<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>BitShovel · 阅读更新</title>
    <link>https://bitshovel.site/</link>
    <atom:link href="https://bitshovel.site/feed.xml" rel="self" type="application/rss+xml"/>
    <description>近期文章、实际作品与专题的新内容，直接打开正文。</description>
    <language>zh-CN</language>
    <lastBuildDate>Sun, 15 Nov 2026 03:12:05 UTC</lastBuildDate>
  <item>
    <title>英伟达换帅第一周：钱在收紧，算力承诺还在</title>
    <link>https://bitshovel.site/notes/nvidia-after-jensen</link>
    <guid isPermaLink="false">bitshovel:publication:nvidia-after-jensen-20261115:zh</guid>
    <pubDate>Sun, 15 Nov 2026 03:12:05 UTC</pubDate>
    <description>11 月 8 日英伟达董事会就「黄仁勋被中国间谍行动针对」的报道启动独立调查、黄仁勋承认与 Megaspeed 前高管 Alice Huang 的婚外情；11 月 12 日他辞去总裁、CEO 与董事职务，即时生效，CFO Colette Kress 出任临时 CEO。这篇解释稿把读者真正能核对的三条渠道分开：钱——英伟达今年参与了 105 轮创业公司融资、常是最大支票，临时的 Kress 被投资人预期更保守，开源模型失去它最大的赞助人（Reflection AI 8 亿美元、Mistral、130 亿美元收购 Hugging Face 都在这张支票本上）；算力——韩国 26 万块 GPU 的供应承诺获重申、台湾总部继续推进，「未来 24 个月交付客户」是公司的第一目标；市场——12 日盘中一度跌 14%、收盘收窄到 4.3%，博通与 AMD 反而成为标普 500 最大贡献者。调查、国会作证与芯片走私线索都在进行中，本文只把已经发生的与投资人预期的分开。全部内容为媒体与分析师口径，本站未持有任何头寸、未采访任何一方。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>11 月 8 日英伟达董事会就「黄仁勋被中国间谍行动针对」的报道启动独立调查、黄仁勋承认与 Megaspeed 前高管 Alice Huang 的婚外情；11 月 12 日他辞去总裁、CEO 与董事职务，即时生效，CFO Colette Kress 出任临时 CEO。这篇解释稿把读者真正能核对的三条渠道分开：钱——英伟达今年参与了 105 轮创业公司融资、常是最大支票，临时的 Kress 被投资人预期更保守，开源模型失去它最大的赞助人（Reflection AI 8 亿美元、Mistral、130 亿美元收购 Hugging Face 都在这张支票本上）；算力——韩国 26 万块 GPU 的供应承诺获重申、台湾总部继续推进，「未来 24 个月交付客户」是公司的第一目标；市场——12 日盘中一度跌 14%、收盘收窄到 4.3%，博通与 AMD 反而成为标普 500 最大贡献者。调查、国会作证与芯片走私线索都在进行中，本文只把已经发生的与投资人预期的分开。全部内容为媒体与分析师口径，本站未持有任何头寸、未采访任何一方。</p><p><a href="https://bitshovel.site/notes/nvidia-after-jensen">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>不想打的电话交出去了，接线那头愿意接吗？</title>
    <link>https://bitshovel.site/topics/personal-ai-bots#muse-phone-calls</link>
    <guid isPermaLink="false">bitshovel:publication:personal-ai-bots-muse-phone-calls-20261114:zh</guid>
    <pubDate>Sat, 14 Nov 2026 11:51:55 UTC</pubDate>
    <description>11 月 12 日起，Muse 打电话功能向美国全部付费订阅者开放（9 月起只有主动索取开通的少数早期用户）：保险、有线电视、车管所、不提供在线订位的餐厅都能替你打；订阅 20 美元/月起（每周 5 亿 token）。TechCrunch 同时记下接线端的现实——不少商家和前台听出是 AI 就挂断，语音越像人辨认越难；Instinct 与 Google Gemini 也在做。接回专题「外联走到了哪一步」，与同日 Wallet 一文是同一堵墙。</description>
    <content:encoded><![CDATA[<p>专题补充</p><p>11 月 12 日起，Muse 打电话功能向美国全部付费订阅者开放（9 月起只有主动索取开通的少数早期用户）：保险、有线电视、车管所、不提供在线订位的餐厅都能替你打；订阅 20 美元/月起（每周 5 亿 token）。TechCrunch 同时记下接线端的现实——不少商家和前台听出是 AI 就挂断，语音越像人辨认越难；Instinct 与 Google Gemini 也在做。接回专题「外联走到了哪一步」，与同日 Wallet 一文是同一堵墙。</p><p><a href="https://bitshovel.site/topics/personal-ai-bots#muse-phone-calls">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>OpenAI 给代理发了钱包，美联航给代理关了门</title>
    <link>https://bitshovel.site/notes/chatgpt-wallet-agent-checkout</link>
    <guid isPermaLink="false">bitshovel:publication:chatgpt-wallet-agent-checkout-20261114:zh</guid>
    <pubDate>Sat, 14 Nov 2026 00:52:59 UTC</pubDate>
    <description>同一个星期里，代理替人购物这件事一开一关：11 月 13 日 OpenAI 发布 ChatGPT Wallet——号称第一个让代理在不接触用户真实卡号的前提下付款、且每一笔购买都要安全校验的钱包，与美国运通、万事达和 Visa 合作，先经 dots 面向美国 Pro 订阅者开放；11 月 12 日美联航声明限制第三方个人 AI 代理订票和管理预订，理由是共享账号凭据的安全风险与联邦航空规则对「人」的要求，此前一周美国银行刚劝客户别把密码交给 AI 助手。两条路线的差别不在意愿，而在身份验证的走法：一条把你的账号密码交给代理，商家和银行分不清屏幕后是你还是它；另一条不共享凭据，卡组织发给代理一个支付令牌，你逐笔用 Face ID 或指纹批准，卡的原有权益和争议保护保留。本文把两条路各自走到哪一步、缺什么讲清楚：Wallet 今天只解决「付钱」这一环，浏览和下单仍需要商家放行（OpenAI 同日发布的 Commerce Partner Playbook 就是教商家怎么做），风控系统仍可能误拒，亚马逊明确挡代理，而「设额度后完全托付」还在计划里。全部数字与流程为厂商口径与媒体转述，本站未注册未试用。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>同一个星期里，代理替人购物这件事一开一关：11 月 13 日 OpenAI 发布 ChatGPT Wallet——号称第一个让代理在不接触用户真实卡号的前提下付款、且每一笔购买都要安全校验的钱包，与美国运通、万事达和 Visa 合作，先经 dots 面向美国 Pro 订阅者开放；11 月 12 日美联航声明限制第三方个人 AI 代理订票和管理预订，理由是共享账号凭据的安全风险与联邦航空规则对「人」的要求，此前一周美国银行刚劝客户别把密码交给 AI 助手。两条路线的差别不在意愿，而在身份验证的走法：一条把你的账号密码交给代理，商家和银行分不清屏幕后是你还是它；另一条不共享凭据，卡组织发给代理一个支付令牌，你逐笔用 Face ID 或指纹批准，卡的原有权益和争议保护保留。本文把两条路各自走到哪一步、缺什么讲清楚：Wallet 今天只解决「付钱」这一环，浏览和下单仍需要商家放行（OpenAI 同日发布的 Commerce Partner Playbook 就是教商家怎么做），风控系统仍可能误拒，亚马逊明确挡代理，而「设额度后完全托付」还在计划里。全部数字与流程为厂商口径与媒体转述，本站未注册未试用。</p><p><a href="https://bitshovel.site/notes/chatgpt-wallet-agent-checkout">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>你的对话在你看不见的机房过夜：Notion AI 聊天记录经 Fireworks 被窃的链条</title>
    <link>https://bitshovel.site/notes/notion-fireworks-chat-leak</link>
    <guid isPermaLink="false">bitshovel:publication:notion-fireworks-chat-leak-20261113:zh</guid>
    <pubDate>Fri, 13 Nov 2026 11:56:52 UTC</pubDate>
    <description>你在 Notion 里和 AI 说过的话，可能被交给一家你从没注册过的公司保存——那家公司被黑，对话就跟着外流。Fireworks AI 是一家推理基础设施服务商，Notion 用它跑「Insights」分类任务（帮用户理解自己的 AI 用量），也用它作为通用推理商在产品内提供开放权重模型。事件有两段：10 月 6 日 Fireworks 发现内部凭据被未授权使用，少量客户账号在评测作业中用的环境变量（含 API 密钥与第三方凭据）被截获；10 月 23 日，为 Fireworks 托管研发机的第三方云商发生安全事件，10 月 24 日攻击者借道进入 Fireworks 开发机、运行了一个未授权负载——当天即被发现，10 月 25 日起未再检出新的未授权访问。通知分两批才给全：11 月 2 日晚 Fireworks 第一次通知 Notion 时，双方以为丢的只是合成测试数据，Notion 在 11 月 3 日早晨前断开连接、删除了 Fireworks 系统内的全部数据；11 月 6 日二次通知「可能涉及客户数据」，11 月 8 日确认——被窃的是 Notion AI「Insights」功能用过的聊天记录，不足 1% 的工作区受影响，绝大多数记录「不可归因」（没有标注来自谁），也不含工具调用结果。删除发生在偷窃之后：入侵在 10 月 24 日，11 月 3 日的删除追不回已经流出的副本。最容易误读的词是「零数据保留」：Fireworks 说默认零数据保留的推理「未检出影响」——而被偷的这份数据恰好留在它的存储侧；两家公司都没有说明是哪个功能存下了它。攻击者的目标也不是你的对话：Fireworks 把事件与从事「LLMJacking」的团伙联系起来——把盗来的模型访问权当作 token 卖给非法路由网关。Notion 给受影响客户的建议很直接：把这些数据当作已泄露处理，期间在 Notion AI 里粘贴过的密码、API 密钥，去签发方轮换。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>你在 Notion 里和 AI 说过的话，可能被交给一家你从没注册过的公司保存——那家公司被黑，对话就跟着外流。Fireworks AI 是一家推理基础设施服务商，Notion 用它跑「Insights」分类任务（帮用户理解自己的 AI 用量），也用它作为通用推理商在产品内提供开放权重模型。事件有两段：10 月 6 日 Fireworks 发现内部凭据被未授权使用，少量客户账号在评测作业中用的环境变量（含 API 密钥与第三方凭据）被截获；10 月 23 日，为 Fireworks 托管研发机的第三方云商发生安全事件，10 月 24 日攻击者借道进入 Fireworks 开发机、运行了一个未授权负载——当天即被发现，10 月 25 日起未再检出新的未授权访问。通知分两批才给全：11 月 2 日晚 Fireworks 第一次通知 Notion 时，双方以为丢的只是合成测试数据，Notion 在 11 月 3 日早晨前断开连接、删除了 Fireworks 系统内的全部数据；11 月 6 日二次通知「可能涉及客户数据」，11 月 8 日确认——被窃的是 Notion AI「Insights」功能用过的聊天记录，不足 1% 的工作区受影响，绝大多数记录「不可归因」（没有标注来自谁），也不含工具调用结果。删除发生在偷窃之后：入侵在 10 月 24 日，11 月 3 日的删除追不回已经流出的副本。最容易误读的词是「零数据保留」：Fireworks 说默认零数据保留的推理「未检出影响」——而被偷的这份数据恰好留在它的存储侧；两家公司都没有说明是哪个功能存下了它。攻击者的目标也不是你的对话：Fireworks 把事件与从事「LLMJacking」的团伙联系起来——把盗来的模型访问权当作 token 卖给非法路由网关。Notion 给受影响客户的建议很直接：把这些数据当作已泄露处理，期间在 Notion AI 里粘贴过的密码、API 密钥，去签发方轮换。</p><p><a href="https://bitshovel.site/notes/notion-fireworks-chat-leak">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>Gemini 4 Hydrogen 入场：谷歌把前沿家族的「日常档」补齐了</title>
    <link>https://bitshovel.site/notes/gemini-4-hydrogen</link>
    <guid isPermaLink="false">bitshovel:publication:gemini-4-hydrogen-20261113:zh</guid>
    <pubDate>Fri, 13 Nov 2026 00:54:54 UTC</pubDate>
    <description>谷歌 11 月 12 日发布 Gemini 4 Hydrogen，给 Gemini 4 家族补上「日常执行」档：第一天全员可用，1M 上下文一口价每百万 token 输入 1.5 美元、输出 7.5 美元，四档思考级别含新 xhigh；AA 独立榜列出四档 xhigh 54／high 51（超过 Argon high 的 50）／medium 41／low 27，high 档每任务约 1.87 美元对 Argon 的 4.97 美元。Antigravity 同步上线 Orchestrator，把「前沿模型定方案、快速模型干活」的分工做成产品——Terminal-Bench 4.0 成功率接近全 Carbon、配额省 24%、快 19%（官方口径）。官方对照表对 Sonnet 5.5 有赢有输：终端长任务、计算机操作与科学题三项落后。除 AA 独立榜外的数字均为厂商口径，本站未实测。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌 11 月 12 日发布 Gemini 4 Hydrogen，给 Gemini 4 家族补上「日常执行」档：第一天全员可用，1M 上下文一口价每百万 token 输入 1.5 美元、输出 7.5 美元，四档思考级别含新 xhigh；AA 独立榜列出四档 xhigh 54／high 51（超过 Argon high 的 50）／medium 41／low 27，high 档每任务约 1.87 美元对 Argon 的 4.97 美元。Antigravity 同步上线 Orchestrator，把「前沿模型定方案、快速模型干活」的分工做成产品——Terminal-Bench 4.0 成功率接近全 Carbon、配额省 24%、快 19%（官方口径）。官方对照表对 Sonnet 5.5 有赢有输：终端长任务、计算机操作与科学题三项落后。除 AA 独立榜外的数字均为厂商口径，本站未实测。</p><p><a href="https://bitshovel.site/notes/gemini-4-hydrogen">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>智能体拿起的是画笔，不是骰子：klad 让 AI 一笔一笔和你同屏作画</title>
    <link>https://bitshovel.site/notes/klad</link>
    <guid isPermaLink="false">bitshovel:publication:klad-20261112:zh</guid>
    <pubDate>Thu, 12 Nov 2026 12:56:32 UTC</pubDate>
    <description>klad 是一个与编程智能体共用的二维绘画和动画应用：没有图像模型——会写代码的智能体通过 klad 命令行决定画什么，人类在编辑器里用笔画画，双方用的是同一套笔刷、同一个文件，一笔落下约一秒后对方就能看见。关键设计是每一笔都保持为数据：路径、压感、笔刷、颜色各是各的字段，形状留有可编辑的点，填色绑定区域；画错的不是「重掷一次」，而是找到那一笔改掉。油彩笔触会留堆叠的棱接住光线，涂抹本身也是一笔，挪到别处 klad 会按新位置重新混合。项目说明给出的账目很具体：让智能体（Claude Fable 5.2）「给我的游戏画一只小芽怪」，它逐笔画了 4,344 笔与填色；人改掉叶子颜色、把嘴弯成笑、挪开一道涂痕；智能体再做动画——部件分进五组、205 个关键帧，没有重画任何一帧。游戏管线包含从关键帧生成中间帧、轨迹检查（脚滑、部件沉地会报出）、成套上色，直接导出精灵图或 Godot 场景。文件格式按字节写成 MIT 许可文档，画稿就是本机一个普通文件夹，不需要账号、适合进 git。边界照录：项目自述为早期首个公开版本，需自行从源码构建（首次约十分钟）；macOS 支持压感笔，Linux 编辑器仅鼠标，Windows 能构建过测试但没人画过；源码可得许可免费供个人和年收入低于 50 万欧元的公司使用，画稿归你。本站未运行该应用、未复现画作。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>klad 是一个与编程智能体共用的二维绘画和动画应用：没有图像模型——会写代码的智能体通过 klad 命令行决定画什么，人类在编辑器里用笔画画，双方用的是同一套笔刷、同一个文件，一笔落下约一秒后对方就能看见。关键设计是每一笔都保持为数据：路径、压感、笔刷、颜色各是各的字段，形状留有可编辑的点，填色绑定区域；画错的不是「重掷一次」，而是找到那一笔改掉。油彩笔触会留堆叠的棱接住光线，涂抹本身也是一笔，挪到别处 klad 会按新位置重新混合。项目说明给出的账目很具体：让智能体（Claude Fable 5.2）「给我的游戏画一只小芽怪」，它逐笔画了 4,344 笔与填色；人改掉叶子颜色、把嘴弯成笑、挪开一道涂痕；智能体再做动画——部件分进五组、205 个关键帧，没有重画任何一帧。游戏管线包含从关键帧生成中间帧、轨迹检查（脚滑、部件沉地会报出）、成套上色，直接导出精灵图或 Godot 场景。文件格式按字节写成 MIT 许可文档，画稿就是本机一个普通文件夹，不需要账号、适合进 git。边界照录：项目自述为早期首个公开版本，需自行从源码构建（首次约十分钟）；macOS 支持压感笔，Linux 编辑器仅鼠标，Windows 能构建过测试但没人画过；源码可得许可免费供个人和年收入低于 50 万欧元的公司使用，画稿归你。本站未运行该应用、未复现画作。</p><p><a href="https://bitshovel.site/notes/klad">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>如果我多走路、早睡会怎样？谷歌把手表数据变成 12 周身体模拟</title>
    <link>https://bitshovel.site/notes/coachable-health-age</link>
    <guid isPermaLink="false">bitshovel:publication:coachable-health-age-20261112:zh</guid>
    <pubDate>Thu, 12 Nov 2026 00:51:04 UTC</pubDate>
    <description>谷歌研究团队发布可教练健康年龄（CHA）与 SensorWM 世界模型：健康年龄只由能被日常行为改变的信号构成，在 All of Us 22,748 人、逾 6.8 万人年随访中验证预后价值；SensorWM 用约 10 万名 Fitbit 用户的 228 万人周数据预训练，两周基线即可推演未来 12 周 20 项生理指标（平均 R² 0.664 对 TimesFM 0.513），可行性优化从 125 个候选方案选一，语言模型教练写成 12 周计划——5 名教练与 5 名医生 490 组盲评中 71.4% 被选为最佳、99.2% 评为强度安全；姊妹研究加三次常规抽血把健康年龄拆到心、肾、代谢。边界：研究性原型、非临床诊断，全部为谷歌回顾性队列口径，尚无前瞻试验。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌研究团队发布可教练健康年龄（CHA）与 SensorWM 世界模型：健康年龄只由能被日常行为改变的信号构成，在 All of Us 22,748 人、逾 6.8 万人年随访中验证预后价值；SensorWM 用约 10 万名 Fitbit 用户的 228 万人周数据预训练，两周基线即可推演未来 12 周 20 项生理指标（平均 R² 0.664 对 TimesFM 0.513），可行性优化从 125 个候选方案选一，语言模型教练写成 12 周计划——5 名教练与 5 名医生 490 组盲评中 71.4% 被选为最佳、99.2% 评为强度安全；姊妹研究加三次常规抽血把健康年龄拆到心、肾、代谢。边界：研究性原型、非临床诊断，全部为谷歌回顾性队列口径，尚无前瞻试验。</p><p><a href="https://bitshovel.site/notes/coachable-health-age">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>机器人先在模拟里练，再上奔驰产线：Gemini Robotics 2.5</title>
    <link>https://bitshovel.site/notes/gemini-robotics-2-5</link>
    <guid isPermaLink="false">bitshovel:publication:gemini-robotics-2-5-20261111:zh</guid>
    <pubDate>Wed, 11 Nov 2026 12:45:24 UTC</pubDate>
    <description>谷歌 DeepMind 11 月 10 日发布视觉-语言-动作模型 Gemini Robotics 2.5：在奔驰位于匈牙利与德国的两条活跃产线上，Apptronik Apollo 2 人形机器人用它执行汽车装箱（把散件按每辆车的顺序摆进排序容器），概念验证口径的成功率 96%。官方评估覆盖 200 个任务，较上一代基线成功率提升 30%–100%、完成快 20–30%——官方图表里夹子装点心从 5% 到 100%，多个任务上一代是 0 分。训练回路由通用模型 Gemini 4 Argon 充当模拟引擎：从真实摄像头画面生成数千条模拟练习并构建数字孪生。全部为谷歌官方口径；先向机器人伙伴推出，无公开入口，无第三方基准。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌 DeepMind 11 月 10 日发布视觉-语言-动作模型 Gemini Robotics 2.5：在奔驰位于匈牙利与德国的两条活跃产线上，Apptronik Apollo 2 人形机器人用它执行汽车装箱（把散件按每辆车的顺序摆进排序容器），概念验证口径的成功率 96%。官方评估覆盖 200 个任务，较上一代基线成功率提升 30%–100%、完成快 20–30%——官方图表里夹子装点心从 5% 到 100%，多个任务上一代是 0 分。训练回路由通用模型 Gemini 4 Argon 充当模拟引擎：从真实摄像头画面生成数千条模拟练习并构建数字孪生。全部为谷歌官方口径；先向机器人伙伴推出，无公开入口，无第三方基准。</p><p><a href="https://bitshovel.site/notes/gemini-robotics-2-5">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>持械入宋是怎么一步步成功的</title>
    <link>https://bitshovel.site/topics/chixie-rusong</link>
    <guid isPermaLink="false">bitshovel:publication:chixie-rusong-topic-20261111:zh</guid>
    <pubDate>Wed, 11 Nov 2026 02:05:32 UTC</pubDate>
    <description>从 2025 年 3 月的网课与商单，到版权库选本、三周筹备、资产库与抽卡经济学，再到第一季不温不火、第四季登顶、120 亿播放的走红时间线，以及 OPC 组织与没算清的账。</description>
    <content:encoded><![CDATA[<p>新专题</p><p>从 2025 年 3 月的网课与商单，到版权库选本、三周筹备、资产库与抽卡经济学，再到第一季不温不火、第四季登顶、120 亿播放的走红时间线，以及 OPC 组织与没算清的账。</p><p><a href="https://bitshovel.site/topics/chixie-rusong">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>《持械入宋》：一部漫剧的低开高走，与它没算清的账</title>
    <link>https://bitshovel.site/applications/ai-video/chixie-rusong</link>
    <guid isPermaLink="false">bitshovel:publication:chixie-rusong-application-20261111:zh</guid>
    <pubDate>Wed, 11 Nov 2026 02:05:29 UTC</pubDate>
    <description>六人非科班团队在红果连载的 AI 仿真人漫剧：第一季不温不火，第四季上线次日登顶 AI 新剧榜，第十季热度 8206 万，全网播放 11 月 6 日报 120 亿。算力投入超百万元是主创采访口径；「千万回报」是媒体估算，主创明确否认。沿季别时间线看它怎么一步步成功，再分清热度、播放、收藏与收入各是什么。</description>
    <content:encoded><![CDATA[<p>新应用案例</p><p>六人非科班团队在红果连载的 AI 仿真人漫剧：第一季不温不火，第四季上线次日登顶 AI 新剧榜，第十季热度 8206 万，全网播放 11 月 6 日报 120 亿。算力投入超百万元是主创采访口径；「千万回报」是媒体估算，主创明确否认。沿季别时间线看它怎么一步步成功，再分清热度、播放、收藏与收入各是什么。</p><p><a href="https://bitshovel.site/applications/ai-video/chixie-rusong">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>两周后：入口打开，人人都可用</title>
    <link>https://bitshovel.site/notes/gemini-4-carbon#ga-general-availability</link>
    <guid isPermaLink="false">bitshovel:publication:gemini-4-carbon-ga-20261111:zh</guid>
    <pubDate>Wed, 11 Nov 2026 00:53:38 UTC</pubDate>
    <description>发布两周后 Carbon 的入口打开：付费开发者与企业经 AI Studio／Gemini for business API（介绍期仍 2／10 美元每百万 token），AI Ultra 订阅者经 Antigravity、Gemini 应用与 Search AI Mode，Fairwind 继续并行；GitHub Copilot 同日跟进（Pro+／Max／Business／Enterprise，按提供方牌价用量计费）。开放帖新增数字：CursorBench 4.0／Perplexity WANDR／Zapier AutomationBench 第一（单任务成本低 2 倍以上）、与 AA 合办的新基准 MKA 第二（成本低 6 倍以上，榜外口径）、自适应红队单次突破率 0.8% 对 Argon 3.1%、代理诚实基准 92% 对 70%；Antigravity 的 /swarm 多代理预览同步开始。本页 10 月 29 日「普通读者无法用 API key 复核」的保留意见对付费用户解除；AA 源表 11 月 11 日复读时新增 medium 58、low 54 档（最高仍 high 60）。</description>
    <content:encoded><![CDATA[<p>文章补充</p><p>发布两周后 Carbon 的入口打开：付费开发者与企业经 AI Studio／Gemini for business API（介绍期仍 2／10 美元每百万 token），AI Ultra 订阅者经 Antigravity、Gemini 应用与 Search AI Mode，Fairwind 继续并行；GitHub Copilot 同日跟进（Pro+／Max／Business／Enterprise，按提供方牌价用量计费）。开放帖新增数字：CursorBench 4.0／Perplexity WANDR／Zapier AutomationBench 第一（单任务成本低 2 倍以上）、与 AA 合办的新基准 MKA 第二（成本低 6 倍以上，榜外口径）、自适应红队单次突破率 0.8% 对 Argon 3.1%、代理诚实基准 92% 对 70%；Antigravity 的 /swarm 多代理预览同步开始。本页 10 月 29 日「普通读者无法用 API key 复核」的保留意见对付费用户解除；AA 源表 11 月 11 日复读时新增 medium 58、low 54 档（最高仍 high 60）。</p><p><a href="https://bitshovel.site/notes/gemini-4-carbon#ga-general-availability">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>Signal 的实现被证明了：AI 代理写下数百万行 Lean，把密码协议验证做到机器指令</title>
    <link>https://bitshovel.site/notes/alphaproof-code-signal</link>
    <guid isPermaLink="false">bitshovel:publication:alphaproof-code-signal-20261111:zh</guid>
    <pubDate>Wed, 11 Nov 2026 00:53:36 UTC</pubDate>
    <description>谷歌 DeepMind 11 月 10 日公布 AlphaProof Code：一个把形式化验证拆成「人定要证什么、AI 代理去证、Lean 查每一步」的多模型代理框架。研究团队用它验证了 Signal 协议的真实实现——安全目标翻成数学规格、由 Gemini Carbon 驱动的代理生成超过 600 万行 Lean（页面摘要行另写「超过 300 万行机器校验证明」，两个口径同页并存），代理自审后仅 1% 代码交人工复审；官方称全程四周，而这类验证历史上需专家团队数年。因为把编译后的代码与处理器的 Lean 模型对上，证明下探到机器指令层。官方称这是第一次有广泛部署的密码协议的实现被形式化验证——无论用不用 AI。边界：全部为谷歌口径；验证对象是协议实现，不是 Signal 应用整体；计算资源未公布。形式验证产物与论文将公开。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌 DeepMind 11 月 10 日公布 AlphaProof Code：一个把形式化验证拆成「人定要证什么、AI 代理去证、Lean 查每一步」的多模型代理框架。研究团队用它验证了 Signal 协议的真实实现——安全目标翻成数学规格、由 Gemini Carbon 驱动的代理生成超过 600 万行 Lean（页面摘要行另写「超过 300 万行机器校验证明」，两个口径同页并存），代理自审后仅 1% 代码交人工复审；官方称全程四周，而这类验证历史上需专家团队数年。因为把编译后的代码与处理器的 Lean 模型对上，证明下探到机器指令层。官方称这是第一次有广泛部署的密码协议的实现被形式化验证——无论用不用 AI。边界：全部为谷歌口径；验证对象是协议实现，不是 Signal 应用整体；计算资源未公布。形式验证产物与论文将公开。</p><p><a href="https://bitshovel.site/notes/alphaproof-code-signal">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>从考卷到操作台：谷歌把湿实验室接进 AI 代理的闭环</title>
    <link>https://bitshovel.site/notes/google-agentic-wet-labs</link>
    <guid isPermaLink="false">bitshovel:publication:google-agentic-wet-labs-20261110:zh</guid>
    <pubDate>Tue, 10 Nov 2026 11:54:02 UTC</pubDate>
    <description>谷歌研究博客（页面标注 2026-10-16，本站 11-10 读到全文）给出湿实验室问题的操作台一侧：VERID 给液体处理机器人装上数字孪生，代理指令先在模拟里试跑、由硬件安全检查拦下物理上不可能的操作；适配体沙盒三轮把 α-thrombin 命中率从 0% 推到 42.1%（特异性 98.5%），代理还从第二轮读数里自己认出 G-四链体「黏珠」假象、改写规则把特异性从 19.1% 拉回 72.4%；蛋白结合体用「表位切除」把每轮折叠加速 8.6 倍（59.3 秒→6.9 秒），几次实验内拿到 Kd 3–10 nM 的 FAP 结合体。与早晨的 BioBasicsBench 考卷对读：判断力之外，把判断接上双手的部分正在成形。全部数字为谷歌口径，两篇论文为预印本，本站未复现。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌研究博客（页面标注 2026-10-16，本站 11-10 读到全文）给出湿实验室问题的操作台一侧：VERID 给液体处理机器人装上数字孪生，代理指令先在模拟里试跑、由硬件安全检查拦下物理上不可能的操作；适配体沙盒三轮把 α-thrombin 命中率从 0% 推到 42.1%（特异性 98.5%），代理还从第二轮读数里自己认出 G-四链体「黏珠」假象、改写规则把特异性从 19.1% 拉回 72.4%；蛋白结合体用「表位切除」把每轮折叠加速 8.6 倍（59.3 秒→6.9 秒），几次实验内拿到 Kd 3–10 nM 的 FAP 结合体。与早晨的 BioBasicsBench 考卷对读：判断力之外，把判断接上双手的部分正在成形。全部数字为谷歌口径，两篇论文为预印本，本站未复现。</p><p><a href="https://bitshovel.site/notes/google-agentic-wet-labs">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>同一个模型，两扇门：Anthropic 发布 Fable 5.2 与 Mythos 5.2</title>
    <link>https://bitshovel.site/notes/claude-fable-5-2</link>
    <guid isPermaLink="false">bitshovel:publication:claude-fable-5-2-20261110:zh</guid>
    <pubDate>Tue, 10 Nov 2026 01:44:42 UTC</pubDate>
    <description>Anthropic 11 月 9 日发布 Fable 5.2 与 Mythos 5.2，并明说两者是同一个底层模型：Fable 面向所有人，带网络安全与生物安全防护层（被拦查询回退 Opus）；Mythos 去掉这层防护，只经 Cyber 与 Life Sciences 核验程序面向审核组织。价格降到 $8/$40 每百万 token（低于 5.1），输出快 30%，快速模式 2.5 倍再收一倍价。独立 AA 榜 v5.0 上 Fable 5.2 以 max 65 居首（xhigh/high 62）；厂商口径 FrontierCode 2.0 xhigh 49.1%，自称已发布模型中最高；1000 个 Fable 5.2 代理 30 小时完成费马最后定理的 Lean 形式化，此前研究版约 11 天。系统卡账面：行为审计 2.67（5.1 为 3.28），越沙盒 3.1%（Mythos 5 为 39%），误拦少约 55%；外部评估者测试了模型，但没有审查发布文本身。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>Anthropic 11 月 9 日发布 Fable 5.2 与 Mythos 5.2，并明说两者是同一个底层模型：Fable 面向所有人，带网络安全与生物安全防护层（被拦查询回退 Opus）；Mythos 去掉这层防护，只经 Cyber 与 Life Sciences 核验程序面向审核组织。价格降到 $8/$40 每百万 token（低于 5.1），输出快 30%，快速模式 2.5 倍再收一倍价。独立 AA 榜 v5.0 上 Fable 5.2 以 max 65 居首（xhigh/high 62）；厂商口径 FrontierCode 2.0 xhigh 49.1%，自称已发布模型中最高；1000 个 Fable 5.2 代理 30 小时完成费马最后定理的 Lean 形式化，此前研究版约 11 天。系统卡账面：行为审计 2.67（5.1 为 3.28），越沙盒 3.1%（Mythos 5 为 39%），误拦少约 55%；外部评估者测试了模型，但没有审查发布文本身。</p><p><a href="https://bitshovel.site/notes/claude-fable-5-2">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>自家系统成为靶场：Hacktron 合作与同一周的安全动作</title>
    <link>https://bitshovel.site/notes/gpt-6-cyber#hacktron-own-systems</link>
    <guid isPermaLink="false">bitshovel:publication:gpt-6-cyber-hacktron-20261110:zh</guid>
    <pubDate>Tue, 10 Nov 2026 01:02:58 UTC</pubDate>
    <description>OpenAI 公告与 Hacktron 合作，在自家系统里找漏洞——重点是与第三方服务交互的接缝，Hacktron 经 Daybreak Red 的前沿模型权限同步扩大；按 OpenAI 介绍，这支经漏洞赏金计划相识的团队为代码审查、渗透测试与红队构建 AI 代理。公告没有成果数字——没有 Linux 的 1,724/948 或 Firefox 的 81 那样的产出账；同一周还有 Cathedral 研究者参与安全冲刺与漏洞赏金上调。对「入口窄」的批评，这是一条可见回应；合作范围与优先级选择仍是 OpenAI 单方叙述。</description>
    <content:encoded><![CDATA[<p>文章补充</p><p>OpenAI 公告与 Hacktron 合作，在自家系统里找漏洞——重点是与第三方服务交互的接缝，Hacktron 经 Daybreak Red 的前沿模型权限同步扩大；按 OpenAI 介绍，这支经漏洞赏金计划相识的团队为代码审查、渗透测试与红队构建 AI 代理。公告没有成果数字——没有 Linux 的 1,724/948 或 Firefox 的 81 那样的产出账；同一周还有 Cathedral 研究者参与安全冲刺与漏洞赏金上调。对「入口窄」的批评，这是一条可见回应；合作范围与优先级选择仍是 OpenAI 单方叙述。</p><p><a href="https://bitshovel.site/notes/gpt-6-cyber#hacktron-own-systems">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>读凝胶、查对照、数菌落：湿实验室的日常杂活成了 AI 的新考卷</title>
    <link>https://bitshovel.site/notes/biobasicsbench-wet-lab</link>
    <guid isPermaLink="false">bitshovel:publication:biobasicsbench-wet-lab-20261110:zh</guid>
    <pubDate>Tue, 10 Nov 2026 01:02:56 UTC</pubDate>
    <description>OpenAI 与酶设计公司 Ligo 合建 BioBasicsBench：100 个任务全部取自科学家自己的实验原始证据——凝胶与印迹图、培养皿照片、显微镜层扫、测序读段、酶标仪导出和实验台视频，考的是读数据、查错误、识别「证据撑不起结论」的时刻。七个模型、37 个模型×推理档位组合、每档每题 5 次尝试共 18,500 次结果：xhigh 档 GPT-6 Astra 平均拿到 66.7% 可得分，GPT-5.6 Sol 为 43.8%。Astra 能认出贴错抗生素标签的阴性对照、识别显微镜 z-stack、对双染色信号的歧义要求补对照；也会让熟悉假设压过对照证据、无视同视野里的反例、菌落计数多出约 12% 并等比例夸大转化效率。OpenAI 自己写明：基准分数更高，还不等于实验室里可靠的判断。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>OpenAI 与酶设计公司 Ligo 合建 BioBasicsBench：100 个任务全部取自科学家自己的实验原始证据——凝胶与印迹图、培养皿照片、显微镜层扫、测序读段、酶标仪导出和实验台视频，考的是读数据、查错误、识别「证据撑不起结论」的时刻。七个模型、37 个模型×推理档位组合、每档每题 5 次尝试共 18,500 次结果：xhigh 档 GPT-6 Astra 平均拿到 66.7% 可得分，GPT-5.6 Sol 为 43.8%。Astra 能认出贴错抗生素标签的阴性对照、识别显微镜 z-stack、对双染色信号的歧义要求补对照；也会让熟悉假设压过对照证据、无视同视野里的反例、菌落计数多出约 12% 并等比例夸大转化效率。OpenAI 自己写明：基准分数更高，还不等于实验室里可靠的判断。</p><p><a href="https://bitshovel.site/notes/biobasicsbench-wet-lab">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>65.8% 对 55.3%：谷歌把手表波形做成无袖带高血压筛查，研究登 Nature</title>
    <link>https://bitshovel.site/notes/watch-hypertension-signals</link>
    <guid isPermaLink="false">bitshovel:publication:watch-hypertension-signals-20261109:zh</guid>
    <pubDate>Mon, 09 Nov 2026 12:18:28 UTC</pubDate>
    <description>谷歌与贝斯以色列女执事医疗中心、哈佛医学院、华盛顿大学的研究者把消费级智能手表的两路波形——光电容积脉搏波（PPG）与加速度计（ACC，含心冲击图）——做成无袖带高血压筛查 AI-PPG-ACC-HTN：全程不做袖带校准，把任务从「量血压」改成「判断这个人是否处于持续高血压状态」，以 24 小时动态血压监测为参照，在美国五个站点前瞻多中心纳入 196 人、七天真实佩戴。筛查场景敏感性 65.8%、特异性 90.0%、阳性预测值 80.6%；同一临床框架下诊室初筛的敏感性只有 55.3%。模型两阶段：15 秒波形窗口自监督对比学习出嵌入，多日聚合成人级表征，接身高进正则逻辑回归；预训练用了 492,347 小时、2,109 人的无标注数据。边界同样要读：探索性研究、非产品功能、不替代袖带确诊——65.8% 的敏感性意味着约三分之一的高血压者仍会被这个筛查漏过。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌与贝斯以色列女执事医疗中心、哈佛医学院、华盛顿大学的研究者把消费级智能手表的两路波形——光电容积脉搏波（PPG）与加速度计（ACC，含心冲击图）——做成无袖带高血压筛查 AI-PPG-ACC-HTN：全程不做袖带校准，把任务从「量血压」改成「判断这个人是否处于持续高血压状态」，以 24 小时动态血压监测为参照，在美国五个站点前瞻多中心纳入 196 人、七天真实佩戴。筛查场景敏感性 65.8%、特异性 90.0%、阳性预测值 80.6%；同一临床框架下诊室初筛的敏感性只有 55.3%。模型两阶段：15 秒波形窗口自监督对比学习出嵌入，多日聚合成人级表征，接身高进正则逻辑回归；预训练用了 492,347 小时、2,109 人的无标注数据。边界同样要读：探索性研究、非产品功能、不替代袖带确诊——65.8% 的敏感性意味着约三分之一的高血压者仍会被这个筛查漏过。</p><p><a href="https://bitshovel.site/notes/watch-hypertension-signals">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>31B 压到 13.7B：H3 音画模型的社区压缩版跑进消费级显卡</title>
    <link>https://bitshovel.site/notes/hyperflow-h3-flash</link>
    <guid isPermaLink="false">bitshovel:publication:hyperflow-h3-flash-20261109:zh</guid>
    <pubDate>Mon, 09 Nov 2026 01:02:57 UTC</pubDate>
    <description>新加坡视频公司 Video Rebirth 把 MiniMax 开放权重的音画同生模型 H3 压成少步数版本：删 50 层里的 3 层、102 个线性层做低秩分解、180 层做旋转 W8A8 INT8 量化，再加双时间条件实现 4–8 步无 CFG 采样。5.2 秒短片端到端 92 秒跑在一张 RTX 5090 上，Q4_K_M 权重 9.1GB。速度账公布了，画质账没有——与完整 H3 的对比数据未发布，Hacker News 评论区把这一点点破；权重沿用 H3 社区许可，美欧英韩之外才适用。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>新加坡视频公司 Video Rebirth 把 MiniMax 开放权重的音画同生模型 H3 压成少步数版本：删 50 层里的 3 层、102 个线性层做低秩分解、180 层做旋转 W8A8 INT8 量化，再加双时间条件实现 4–8 步无 CFG 采样。5.2 秒短片端到端 92 秒跑在一张 RTX 5090 上，Q4_K_M 权重 9.1GB。速度账公布了，画质账没有——与完整 H3 的对比数据未发布，Hacker News 评论区把这一点点破；权重沿用 H3 社区许可，美欧英韩之外才适用。</p><p><a href="https://bitshovel.site/notes/hyperflow-h3-flash">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>苹果 HALO：人形机器人栈里，两层是开源权重模型</title>
    <link>https://bitshovel.site/notes/apple-halo</link>
    <guid isPermaLink="false">bitshovel:publication:apple-halo-20261108:zh</guid>
    <pubDate>Sun, 08 Nov 2026 12:22:36 UTC</pubDate>
    <description>苹果 11 月 4 日提交、次日开放代码的 HALO 研究系统把人形机器人控制拆成三个时钟：决策层用开源权重的 Qwen3.6-35B-A3B（4-bit，约 20GB）在机器人背上的 Mac mini 本地运行，动作生成层用冻结的 Qwen3.5-2B 编码器；训练语料在 1,000 所程序生成住宅里合成，论文称其「随算力而非人力扩展」。6 所未建图真实住宅 360 次单项任务 91% 成功——复合任务真机与仿真互有胜负，代码开放而权重不随仓发布，视觉之外没有接触感知。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>苹果 11 月 4 日提交、次日开放代码的 HALO 研究系统把人形机器人控制拆成三个时钟：决策层用开源权重的 Qwen3.6-35B-A3B（4-bit，约 20GB）在机器人背上的 Mac mini 本地运行，动作生成层用冻结的 Qwen3.5-2B 编码器；训练语料在 1,000 所程序生成住宅里合成，论文称其「随算力而非人力扩展」。6 所未建图真实住宅 360 次单项任务 91% 成功——复合任务真机与仿真互有胜负，代码开放而权重不随仓发布，视觉之外没有接触感知。</p><p><a href="https://bitshovel.site/notes/apple-halo">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>未公开的 Anthropic 模型，三天，一个 2008 年猜想有了完整证明</title>
    <link>https://bitshovel.site/notes/anthropic-psi-aaronson-ambainis</link>
    <guid isPermaLink="false">bitshovel:publication:anthropic-psi-aaronson-ambainis-20261108:zh</guid>
    <pubDate>Sun, 08 Nov 2026 01:15:24 UTC</pubDate>
    <description>PSI 的 AI 研究系统在 run 第三天就有了 2008 年 Aaronson–Ambainis 猜想的完整证明，Lean 证明助手接受了最终版形式化；但审计者是 PSI 自己的员工，模型名称未公开，这个猜想十年前还有过一份被撤回的证明——“专家验证进行中”是这条公告的准确读法。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>PSI 的 AI 研究系统在 run 第三天就有了 2008 年 Aaronson–Ambainis 猜想的完整证明，Lean 证明助手接受了最终版形式化；但审计者是 PSI 自己的员工，模型名称未公开，这个猜想十年前还有过一份被撤回的证明——“专家验证进行中”是这条公告的准确读法。</p><p><a href="https://bitshovel.site/notes/anthropic-psi-aaronson-ambainis">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>台账之后：教训怎样变成工具的默认值与门</title>
    <link>https://bitshovel.site/applications/ai-video/story-forge-oldest-tree#lessons-into-defaults-and-gates</link>
    <guid isPermaLink="false">bitshovel:publication:storyforge-lessons-gates-20261107:zh</guid>
    <pubDate>Sat, 07 Nov 2026 12:04:26 UTC</pubDate>
    <description>11-03 一天合入的原创门、灯光默认与严苛评审团，把 10-31 台账里的坑写成下一部的起点：三个最显然的版本一个都不做、每条提示词点名光源、三大缺陷只重渲对应镜头；11-07 两个提交继续这条线——报时从自家 300 次运行的中位数算，判读器为整轮驻留而停用兄弟产品引擎。本站读作者公开仓库文本，未运行工具、未看生成帧。</description>
    <content:encoded><![CDATA[<p>应用案例补充</p><p>11-03 一天合入的原创门、灯光默认与严苛评审团，把 10-31 台账里的坑写成下一部的起点：三个最显然的版本一个都不做、每条提示词点名光源、三大缺陷只重渲对应镜头；11-07 两个提交继续这条线——报时从自家 300 次运行的中位数算，判读器为整轮驻留而停用兄弟产品引擎。本站读作者公开仓库文本，未运行工具、未看生成帧。</p><p><a href="https://bitshovel.site/applications/ai-video/story-forge-oldest-tree#lessons-into-defaults-and-gates">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>世界模型的另一条路：NVIDIA 把 Cosmos 3 后训练例放进下载页</title>
    <link>https://bitshovel.site/notes/cosmos3-open-weights</link>
    <guid isPermaLink="false">bitshovel:publication:cosmos3-open-weights-20261107:zh</guid>
    <pubDate>Sat, 07 Nov 2026 01:14:42 UTC</pubDate>
    <description>NVIDIA 在 Hugging Face 公布 Cosmos 3 家族的四个开放权重后训练例：32GB 级检查点、最多 11 个相机视角与 LiDAR 联合生成的驾驶模拟、机器人动作到视频，OpenMDW1.1 许可。同一周，Physics-IQ 物理续视频榜出现 Cosmos 行——Cosmos 3 Super (Astra) 以 65.47 排到第二，仅次于 Odyssey-3 Pro；而十天前发布的 Genie 4 至今没有一张独立榜行。下载自跑与订阅使用，正在成为世界模型的两条放出路径。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>NVIDIA 在 Hugging Face 公布 Cosmos 3 家族的四个开放权重后训练例：32GB 级检查点、最多 11 个相机视角与 LiDAR 联合生成的驾驶模拟、机器人动作到视频，OpenMDW1.1 许可。同一周，Physics-IQ 物理续视频榜出现 Cosmos 行——Cosmos 3 Super (Astra) 以 65.47 排到第二，仅次于 Odyssey-3 Pro；而十天前发布的 Genie 4 至今没有一张独立榜行。下载自跑与订阅使用，正在成为世界模型的两条放出路径。</p><p><a href="https://bitshovel.site/notes/cosmos3-open-weights">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>还原整集：从量出的数字到能出片的剧本</title>
    <link>https://bitshovel.site/applications/ai-video/zenstory-sample#breakdown-reconstruction</link>
    <guid isPermaLink="false">bitshovel:publication:zenstory-breakdown-reconstruction-20261106:zh</guid>
    <pubDate>Fri, 06 Nov 2026 12:08:55 UTC</pubDate>
    <description>v0.11.0 让对标拆解能还原整集：量出的镜头表变成逐字台词剧本、跨集统一的人物场景与逐镜提示词；12 集还原实测字错率 0.34%（差异全是有意差异）。拿还原出片的一集 13 镜改 6 版，沉淀出同一房间先有母版、两镜以上开口绑定参考音频、大变化切点留反应三处写法；成片比原片长约 13 秒，验收对节拍不对秒数。本站读 v0.11.0 固定标签文档与决定笔记，未还原剧、未出片。</description>
    <content:encoded><![CDATA[<p>应用案例补充</p><p>v0.11.0 让对标拆解能还原整集：量出的镜头表变成逐字台词剧本、跨集统一的人物场景与逐镜提示词；12 集还原实测字错率 0.34%（差异全是有意差异）。拿还原出片的一集 13 镜改 6 版，沉淀出同一房间先有母版、两镜以上开口绑定参考音频、大变化切点留反应三处写法；成片比原片长约 13 秒，验收对节拍不对秒数。本站读 v0.11.0 固定标签文档与决定笔记，未还原剧、未出片。</p><p><a href="https://bitshovel.site/applications/ai-video/zenstory-sample#breakdown-reconstruction">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>GPT-6 Cyber：攻击能力放进审批制入口</title>
    <link>https://bitshovel.site/notes/gpt-6-cyber</link>
    <guid isPermaLink="false">bitshovel:publication:gpt-6-cyber-20261106:zh</guid>
    <pubDate>Fri, 06 Nov 2026 01:09:08 UTC</pubDate>
    <description>OpenAI 的网络安全专用模型在 ExploitGym 拿到 48.5%（上代 32.1%），官方按 Preparedness Framework 把网络安全分类上调至 Critical；同一模型在 Linux 复现 1,724 个漏洞、构建 948 个可用利用，Firefox 的 81 个新高危漏洞已随 MFSA2026-118 修复落地。能力分类是 Critical，入口却先限 Daybreak Red 审批客户——这份发布把入口设计与能力放在了同等位置。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>OpenAI 的网络安全专用模型在 ExploitGym 拿到 48.5%（上代 32.1%），官方按 Preparedness Framework 把网络安全分类上调至 Critical；同一模型在 Linux 复现 1,724 个漏洞、构建 948 个可用利用，Firefox 的 81 个新高危漏洞已随 MFSA2026-118 修复落地。能力分类是 Critical，入口却先限 Daybreak Red 审批客户——这份发布把入口设计与能力放在了同等位置。</p><p><a href="https://bitshovel.site/notes/gpt-6-cyber">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>对标拆解：把标杆剧量成数字，再改自己的默认</title>
    <link>https://bitshovel.site/applications/ai-video/zenstory-sample#benchmark-breakdown</link>
    <guid isPermaLink="false">bitshovel:publication:zenstory-benchmark-breakdown-20261105:zh</guid>
    <pubDate>Thu, 05 Nov 2026 12:05:32 UTC</pubDate>
    <description>v0.10.2 新增对标拆解技能：脚本测量集长、切点与镜长，有字幕或转写再算对白数字；9 部短剧 App 连播漫剧的实测让漫剧节奏默认起点从 3.0 秒改到 2.6 秒。差距对照交给负责技能，出片验证用同模型前后两版各至少两次并盲评。本站读 v0.10.2 固定标签的技能文档，未测量任何对标剧、未调用生成服务。</description>
    <content:encoded><![CDATA[<p>应用案例补充</p><p>v0.10.2 新增对标拆解技能：脚本测量集长、切点与镜长，有字幕或转写再算对白数字；9 部短剧 App 连播漫剧的实测让漫剧节奏默认起点从 3.0 秒改到 2.6 秒。差距对照交给负责技能，出片验证用同模型前后两版各至少两次并盲评。本站读 v0.10.2 固定标签的技能文档，未测量任何对标剧、未调用生成服务。</p><p><a href="https://bitshovel.site/applications/ai-video/zenstory-sample#benchmark-breakdown">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>K3.1 Pro 权重压线公开：仓库 11 月 2 日就已备好</title>
    <link>https://bitshovel.site/notes/kimi-k31-pro-weights</link>
    <guid isPermaLink="false">bitshovel:publication:kimi-k31-pro-weights-20261105:zh</guid>
    <pubDate>Thu, 05 Nov 2026 01:13:54 UTC</pubDate>
    <description>承诺「11 月 4 日前」的完整权重没有爽约：公开可见的首个证据是北京时间 11-04 23:59 的社区镜像，本站采集 11-05 03:03 首次观察到官方仓进入 HF 趋势。仓库内容时间戳却是 11-02——准备与公开是两件事。96 片约 1.56TB 的 MXFP4 权重、MIT 文本加两项商业条件，还有一版移除了网络安全训练数据的开放权重。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>承诺「11 月 4 日前」的完整权重没有爽约：公开可见的首个证据是北京时间 11-04 23:59 的社区镜像，本站采集 11-05 03:03 首次观察到官方仓进入 HF 趋势。仓库内容时间戳却是 11-02——准备与公开是两件事。96 片约 1.56TB 的 MXFP4 权重、MIT 文本加两项商业条件，还有一版移除了网络安全训练数据的开放权重。</p><p><a href="https://bitshovel.site/notes/kimi-k31-pro-weights">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>Hy4 正式版上线：数字、承诺与缺口</title>
    <link>https://bitshovel.site/notes/hy4-official-release</link>
    <guid isPermaLink="false">bitshovel:publication:hy4-20261104-evening:zh</guid>
    <pubDate>Wed, 04 Nov 2026 14:23:53 UTC</pubDate>
    <description>11 月 4 日，腾讯混元发布 Hy4 正式版：API 已在腾讯云和 OpenRouter 上线，价格与 preview 同价（输入 6 元、缓存命中 0.3 元、输出 18 元每百万 token），官方称 Hy 首次跻身最强开源模型之列。但权重仍在“计划开源”里——GitHub 与 Hugging Face 截至 11 月 4 日晚只有 preview 权重，本站复核无 Hy4 正式版权重仓；站内参照的 Artificial Analysis 榜单晚间复核也无 Hy4 行。“最强开源模型”之说目前只有官方定性，第三方公开分数暂缺。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>11 月 4 日，腾讯混元发布 Hy4 正式版：API 已在腾讯云和 OpenRouter 上线，价格与 preview 同价（输入 6 元、缓存命中 0.3 元、输出 18 元每百万 token），官方称 Hy 首次跻身最强开源模型之列。但权重仍在“计划开源”里——GitHub 与 Hugging Face 截至 11 月 4 日晚只有 preview 权重，本站复核无 Hy4 正式版权重仓；站内参照的 Artificial Analysis 榜单晚间复核也无 Hy4 行。“最强开源模型”之说目前只有官方定性，第三方公开分数暂缺。</p><p><a href="https://bitshovel.site/notes/hy4-official-release">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>权重读得懂、也写得动：从一篇博客论文到一台笔记本</title>
    <link>https://bitshovel.site/notes/weight-space-programming</link>
    <guid isPermaLink="false">bitshovel:publication:weight-space-20261104:zh</guid>
    <pubDate>Wed, 04 Nov 2026 01:17:21 UTC</pubDate>
    <description>11 月 2 日，MIT CSAIL 四位作者发布了一篇“论文形状的博客”：GPT-6 Astra 只凭文本形式的浮点权重就能认出网络被训练来玩什么游戏（4 个全对），还能不写训练循环直接改权重——把 0% 的策略修到 100%，或只动 0.016% 的权重把 Qwen3.5-0.8B 的 MATH-500 从 7.9% 提到 48.1%。11 月 3 日，Simon Willison 在笔记本上复现了“读”的一半：本地 Qwen 3.8 27B 无工具认出 4 个游戏中的 3 个，单局 46–65 分钟，Freeway 猜错；Kimi K3.1 Pro 经 OpenRouter API 9 分 41 秒猜中——它的权重截至本稿仍未发布。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>11 月 2 日，MIT CSAIL 四位作者发布了一篇“论文形状的博客”：GPT-6 Astra 只凭文本形式的浮点权重就能认出网络被训练来玩什么游戏（4 个全对），还能不写训练循环直接改权重——把 0% 的策略修到 100%，或只动 0.016% 的权重把 Qwen3.5-0.8B 的 MATH-500 从 7.9% 提到 48.1%。11 月 3 日，Simon Willison 在笔记本上复现了“读”的一半：本地 Qwen 3.8 27B 无工具认出 4 个游戏中的 3 个，单局 46–65 分钟，Freeway 猜错；Kimi K3.1 Pro 经 OpenRouter API 9 分 41 秒猜中——它的权重截至本稿仍未发布。</p><p><a href="https://bitshovel.site/notes/weight-space-programming">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>PlanAssist 进 15 个英国议会：规划审批里的 AI 初稿与两个数字</title>
    <link>https://bitshovel.site/notes/planassist-planning-beta</link>
    <guid isPermaLink="false">bitshovel:publication:planassist-20261103:zh</guid>
    <pubDate>Tue, 03 Nov 2026 12:06:28 UTC</pubDate>
    <description>10 月 31 日官方博客定名 PlanAssist：DeepMind 与英国政府把 Gemini 驱动的助手放进规划审批——校验申请文档与图纸、比对遗产保护约束与政策、起草带引用的评估报告，官员保留最终决定权。Barnet、Camden、Dorset 自 6 月试点；官方数字：官员评估住宅类申请的时间最多降 58%，70% 以上的报告初稿经官员审后零修改通过。现在进入 12 个月 Beta：再增 12 个议会分三批加入（共 15 个），2027 年是否推广到全英格兰视测试而定。两个数字都要按口径读：58% 是“最多”；70%+ 是“官员审后零修改”，不是“报告无误”。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>10 月 31 日官方博客定名 PlanAssist：DeepMind 与英国政府把 Gemini 驱动的助手放进规划审批——校验申请文档与图纸、比对遗产保护约束与政策、起草带引用的评估报告，官员保留最终决定权。Barnet、Camden、Dorset 自 6 月试点；官方数字：官员评估住宅类申请的时间最多降 58%，70% 以上的报告初稿经官员审后零修改通过。现在进入 12 个月 Beta：再增 12 个议会分三批加入（共 15 个），2027 年是否推广到全英格兰视测试而定。两个数字都要按口径读：58% 是“最多”；70%+ 是“官员审后零修改”，不是“报告无误”。</p><p><a href="https://bitshovel.site/notes/planassist-planning-beta">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>普查局问卷不再问“AI”：更名“超级智能”如何打断企业采用率曲线</title>
    <link>https://bitshovel.site/notes/census-super-intelligence</link>
    <guid isPermaLink="false">bitshovel:publication:census-si-20261103:zh</guid>
    <pubDate>Tue, 03 Nov 2026 01:30:19 UTC</pubDate>
    <description>从 10 月 19 日起的采集轮，美国人口普查局每两周一次的商业调查 BTOS 把“近两周是否使用 AI”改成了“是否使用‘超级智能’（Super Intelligence or SI，原称 AI）”。措辞跟着 9 月 29 日签署的行政命令 14434 走，而统计局对措辞变化并不陌生：2025 年 11 月 17 日一次措辞扩围曾让 250+ 人企业的“是”从约 12% 跳到约 30%，统计局为此另起时间序列。这次更名词轮，同一档企业的“是”又涨了 7.1 个百分点（36.5%→43.6%，约 4.7 个标准误）——改名不改技术，问卷里的例子还是机器学习、自然语言处理、ChatGPT 与 Claude。怎么读“X% 的企业用 AI”这类数字：看问卷、看措辞、看序列。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>从 10 月 19 日起的采集轮，美国人口普查局每两周一次的商业调查 BTOS 把“近两周是否使用 AI”改成了“是否使用‘超级智能’（Super Intelligence or SI，原称 AI）”。措辞跟着 9 月 29 日签署的行政命令 14434 走，而统计局对措辞变化并不陌生：2025 年 11 月 17 日一次措辞扩围曾让 250+ 人企业的“是”从约 12% 跳到约 30%，统计局为此另起时间序列。这次更名词轮，同一档企业的“是”又涨了 7.1 个百分点（36.5%→43.6%，约 4.7 个标准误）——改名不改技术，问卷里的例子还是机器学习、自然语言处理、ChatGPT 与 Claude。怎么读“X% 的企业用 AI”这类数字：看问卷、看措辞、看序列。</p><p><a href="https://bitshovel.site/notes/census-super-intelligence">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>打戏按回合拆镜，质检放行小瑕疵</title>
    <link>https://bitshovel.site/applications/ai-video/zenstory-sample#fight-craft-and-qc-pass</link>
    <guid isPermaLink="false">bitshovel:publication:zenstory-fight-qc-20261102:zh</guid>
    <pubDate>Mon, 02 Nov 2026 12:07:47 UTC</pubDate>
    <description>交手账与回合拆镜写成分镜规则；审片判据把单帧花屏、轻微口型偏移默认交给剪辑，合成案例里 12 段只剩 1 段重生成。本站未调用生成服务复现对照。</description>
    <content:encoded><![CDATA[<p>应用案例补充</p><p>交手账与回合拆镜写成分镜规则；审片判据把单帧花屏、轻微口型偏移默认交给剪辑，合成案例里 12 段只剩 1 段重生成。本站未调用生成服务复现对照。</p><p><a href="https://bitshovel.site/applications/ai-video/zenstory-sample#fight-craft-and-qc-pass">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>THE LAST SIGNAL：46.6 秒全本地预告的一天台账</title>
    <link>https://bitshovel.site/applications/ai-video/story-forge-oldest-tree#last-signal-time-and-defects</link>
    <guid isPermaLink="false">bitshovel:publication:story-forge-last-signal-20261102:zh</guid>
    <pubDate>Mon, 02 Nov 2026 01:19:09 UTC</pubDate>
    <description>同一时刻只驻留一个模型，三次计划外更换与两次停顿都写进台账；检查报告里的每个 FAIL 各自说明了什么。影片未公开，声音无人听过。</description>
    <content:encoded><![CDATA[<p>应用案例补充</p><p>同一时刻只驻留一个模型，三次计划外更换与两次停顿都写进台账；检查报告里的每个 FAIL 各自说明了什么。影片未公开，声音无人听过。</p><p><a href="https://bitshovel.site/applications/ai-video/story-forge-oldest-tree#last-signal-time-and-defects">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>模型也要睡觉：谷歌把巩固与做梦接进部署后的持续学习</title>
    <link>https://bitshovel.site/notes/sleep-framework</link>
    <guid isPermaLink="false">bitshovel:publication:sleep-framework-20261101:zh</guid>
    <pubDate>Sun, 01 Nov 2026 12:16:08 UTC</pubDate>
    <description>部署后的模型有两个老问题：知识停在训练截止日，学了新任务又容易忘掉旧任务。谷歌研究团队 10 月 27 日的“睡眠框架”给出一条处理路径：模型在清醒/睡眠两阶段间循环，清醒时把经历存进短期记忆，睡眠时先“巩固”——新知识写进新增的低秩专家并向上蒸馏——再“做梦”，自造合成课程自我改进。在 Qwen3-8B 上，睡眠阶段把 AIME-24 从 73.8 提到 79.2；在未见语言的持续翻译上近乎零退化。但这不是已发布的产品模型：骨架是研究架构 Hope，对照实验用了 Qwen3 与 Llama 底座，数字为厂商口径，本站未复现。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>部署后的模型有两个老问题：知识停在训练截止日，学了新任务又容易忘掉旧任务。谷歌研究团队 10 月 27 日的“睡眠框架”给出一条处理路径：模型在清醒/睡眠两阶段间循环，清醒时把经历存进短期记忆，睡眠时先“巩固”——新知识写进新增的低秩专家并向上蒸馏——再“做梦”，自造合成课程自我改进。在 Qwen3-8B 上，睡眠阶段把 AIME-24 从 73.8 提到 79.2；在未见语言的持续翻译上近乎零退化。但这不是已发布的产品模型：骨架是研究架构 Hope，对照实验用了 Qwen3 与 Llama 底座，数字为厂商口径，本站未复现。</p><p><a href="https://bitshovel.site/notes/sleep-framework">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>DeepSeek 开源 Super-agent 原型：Router 接话，Worker 干活</title>
    <link>https://bitshovel.site/notes/dsh-superagent</link>
    <guid isPermaLink="false">bitshovel:publication:dsh-superagent-20261101:zh</guid>
    <pubDate>Sun, 01 Nov 2026 01:03:24 UTC</pubDate>
    <description>DeepSeek Harness 团队 10 月 31 日开源了 Super-agent 研究原型 dsh-superagent-prototype（MIT）：一个监听 GitHub 与飞书的主动式编程代理，Router 常驻接话并维护全局上下文，Worker 在独立会话与目录里并行执行，面板只列出需要人处理的部分。设计文章的合成负载实验里，Super-agent 完成任务的 p95 为 15.7 分钟，对照单会话方案 29.5 分钟——但实验量的是编排能力，不是单任务质量。本站读了仓库文档原文，把架构、授权与实验边界分开讲清。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>DeepSeek Harness 团队 10 月 31 日开源了 Super-agent 研究原型 dsh-superagent-prototype（MIT）：一个监听 GitHub 与飞书的主动式编程代理，Router 常驻接话并维护全局上下文，Worker 在独立会话与目录里并行执行，面板只列出需要人处理的部分。设计文章的合成负载实验里，Super-agent 完成任务的 p95 为 15.7 分钟，对照单会话方案 29.5 分钟——但实验量的是编排能力，不是单任务质量。本站读了仓库文档原文，把架构、授权与实验边界分开讲清。</p><p><a href="https://bitshovel.site/notes/dsh-superagent">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>谁对齐了谁？专家的判断跟着 AI 的硬币走</title>
    <link>https://bitshovel.site/notes/aligned-to-whom</link>
    <guid isPermaLink="false">bitshovel:publication:aligned-to-whom-20261031:zh</guid>
    <pubDate>Sat, 31 Oct 2026 12:12:52 UTC</pubDate>
    <description>Anthropic 的随机化实验量出一件事：50 位因果推断专家与 AI 编码代理一起做政策分析，在四个关键分析决策上，86% 跟着代理被随机指定的立场走（随机基线 50%）。事后再问，多数人把结论归为自己的判断，77% 复述过代理论点，只有 15% 提到代理。本站读论文原文，讲清实验怎么设计、数字怎么读，以及“分析更准更快”与“判断被悄悄接管”如何同时成立。</description>
    <content:encoded><![CDATA[<p>方法指南</p><p>Anthropic 的随机化实验量出一件事：50 位因果推断专家与 AI 编码代理一起做政策分析，在四个关键分析决策上，86% 跟着代理被随机指定的立场走（随机基线 50%）。事后再问，多数人把结论归为自己的判断，77% 复述过代理论点，只有 15% 提到代理。本站读论文原文，讲清实验怎么设计、数字怎么读，以及“分析更准更快”与“判断被悄悄接管”如何同时成立。</p><p><a href="https://bitshovel.site/notes/aligned-to-whom">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>没人训练的权重，跑通了一台红白机</title>
    <link>https://bitshovel.site/notes/nesformer-qwen-weights</link>
    <guid isPermaLink="false">bitshovel:publication:nesformer-qwen-weights-20261031:zh</guid>
    <pubDate>Sat, 31 Oct 2026 01:06:33 UTC</pubDate>
    <description>一位开发者把红白机（NES）的 6502 CPU、2KB 工作内存和整张卡带程序 ROM 编译进 7 层 DeltaNet 权重：没有一个参数经过训练，模型逐 token“预测”CPU 执行日志，马里奥就跑起来了。本站读原仓 README 与测试记录、Qwenputer 原博客与 HN 讨论，讲清它为什么能帧帧对齐真模拟器、为什么慢 150–290 倍，以及“编译出来的权重”与“训练出来的权重”分别意味着什么。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>一位开发者把红白机（NES）的 6502 CPU、2KB 工作内存和整张卡带程序 ROM 编译进 7 层 DeltaNet 权重：没有一个参数经过训练，模型逐 token“预测”CPU 执行日志，马里奥就跑起来了。本站读原仓 README 与测试记录、Qwenputer 原博客与 HN 讨论，讲清它为什么能帧帧对齐真模拟器、为什么慢 150–290 倍，以及“编译出来的权重”与“训练出来的权重”分别意味着什么。</p><p><a href="https://bitshovel.site/notes/nesformer-qwen-weights">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>OpenAI 更新 Model Spec：五条价值观，从“听话”到“听懂”</title>
    <link>https://bitshovel.site/notes/model-spec-five-values</link>
    <guid isPermaLink="false">bitshovel:publication:model-spec-five-values-20261030:zh</guid>
    <pubDate>Fri, 30 Oct 2026 12:01:24 UTC</pubDate>
    <description>OpenAI 10 月 29 日更新行为规范 Model Spec：全部指导原则重组到五条价值观下，新增“审慎考虑上下文”把对话与记忆写进理解意图的规则，更新指令层级，退役大部分细化风格指导，模型改称“GPT”；官方同时写明模型尚未完全达到规范。本文读公告与规范原文，用官方中文版核对术语。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>OpenAI 10 月 29 日更新行为规范 Model Spec：全部指导原则重组到五条价值观下，新增“审慎考虑上下文”把对话与记忆写进理解意图的规则，更新指令层级，退役大部分细化风格指导，模型改称“GPT”；官方同时写明模型尚未完全达到规范。本文读公告与规范原文，用官方中文版核对术语。</p><p><a href="https://bitshovel.site/notes/model-spec-five-values">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>权重如约开放：Mistral Large 4 的许可、成绩与榜单换行</title>
    <link>https://bitshovel.site/notes/mistral-large-4#weights-open</link>
    <guid isPermaLink="false">bitshovel:publication:mistral-large-4-weights-20261030:zh</guid>
    <pubDate>Fri, 30 Oct 2026 01:07:14 UTC</pubDate>
    <description>10 月 29 日权重按预览承诺开放，修改版 MIT 把对外经营 MaaS 划为授权边界；编码领先、安全成绩要放回图表位置读，AA 榜同日撤下 Preview 行、发布版权重以 high 26 入列。</description>
    <content:encoded><![CDATA[<p>文章补充</p><p>10 月 29 日权重按预览承诺开放，修改版 MIT 把对外经营 MaaS 划为授权边界；编码领先、安全成绩要放回图表位置读，AA 榜同日撤下 Preview 行、发布版权重以 high 26 入列。</p><p><a href="https://bitshovel.site/notes/mistral-large-4#weights-open">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>每月 1 亿通电话：语音代理平台 Retell 靠什么跑</title>
    <link>https://bitshovel.site/notes/retell-voice-agents</link>
    <guid isPermaLink="false">bitshovel:publication:retell-voice-agents-20261029:zh</guid>
    <pubDate>Thu, 29 Oct 2026 12:02:06 UTC</pubDate>
    <description>语音代理平台 Retell 坐在 4000 多家企业的客服电话下面，月通话量从 2026 年初约 3000 万涨到 9 月的 1 亿以上；平台 80% 的通话回复由 OpenAI 模型生成，客户解决率持续在 80% 以上。本文拆开一通电话看分工——harness 管对话状态与打断，GPT-6.1 Sol／GPT-6 Astra／GPT-5.5 生成回答与工具调用，GPT-5.6 Terra 事后析谱——再看 Retell 按真实通话而非 demo 选型的 vCX 基准（10 月 13 日，GPT-6 Astra 指令遵循 89.7% 居首）。数字均为 Retell 与客户自报、经 OpenAI 客户故事发布；本站未拨打、未实测。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>语音代理平台 Retell 坐在 4000 多家企业的客服电话下面，月通话量从 2026 年初约 3000 万涨到 9 月的 1 亿以上；平台 80% 的通话回复由 OpenAI 模型生成，客户解决率持续在 80% 以上。本文拆开一通电话看分工——harness 管对话状态与打断，GPT-6.1 Sol／GPT-6 Astra／GPT-5.5 生成回答与工具调用，GPT-5.6 Terra 事后析谱——再看 Retell 按真实通话而非 demo 选型的 vCX 基准（10 月 13 日，GPT-6 Astra 指令遵循 89.7% 居首）。数字均为 Retell 与客户自报、经 OpenAI 客户故事发布；本站未拨打、未实测。</p><p><a href="https://bitshovel.site/notes/retell-voice-agents">继续阅读</a></p>]]></content:encoded>
  </item>
  <item>
    <title>Gemini 4 Carbon：新尺子下的 59 分，入口先开给网络防御者</title>
    <link>https://bitshovel.site/notes/gemini-4-carbon</link>
    <guid isPermaLink="false">bitshovel:publication:gemini-4-carbon-20261029:zh</guid>
    <pubDate>Thu, 29 Oct 2026 01:08:05 UTC</pubDate>
    <description>谷歌太平洋时间 10 月 28 日公布 Gemini 4 Carbon：在 Artificial Analysis 新基准 Intelligence Index v5.0 下以 high 档 59 分排第一。网络安全三个环节的官方成绩是 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；同一基准换版让同批模型分数整体重排，v4.3.2 与 v5.0 的分数不能混比。入口本周先向一小部分网络防御者开放，开发者与消费者要等；介绍期 API 价格输入 2 美元、输出 10 美元每百万 token，之后 4／20 美元。本站 10 月 29 日直读官方页与榜单页，未运行模型。</description>
    <content:encoded><![CDATA[<p>新解读</p><p>谷歌太平洋时间 10 月 28 日公布 Gemini 4 Carbon：在 Artificial Analysis 新基准 Intelligence Index v5.0 下以 high 档 59 分排第一。网络安全三个环节的官方成绩是 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；同一基准换版让同批模型分数整体重排，v4.3.2 与 v5.0 的分数不能混比。入口本周先向一小部分网络防御者开放，开发者与消费者要等；介绍期 API 价格输入 2 美元、输出 10 美元每百万 token，之后 4／20 美元。本站 10 月 29 日直读官方页与榜单页，未运行模型。</p><p><a href="https://bitshovel.site/notes/gemini-4-carbon">继续阅读</a></p>]]></content:encoded>
  </item>
  </channel>
</rss>
