阿里發佈 Qwen4-Max,強化智能體與編程能力,面向全場景任務
阿里巴巴發佈新一代基座模型 Qwen4-Max,具備原生視覺能力、支援百萬上下文,並強化智能體與編程能力。
最新進展11月22日 05:16Qwen4 Max 上線 Together AI
推薦理由:文章對照 Qwen4-Max 與上一代在編程評測中的 Token 用量、得分及單任務成本,並列出汽車加工和金融投研場景的量化數據。
阿里巴巴發佈新一代基座模型 Qwen4-Max,具備原生視覺能力、支援百萬上下文,並強化智能體與編程能力。
最新進展11月22日 05:16Qwen4 Max 上線 Together AI
推薦理由:文章對照 Qwen4-Max 與上一代在編程評測中的 Token 用量、得分及單任務成本,並列出汽車加工和金融投研場景的量化數據。
Thinking Machines Lab 與 Hugging Face 發佈 Inkling 2 Mini,一款支援 1M-token 上下文及圖像、文字輸入的本地多模態 MoE 模型。
推薦理由:文章拆解 Inkling 2 Mini 如何重用中間層權重、透過跨輪訊息逐步修正計算,讓 24 個實體層執行相當於 48 個邏輯層的計算,呈現循環式架構的設計。
Runway 逐步讓智能體承擔編碼、CI、審查、批准、QA、故障修復及流程協調,打造一條以智能體為主的軟件交付流程。10 月合併的拉取請求中,38% 由雲端智能體推動。核心 API 儲存庫首次批准的等候中位數,由 9 月逾兩小時降至 11 月中約 5 分鐘。
推薦理由:文章逐站交代智能體如何接手編碼、審查、批准、QA、故障修復與協調,並説明以風險分級及量化指標控制交接。
Hugging Face 在 pi、Hermes Agent 和 OpenCode 三種 Agent harness 內,以 RL 為 Qwen3.8-27B 訓練 LoRA adapters,並公開可重現的訓練流程。
推薦理由:文章以三種 Agent harness 的實驗,呈現目標環境內 RL 微調如何提升 Qwen3.8-27B 的編碼基準表現並減少工具呼叫。
Anthropic CEO 達裏奧·阿莫迪曾參與推動大模型規模化,如今則呼籲放慢 AI 模型能力提升,讓安全研究及風險防範跟上技術進步。文章梳理他在 OpenAI 參與規模定律與 GPT-3 研發、創立 Anthropic,以及 Claude Code 推動工程工作和模型研發形成「閉合循環」的歷程。
推薦理由:文章以阿莫迪的研究與創業經歷串連模型規模化、Claude Code 帶動研發和安全監督,呈現 Anthropic 商業競爭與控制能力增長之間的張力。
Anthropic 上市後的核心挑戰,是在 Claude Code 之外找到更大的收入來源。Claude Code 不足兩年已為公司帶來數十億收入;Anthropic 在 IPO 募得 $81 billion,並在同期股份出售中再募得 $26 billion,將網絡安全、生命科學和機械人列為探索方向。
推薦理由:文章把 Claude Code 帶來的收入增長,與 Anthropic 拓展生命科學等市場及龐大算力投資並置,呈現上市後增長預期與支出承諾之間的張力。
Anthropic於11月19日登陸納斯達克,IPO發行規模約813億美元,上市首日股價升17%,市值超過1.7萬億美元。截至今年9月底,公司約有5300名員工,第三季度營收170億美元;員工調查顯示,他們平均在約60%的工作中使用Claude,並自評生產效率提升約50%。第三季度算力及基礎設施費用達99億美元、佔營收58%,文章據此討論AI提高產出之際,企業在人手配置與算力投入上的取捨。
推薦理由:文章把人均營收、Claude內部使用調查與算力開支放在同一脈絡,呈現AI提高團隊產出之際,企業在人手配置和算力成本上的取捨。
Google 發佈 Gemini 4 Neon,主打在複雜軟件工程、知識工作及科學工作流程中快速完成端到端任務。
最新進展11月19日 10:05Gemini 4 Neon 基準測試、API 定價與 Orchestrator 工作流分析
推薦理由:文章並列 Neon 在多項基準的表現與每項任務成本,對照 Carbon 及其他前沿模型,呈現不同 thinking level 下的能力與效率取捨。
文章比較 GPT-6.2 Astra 與 GPT-6.2 Sol 的基準表現和 API 定價,兩者在 Cognition FrontierCode 2.0 均有 48.2% 通過率。
推薦理由:文章並列編碼基準、ARC-AGI-3 表現差距與 API 成本,亦提供按驗收任務核算支出的思路。
OpenAI 公佈內部研究加速報告,指出編碼智能體可獨立完成更多研究任務,但能力提升因工作類型而異,人類仍是 AI 研發流程的重要部分。對估計需人類工作 2 至 4 小時的任務,無人介入成功率由 3 月的 23% 升至 10 月的 46%;監察訓練運行任務的成功率為 79%,編寫推理及服務堆疊程式碼則為 25%。
推薦理由:報告把智能體使用、研究員工作流程與模型能力指標放在同一框架,並呈現自動化成效在不同任務上的明顯落差。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。
最新進展11月19日 06:33GPT-6.2 評測:開發者批評 Astra、Sol 的使用問題,OpenAI 提供三段提示詞
推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。
Airbnb 分享以每項任務成本評測及 Amazon Bedrock 的 CloudWatch 生產訊號,為編碼智能體選擇預設模型和推理強度上限。評測按未快取輸入、快取讀取、快取寫入及輸出 token 計價,並與延遲、輸出 token 數和節流情況對照。
推薦理由:文章把評測中的每項任務成本與上線後的用戶支出、請求量及配額指標連結,展示編碼智能體選型和容量管理的可操作方法。
Mastra 推出開源軟件工廠 Mastra Factory 的多項新能力,涵蓋雲端編碼智能體、可自訂工作流程、Slack 原生協作及跨工作階段持續運作的雲端工作區。
推薦理由:文章以 Mastra 團隊的內部數據比較 Factory 使用前後的交付速度與工單分流時間,並呈現其逐步建立團隊信任的做法。
Java4Shell(CVE-2026-114938)是 OpenJDK Base64 解碼器的記憶體破壞漏洞,可在特定條件下造成 RCE,CVSS 4.0 評分為 9.2/10。
推薦理由:文章把受影響範圍連到 HotSpot 的 AVX-512 VBMI 向量化解碼路徑,並區分未經認證與需認證的產品案例,方便按實際部署評估風險。
Google AI Studio 現支援以 Gemini 4 Carbon 和 Gemini 4 Hydrogen,從單一提示詞建置全端 Kotlin Android 應用程式,並發布至個人 Google Play 收藏庫。
推薦理由:更新將資料持久化、登入、Gemini API 保護及 Google Play 發布接入同一建置流程,並以模擬器截圖回傳支援視覺調整。
Microsoft 在 Microsoft Ignite 2026 發佈 7 款 AI 模型,涵蓋編碼、圖像、語音、決策、檢索及安全用途。MAI Code 2 和 MAI Code 2 Flash 已可在 GitHub Copilot 使用;MAI Image 2.7 支援文字生成及編輯,MAI Realtime 1 支援語音對話。
推薦理由:七款模型涵蓋編碼、圖像、語音、檢索與安全用途,文章亦列出基準、費用和部署案例,可比較不同模型的定位與應用場景。
Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。
推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。
TokenEconomizer 是 UC Berkeley、Microsoft Research 和 Microsoft Security 開發的開源插件,透過程式碼庫過往工作階段學習,降低 AI 編碼智能體後續任務的成本。
推薦理由:研究在 277 項修復程式錯誤任務中評估跨工作階段學習,呈現智能體利用程式碼庫經驗降低成本、同時維持大致穩定任務成功率的做法。
Amazon Bedrock 的開放權重模型現已支援顯式提示詞快取,並可透過 Chat Completions API 標記可重用的提示詞前綴。文章以 Python 範例比較隱式與顯式快取,並示範 OpenCode 編碼智能體工作階段如何使用隱式快取及檢視快取用量欄位。快取讀取的費率低於標準輸入,快取寫入費率則視乎模型而定;回應中的用量欄位可用來核對快取讀寫。
推薦理由:文章比較隱式與顯式快取的適用情境,並以 Python 範例展示快取讀寫欄位,再示範 OpenCode 工作階段中的快取讀取。
Google DeepMind 發佈 Gemini 4 Carbon,稱其為旗下最強模型,並指其網絡安全能力達到最先進水平,亦具備長時程任務能力。
最新進展11月15日 10:59Google 推出 Gemini 4 Carbon
推薦理由:Carbon 在漏洞發現、利用驗證與修補基準分別取得 88.2%、54.8% 和 71.0%,可由此比較其網絡安全防禦各環節的表現。