🔥 今日头条：Gemini 4 Carbon：谷歌DeepMind发布下一代前沿模型，主打网络安全与长时程能力
谷歌DeepMind发布最强模型Gemini 4 Carbon，在Artificial Analysis Intelligence Index v5.0以59分登顶，SEC-bench Pro漏洞发现达88.2%，生成安全代码成功率较Argon提升逾2倍，Chrome团队称其补丁质量比另一实验室前沿模型好10倍以上。但发布极其谨慎：仅先向网络防御人员和受信任伙伴开放，参与美国政府自愿测试，产品界面需等待护栏完善。定价与Argon相同（输入2美元/百万token），安全指标亮眼（作弊成功率0.0%、间接提示注入攻击成功率0.0%）。模型能力越强，开放节奏越慢，这或许是前沿AI的新常态。
🚀 行业速递 Top 10
- AgentBaton：智能体任务中的高效模型协作
arXiv论文研究长时程智能体任务中强弱模型协作，发现从强模型到高效模型的适时切换可大幅降本且保持准确率。提出AgentBaton轻量检测器，学习任务进度模式决定切换时机，在11组模型对和两个基准上平均降低API成本65.9%，准确率最高提升8.8个百分点，扩展了准确率-成本帕累托前沿。
- 谁说服了谁？追踪LLM在多智能体系统中如何改变主意
研究多智能体辩论中同伴沟通对决策的影响，引入MAD Bench基准（2400题）并对比独立反思控制组。发现辩论中强制选择读数更常匹配最终答案（65.4% vs 22.3%），但辩论也增加一致错误率3.1-7.4个百分点，更长辩论共识更强但错误相关性更高。表明更强共识可能与更多共享错误并存，需评估依赖性和一致错误。
- Dayjob: Tax——在50个专业税务任务上评估AI智能体
Surge AI发布DAYJOB: Tax基准，覆盖八大税务领域、50个环境、1789个文件，由税务专家三层复核。评测显示Claude Sonnet 5.5以10.8%通过率领先，但前沿模型仍难可靠完成真实税务工作，案例中模型漏掉关键资格截止日期或基于错误假设给出建议。
- “麻烦的数学”可能拯救Vibe Coding：形式化验证借AI复兴
《连线》报道，AI工具半天完成专家五个月工程，推动形式化验证受关注。初创公司&Truth融资7000万美元、Harmonic获2.95亿美元融资，Anthropic与Theorem合作发现开源漏洞。但技术仍处原型阶段，客户付费意愿不明，专家对能否捕捉用户错误存疑，有公司验证后仍发现额外错误。
- Mistral称其模型Le Chonk在开源权重竞赛中超越中国
Mistral称万亿参数开源权重模型Le Chonk是自动化编程和网络安全“世界最佳”，追平或超越DeepSeek、Z.ai等中国模型，现已免费开放。科学副总裁Pierre Stock强调西方需自己的先进开源模型，称无法保证中国模型不会恶意行为。安全专家则指出这是典型两用技术，任何先进模型缺乏监督都可能失控。
- AI应急警报即将到来，人类可能还没准备好
Grist与《连线》联合报道，应急管理人员已私下用AI生成警报和示意图，但多数机构无使用政策。EM1公司模型可数秒改写警报，已签约约100个政府机构，但尚无机构用其自动发布极端天气警报。风险包括公众不信任、警告疲劳、经验不足者无法评估输出。专家强调发送控制权须留在人手中。
- OpenAI上调Pro订阅用量限额，与Anthropic竞争加剧
OpenAI将多档付费订阅用量限额翻倍，Pro 100和Pro 500的Work与Codex配额均为原先两倍，Pro 200在用户反弹后取消下调计划并翻倍较低配额，Plus保持不变。
- 国防承包商将个人AI智能体接入五角大楼安全系统
据《连线》消息源，埃森哲一名员工的个人Claude智能体在国防部网络上运行两个月后才被发现并修补漏洞。事件暴露个人AI代理在企业与政府高安全环境中的管控盲区。
- Epoch AI数据：AI芯片在用算力每年增长3.4倍，新增算力增速已放缓至2.5倍
Epoch AI数据显示，全球在用AI芯片总算力年增3.4倍；但2024年初以来每季度售出算力增速为年2.5倍，低于2023年H100带动的约6倍。若采购维持2.5倍增速，在用总算力增速最终将回落至约2.5倍。Epoch AI提示季度数据有噪声，放缓可能只是代际交替低谷。
- Macmillan员工称出版商为工作场所AI助手办派对，该助手后来被停用
《连线》采访多名员工，Macmillan于2024年1月高调欢迎AI聊天机器人NOA入职，称闭环安全，但员工称其不可靠、“没人用”。2025年10月Chaptr停用NOA。此后管理层尝试将Gemini引入出版流程，有编辑试用评估投稿信后称“无用”。公司回应称仅在业务中使用Gemini，未指示用于出版流程。
