每日文摘

科技源速递 2026-10-29

2026 年 10 月 29 日

今日 13/15 源采集共 174 条，新增 125 条，深挖 5 篇（theregister、venturebeat 两源失败已降级，不影响整体）。

Google launches Gemini 4 Carbon with a ‘significant leap’ in cybersecurity

来源：the-verge-ai（HN 同题 685 分） · 2026-10-28 20:03 · 一句话：为连跑数天的安全 agent 工作流而生的新旗舰

要点：
- 10-28 Google 发布 Gemini 4 Carbon：官方称安全代码生成较两周前的 Argon 提升 2 倍以上，Chrome 团队称其生成高质量补丁比另一家前沿模型好 10 倍（官方博客数据）
- 面向长程 agentic 工作流（大型代码库调试可连跑数天）；AA Intelligence Index v5.0 榜首（59 分），SEC-bench Pro 漏洞发现 88.2%
- 定价：入门 $2/$10 每百万输入/输出 token（缓存输入 95 折），转正后 $4/$20；先向部分安全防御者与 Fairwind 计划伙伴分阶段开放，公众可用「稍后」
为什么值得看：方向 1 读者今年最值得关注的信号是「安全/长程」成为旗舰模型的主打差异点——模型竞争从通用跑分转向垂直纵深 + agent 持续运行能力；缓存 95 折的定价也是为 agent 高重复上下文量身设计
扩展资料：
- Google 官方发布文：Introducing Gemini 4 Carbon — 一手公告，全部基准与定价出处

来源：hacker-news（166 分/96 评） · 2026-10-28 15:46 · 一句话：真实税务工单评测：最强 agent 通过率仅 10.8%

要点：
- Surge AI 发布 DAYJOB: Tax：50 个由四大背景税务专家构建的真实工单环境，配 1,789 个支持文件（PDF/Excel/邮件/手写收据照片），要求 agent 端到端产出报税表、底稿或客户建议
- 评测结果：Claude Sonnet 5.5 以 10.8% 通过率（pass@1、95% 评分标准）居首，Claude Fable 5.1 9.6%、Opus 5.5 9.2%；结论是「agents 尚未通过审计」——单步能对，持续专业判断仍做不到
- 与 TaxBench 类既有基准的本质区别：不给你定义好的问题，考的是发现客户没提的问题、处理矛盾证据（如藏在水电站缴费记录里的跨州经营线索）
为什么值得看：方向 2 读者评估 agent 可靠性时的最新校准点——在「专业工作完整交付」维度，当前最强模型也只有一成通过率；做 agent 产品的人应把它当作期望值管理的外部依据
扩展资料：
- DAYJOB 数据集（Hugging Face） — 可直接拿来跑自家 agent 的公开基准

来源：latent-space · 2026-10-28 19:48 · 一句话：agent 选后端不是玄学：可读、可声明、少配置者赢

要点：
- swyx 的 AEO 追踪显示 Supabase 是各家前沿模型（Astra/Fable/Muse）近乎一致的第一选择后端；本期两位创始人首次同台复盘「为什么是它」
- 归因不是 Postgres 熟悉度本身，而是持续消除 agent 摩擦：免 Docker 本地运行时、声明式 schema（「数据库的 Terraform 时刻」，schema 即 Git 中可 fork 的文件）、贴库计算容器、可观测性让 agent 知道库里有什么/哪里错了
- 规模数据：月启动约 500 万个数据库；随 agent 驱动用量增长，激活率与付费转化反而上升；还宣布了 OrioleDB、Multigres 与收购 Turso
为什么值得看：方向 2 的「AEO（agent 引擎优化）」正在成为新增长学科——这篇文章是基础设施厂商如何针对 agent 买主重新设计产品的第一手复盘；自托管读者亦可把「声明式 schema + 免 Docker 运行时」直接抄进自家 agent 工具链
扩展资料：
- 原文播客（latent.space） — 本条即为原文，含 swyx AEO tracker 的选择数据

来源：hacker-news（93 分，techcrunch 同题） · 2026-10-28 15:17 · 一句话：一个 checkpoint 打包转写、说话人、翻译、音频问答

要点：
- NVIDIA 开源 Nemotron 3.5 Transcribe（30B 总参/约 4B 激活，Mamba-Transformer 混合 MoE + 语音编码器）：40 语言转写、31 语言互译、13 语言说话人分离，可用自然语言提示词引导输出（「把这段会议翻译成英文」「会上做了什么决定」）
- 开源权重榜 HF Open ASR 第一（英语 5.33% WER），AA 榜以约 4B 激活参数打平 24B 模型（2.8% WER）；单张 RTX PRO 6000 量化版 3 分钟内转写 100 小时音频
- 配套开源 Granary v2 数据管线：46.3 万小时、48 语言；医疗场景案例中仅靠提示词就把 WER 从 30.8% 降到 23.8%，微调后 12.17%
为什么值得看：方向 1 开源权重 + 方向 3 本地部署的交集样本：可提示（promptable）语音模型把「转写→结构化→问答」压进一个模型，自托管语音管线的复杂度会因此显著下降；vLLM/SGLang-Omni 即可起服务
扩展资料：
- 模型卡（Hugging Face） — 权重与许可条款一手源

来源：qbitai · 2026-10-28 04:04 · 一句话：560B/激活 25B 的 MoE，MIT 许可押注 Personal Agent

要点：
- 10-28 蚂蚁百灵开源 Ling-3.1-flash-1019（混合线性 MoE，总参约 560B、激活约 25B，MIT 许可），主打复杂工作流与多步骤任务；同步开源 base 基座
- 官方评测：AA 智能指数 44（+3），AutomationBench-AA 流程自动化 62%→68%；base 在 8 领域 47 项基准中 32 项超过 DeepSeek-V4-Pro-Base 与 MiMo-V2.5-Pro-Base（均为厂商标称，未独立复测）
- 与昨日发布的灵光 2.0 同源：模型即其底座之一，视觉版 Ling-3.1-flash-VL 已先行用于灵光待发布（本系列来源：量子位；灵光 2.0 产品本身见今晨头条日报）
为什么值得看：方向 1 读者的国产开源权重新选项——MIT 许可 + 超大稀疏 MoE 走的是「Personal Agent 专用骨干」路线而非通用对话；关注 agent 任务（AutomationBench）而非纯知识问答的选型思路值得对照自家场景
扩展资料：
- 量子位原文 — 本条即原文；官方仓库链接文中未附，权重地址待官方渠道确认（未核实）

Microsoft recorded $10 billion in revenue from OpenAI — 微软首次披露从 OpenAI 获百亿美元级收入，Azure 同季 $33.2B（techcrunch-ai）
GitHub Octoverse 2026 — Simon Willison 点评年度开发者报告（simon-willison）
Anthropic ends Coding Interviews: “Hunger beats tenure” — 同题头条（机器之心 LeetCode 文）的英文原始信息源（latent-space）
Anthropic just launched tools to show companies what their AI spending is buying — AI 支出归因工具，与今晨头条 Claude Code ROI 文同领域（techcrunch-ai）
Chrome’s enhanced autofill can now pull info from Gmail — 浏览器级 AI 表单填充再进一步（the-verge-ai）
Emacs Turns 50 — 五十岁仍在发版，HN 367 分（hacker-news）
Apple’s git still trusts the compromised eMudhra certificates — 供应链证书信任链问题，HN 977 分（hacker-news/lobsters 双源）
GPT-6.1 Terra首批网友实测 — 1 折价格换 Astra 级电脑操作能力的实测反馈（qbitai）
Ghostty 1.4.0 — 终端模拟器大版本更新（lobsters，78 分）
The Benchmarking Crisis — 榜单污染与方法论危机讨论，与头条 AA v5.0 争议呼应（lobsters）