude Opus 5.5 和 GPT-6 Astra。两项任务分别是逃出虚拟机拿到宿主机上的 AWS 凭证，以及绕过网络策略访问被拦截的 URL。结论有两条。一是常见的 CTF 夺旗式题目会让 Agent 把精力花在找凭证上，改成明确针对虚拟化层的提示后，相关投入平均提升约 60 个百分点，但仍没有任何一次逃逸成功。二是专攻安全的模型未必更强：网络绕过任务中 GPT-5.6 Cyber 三次全败，通用的 GPT-5.6 Sol 三次全胜；GPT-6 Astra 平均 4.8 分钟完成，也胜过偏安全方向的 Mythos 5.1。所涉漏洞已修复。

查看大图

OpenAI 在对齐研究博客发布《What affects chain-of-thought monitorability across the model lifecycle?》，用「无 CoT 推理能力」和「CoT 可控性」两个代理指标，追踪从 GPT-5 到 Astra 级模型的思维链可监控性。四个结论：无 CoT 能力随基座困惑度下降平滑提升；部分架构在多跳规划和串行计算上超出困惑度预期；只有长度约束和最终答案评分的 RL 也会显著抬高 CoT 可控性；这种可控性还能通过 SFT 从教师模型传给学生模型。OpenAI 称结论「令人清醒」，但也强调可控性只是嘈杂的代理指标，在一对能力相当的模型上没有看到它与监控规避存在明显关联。

查看大图

亚马逊 11 月 11 日（北京时间 12 日凌晨）正式发布 AWS Emulator：一个在本机运行的 AWS API 模拟器，AWS CLI、各语言 SDK 和编码 Agent 只需改几个环境变量，就能把请求打到 127.0.0.1:9297，而不是真实云端，无需 AWS 账号、也不另收费。它用 Rust 编写，基于 AWS SDK 使用的同一套 API 模型生成，官方称覆盖 200 多个服务的 400 多个 API 模型。最特别的是，按高级首席工程师 Matthew Goldberg 的说法，全部代码由成千上万个自主 Agent 编写、测试和修复，团队没有手写或人工审查过一行。源码和保真度测试集都以 CC0 协议放在 GitHub 上。

查看大图

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。

查看大图

Google 11 月 11 日发布 A2UI 1.0，这是其生成式 UI 开放协议（Apache 2.0）的首个稳定版。Agent 不再只回一大段文字，而是描述要显示的卡片、选择器或图表，由各个 App 用自己的原生组件渲染。1.0 新增双向函数调用和无障碍支持，提供 React、Angular、Lit、Flutter、SwiftUI 渲染器，以及 Python、TypeScript、Dart 三套 Agent SDK。Google Cloud Tech 官方文章称，新的默认推理格式 A2UI Express 在 54 个样本的测试中让生成的 UI 代码 token 减少 63.2%。Atlassian、Alation、Bloomberg、字节跳动已在使用。

查看大图