跳到正文

智能体员工

硅基员工进入编制的动态:数字员工上岗、岗位替代与新增、人机协作分工的实践与数据。

118条精选相关主题碳硅组织落地转型

最新精选

第 1–20 条 · 共 118 条
11月13日周五
  1. 人人都是产品经理79

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,官方称 Fable 代码基准超过 Opus 5.5

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,官方称 Fable 在 FrontierCode 2.0 得 49.1%,超过 Opus 5.5 的 45.5%、GPT-6 Astra 的 42.8% 和 Gemini 4 Carbon 的 41.1%。

    决策要点

    这次发布的核心不是单一最强模型,而是按任务风险与预算分层的能力组合,前沿能力被主动划定边界并分级开放。

    • 影响复杂工程与科研类长程任务多了一个高强度选项,标准 API 降价约 20% 使试点成本更低;官方建议日常编程仍用 Opus 5.5,模型组合与预算需按任务分层重算;多 Agent 协作案例属实验展示,复用需先补任务拆分、沙箱与回滚等工程设施。
    • 参考可考虑先盘点现有任务清单,高频常规任务留在 Opus 5.5,选 1 至 2 个长程工程或系统迁移场景用 Fable 小额试点,记录 Token 消耗、重试和返工率;值得等独立评测出来后再调整模型预算。
  2. 36氪·AI76

    谷歌发布Gemini 4 Hydrogen,官方称轻量档基准反超自家旗舰Argon

    谷歌发布Gemini 4家族新模型Hydrogen,官方称默认high思考模式下AA智能指数51分,反超自家深度推理旗舰Argon的50分,xhigh模式达54分,今天起全球可用。

    决策要点

    轻量档模型在官方基准上反超自家旗舰,叠加官方大小模型动态调度方案,高性价比模型开始承担日常开发主力负载。

    • 影响编码与数据密集型工作流的模型预算可按新定价重算;官方调度方案降低了大小模型混合使用的工程门槛,任务分层选模型有了现成参照;知识问答类应用可把8%的瞎猜率作为选型风险参照。
    • 参考可考虑用自有真实任务跑一轮Hydrogen与现用模型的成本质量对比,先算出Token单价差;值得评估大小模型分层调度在自有编码或数据流程中的可行性;知识问答类选型可把幻觉率列入对比清单。
  3. 36氪·AI76

    谷歌发布Gemini 4 Hydrogen并向所有人开放,官方称速度达上代2.5倍

    谷歌发布Gemini 4 Hydrogen,主打速度和执行效率,免费用户、付费用户和开发者均可使用,谷歌搜索同步接入。官方称其在High推理档位完成任务速度达上一代Gemini 3.8 Flash的2.5倍,编造事实减少超过80%,并在Artificial Analysis智能指数上以51至54分超过定位更高的Gemini 4 Argon的50分。

    决策要点

    谷歌把效率档模型做到了超过自家旗舰的水平,快与强的取舍被压缩,低价档位的涨价也在同步进行。

    • 影响旧Flash优惠价12月31日到期后API价格将翻倍,以Token成本为主的团队需重算预算;Orchestrator把多模型自动切换做成产品功能,官方称平均减少24%额度消耗;谷歌承认AI Mode变现效率低于传统搜索,网站能否重新获得点击尚无定论。
    • 参考可考虑先按现有调用量算出明年1月涨价后的Token预算变化再定去留;值得在编程与多步骤任务上做同题实测,重点对比Terminal-Bench这类Hydrogen落后于Claude Sonnet 5.5的项目类型;Google AI Ultra用户可试试Orchestrator的额度消耗表现。
  4. 爱范儿76

    谷歌发布 Gemini 4 Hydrogen,免费用户可用

    谷歌发布 Gemini 4 Hydrogen,定位高效率模型,主打更快响应、更低成本与 Agent 连续执行能力,已面向全球推出,覆盖 Gemini App、Google Search、Google AI Studio 等平台,Gemini App 免费用户也可使用。

    决策要点

    谷歌用一款智能水平逼近旗舰的高效率模型,把前沿能力铺进免费消费产品,模型竞争的筹码正转向单位成本和分发规模。

    • 影响第三方测算其 xhigh 档单任务成本约为 Claude Sonnet 5.5 最高档的 32%,推理预算可按档位重算;免费开放降低了员工使用门槛;现用旗舰模型的企业有了新的比价对象。
    • 参考可考虑用同一组真实任务对比现用模型与 Hydrogen 的质量和账单,重点测 High 与 xhigh 两档;代码编写、测试验证等连续执行任务可作为优先试点场景。
  5. The Decoder:AI News77

    Google 发布 Gemini 4 Hydrogen,智能跑分超过发布不到四周的 Argon

    Google 发布快速通用模型 Gemini 4 Hydrogen,官方称其在 Artificial Analysis 智能指数默认档拿到 51 分、超过更大的 Argon 的 50 分,xhigh 档最高达 54 分。

    决策要点

    快速档模型以更低价格在跑分上压过四周前发布的旗舰,Google 两天前的选型建议随即失效,模型迭代与淘汰周期已压缩到以周计。

    • 影响日常编码、检索与文档类任务可用这类快速模型顶替旗舰以压低单位成本;各思考档位成本与智能差异大,xhigh 档 token 消耗近翻倍,选档直接影响开支;终端与计算机操作类任务仍是竞品占优,替换需分场景对待。
    • 参考可考虑按任务类型分层试跑,对比 high 与 xhigh 档的每任务成本和产出质量后再定档;值得用独立评测的每任务成本口径重算现有预算,而非只参考官方跑分表。
  6. Google DeepMind:Blog71

    Google DeepMind 发布 Gemini 4 Hydrogen,主打快速执行与智能体工作流

    Google DeepMind 发布快速执行模型 Gemini 4 Hydrogen,即日起向开发者、企业与消费者全渠道开放。官方称其在 Artificial Analysis 智能指数默认高档 51 分、超过 Argon 的 50 分,xhigh 档达 54 分,定价在 100 万 token 上下文窗口内统一为每百万输入 token $1.50、输出 $7.50。

    决策要点

    Google 把 Gemini 4 系列拆成深度推理与快速执行两层,再用 Orchestrator 自动分配任务,实质是把 token 成本控制从用户手动选型变成产品内置能力。

    • 影响执行类任务的 token 成本有了更低的模型档可选;在用 3.8 Flash 的团队获得官方给出的迁移选项;Orchestrator 自动换挡会改变按模型计费时的配额核算口径。
    • 参考可考虑把手头工作流拆成架构判断与代码执行两类,分别测算 Carbon、Argon 与 Hydrogen 的配额账单;在用 3.8 Flash 的团队值得先在编码或智能体试点对比耗时与质量,再定迁移节奏。
11月12日周四
  1. OpenRouter:Blog(Announcements)65

    OpenRouter 教程:如何阻止 AI 智能体陷入工具调用死循环

    OpenRouter 发布教程,用 doom-loop 检测、loopKey 参数归一化、步数与成本上限、API key 信用限额四道防线,阻止智能体陷入通宵可烧数千美元的工具调用死循环。

    决策要点

    智能体死循环源于循环结构本身没有计数与止损机制,成本控制要同时放在应用代码内和平台侧,缺一层就留有失控口子。

    • 影响智能体每轮重发全部对话,单轮成本逐轮上涨,无人值守任务通宵可累积数千美元花费;应用内防护依赖代码正确部署,多会话各自低于上限时总额仍会累计超支。
    • 参考可考虑在生产智能体上开启 doom-loop 检测,并按正常运行的轮次和花费设定 stepCountIs 与 maxCost 上限;值得给每个智能体单配 API key 并设日限额;工具报错文案可改成告知模型停止,而不是让它重试。
11月11日周三
  1. OpenRouter:Blog(Announcements)60

    OpenRouter 实测对比 MCP、CLI 与 Skills 的上下文 token 成本

    OpenRouter 实测同一 GitHub 任务发现,工具接入方式显著改变 agent 的上下文开销,Claude Sonnet 5.5 上 CLI 用 1,421 输入 token,GitHub MCP 默认 46 个工具用 59,417。

    决策要点

    Agent 接工具的真正成本在上下文而非调用本身,MCP 默认全量加载可能把单任务开销放大数十倍,接入方式值得先量化再选。

    • 影响跑 agent 的团队 API 成本会因工具接入方式相差数倍到数十倍;收窄工具范围、裁剪返回字段是不改架构的省钱手段;token 计数绑定具体模型与服务商,换模型需重新测算。
    • 参考可考虑用文中 mcp_cost.py 在自家主力模型上实测工具开销;优先选模型已熟悉的 CLI,无 CLI 时限定 MCP 工具数并让客户端裁剪结果;定义超过约 10,000 token 时值得评估延迟加载。
  2. IT之家·人工智能79

    谷歌正式开放 Gemini 4 Carbon 模型,主打复杂编程、科研与网络安全

    谷歌 11 月 10 日宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者,定位为谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全,已通过 Gemini API 和 Google AI Studio 向付费开发者及企业客户开放。

    决策要点

    谷歌把旗舰线拆成按任务复杂度分层的双档结构,Carbon 以更高推理投入承接长周期复杂任务,与 Argon 形成分工。

    • 影响承担大型迁移、架构重构或安全审计的企业多了一个高推理档位可选;首发价仅为正式价一半,预算测算需区分 2026 年 11 月 30 日前后的两档价格;日常软件工程与知识工作可按分工继续交给 Argon。
    • 参考可考虑把跨包迁移、复杂调试或漏洞排查类任务列入试点清单,与现有模型跑分对比;值得先按正式价而非首发价测算长期成本;有并行开发需求的团队可关注 Google Antigravity 中的 /swarm 预览。
  3. Microsoft Research64

    微软研究发现 Lazarus 攻击,改写不到 10 个休眠神经元即可给 AI 智能体植入后门

    Microsoft Research 报告了名为 Lazarus 的后门技术,无需训练、改写大语言模型中不到 10 个休眠神经元即可给智能体植入后门,模型仍能通过标准评测并正常运行。

    决策要点

    后门可以藏在模型权重本身,通过标准评测不再等于安全,权重来源与完整性成为智能体部署的新控制点。

    • 影响通过评测不能排除权重被改,来源不明的权重可能带着评测查不出的触发后门;智能体的工具和终端权限大小决定触发后的破坏范围;权重来源核验因此成为使用开源或自建模型时的前置检查项。
    • 参考可考虑盘点在用模型的权重来源并留存记录,确认与发布方一致;给智能体按最小权限配置并记录其行为;值得把前沿模型的权重异常扫描加入上线前检查。
  4. Google DeepMind:Blog82

    Google DeepMind 发布 Gemini 4 Carbon,主打网络安全与智能体任务

    Google DeepMind 发布最新前沿模型 Gemini 4 Carbon,面向开发者、企业和消费者开放,API 定价与 Gemini 4 Argon 相同,为每百万输入 token $2、输出 token $10。

    决策要点

    Google 把最强模型按与 Argon 相同的单价开放,靠更高 token 用量换取深推理,比拼焦点正从模型单价转向单任务成本。

    • 影响深推理模型单价未涨但 token 用量会上升,技术预算宜按单任务成本而非单价估算;安全团队按官方口径可让模型承担漏洞初筛;基准与成本优势目前仅有厂商口径,采购评估应留独立验证空间。
    • 参考可考虑选一个多步编码或漏洞排查场景做小规模试点,记录 token 用量与人工耗时对比;采购前先算出自家典型任务的单任务成本,再与官方宣称逐项对照。
  5. The Verge · AI77

    Google 发布 Gemini 4 Carbon,并预览 swarm 多智能体协作功能

    Google 将新模型 Gemini 4 Carbon 向公众开放,官方称其为迄今最强模型,主打复杂多步编码与开放式科研等任务。

    决策要点

    Google 用约为对手几分之一的定价重新站上前沿竞争,Anthropic 与 OpenAI 的双雄格局变成三方角力。

    • 影响前沿模型 token 单价降到竞品几分之一,企业采购的成本基线需要重算;介绍价 11 月底翻倍,比价时应按长期价格计算;不同模型完成同一任务耗用的 token 数不同,单价低不必然等于总成本低。
    • 参考可考虑把 Carbon 纳入模型比价清单,用自身真实任务测算 token 消耗与总成本而非只看单价;高难度多步编码或科研类任务值得小范围试点,常规工程与知识工作可对照官方对 Argon 的推荐;swarm 预览可用来评估多智能体协作是否适配长周期任务。
11月10日周二
  1. SaaStr76

    ICONIQ 与 Pave 数据显示 AI 创业公司销售占比几乎未降,销售打法变化有限

    AI 创业公司销售团队人数变少主要因为公司整体更小,销售占员工比例几乎没有变化。Jason Lemkin 在 SaaStr 结合 ICONIQ State of Go-to-Market 2026 与 Pave 逾万家公司实时薪酬数据库分析称。

    决策要点

    两份数据共同指向销售占比基本未变,AI 带来的编制压缩集中在客服与后台,销售打法并没有根本改变。

    • 影响做 2026 至 2027 年编制规划时,销售占员工 18% 至 20% 仍是可用基准;客服和后台才是智能体最先压缩的编制;售后实施人力在转入工程侧,部门归属与成本核算需要跟着调整。
    • 参考可考虑用销售占员工 18% 至 20% 校准下一年度编制与配额;值得盘点客服工单和后台流程中高重复、可交给智能体的环节;大客户业务可测算把实施类岗位并入工程组织的成本。
  2. 36氪·AI77

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,上千个 Agent 连续8天写出操作系统原型

    Anthropic 于11月9日发布 Claude Fable 5.2 与 Claude Mythos 5.2,两款模型基于同一底层模型,Fable 5.2 向所有用户开放,Mythos 5.2 面向经审核的网络安全和生物医学研究机构。

    决策要点

    这次发布的实质是模型分层供应策略,日常任务留给 Opus,同源最强模型按安全风险分级开放,同时用降价提速压低重 Agent 工作流的成本门槛。

    • 影响API 价格降20%且输出提速,同等预算可支撑更多 Token 消耗,多 Agent 长任务的成本压力减轻;官方建议日常开发仍用 Opus 5.5,企业需按任务难度建立模型调度规则;Mythos 5.2 需通过审核项目或 Claude Security 获取,并非开放订阅。
    • 参考可考虑先测算自家 Agent 或代码生成工作流在新价格下的单位成本变化;值得评估代码顾问与多智能体编排两类用法能否接入现有研发流程;安全团队可先确认 Cyber Verification Program 与 Claude Security 的申请条件再决定是否投入。
  3. 人人都是产品经理76

    Claude Fable 5.2 实测,78 分钟做出能开机的简版操作系统

    作者用新发布的 Claude Fable 5.2 在 78 分钟内做出一个能在浏览器开机的简版操作系统,连同另外 3 个 case 和 3 个日常任务共耗掉周额度的 21%。

    决策要点

    这次的实质是模型分层使用的确立,重任务有分数持平、价格减半的 Fable 5.2 接手,千级 agent 协作成为官方展示的作业方式。

    • 影响重任务换用 Fable 5.2 的成本约为 Opus 5.5 的一半,预算可按任务难度重算;订阅内 Fable 只能用一半额度,用量配比要提前规划;API 存在 thinking block 与模型 ID 变更,升级前需要留出回归测试时间。
    • 参考可考虑把现有任务按难度分两档试点,重档跑 claude-fable-5-2 记录耗时与费用;值得按迁移指南排查 thinking block、computer use 和 advisor 配置;小模型搭配可先试 advisor 或 orchestrator 结构。
  4. OpenRouter:Blog(Announcements)64

    OpenRouter 教程:如何用 Python 搭建语音 AI 智能体

    OpenRouter 发布用 Python 搭建语音 AI 智能体的教程,以餐厅电话订座为例走通语音转文字、LLM 工具调用与语音合成的完整链路,三个环节都通过一个 OpenRouter API key 完成。

    决策要点

    语音智能体的搭建门槛已降到用公开 API 拼装的程度,真正的约束转向时延编排与以语音合成为主的成本结构。

    • 影响预订、客服等电话场景可按每分钟处理语音约 $0.013 至 $0.025 的量级先做验证;成本大头在文本转语音而非 LLM;每次工具调用约多一秒时延,真实后端须确认操作成功再告知客户。
    • 参考可以先用真实业务录音测试入围的语音转文字与语音合成模型,并在自身应用里测含网络与播放的端到端响应时间;试点时控制口语回复长度,比省 LLM token 对成本影响更大;接真实预订后端时确认操作成功再回复客户。
  5. 爱范儿82

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,API 价格降低 20%

    Anthropic 正式发布 Claude Fable 5.2 与 Mythos 5.2 两款旗舰模型,已于今天上线 Claude 平台及 AWS、Google Cloud、Microsoft Azure,标准 API 价格降低约 20%,每百万输入 Token 8 美元、输出 40 美元。

    决策要点

    这次发布的实质是能力冲刺与主动设限并行,Anthropic 在筹备 IPO 的节点强化编程与科研能力,同时主动压制模型加速下一代 AI 研发的能力。

    • 影响编程与科研团队的模型选型和预算需要重算,标准 API 价格降 20%,但最强推理单任务成本约为 Opus 5.5 的 2.6 倍;官方主动限制 AI 研发类任务能力,自研 AI 团队不能默认沿用上一代的能力预期;限时体验持续到 11 月 16 日,存在低成本验证的窗口。
    • 参考可考虑在 11 月 16 日前用限时额度安排一次编程或科研基准任务对比,记录单任务成本与成功率;值得先测算高频任务在标准模式与 Fast Mode 之间的价格差,再决定日常负载是否迁移。
  6. The Decoder:AI News77

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,IPO 前重夺 AI 性能领先

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款同底座模型,在 IPO 前重新夺回 AI 性能领先,日常使用仍推荐 Claude Opus 5.5。

    决策要点

    Anthropic 在 IPO 前以双版本策略重夺榜首,独立榜单领先成立,但顶级能力伴随明显的单任务溢价和安全分级门槛。

    • 影响单任务成本约为 Opus 5.5 的 2.6 倍,高端场景预算需按任务而非 token 单价测算;公开版 Fable 屏蔽渗透测试等安全任务,相关业务要走 Mythos 的组织审核通道;输出提速与 token 用量下降可部分对冲溢价。
    • 参考可考虑先挑科研自动化、形式化验证等高价值任务试点,按单任务成本与 Opus 5.5 对比测算预算;有漏洞研究或渗透测试需求的团队可评估 Mythos 5.2 验证计划的申请门槛。
11月7日周六
  1. 人人都是产品经理76

    Kimi 独占 61% 企业开源模型支出,微软与亚马逊先后为其开源权重落地收入分成

    Menlo Ventures《2026 年企业 AI 现状报告》显示,中国模型已占全球企业开源模型支出的 89%,月之暗面 Kimi 一家独占 61%,超过其余所有开源模型总和。

    决策要点

    开源权重的商业价值开始被云巨头用分成确认,企业开源模型市场的比拼正从价格转向复杂任务能力。

    • 影响企业选型逻辑从单价转向复杂任务能力,预算加速流向高价旗舰模型;靠降价换量的小模型在长链路任务中的返工损耗可能吞掉 token 差价;运营 MaaS 且连续 12 个月总营收超 2000 万美元的企业使用此类开源权重需预留分成成本。
    • 参考可考虑用自身真实工作流实测候选旗舰模型的任务成功率,再按单位有效产出重算模型预算;值得盘点在用的开源权重与许可证条款,涉及 MaaS 转售的业务提前评估分成谈判空间。
11月6日周五
  1. 36氪·AI77

    美股单日蒸发约2.8万亿美元,Menlo Ventures报告称中国模型占企业开源支出89%

    美股单日蒸发约2.8万亿美元(媒体估算),纳斯达克跌5.52%,费城半导体指数跌12.3%;两天前即11月3日,Menlo Ventures发布《2026年企业AI现状报告》,称企业AI部署支出一年涨5.4倍至1770亿美元。

    决策要点

    股价与账单的背离说明市场质疑的是资本开支回报,而企业对AI的实际需求仍在放量,中国开源模型已进入头部应用生产链。

    • 影响企业AI支出一年涨5.4倍且55%来自全新预算,AI在扩大软件盘子而非抢存量;旗舰模型涨价后用户仍增加,模型选型应按端到端总完成成本而非单价计算;开源赢用量输收入,商业化溢价仍在旗舰一侧。
    • 参考可考虑把模型预算核算从每百万token单价改为按任务端到端总成本;值得测试以Kimi K3等开源权重模型为底座做后训练的可行性;可评估在微软Foundry或AWS按调用分账接入中国模型的成本结构。