will

有点猛，OpenAI 的找漏洞命令行 Codex Security 出了 0.9.1，默认 xhigh 推理档，花费上限默认是空的 据 README，它能扫整个仓库、指定目录或者 Git 改动，找到的问题先验证，再出补丁，补完还能回头验一遍修好没有。 据发布说明，0.9.1 的 Deep Scan 会分批跑多轮普通扫描，最后把修法相同的问题合到一起报。 拿一台 Linux 机器试了命令行。真扫要先登录或者配 API key，这次没登录，所以没跑出真实的漏洞结果 npm 装 0.9.1，99 个包，8 秒装完，node_modules 有 605MB。 cs info 里默认模型是 gpt-5.6-sol，推理档 xhigh，花费上限和时间上限两项都是空的。 dry-run 不用登录，一秒左右就把输入检查完，会把用哪个模型、哪个推理档打出来。没登录直接扫，它停在找不到凭据那一步，不会开跑。 要注意的几个地方 先把 max-cost 参数加上。默认没有花费上限，而且据文档，已经发出去的请求还是可能超过这个数。开了 validate 参数就不能再配 max-cost，这部分额外调用不计入花费统计。 普通扫描默认不限时，max-time 参数只是建议，到点停止开新的排查，写报告还可能再多花点时间。Deep Scan 默认 4 个 worker，每个带 3 个子 agent，最多 40 轮，时间上限默认就是最大值 5760 分钟，也就是 4 天。 扫 Git 改动用 diff 参数，要求仓库干净、停在要扫的那个提交上，有没提交的改动会直接被拒。 install-hook 会装一个提交前的钩子，默认 high 及以上的问题会挡住提交。

Grok Bot 出 1.0 了，这回在 Team 和 Enterprise 套餐上，一个 Bot 能分享给整个团队用，拉进 Slack 和 Teams 群里，还能进 Google Meet、Zoom、Teams 开会，在会议聊天里答话，散会发总结和待办 官方说它会自己找活，没做完的事会去跟进，要拍板的再把人拉进来 有点意思的是更新日志里一条，同事教给团队 Bot 的东西，得 owner 或管理者批了才算数 我比较好奇几个 Bot 一起接活时听谁的，是不是搭配谷歌刚发布的决策模型更好😂

Google 新的决策模型 Gemini Decision 1，只会答三种题，是不是、选哪个、打几分，答案后面跟个 0 到 1 的置信度 一次能塞 1,000 个问题。速度上 Google 博客说，输入 16K 以内、1 到 100 题，150 到 250 毫秒就回来 输入每百万 token 0.1 美元，输出一分不收，博客里写的 这不跟 OpenAI 10 月正式上线的 Decisions API 一个价嘛，OpenAI 一次最多 400 题 区别是 OpenAI 共享输入能吃缓存，文档写命中每百万 0.01 美元 Google 文档写了不支持缓存和 Batch，同一段输入每发一次请求都按全价算 用它和 jev 比一下决策的差异

DeepMind 的 AlphaGenome 2 出来了，一次只盯一种细胞看 DNA 变异，DeepMind 说在 28 种免疫细胞上，它找出的起作用变异是 30%，微调过的一代是 16% 新的细胞状态也不用重训，丢几十个细胞的数据进去就能接着算，非商用走 API 免费 博客说后面还会在 Antigravity 里出它的 Skills，啥时候上线没说，我比较好奇这个

DeepMind 这次让 Gemini agent 去证 Signal 加密代码的关键安全性质，直接证到编译后的机器码，DeepMind 说 4 周写了大约 650 万行 Lean 证明，人只复核了 agent 标出来的约 1% 代码 有点意思的是，他们把两个早就修掉的老 bug 放回去，两次都被证出不安全 WIRED 说这次没覆盖整个 App，Google 也不肯说花了多少钱 规格和证明都开源了，我怀疑这里面最费人的还是那 2.6 万行规格和机器码语义

Qwen4-Max 开预览了，API 走阿里的 Token Plan 订阅，定价页写的个人版平时 6 美元一个月起，活动期新用户 3 美元起 官宣这条没给跑分，也没说按量调用多少钱，定价页列的能接的工具里有 Claude Code、Cursor 和 Codex 把它塞进 Claude Code 里跑长任务看看效果

昨晚出来的好东西有点多啊，在这里总结一下，除了 Gemini 4 carbon 之外总结一下其它的好东西。 Grok Bot 现在能加进自己的 Tailscale 内网了，内网里的私有 MCP 服务器不用暴露到公网就能连 另外还有三条。Meta 的 Muse 有了自己的邮箱，ChatGPT Business 套餐能在 Notion、Warp、opencode 这些工具里登录使用，Google 这个月的 Pixel 更新把 Gemini Intelligence 推到了 Pixel 10。 【Grok Bot 进 tailnet，连内网的 MCP】 这条有点意思，tailnet 就是 Tailscale 组起来的私有网络（只有加进来的设备能互相访问），MCP 服务器是给模型调工具用的接口。Tailscale 博客的说法是，不该为了让 agent 能用，就把内部服务挂到公网上。 背后是 Tailscale 刚正式上线的 OAuth apps。Grok Bot 连上以后，是以授权人的身份作为一台设备加进 tailnet，访问策略、审计日志、设备数量限制照常管着它，中间也不用贴密钥。 连法是在 Grok Bot 桌面端的 Tailscale 插件里点 Authenticate。个人 tailnet 得是自己建的或者自己是管理员。公司 tailnet 要团队管理员先开通，Tailscale 那边得是 Premium 或 Enterprise 套餐。 有个地方要注意。插件说明写的是，个人 tailnet 连上后这台设备不带标签，权限跟你本人一样，你笔记本能访问的它默认也能访问。付费套餐可以用设备属性单独限制它能访问哪些资源。有人写文章说免费版目前没法这么限，建议单独建一个只放 MCP 服务器的 tailnet 再连。 【Muse 有了自己的邮箱】 Meta 的人工智能负责人 Alexandr Wang 发帖说，Muse 现在有自己的邮箱地址，把邮件转给它或者把它加进邮件线程就行。先给美国和加拿大的付费订阅用户。 The Verge 引的是 Meta 副总裁 Vishal Shah 的说法，转给它或者拉进线程，它会接着处理回复和跟进。九月 Connect 大会上就预告过，这回是正式推出来了。 【ChatGPT Business 套餐能拿去别的工具用】 OpenAIDevs 发帖说，Business 套餐现在可以通过 Sign in with ChatGPT 在 Notion、v0、Amp、Kilo Code、Warp、Hermes、OpenClaw、opencode 这些工具里用。据一篇二手总结，工作区管理员负责开通，还能给支持的工具设用量上限，开源工具也算在里面。 opencode 前两天合了一个修复，成员用到管理员设的上限以后不再反复重试，直接提示去找管理员把上限调高。 【Pixel 10 用上 Gemini Intelligence】 Google 11 月的 Pixel 更新开始推送。Pixel 10 上了 Rambler 语音输入（自动去掉嗯啊这种口头词，再整理成通顺的文字），还有让 Gemini 替你走完订餐、叫车这类多步操作，地区和语言有限制。防丢贴片 Pixel Tag 11 月 11 日开卖，单个 29.99 美元。 四条里有三条都是让 agent 进到你已经在用的地方，内网、邮箱，还有别的工具的额度。自己有内网 MCP 的话，我觉得先单独建个 tailnet 再连，省得它默认拿到跟你一样的权限

Meta 开源了设计系统 Astryx，命令行里带 58 个页面模板，它给 agent 的规矩是写页面从模板起步 据 README，它在 Meta 内部用了八年，1.3 万多个应用在用。基于 React 19，样式是编译好的 CSS，引进来就能用。MIT 协议，还在 Beta。 拿一台 Linux 机器实测了一遍命令行（没渲染页面，也没让 agent 真写页面），记录如下 核心包、主题、命令行连同 React 一起装完，node_modules 191MB。 跑 init 并指定 claude，它会在 .claude/CLAUDE.md 写一段规矩。页面从模板起步，不许写 div，不许写死颜色和像素，交付前先过 doctor。 搜 date picker，一秒多出来 69 条，日历和日期输入排最前。build 后面跟一句需求，比如带资料表单的设置页，它直接指给你 settings 模板。 doctor 跑完 10 项过、1 项警告，警告是主题装了没接进页面。 要注意的几个地方 模板会带额外依赖。dashboard 模板要另装 recharts 和 @heroicons/react，命令行只提示不帮装。它自己的说明也写了，部分模板用到 StyleX，得配编译插件。 据帮助说明，全局装命令行会往家目录放一份 agent skill，init 加 user 参数还会链进 ~/.claude/skills。不想让所有项目的 agent 都读到，就只在项目里装。 dense 参数省下的篇幅不多。同一份 Button 文档，默认 10089 字节，dense 8672 字节，少一成多。换 zh 参数能出中文版。

claude code 2.1.321 is out, and the release notes open with the new Fable model. a few lines further down are the two fixes I'd update for even if you never touch Fable per the changelog, before this release an MCP server that answered with a redirect could get OAuth secrets like refresh tokens passed along to a different host. the other one: in some cases a read-only Bash command could run outside the sandbox and never show a permission prompt the catch is the release channel. as of this morning npm's stable tag is still 2.1.311, published October 26, so stable users don't have these fixes yet. the docs say stable is typically about one week old and skips releases with major regressions Homebrew picks the channel by cask name. the plain claude-code cask follows stable and sits at 2.1.311 right now. claude-code@latest is at 2.1.322 so the quick check is /doctor, which shows your update channel and the versions on npm. if you're on 2.1.311 and you connect to remote MCP servers, the docs say you can switch to latest in /config under Auto-update channel, or set autoUpdatesChannel to "latest" in settings.json, then run claude update. on Homebrew that setting doesn't apply, so you switch to the claude-code@latest cask instead

千呼万唤始出来，agy终于上了gemini 4 carbon. 希望能比肩opus 5.5. 大家快蹬起来。毕竟60U的Ultra 太香了

GG

Anthropic 正式开始 IPO 路演了，一股 70 到 78 美元，CNBC 按上限算完全稀释估值 1.405 万亿美元，比公司原本奔着去的 2 万亿低了一截 官方公告写的是一共卖 8.25 亿股 A 类股，8.01 亿多股是公司自己卖，2365 万股左右是老股东卖，老股东那部分钱公司拿不到。公司还打算给承销商 30 天的选择权，最多再买 1.2375 亿股。申请的是纳斯达克，代码 ANT CNBC 按区间上限算，IPO 这一块最多 643.5 亿美元。另外还有一笔 260 亿美元的定向配售，AMD、博通、Google、美光、微软、英伟达、台积电按 IPO 价格买，路透算的总数最多 904 亿美元 5 月那轮融资宣布的估值是 9650 亿美元。CNBC 上周还报过，有投资人说 1.5 万亿都悬 CNBC 还说知情人讲的是 11 月 18 日定价、19 日开始交易，散户份额想给到两成左右，一般 IPO 是 5% 到 10%。这几条官方公告里没写 散户两成这个比例挺少见，最后到底怎么分我有点好奇

Claude Code 回的话为啥读着累，有人拿写作书的原则量了，用词含糊的比例是 60%，Stack Overflow 上人写的是 7% Zonder Labs 自己测的，Claude Code 的原句说一个检查位于用户会话入口边界，名词一个摞一个 作者说靠提示词基本改不掉，他们在训一个专门的模型，想看看提升能有多大？

T3 Code 里用 Claude Code 的对话轮次，Opus 5.5 出来前一周占 52%，出来后一周 64%，最近 7 天到了 75% 这是 Theo 自己画的图，T3 Code 是个开源的编程 agent 控制台，一个界面里能跑 Claude Code、Codex、Cursor 这些，用的是你自己的订阅。图里只比了 Claude Code 和 Codex 两家，算的是用户自己发起的轮次，剩下的都归 Codex。 图从 3 月画到 11 月 9 日。前几个月基本是 Codex 领先，Claude Code 大多在一半以下。7 月以后两边来回拉锯，GPT-5.6 Sol 和 GPT-6 Astra 上线后那几天，Claude Code 都被拉回一半以下。 9 月 22 日 Opus 5.5 上线以后开始往上走。一周后 GPT-6.1 Sol 上线，又往下压了一截，但没有压回一半。图上最新一天标的是 78%，后段还标了是估算。Theo 说他从没见过这样的图。 有人问会不会有选择偏差，说 Theo 视频里老推 Opus，看视频来装的人本来就更容易偏向 Claude。也有人说这只是占比，没给每天的总轮次，Codex 份额掉了不等于用量变少。还有人想看按最后合进去的提交再算一遍。 拿来当整个市场的反应来看，最起码在编程领域 claude opus 5.5 基本上占了大部分份额。

一觉醒来收到了Claude Duet 的邀请邮件，我来深度体验一下，看看能不能平替 grok bot, 最近 grok bot 太拉了。

Meta 出了自家最小的模型 Muse Ember，每百万 token 输入 0.1 美元、输出 0.5 美元，Meta 说综合分和 Claude Haiku 5.5 打平，单题成本只要三分之一左右 另外还有两条 OpenAI 的更新。dot 可以同时连好几台自己的电脑，OpenAI 还公开了内部叫停模型的系统 Control Room。 【Muse Ember，给 agent 跑重复活的便宜模型】 Zuckerberg 发帖说，它是给 agent 整天反复跑的那种活准备的，工具调用、写代码的子任务、路由、信息抽取、长文档解析。现在 Meta Model API 和 Muse Code 上能用，Meta 后来又说上了 Google Cloud 和 Oracle Cloud。 缓存输入更便宜，每百万 token 0.004 美元。上下文 100 万 token，最多输出 51.2 万。提示超过 20 万 token 的话，价格涨到三倍。 Meta 博客里引的是 Artificial Analysis 综合指数（第三方给模型打的综合分），Muse Ember 最高档 36 分，Haiku 5.5 最高档也是 36，每道题成本大约 0.14 美元对 0.41 美元。跟自家 Muse Spark 1.3 比，分数 36 对 37，每题成本 0.14 对 2.39 美元。 编程这块 Meta 自己列的数有赢有输。Terminal-Bench 4.0（让 agent 在终端里干活改代码的测试）40.9 对 Haiku 的 39.2，但看改动能不能合并的 FrontierCode 2.0，27.2 输给 Haiku 的 34.9。Meta 也说最难的活交给大模型 Muse Wonder 规划，Ember 负责跑量。 我理解是它主要瞄 agent 里那一堆子任务。Cline 创始人 Saoud Rizwan 在 Meta 博客里说的也是拿它当 harness 里的 subagent 省钱。 【OpenAI dot，同一个助手能用好几台电脑】 dot 是 ChatGPT 里那个在云端、自带电脑和浏览器的助手。现在可以把好几台本地电脑连到同一个 dot，每个任务选用哪台。 OpenAIDevs 举的例子，让它在第二台 Mac 的 Xcode 里测改动再发截图，或者在笔记本和装旧 SDK 的机器上跑同一个测试对比结果。连法是在每台电脑的 ChatGPT app 里打开 dot 的资料页，在 Computers 下面点 Allow。文档写一个线程一次只用一台电脑，用的时候那台电脑要在线，ChatGPT app 要开着。 【OpenAI Control Room，35 秒内停掉模型输出】 这是 OpenAI 管研究侧模型任务的内部系统。研究侧的推理任务开跑时先领一个 job ID，推理引擎每次出结果前都去问 Control Room 这个任务还能不能跑。训练任务旁边有监控模型盯着，一旦决定叫停，最多 35 秒模型输出就停了。OpenAI 说这 35 秒来自授权缓存，还在往零压。Control Room 自己挂了的话，所有推理请求一律拒绝。 三条里现在就能上手的是 Muse Ember 和 dot 连多台电脑。Ember 的分数基本是 Meta 自己贴的，FrontierCode 那项还输给 Haiku，我觉得拿它替主力写代码还早，放 subagent 那块跑跑倒还可以，就看返工多不多了

Anthropic 新模型每百万输入降到 8 美元、输出 40 美元，原来是 10 和 50 11 月 9 日 Anthropic 发了 Claude Fable 5.2 和 Claude Mythos 5.2，官方说面向最难的技术活，编程、推理、视觉都有提升。官方说输出比 Fable 5.1 快至多 30%，CNBC 报道的降价幅度是两成。平台文档写的上下文是 100 万 token，最长输出 12.8 万 token 可选的 fast mode 输出再快 2.5 倍，价格翻倍，变成每百万输入 16 美元、输出 80 美元。官方还说，Fable 和 Mythos 是同一底层模型，Fable 加了强防护面向所有人，Mythos 要走生命科学或网络安全核验项目申请。预发布测试里，官方自称它帮工程师完成了原本做不动的软件迁移，从一段话的提示设计出三台能工作的电子设备，还解决了两道黑洞相关的理论物理开放题 编程评测 FrontierCode 2.0 早期测试里，官方说 Fable 5.2 开 High 约等于 Opus 5.5 开 Max，单任务成本大约一半，开 Xhigh 拿到 49.1%，是他们测过的已发布模型里最高。另有一个官方演示，1,000 个 Fable 5.2 agent 用 30 小时完整形式化了费马大定理，同设置下 Opus 5.5 跑 18 小时只完成 26%，30 小时也几乎没再往前走。形式化就是把证明翻成电脑能逐步核对的语言。官方还写，这次用的动作 token 大约只有他们第一次形式化的三分之一，证明也短了大约七倍 Mythos 5.2 这边，官方说预测 34 个衣壳结构对了 28 个。衣壳是基因治疗用的蛋白壳。双臂机器人仿真 RoboDojo 上，官方表里 Fable 5.2 也压过同场其他模型。日常编程官方仍推荐先用 Opus 5.5，难的再往上换，也可以让小模型把它当顾问去问，或者让它当分发任务的编排者 付费套餐和主流云今天就能用，模型 ID 是 claude-fable-5-2，AWS、Google Cloud、Azure 都列了。开发者账号还说，为防蒸馏，Fable 5.2 所有 API 账号启用了 preserved thinking，改写前文可能直接报 400。Claude Code 和 Agent SDK 会自己处理这一层。Ultra 和 Team Premium 按订阅时长送 1 到 3 次 Fable 重置，不满 6 个月 1 次，6 到 12 个月 2 次，12 个月以上 3 次，3 月 8 日前用完。Pro 和 Team Standard 有一周试用，最多周额度一半，再加 1 次重置 应用侧默认 effort 也不一样，平台默认 high，Apps 默认 medium，官方让把 xhigh 留给能看出收益的超长 agent 活 要上手的话，先看自己套餐有没有那几次 Fable 重置，3 月 8 日前用完，跑分这些还是机构自己报的，上手体验下

Google 这一年第八代 TPU 已经发到第 4 套了，新的 8i Max 直接把两颗 8i 芯片塞进一个封装，算力、SRAM、HBM 带宽全翻倍 这次一共两套。8tx 和训练用的 8t 是同一块芯片，主机配的是 AMD 第五代 EPYC，主打机密计算，数据和模型权重在跑的时候也是隔离保护的。Google 说它用了 8i 那套低延迟网络，延迟最多比 8t 低一半，性能几乎不掉。面向的是受监管的企业和政府，用私有数据微调、蒸馏、做强化学习，数据不用在集群之间来回搬 8i Max 冲的是内存墙。Google 云的 Mark Lohmeyer 在媒体会上给了具体数，HBM 有 384 个 G，比 8i 多 33%，内存带宽 17.2 TB/s，片上 SRAM 768 兆。Google 博客还说，同样大的机柜能塞进两倍的硅 我觉得更值得看的是软件那部分。Lohmeyer 说 agent 跑起来是一阵一阵的，等工具返回、等人回复，有时一等好几天，资源一直占着的话 90% 以上的时间是空转。所以他们开源了 TPU Sync，agent 一停就把 KV cache 几毫秒内挪到片外，回来再接上，Google 说首 token 延迟能降 90% 以上。另外还有个 Agent Compute Engine，专门挂起闲着的 agent 会话 写代码这边，TorchTPU 上个月已经开源，PyTorch 代码和 Hugging Face 模型不用改就能在 TPU 上跑，vLLM 和 SGLang 也都有 TPU 后端。新出的 TPU agent 工具包还在预览，能接 Claude Code、Cursor 和 Antigravity，用大白话让它帮你上手、找瓶颈、调 kernel Google 博客里还提了一句，TPU 现在有将近 100 个客户，前沿实验室、交易公司、零售商、大学都有 这回发布讲的大半是 agent 闲着的时候怎么省资源，方向应该没错，不过价格和什么时候能在云上租到，博客里一个字没写