Gemini 4 Argon发布：Google把旗舰模型瞄准「最难的问题」
NEW
Google于11月11日在官方博客发布新一代旗舰模型Gemini 4 Argon，官方定位为「解决你最难的问题」，接替此前的Gemini 3系列，重点面向复杂推理、长程任务与智能体场景。模型通过Gemini应用、AI Studio与Vertex AI向开发者与企业开放。对开发者而言，这意味着多步推理与Agent工作流有了新的默认底座，迁移与重测成本需要重新评估；对企业客户而言，模型选型窗口再次打开，要在成本、延迟与可靠性之间重新权衡。与OpenAI的GPT-6系列正面竞争，旗舰模型的换代节奏已从年更压缩到季度级。
OpenAI发布GPT-6 Cyber：把攻防能力做成专用安全模型
NEW
OpenAI推出GPT-6 Cyber，一款面向网络安全的专用模型，用于发现可利用漏洞并给出修复方案，训练时刻意约束在授权范围内行动，避免越权触达目标。这是OpenAI首次把网络攻防能力从通用GPT-6系列中拆出，做成独立模型线。对安全团队而言，漏洞挖掘正从「人力+扫描器」转向「模型+验证流水线」，修复周期有望从周级压缩到天级；对防守方而言，同一模型兼具发现与利用潜力，也意味着攻击面评估和应急响应必须同步提速，安全预算与流程都要重做。
Seedream 5.5上线：100轮连续图像编辑不再「跑偏」，API还降价了
NEW
字节Seedream 5.5图像模型上线，主打多轮编辑的稳定性：在连续100轮迭代编辑的测试中，画面一致性与指令遵循明显优于上一代，同时生成速度提升、API价格下调。官方将其定位为可直接接入生产流程的图像编辑底座，支持复杂指令下的局部改写与风格保持。对内容平台与电商商家而言，多轮编辑不跑偏，是图像模型从演示走向生产工具的关键指标；API降价则直接压低批量出图的边际成本。图像生成的商业竞争，正从「效果谁更好」转向「单位成本谁更低」。
蚂蚁灵波开源LingBot-Touch：从「一脑多机」到「一脑多手」
AI
11月10日，蚂蚁灵波科技开源触觉基础模型LingBot-Touch，把「一脑多机」推进到「一脑多手」：同一套模型可适配不同构型的灵巧手与机械臂，让机器人在抓取、装配等任务中获得可迁移的触觉感知。此前具身智能的进展主要集中在视觉-语言-动作链路，触觉数据稀缺、硬件异构是公认瓶颈。开源触觉基础模型的意义，在于把触觉从各家自建的私有数据变成可复用的公共底座，直接降低灵巧操作类应用的研发门槛，对做分拣、装配与服务机器人的团队影响最大。
OpenAI收购Pierre Computer Company，Codex补齐代码审查拼图
HOT
OpenAI宣布收购Pierre Computer Company，后者专注代码构建、理解与审查工具，交易金额未披露。收购完成后相关能力将并入Codex产品线，补强其在大型代码库理解、变更审查与自动化重构上的短板。这是OpenAI在编程Agent赛道持续加码的又一步——此前Codex已通过插件形式接入多家代码审查与开发工具。对企业研发团队而言，AI编程的竞争正从「补全一段代码」升级为「接管整条评审流水线」，工具链整合速度将直接决定企业的采购选择与替换成本。
成立四个月、一个月融资过亿美元：物原科技押注「物理真实」世界模型
HOT
成立仅四个月的TensorWorld物原科技宣布，一个月内累计融资过亿美元，押注「物理真实」路线——让模型在符合物理规律的世界模型中训练与验证，服务具身智能与工业仿真。团队的核心判断是：纯视频数据训出的世界模型在接触、摩擦、形变等场景会失真，必须引入物理约束。在具身智能被质疑泡沫的当下，资本仍愿为早期团队开出大额支票，说明市场认可「物理引擎+世界模型」是下一阶段分水岭；但四个月、过亿美元的估值也意味着交付节奏的容错空间极小。
Google与Adobe打通：Drive里改PDF，Adobe AI进Gemini
NEW
Google与Adobe宣布深度整合创意与生产力工具：用户可在Google Drive中直接编辑PDF，Adobe的AI能力接入Gemini，Photoshop、Acrobat等产出可在Google办公套件内流转，双方未披露财务条款。这意味着Google在办公场景补齐了专业创意与文档处理两块短板，直接对标Microsoft 365与Designer的组合；对Adobe而言则获得了Gemini的分发入口。对普通用户，最直接的变化是订阅与工具割裂减少；对创作者，AI编辑能力正从独立软件迁入日常协作流，工作流的入口之争重新开打。
OpenAI自动化流水线为Linux内核948个提权漏洞生成补丁
DEV
OpenAI公布一项自动化安全研究：团队构建自主流水线，在Linux内核中大规模发现、验证本地提权（local privilege escalation）漏洞，并为948个漏洞生成补丁，成果以「A thousand fewer paths to root」发布。该流水线把「发现—复现—生成补丁—回归验证」串成闭环，模型负责漏洞定位与修复代码撰写，人工只做最终审核。对开源生态而言，长期积压的低危提权漏洞有望被规模化清理；对安全行业而言，漏洞挖掘的产能瓶颈正从人力转向算力与验证基础设施。
BioBasicsBench：100项任务，测AI Agent会不会做湿实验
AI
OpenAI推出BioBasicsBench，一个包含100项任务的基准，用来衡量AI Agent解读原始实验数据、处理湿实验室日常工作的能力，覆盖仪器读数判读、实验记录整理等真实环节。此前生物领域的评测多集中在文献问答与分子性质预测，缺少对「动手能力」的检验。该基准的指向很明确：生命科学的AI落地不在于会答题，而在于能否在实验台边接管重复判断。对做实验室自动化的团队与药企而言，这类评测将成为判断Agent能否上生产的关键标尺。
OpenAI将遵守共享robots.txt信号，让网站直接表达AI训练偏好
HOT
OpenAI宣布将遵守一项共享的robots.txt信号，让网站运营方可在自有站点上直接声明是否允许AI训练抓取，并与其他参与的模型提供方共同适用。这是把训练数据的许可权，从逐家协议与零散爬虫规则，归并为一项行业通用的机器可读声明。对内容方而言，多了一条低成本、可批量执行的表达渠道；对模型公司而言，则把合规成本前置到抓取环节。但该机制仍是自愿遵守、缺乏强制力，能否成为事实标准，取决于主要厂商的跟进范围与监管是否背书。
OpenAI公开「合理使用」法庭意见书：创作者与学者为何站台
HOT
OpenAI公开发布多份法庭意见书节选，作者包括创作者、学者、无障碍倡导者与法律专家，核心主张是合理使用（fair use）制度支撑了AI训练与后续创新。此举发生在多起版权诉讼推进的背景下，OpenAI试图把「合理使用」从技术公司的自辩，扩展为更广泛社会群体的共同利益叙事。判决走向将直接划定模型训练数据的合法边界：若法院收紧，数据授权成本将大幅上升，中小模型团队会首先承压；若维持宽松，内容产业的授权谈判筹码则进一步削弱。
OpenAI抛出算力园区政策蓝图：社区契约＋电网保护
NEW
OpenAI发布「国家社区契约」（National Community Compact）与「算力园区政策蓝图」（Compute Campus Policy Blueprint），提出建设大型AI数据中心时保护当地水、电资源，创造就业并与社区共享收益。这是对AI基础设施扩张引发的电价、用水与土地争议的正面回应。随着单体算力园区用电规模逼近城市级，审批与舆情已成为扩张速度的实际约束。该蓝图试图把「社区同意」做成可复制模板，对希望引进数据中心的地方政府与算力运营商都具参考价值。
Google Cloud推出Gemini for Healthcare，先啃行政负担
AI
Google Cloud推出面向医疗行业的Gemini for Healthcare，目标是打通分散的临床数据，并自动化后台工作流，减轻医护行政负担，典型场景包括病历整理、保险预授权与随访记录。医疗是生成式AI最难落地的领域之一：数据格式割裂、合规要求严格、出错代价极高。Google的打法是把模型嵌入既有的Cloud医疗数据平台，而非另起一款应用。对医院而言，评估重点将从「模型多聪明」转向「能否接入现有HIS与合规审计」，集成周期与改造成本才是真正门槛。
千问办公2.0卷向Team Agent，我们用它跑了一遍编辑部日常
NEW
千问办公升级至2.0，主打Team Agent：从个人单机助手，转为能感知团队文档、任务与权限的协作型智能体，可自动分派任务、汇总进展并生成周报。量子位用编辑部日常做了实测，覆盖选题会记录、稿件流转与数据整理。办公AI的竞争焦点已从「单点生成」转向「组织上下文」：谁能接入更完整的企业知识图谱与权限体系，谁就能把助手变成流程的一部分。对企业的直接影响是采购逻辑变化——买的不再是一个订阅席位，而是一层需要与内部系统对接的协作基础设施。
Kuken用OpenAI API检索70年图纸：1小时压到4.5分钟
DEV
冷却塔制造商Kuken Industries用OpenAI API改造了70年积累的工程图纸检索：工程师过去找一张维修用图纸要花近一小时翻扫描件，现在平均4.5分钟即可定位，效率提升约十倍。做法是先把历史图纸与零件信息结构化，再用模型做语义检索与匹配。这个案例的价值不在技术复杂度，而在于它证明AI落地最肥沃的市场，往往是「图纸、合同、工单」这类没人愿意碰的存量文档。对制造业而言，老档案数字化正从成本项变成可量化的效率资产。
今天的旗舰发布很密集：Gemini 4 Argon与GPT-6 Cyber几乎同周登场，一个主打通用难题推理，一个直接切成网络安全专用。模型竞争的重心已从参数规模转向「专精分工＋成本曲线」，通用大模型做底座，垂直模型吃场景溢价，采购方的选型复杂度只会更高。
落地侧最有意思的不是医疗、办公这些热词，而是Kuken翻70年图纸这类「脏活」。存量文档、老旧工单、行业黑话，才是AI真正能算清ROI的地方。谁能把非结构化资产变成可检索资产，谁就先拿到企业预算——这比再刷一个榜单分数实在得多。
治理侧三条线同时推进：robots.txt把训练许可做成机器可读声明，法庭意见书争夺合理使用的叙事权，算力园区蓝图则提前买社区同意。合规正在从法务成本变成产品设计的一部分，模型公司越早把它嵌进数据与基建流程，后面的扩张阻力越小。