今日要闻
1. Google 向开发者与公众开放 Gemini 4 Carbon
Google 于 2026-11-10 宣布,正式向开发者、企业、科学家和消费者推出 Gemini 4 Carbon。Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 Koray Kavukcuoglu 写道,Carbon 是公司迄今最强的模型,在网络安全以及复杂知识工作、软件工程与科学推理等长周期智能体工作流中表现领先。约两周前,Carbon 已通过 Fairwind 计划向部分网络安全防御者开放;此次是把它放到付费 API 与面向公众的产品里。官方同时强调:Gemini 4 Argon 仍是大多数软件工程与知识工作的理想选择,Carbon 则面向会把模型智能推到极限的任务,例如复杂的多步骤编码与调试、开放式科学研究,并通过消耗比 Argon 更多的 token 来做更充分的探索、更深的推理和更长的验证循环。
在面向真实工作流的独立基准中,Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 以及 Zapier 的 AutomationBench 上均排名第一,且单任务成本较外部次优模型低 2 倍以上。为了把这种能力用到更大、更复杂的项目上,Google 还在 Google Antigravity 中预览了 /swarm:一条提示可展开成可实时追踪的协同智能体团队,开发者可以把 Carbon 分配给架构设计、协调和审计这类最需要深度推理的角色,再搭配更快、更轻的模型以及对抗性验证器。与 Artificial Analysis 合作推出的多模态知识智能体基准 MKA 上,Carbon 排名第二,但单任务平均成本比第一名低 6 倍以上;在 Hebbia 的端到端金融智能体评测中,它与所测最佳模型持平,并在 Balyasny Asset Management 的 General Financial Intelligence 基准中,从 23 种前沿模型配置里排到第一。
Gemini 4 Carbon 已通过 Google AI Studio 中的 Gemini API 和 Gemini for Business,面向所有付费开发者与企业上线,首发体验价与 Argon 相同,为每百万 token $2 输入 / $10 输出;体验期于 2026-11-30 结束后,公众版 Carbon 将调整为 $4 / $20。它也在向所有 Google AI Ultra 订阅用户滚动推送,覆盖 Antigravity、Gemini 应用以及搜索中的 AI Mode。面向网络安全的 Carbon for cyber 仍需通过 Fairwind 计划申请,官方称其在发现(SEC-bench Pro)、利用(ExploitGym)和修补(CWE-bench v1)等关键基准上处于领先。安全评测方面,Carbon 在自适应红队环境中拦截了 99% 的攻击路径,单次尝试突破率降至 0.8%(Argon 为 3.1%);在 Gray Swan 的间接提示注入基准上,此前已达到 0% 成功率。四周前开放的科学家计划将继续滚动引入合格申请者,现有与未来参与者也可使用 Carbon,官方写道该计划旨在免费为 1 万 名科学家提供为期六个月的 Antigravity 最高用量档。
行业影响:
- Carbon 的公开发售把「比 Argon 更贵、也更耗 token 的极限层」从 Fairwind 小范围测试,变成一套可以写进生产工作流的付费产品,模型和产品线的分工比两周前更清楚
- 它用来证明自己的不再只是通用智力榜,而是 CursorBench、WANDR、AutomationBench 和金融尽调这类真实交付物;单任务成本比外部次优模型低 2 倍以上,说明 Google 想同时打「最难」和「更便宜」
/swarm、Carbon for cyber 和科学家计划把同一套模型拆进三种分发通道:普通付费 API、需申请的防御能力,以及免费但限额滚动的科研席位,谁能用上哪一层,将取决于计划和核验,而不只是模型名字
来源:Google 博客
2. DeepMind 发布 AlphaProof Code:用四周形式化验证 Signal 核心加密实现
Google DeepMind 于 2026-11-10 同步宣布 AlphaProof Code,这是一套把人类专家与 AI 智能体结合起来的多智能体形式化验证框架。官方称,研究人员引导智能体,对保护 Signal 与 Google Messages 等应用中海量私密对话的 Signal 协议底层代码,数学证明了其关键安全属性。DeepMind 写道:这是首次用 AI 对广泛部署的密码协议完成如此深度的形式化验证,也是首次——无论是否借助 AI——对这类广泛部署协议的实现完成同等深度的验证。大多数协议验证停留在设计层,而这次智能体进一步证明,编译后的代码在设备上实际运行时,仍满足专家指定的保护,例如设备被暂时攻破前后消息仍保持安全。
工作方式被拆成研究团队式的分工:人类专家与多种模型一起,把安全目标翻译成形式化数学规范,并逐条审阅;随后由 Gemini Carbon 驱动的智能体完成证明,生成超过 600 万 行 Lean 代码。智能体再审计证明,并标出需要人工复核的部分——官方称只需再看约 1% 的代码库,其余由 Lean 自动检查。整项验证用了约 四周,而历史上这类工作往往需要专家团队数年。为确认系统能区分正确实现与有缺陷实现,研究团队把两个此前已修复的真实漏洞重新引入隔离版本的 Signal 代码,两次都得到了机器可检查的证明:有缺陷的版本是不安全的。配套技术报告进一步写明,证明覆盖了后量子握手 PQXDH 与 Triple Ratchet,并建立了前向保密、认证、攻破后安全和握手保密等性质;约 650 万行经机器检查的 Lean 证明,建立在约 2.6 万 行受信任规范与 AArch64 语义之上。Signal CTO Ehren Kret 表示,用 AI 智能体把线上代码翻译成有效的 Lean 定理是重大突破,有助于在 AI 驱动的安全威胁上升时,进一步确认协议实现对隐私承诺的兑现。DeepMind 同时开源了形式化验证产物。
行业影响:
- 形式化验证的瓶颈,正在从「谁能写出足够长的证明」转到「谁能审定该证明什么、以及机器检查后剩下的那 1%」;Lean 内核负责正确性,人类负责规范和判断
- 把保证从协议设计推进到编译后的实现,正好对准真实漏洞最常藏身的那道缝;四周完成过去可能耗时数年的工作,意味着关键基础设施的数学级保证开始变得可规模化
- 这与 Carbon 的网络安全叙事是同一条线:最强的防御能力不只是找漏洞,还包括给已经保护数十亿对话的代码补上一层可检查的证明
来源:Google DeepMind · 技术报告
3. Gemini Robotics 2.5 亮相:Apollo 2 在奔驰产线配料成功率达 96%
Google DeepMind 于 2026-11-10 发布迄今最强的视觉-语言-动作(VLA)模型 Gemini Robotics 2.5,称其同时扩大了机器人可学习技能的广度,以及掌握这些技能的速度,以提升灵巧度、可靠性和安全性,帮助机器人走出实验室、进入更无结构的真实环境。官方在超过 200 项不同任务上做了评测,例如用夹子上菜、给礼盒系蝴蝶结、以及移液操作,并称视任务类型不同,成功率较既有基线提高 30% 到 100%,完成速度加快 20% 到 30%。该模型可原生适配多种本体,包括配备五指、22 自由度 SharpaWave 手的 Apptronik Apollo 2 人形机器人,以及带两指平行夹爪的 Franka Duo 平台。
衡量可靠性的关键演示,是与 Apptronik、Mercedes-Benz 合作,把 Apollo 2 放进匈牙利凯奇凯梅特(Kecskemét)和德国辛德芬根(Sindelfingen)正在运转的汽车生产线。试点任务是汽车零件配料(kitting):从散装料箱中取出金属支架,按每辆车所需顺序放入分拣托盘。系统用 Gemini Robotics ER 跟踪工作流,再用 Gemini Robotics 2.5 控制手臂和手,并在出现空位时自行纠正。官方称成功率为 96%。Apptronik 联合创始人兼 CEO Jeff Cardenas 表示,模型在短短数周的后训练中提升明显,迁移到奔驰产线后性能下降很小。该模型正在向机器人合作伙伴推送。
安全方面,2.5 使用推理时引导来实时避开物理危险。官方评测称,在障碍物附近的安全任务完成率提高 33%,在邻近人员附近提高 43%。为测试针对机器人的越狱,DeepMind 还发布开源基准 ASIMOV-Jailbreak;在该基准上,Gemini 4 Argon 的越狱抵抗率为 99.5%,高于此前基线 Gemini Robotics ER 2 的 82%。官方还写道,Argon 可作为仿真引擎,从真实摄像头场景生成大量变化的模拟练习并构建数字孪生,从而加速 2.5 的研发。
行业影响:
- 机器人新闻的验收标准,正在从实验室演示视频转向「能不能在正在运转的产线上把托盘配齐」;96% 的配料成功率把讨论从灵巧度展示,拉回到产线节拍和失败代价
- 工作流推理(ER)与动作模型(2.5)分开,说明工厂任务先要盯住工序和缺口,再谈手指怎么抓;这与软件智能体把规划器和执行器拆开是同一思路
- 障碍物与人员附近的安全完成率提升,再加上专门的机器人越狱基准,意味着身体安全正在变成可单独评分的产品层,而不是模型发布后的附带说明
4. Anthropic 推出 Claude Meetings、Whiteboards 与 Sheets,Claude Data 正式开放
Anthropic 于 2026-11-10(周二)发布一组面向职场的新产品。根据 TechCrunch 报道,Claude Meetings 允许团队把 Claude 作为可见的会议参与者加入视频通话:它会跟随讨论,在会议进行中起草正在讨论的计划、在白板上排出时间线、在会议聊天里回答问题,并调用已连接的工作应用去取信息。会后,会议纪要、待办事项和它生成的材料会出现在 claude.ai。Claude 会表明自己是会议参与者,并在聊天中发出提示;除非管理员授权,否则不会加入有外部访客的通话,若外部访客中途加入则会自动退出。该功能以测试版登陆 Team 与 Enterprise 方案,发布时先支持 Google Meet。
官方同步推出 Claude Whiteboards 与 Claude Sheets 测试版,并把今年 10 月以测试版上线的 Claude Dashboards,以 Claude Data 的名字正式开放。三者均可在网页、桌面和移动端使用,并面向所有付费方案。Whiteboards 是团队与 Claude 共同头脑风暴的共享白板,可生成带负责人和日期的时间线,也能在开完会后把白板转成文档或幻灯片,或继续放到 Lucid、Miro 等合作工具里。Sheets 可按一句提示生成带多页签、公式、格式和下拉菜单的工作表,并在单元格里直接修改、逐条标出改动;目前功能仍偏基础,需要完整 Excel 能力时可导出为 .xlsx 或 CSV,或使用 Claude for Excel。Claude Data 连接数据仓库或 CRM,支持经认证的指标定义、数据故事或旁白视频,以及把实时数字分享给没有连接器权限的同事;认证查询与实时分享仍为测试版。Enterprise 方案中,Whiteboards 与 Sheets 默认关闭,Claude Data 将于 2026-11-19 默认打开。官方还称,交互式连接器现在可以在对话旁或全屏打开 Adobe、Atlassian、Box、Notion 等完整应用。
行业影响:
- Anthropic 不再只把 Claude 当作会写代码的对话窗口,而是把它放进会议、表格和看板这些办公套件的核心表面,直接对上微软和 Google,也在回应 OpenAI 最近一批职场工具
- Meetings 把「会后整理」改成「会中就动手」,但外部访客规则说明:企业真正担心的是助手进错房间,而不仅仅是它能不能记笔记
- Whiteboards 与 Sheets 在 Enterprise 默认关闭、Data 延后到 11 月 19 日才默认打开,等于承认办公套件的落地节奏取决于管理员,而不是发布会当天的功能清单
来源:Claude 官方说明 · TechCrunch
5. OpenAI 上线 Businesses in ChatGPT:认领商家主页,并推出商业智能体
OpenAI 于 2026-11-10 宣布,以测试版推出 Businesses in ChatGPT,让企业通过 Business Hub 认领自己的主页、管理信息,并查看人们如何在 ChatGPT 中与自己互动。官方写道,ChatGPT 每周有 12 亿 人使用。通过核验后,企业可更新关键资料,并自行上传带价格与库存的商品信息源;任何在 ChatGPT 可用地区的合格商家都可申请认领,现有 OpenAI Enterprise 客户与广告主可直接找客户代表办理,Shopify 商家也可从 Business Hub 或 Shopify 后台完成核验。Business Hub 提供聚合洞察,包括提及次数、网站点击,以及网站被引用时的常见发现主题。官方强调:用户对话和 Business Agent 聊天不会共享给商家,洞察只在达到一定交互门槛后才可见。
在认领主页之后,合格机构还可以打造、测试并上线 Business Agent,用来回答问题并帮助人们了解自己的产品。当某个商家出现在模型回复中,用户可点进其 ChatGPT 主页;若该商家已发布智能体,顾客可选择另开一段对话去比较商品或追问细节。这段对话会被明确标注,与用户原来的 ChatGPT 对话分开,也不同于 ChatGPT 自己给出的独立答案。商家还可以赞助自己的 Business Agent,并把它作为 ChatGPT 广告的落地页;赞助位置会被清楚标明,并与 ChatGPT 回复分开。Business Agent 目前面向美国合格的电商与在线服务商家开放,官方称随后会扩展到更多市场和品类。
行业影响:
- ChatGPT 正从「回答关于商家的问题」转向「让商家认领并供货」;当商品信息和价格由商家自己维护,发现和比较就会更接近一个带对话的货架,而不只是搜索摘要
- 把 Business Agent 对话与 ChatGPT 的独立答案拆开,是在提前划清界线:一边是商家发言,一边是助手自己的判断,避免用户把广告对话误认成中立结论
- 先对美国电商和在线服务开放,并允许把智能体当作广告落地页,说明这套产品从第一天起就同时承担分发和变现,而不只是一套企业名录
来源:OpenAI
今日观察
今天的主线可以看成一句:前沿模型正从「公开发布一个更强的名字」,转向「把它放进可以验收的现场」——代码要经得起机器检查,机器人要站上正在运转的产线,助手则要走进会议室和商家主页。
Google 把两周前还只向 Fairwind 防御者开放的 Gemini 4 Carbon,铺到了付费 API、Gemini for Business,以及 Ultra 用户的 Antigravity、Gemini 应用和搜索 AI Mode。官方把分工写得很清楚:大多数日常工程和知识工作仍先用 Argon,Carbon 负责更耗 token 的极限任务,并用 CursorBench、WANDR 和 AutomationBench 上的第一,以及比外部次优模型低 2 倍以上的单任务成本来给这个分层定价。11 月 30 日后公众版将从每百万 token 2 / 10 美元调到 4 / 20 美元,体验价窗口本身也是放量策略的一部分。
同一天最能说明「极限层用来做什么」的,不是又一份基准表,而是 AlphaProof Code 和产线上的 Apollo 2。DeepMind 用 Carbon 驱动的智能体写出超过 600 万行 Lean 证明,在四周内验证 Signal 核心加密实现的关键属性,并开源产物;人类只需复核约 1% 的标记区域。与此同时,Gemini Robotics 2.5 不再只在实验室里系蝴蝶结或移液,而是和 Apptronik 的 Apollo 2 一起,在奔驰匈牙利与德国工厂做零件配料,官方给出 96% 的成功率。一个是给已经保护数十亿对话的代码补上数学保证,一个是把灵巧度交到产线节拍里去验收。
Anthropic 和 OpenAI 则把同一股推力用在办公与商业表面上。Claude Meetings 让助手作为可见参与者在 Google Meet 里边听边写计划和待办,Whiteboards 与 Sheets 把头脑风暴和表格留在 Claude 里继续改,Data 也从测试版转正。OpenAI 则把每周 12 亿用户的 ChatGPT 做成商家可以认领的货架:核验后可更新资料、上传价格与库存,美国合格电商还可以放出单独标注的 Business Agent,并把它接进广告。同日,Odessia 创始人 Francis Davidson 宣布这家由 Sequoia 领投、约一年历史的 AI 旅行代理公司已被 OpenAI 收购,自己将加入公司负责旅行方向;OpenAI 向 TechCrunch 确认了这一聘用,但未公布交易条款,也尚未宣布新的旅行产品,Odessia 的服务已经关停。一边是办公套件抢知识工作者的桌面,一边是商家主页和潜在的旅行闭环抢消费决策——助手要进入的下一个房间,已经不再是聊天框本身。
