AI 编程实时动态与要闻

GitHub 于 11 月 13 日在官方 Changelog 宣布：Google 最新的 Flash 级模型 Gemini 4 Hydrogen 已在 GitHub Copilot 正式可用（GA），面向 Copilot Pro、Pro+、Max、Business 和 Enterprise 用户，可在 VS Code、Visual Studio、Copilot CLI、Copilot 编码 Agent、Copilot app、github.com、移动端、JetBrains、Xcode、Eclipse 和 Copilot SDK 的模型选择器中使用，逐步放量，按用量计费、价格为厂商标价。GitHub 称它面向快速高效的 Agent 编码、工具调用和多步工作流，指令遵循比 Gemini 3.8 Flash 更好。同一天 GitHub 还发布弃用通知：2026 年 12 月 14 日起，Copilot 全部体验将下线 Claude Fable 5、Claude Haiku 4.5、Gemini 3.8 Flash、Gemini 4 Argon、Grok 4.6 和 Kimi K3，并给出替代模型。

查看大图

11 月 13 日，Google Fellow、Google Research 副总裁 Vahab Mirrokni 在 Google Research 博客和 X 上公布 Antigravity /teamwork 多智能体系统的新成果。Google 与 CUHK、USC、CMU 研究者用 Gemini 4 Argon 等模型完整证明了信息论中 2013 年提出的 Courtade–Kumar 猜想，并在 Lean 4 中形式化，共 5000 万行代码。/teamwork-LEAP 还全自主形式化了 Weil 猜想（约 180 万行 Lean，28,800 次子智能体调用）。工程方面，Zircon 微内核剩余部分被改写为约 80 万行安全 Rust，17 个 JAXBench TPU 内核几何平均提速 4.09 倍。/teamwork 和 /boost 已在 Antigravity 对外可用，1 万名学术研究者可申请 6 个月最高档免费额度。

查看大图

11 月 12 日（UTC），获 Felicis 和英伟达投资的电脑操作智能体公司 Simular 发布 box：每个账号一台云端 Ubuntu 桌面，自带 Chrome 和常驻 shell，整体作为一个远程 MCP 服务器（mcp.box.simular.ai/mcp，Streamable HTTP，OAuth 登录）提供。claude.ai、ChatGPT、Gemini、Claude Code、Codex、Cursor、OpenCode、VS Code 等任何 MCP 客户端都能接入，不同助手可以在同一台机器上接力干活，共享登录状态和文件。用户可在网页或 iPhone 上实时观看，需要登录或付款确认时随时接管。桌面本身免费，模型调用消耗账号积分；空闲时休眠、约 1 秒唤醒，连续休眠 14 天会被删除。发布视频浏览量超过 81 万。官方称「生产环境最快的电脑操作」，但未公布跑分。

查看大图

新加坡时间 11 月 13 日 02:02，Google DeepMind、Google AI 和 Gemini 官方账号同时宣布 Gemini 4 Hydrogen 正式上线，Gemini API 更新日志标注为 GA，模型 ID 是 gemini-4-hydrogen。按官方口径，它在默认 high 思考档位下的 Artificial Analysis 智能指数为 51，高于 Gemini 4 Argon 的 50，新增的 xhigh 档位可到 54；完成任务的速度是 Gemini 3.8 Flash 的 2.5 倍，Terminal-Bench 4.1 得分从 18.2% 提高到 57%。价格在 100 万 token 上下文内统一为输入 1.5 美元、输出 7.5 美元（每百万 token），免费层也能用。它同时成为 Gemini 应用、Google 搜索和 Antigravity 托管智能体的默认模型。昨天站内报道过的 SKU 价目表泄露，今天由官方证实。Cursor 官方随后宣布 Hydrogen 已上线编辑器，默认努力档（high）在 CursorBench 4.0 上为 54.3%，高于 Gemini 3.8 Flash 的 39.6%。

查看大图

AI 观察账号 leo（@synthwavedd，约 4.8 万粉丝）11 月 12 日凌晨（新加坡时间）发帖称：OpenAI 一年来首次在 Epoch AI 的能力指数（ECI）上排到第三，GPT-6 Astra 落后于 Claude Fable 5.2 和 Gemini 4 Carbon。帖子附 Epoch 榜单截图：Fable 5.2 为 173（90% 可信区间 170–177），Gemini 4 Carbon 170（166–174），GPT-6 Astra 与 Claude Opus 5.5 同为 169（166–172）。该帖约 3.8 万浏览、830 赞、45 条回复，中日文圈 12 日继续转述。Epoch 官网目前显示的最高分为 Fable 5.2 的 173，并注明该分数基于发布前测试、仍可能变化。争论焦点在于：前几名的区间互相重叠，「第三」到底有多大意义。

查看大图

独立评测机构 Artificial Analysis（AA）11 月 12 日中午（新加坡时间）在官方账号发帖：Google 的 Gemini 4 Carbon 在 AA-Robotics v0.1 实验室里一共跑了 7 小时 33 分钟，过程中把机械臂「撞来撞去」，弄坏了一个夹爪，AA 给了它一次重试。帖子附 11 秒现场视频，约 2 万浏览、300 余赞、40 余条回复。讨论集中在三点：重试成绩是否该单列、通用模型连续操控真实硬件 7 个多小时意味着什么、以及物理评测里的设备损耗和安全看护成本。AA 尚未公布 Carbon 在该榜的得分。以下为评测方分享与社区讨论，不代表最终榜单。

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 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

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

Google DeepMind 于 11 月 10 日发布 AlphaProof Code，这是一个多 LLM 智能体形式化验证框架：人类专家与模型一起把安全目标写成形式化规约，再由 Gemini 4 Carbon 驱动的智能体自动完成证明。团队用它证明了 Signal 协议核心实现的关键安全性质（如前向保密、设备被临时攻破后的恢复安全），一直验证到设备上实际运行的 AArch64 机器码。官方称这是首次对大规模部署的协议实现做到这种深度的形式化验证（无论是否借助 AI）：4 周内生成超过 600 万行由 Lean 机器检查的证明，仅约 1% 需要人工复核；规约与证明已在 GitHub 开源。Signal CTO Ehren Kret 公开背书。

查看大图

Google DeepMind 11 月 10 日与 Artificial Analysis 联合推出 MKA（Multimodal Knowledge Agent）基准，测 Agent 能否读懂建筑图纸、工程原理图、临床影像等视觉密集文件，并交付幻灯片、表格、报告和标注图。200 个私有任务覆盖 10 个行业、83 种职业，每题约 70 条专家评分项。Artificial Analysis 首批测了 21 个模型：Claude Fable 5.2（max）Climb WSR 57% 居首，Gemini 4 Carbon（high）54%，Claude Opus 5.5（max）53%；Fable 平均每题 31.97 美元，Carbon 为 6.29 美元。另有 10 道公开题已上 Hugging Face。

查看大图

Google 11 月 10 日宣布 Gemini 4 Carbon 正式向开发者、企业、科研人员和普通用户开放。两周前它只给 Fairwind 计划里的网络防御者使用，现在所有付费开发者可在 Google AI Studio、Android Studio 的 Gemini API 和 Gemini for business 中调用，Google AI Ultra 订阅用户可在 Gemini 应用、搜索 AI Mode、Antigravity 中使用。介绍期价格与 Argon 相同，每百万输入 / 输出 token 2 / 10 美元，11 月 30 日后涨到 4 / 20 美元。Google 还在 Antigravity 桌面应用和 CLI 预览斜杠命令 /swarm（Google AI Pro 与 Ultra 可用），可把一条提示交给协调者、并行工人和验证 Agent，在共享留言板上协作。Cursor 官方同步宣布 Carbon 已上线编辑器，高努力档在 CursorBench 4.0 以 60.4% 登顶。

查看大图

Google DeepMind 11 月 10 日发布 Gemini Robotics 2.5，称其为迄今最强的视觉-语言-动作（VLA）模型。官方在 200 多项任务上评测，相比此前基线成功率按任务类型提高 30% 到 100%，完成速度快 20% 到 30%。在与 Apptronik、奔驰合作的概念验证中，Apollo 2 人形机器人在匈牙利和德国的汽车产线上自主分拣零件，成功率 96%。模型目前只向机器人合作伙伴推送，开发者暂时无法直接调用。

查看大图

谷歌云 CEO Thomas Kurian 11 月 10 日宣布 Gemini for healthcare，即日起在美国以预览版提供。它把 10 月 Gemini at Work 上发布的通用 Gemini agent 扩展到医疗机构和医保方，由医疗技能、系统连接器、合作伙伴生态和统一治理平台四部分组成：可汇总跨院病历、诊前备好病历摘要、按保险政策整理预授权材料并起草申诉，也能帮医保方按医疗政策审核请求、解释自付费用。官方称平台支持 HIPAA 合规，临床数据不会用于训练谷歌的基础模型。

查看大图