每日简报
2026年11月12日 · 5 条新闻
🔥 头条
1智能体开始画界面,不再回你一段话
谷歌发布了一种新格式,改变了我们和智能体说话的方式。过去,智能体回你一段需要读的文字;现在它描述该显示什么,由你的软件用自己的按钮和自己的颜色把它画出来。实际效果是:智能体可以直接在你的企业工具里填好表单、提出问题,或者把待确认的卡片摆到你面前。这就像助理递给你一张填好的表,而不是念出该键入什么。安全上有一个关键:敏感数值留在应用的服务器上,永远不经过模型。被点名的首批采用者包括 Atlassian、Alation、Bloomberg 和 ByteDance。来源:https://developers.googleblog.com/a2ui-10-build-delightful-fast-reliable-agentic-experiences/
2一扇后门只要不到十个神经元就能藏下
微软的研究人员表明,不经任何训练也能给智能体装上后门。原理很好解释:一个已经训练好的模型里有些神经元极少被激活。只要重新编程不到十个,让它们只在一段约定信号出现时才亮起,智能体就能通过所有测试,表面上一切正常地运行几周,然后在约定时刻执行恶意指令。微软举的例子刻意平常:2027 年 1 月 1 日午夜一到,指令就会触发。信号可以是一个日期、一个地点,或者消息里的某个词。研究人员的警告很明确:这不是可下载模型独有的问题,而是模型文件完整性问题,内部自研的模型同样受影响。来源:https://www.microsoft.com/en-us/research/blog/lazare-veni-foras-reprogramming-dormant-neurons-to-backdoor-ai-agents/
3装进口袋的助手,权重完全开放
Tether AI Research 发布了 BotPsy,一个 8 亿参数的设备端个人助手。它的思路是摆脱昂贵的订阅和云端服务器:助手留在你家里,断网也能继续工作,别人也无法远程修改或下架它。在六项工具调用基准测试上,BotPsy 超过了所有参数量在 12 亿及以下的模型,其中五项还胜过了大 2.5 倍的模型。差距在多轮任务上拉得更大,因为那需要记住对话的来龙去脉。有一处细节要说清楚:发布方此前把权重的公开描述为尚待发布,但 12 日的核查确认权重确实已经可下载,采用 Apache 2.0 许可,提供 safetensors 和 GGUF 两种格式。发布方也承认短板:这个模型会出错,不适合用来做需要担责的决定。来源:https://huggingface.co/blog/qvac/botpsy
4一张评分表,量所有智能体
一个同时用五种工具的智能体,该怎么打分?亚马逊云服务开源了一套度量系统来回答这个问题。它的思路像一个转接头:每个工具留下的记录格式各异,转接头把它翻译成统一格式,之后同一套评分就能到处通用。系统包含 36 项指标,分为七个维度,从工具调用一直到多个智能体协作时的协调。被动模式下,它直接分析已保存的记录;主动模式下,它让智能体在一组测试用例上重新跑一遍。已有十二家机构在电信、医疗和金融领域使用过它。代码以 Apache 2.0 许可开放。可以这样理解:全班学生各用各的本子,却只发一张成绩单。来源:https://aws.amazon.com/blogs/machine-learning/uaef-a-framework-agnostic-system-for-closed-loop-evaluation-of-ai-agents/
5阿里巴巴卖出一个 11 月 25 日消失的模型
阿里巴巴发布了新家族的首个模型 Qwen4-Max,目前是试用版本。有两点需要先看清。第一,访问方式只有两条:订阅阿里巴巴的令牌包,或者使用发布方自家工具,没有别的路可走。第二,试用期在 11 月 25 日结束,模型当天就会被下架。这不是长期可用的发布,而是一个写进了合同的评估窗口,有明确截止日期。阿里巴巴宣称编程和智能体能力更强,但没有公布任何基准分数、模型卡或许可证信息。Qwen 4 家族的权重至今仍未公开。这是发布方第二次未能兑现的家族承诺。来源:https://x.com/Alibaba_Qwen/status/2120335993643684315
📡 值得关注
谷歌推出一个只做决定、不做解释的模型
Gemini Decision 1 不写句子:它只做分类、打分或裁决,耗时 150 到 250 毫秒。它在一次请求里可以接受上千个问题,能读文本、图片、音频、视频和 PDF 文件,并且每个回答都附带一个置信分数。正是这个分数要紧:分数低的时候,可以把事情交回给人。公布的价格是每百万读取词 0.10 美元,输出不计费。来源:https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/
英伟达就自家老板展开调查
英伟达董事会于 11 月 8 日宣布对创始人黄仁勋展开独立调查,起因是媒体报道称有人试图施加外部影响。董事会强调,没有理由认为国家安全或英伟达的机密已经受损。两天后,董事会指定一家律师事务所负责调查。与此同时,两名参议员要求保留所有对华芯片销售文件,并要求在 11 月 17 日前给出书面确认。来源:https://nvidianews.nvidia.com/news/statement-from-nvidia-board-of-directors
Databricks 给智能体配上一本企业共同词典
一家企业不能再满足于每个部门配一个智能体:每个都要对客户、合同或产品有一致的理解。Databricks 推出一套企业内部的百科条目,这些条目由智能体从看板、查询和文档中学习得来,再由团队审核。在一家虚构能源公司的测试中,Databricks 的智能体完成了 91% 的任务,而两个前沿智能体在同样条件下分别只有 45% 和 58%,且用掉的文本量不到一半。来源:https://www.databricks.com/blog/announcing-ga-genie-ontology
生产环境里的智能体,一键就能切断
Mirantis 推出一套平台,让智能体运行在企业自己的服务器上,并配了三道保险:支出上限、完整的行为留痕,以及一旦出事可对所有智能体同时执行的即时断网。该公司引用调查数据:49.8% 的受访组织确认或怀疑智能体执行过非预期动作,只有 17.5% 能自动叫停它。另一项针对 300 位安全负责人的调查则显示,78% 已经收回过生产环境智能体的权限。来源:https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents
📊 趋势
这一天,智能体离开聊天窗口,走进了你的屏幕:一种格式让智能体替你填好表单,敏感数据仍然留在你这边。与此同时,安全问题变得具体起来:一扇后门只要不到十个神经元就能藏下,而企业可以一个动作就切断全部智能体。在学会企业词汇的模型和终于让不同工具的智能体可以横向比较的那张统一评分表之间,是同一条线:智能体正在从演示走向日常运转,带着它们的规则和边界。