科技剪报 · 2026-11-11｜新模型评测、技术岗位与软件正确性
整理：henri
本期关注编程模型的能力与代价、智能体进入日常工作的方式，以及科技公司的增长与工程质量。Every 与 Latent Space 的评测把 Fable 5.2、Gemini 4 Carbon 和 Naive-N0.5-Flash 放进实际任务，考察长时间工作、判断力和响应速度；Claude 办公工具、ChatGPT 商家主页与 Resend 的案例，则展示产品如何适应智能体。Anthropic 的上市计划、科技岗位结构和企业新动向之外，软件正确性、数据库查询与漏洞处置也提醒我们：产出更多代码，不等于交付更可靠的软件。陶哲轩的新书和 Substack 对媒体价值的讨论，回到知识如何被解释、理解和分享。
模型评测与研发
Every：Fable 5.2 如何完成完整产品
Katie Parrott 写道，Anthropic 的 Fable 5.2 适合承担那些无法一直守在旁边监督的大任务。Every 团队把需要通宵、甚至整个周末才能完成的项目交给它，由模型持续构建、测试和打磨。Kieran Klaassen 让它开发视频编辑器 Everycut，第二天便有了包含剪辑、字幕特效和音乐混音功能的应用，三天后上线，相关功能也能由智能体调用。文章认为，这是他们测过的第一个能让专业人员在几乎不阅读底层代码的情况下，做出可投入日常使用的工具的模型。代价是运行较慢、token 消耗较大；测试还发现，最高推理强度并不总能带来最好结果。它带来的变化不仅是写代码更快，也要求使用者学会定义完整任务、安排较长的执行时间，并判断最终交付是否可用。
every.toVibe Check: Fable 5.2 Is a Paradigm Shift—If You Know What to Do With It · Every
Every：Gemini 4 Carbon 的编程能力与判断差距
Every 的七位测试者把 Gemini 4 Carbon 用于编程、写作、设计和知识工作，认为它对已经使用 Google 工具链的人是一次明显升级：编程能力强于 Gemini 4 Argon，三维物体的生成效果更好，也能在较少人工监督的情况下连续工作数小时。但测试者对它到底需要多少看管，意见并不一致。文章把它与 Fable 5.2 对照，认为旗舰模型的标准已经不只是“能否持续做长任务”，还包括能否选择正确的工作、遵守任务边界，以及知道何时该停下来。Carbon 提升了 DeepMind 的竞争力，不过在这些判断上仍有差距。
every.toVibe Check: Gemini 4 Carbon's Coding Outpaces Its Judgment · EveryLatent Space：Naive-N0.5-Flash 的速度代价
Latent Space 实测了中国公司 NaiveAI 的开放权重模型 Naive-N0.5-Flash。它基于小米 MiMo-V2.5 的权重继续训练，原模型总参数约 3100 亿、每次启用约 150 亿参数；NaiveAI 增加约 3.25 万亿 token 的训练，并搭配自研推理引擎 NaiveRT。公司宣称的约 2100 token/秒是单秒峰值，不能视为通常速度。作者的服务器端测量显示，思考阶段可接近每秒 1000 token，但与对照模型从 OpenRouter 获得的吞吐数据不能直接换算速度倍数。
测试用 30 道题比较 Naive、DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash。开启思考时，Naive 的中位响应时间约为 3.1 秒，GLM 为 5.3 秒，DeepSeek 为 10.1 秒；平均耗时分别约为 45.3、86.9 和 45.0 秒。少数难题会让 Naive 生成很长的推理过程，难题平均耗时反而略高于 DeepSeek。样本仅包含每个难度 10 道题，而且这部分实验没有评判答案正确率。
在太阳系、三维树和光线追踪网页应用测试中，开启思考的 Naive 整体比 GLM 稳定，与 DeepSeek 各有优劣；关闭思考后，它没能完成可用的三维树应用。目标价格为每百万输入 token 0.10 美元、输出 0.40 美元，实际账单仍取决于推理消耗。对于重视快速迭代的开发者，它值得尝试，但速度优势不能直接等同于准确率或更低的单次任务成本。
lspace.beehiiv.comNaiveAI Promises 2,100 Tokens per Second. How Well Does It Code? · Latent SpaceCognition：Gemini 4 Carbon 接入 Devin
Cognition 宣布 Gemini 4 Carbon 已接入 Devin，并给出 FrontierCode 2.0 得分 40.0%，高于 Argon 的 26.3%。这项评测关注维护者是否愿意把生成的改动合入实际代码库。它把正确性、测试质量、改动范围、代码风格和仓库规范纳入判断；2.0 版本包含 132 项任务，并提高了对完成度和使用体验的要求。
x.comCognition 公告从 Grok 研发到 SpaceX 制造
马斯克称，Grok 4.8 已完成预训练、进入强化学习阶段。团队放弃 JAX 和 SGLang，以 C/C++ 重写强化学习与推理系统，这也增加了开发所需时间。他同时表示，Starlink 用来管理太空与地面大量数据的软件，适合用于训练超级智能。这些表述来自其公开发言，尚不能代替模型发布后的能力测试。
SpaceX 与 SINGULUS 的合作则落实到了制造设备：双方签订异质结太阳能电池生产线供应合同，首条生产线预计于 2027 年上半年交付，后续计划扩展，以支持超过 100 GW 的生产设备规模，为得克萨斯州 Bastrop 的 Starmind 卫星制造提供太阳能电池。这个数字指向生产设备规模，不是已经建成的发电容量。另据 SpaceX 公布的进展，22 号助推器已移至发射台并进行捕获测试，计划成为首枚返回发射场接受捕获的 Super Heavy V3。路透社另报道，上诉法院拒绝将八名前员工提出的性骚扰、歧视和解雇相关诉讼转入私人仲裁；这是程序裁定，并非对这些指控作出实体判决。
x.comGrok 4.8Starlink 与超级智能 · SpaceX 公告 · SINGULUS 官方说明 · 22 号助推器 · 路透社
智能体与产品
Latent Space：为什么编程智能体经常选择 Resend
Latent Space 团队原本更熟悉 Cloudflare 的邮件服务，却发现编程智能体一再推荐 Resend。一项调查中，Claude Code 的 102 次可提取邮件服务推荐里，有 64 次首选 Resend。Resend 联合创始人兼 CEO Zeno Rocha 在节目中解释，他们如何同时改善“回答引擎优化”和“智能体体验”。早期的 React Email 模板工具可以连接 SendGrid，先进入开发者的代码库；等用户需要更换邮件服务时，已经接触过 Resend 的工具。现在，Resend 又为定价页提供加上 .md 后缀即可读取的版本，让模型更容易理解价格和使用条件。
录制时，公司称有约 430 万用户、12 万付费客户，面向智能体的接口也从不足 20 个工具扩展到 80 多个。Zeno 同时谈到，点击跟踪域名进入黑名单可能波及其他客户，以及保留免费档的原因。对于开发者工具公司，这个案例说明，文档、价格信息和工具接口是否清楚、易用，已经开始影响智能体替用户作出的产品选择。
lspace.beehiiv.comDesigning for Agents — Zeno Rocha, Resend · Latent SpaceClaude：会议、白板与表格把讨论连接到工作成果
Anthropic 公布了一组面向非工程知识工作的 Claude 工具。Claude Meetings 面向 Team 和 Enterprise 客户，以 Google Meet 为首个接入平台，让 Claude 作为可见参与者加入会议，跟随讨论、回答聊天区的问题，并从已连接的工作应用读取信息。其目标不只是转写会议，还包括在讨论过程中形成计划、时间线和待办，减少会后重新整理的工作。
Whiteboards 与 Sheets 向付费用户开放测试，分别承载可视化整理与表格工作；原 Claude Dashboards 则以 Claude Data 的名称正式推广。这些工具属于工作界面的扩展，与 Fable、Mythos 等底层模型的更新有所区别。会议工具仍处于测试及逐步推出阶段，具体可用范围以账户实际开放情况为准。
techcrunch.comClaude Meetings · TechCrunchOpenAI：ChatGPT 商家主页让信息维护与客户对话走到一起
OpenAI 推出测试版 Businesses in ChatGPT。商家通过 Business Hub 认领并验证主页后，可以更新企业资料，提交包含价格和库存状态的商品信息，并查看聚合后的提及次数、网站点击和相关发现主题。统计只在互动数量达到隐私阈值后提供，用户的原始对话与 Business Agent 聊天不会直接交给商家。
符合条件的美国电商和线上服务商还可推出 Business Agent，回答有关自身产品与服务的问题。用户可从商家主页主动进入这类对话；它会明确标注身份，与原来的 ChatGPT 对话和独立回答区分开。商家也能把广告导向自己的 Business Agent，广告位置另有标识。此次更新把企业资料、商品信息和后续咨询连接起来，但目前仍有地区及商家类别限制。
openai.comIntroducing Businesses in ChatGPT · OpenAIOpenAI 收购旅行创业公司 Odessia
TechCrunch 报道，OpenAI 收购了由 Sonder 创始人 Francis Davidson 创办的 AI 旅行代理 Odessia。Davidson 表示，他将加入 OpenAI，从事旅行相关工作。Odessia 运营约一年，曾获得由 Sequoia 领投的 600 万美元种子前融资，其产品现已关停。交易条款没有公布，报道认为这更接近以吸纳团队人才为重点的收购。OpenAI 向 TechCrunch 确认了 Davidson 的加入，但没有公布新的旅行产品。
techcrunch.comOpenAI acquires Odessia, travel startup created by Sonder founder · TechCrunchBen's Bites：Ramp 如何让财务软件进入更广泛的视野
Ben Tossell 发现自己频繁看到 Ramp 的广告，于是梳理了这家财务自动化公司的营销方式。财务产品本身不容易吸引注意，Ramp 却把传播做成了持续实验：让《办公室》中饰演会计 Kevin 的演员在纽约玻璃箱里处理约 60 万份报销单，再带着相似演员出现在超级碗；用音乐剧推广账单支付，请 Tony Hawk 在纽约证券交易所外滑板。它试图触达的不只有财务负责人，也包括创始人和开发者。
这种思路还延伸到了产品。公司内部使用的编程智能体、模型路由器和知识平台，后来也开放给外部用户，帮助团队提速、控制支出。Ben 特别注意到，许多实验发生在公司估值下调之后，而营销特技团队只有七个人。他的判断是，Ramp 对客户的理解、审美和执行速度，让一个看似不够吸引人的产品获得了更广的认知；文章把这种增长与持续的营销和产品实验联系起来。
www.bensbites.comHow I got seduced · Ben's Bites工程质量与安全
Anthropic：招股书披露已达到“AI 加速研发”阈值
据 Yahoo Finance 引述的招股说明书修订内容，Anthropic 已判定达到其负责任扩展政策中的“AI 加速研发”阈值。这里关注的是 AI 对研发速度的贡献：当它在内部研究中承担的工作足以使模型迭代显著加速、达到约翻倍的水平时，公司需要采取更严格的保障措施。跨过这一阈值并不等于立即停止研发，也不是宣告模型已经能够在没有人类参与的情况下完成全部研究。
Anthropic 同时表示，目前并不打算让 Claude 在缺少有意义的人类监督时，完全自主地设计和构建下一代前沿模型。
finance.yahoo.comYahoo FinanceVulnCheck：漏洞发现数量与实际修复之间仍有距离
VulnCheck 的 Patrick Garrity 回顾了 Project Glasswing 启动七个月后的公开记录。他统计到约 442 个可归因于 Anthropic 的 CVE，占 2026 年已发布 CVE 的约 0.5%，其中两个被记录为已在现实攻击中利用。另一组数据来自 Anthropic 的公开台账：37,966 项发现中，7,349 项已公开，217 项被标记为已修复。这些数字分别对应 CVE、候选发现和修复状态，不能混为同一统计口径。
作者认为，发现增长很快、修复和核验跟进较慢，还会把工作转移给开源维护者。以 curl 已公开的 34 份报告为例，19 份被判定并非漏洞，6 份确认为低严重性问题，9 份仍待评估。文章承认 AI 可以帮助发现漏洞，但质疑发现数量是否足以证明实际安全收益。这是 VulnCheck 根据其追踪与公开台账提出的判断，相关讨论也延续到了 Hacker News。
www.vulncheck.ioAfter 7-months, Glasswing Overwelms Maintainers with Underwhelming Findings · VulnCheckThe Pragmatic Engineer：软件正确性应从设计开始
Gergely Orosz 采访 Antithesis 的资深工程师、并发编程语言 Pony 的核心贡献者 Sean Allen，特意暂时放下 AI，讨论软件怎样才算“做对了”。Sean 认为，正确性首先是程序满足预期保证、完成业务目的，而不是在凌晨两点因为故障把人叫醒。尽可能让类型系统阻止非法状态出现，比等代码写完再靠手工或单元测试补救更可靠。
他还建议为分布式系统设计可反复执行的“工作负载”，例如让银行账户不断相互转账，同时检查总额是否保持不变，再加入网络故障和节点崩溃，观察隔离保证是否仍然成立。访谈涉及供应链安全为什么难有单一解法、技术债为什么不一定都要偿还，以及提前把设计讨论清楚如何帮助团队更快交付。当智能体生成的代码越来越多时，这些围绕预期、约束和验证的基础判断反而更重要。
newsletter.pragmaticengineer.comSoftware correctness & supply chain security, with Sean Allen · The Pragmatic EngineerArchitect’s Notebook：对象关系映射如何放大数据库查询
Amit Raghuvanshi 用闪购仪表盘的故障解释对象关系映射工具的性能陷阱：开发者本机上 18 毫秒就能返回的接口，在生产环境被 1.2 万名用户同时打开时，耗尽了数据库连接池。Hibernate、Prisma 这类工具可能把访问对象属性的代码转换为大量独立查询，形成常见的 N+1 问题。本地应用与数据库之间几乎没有网络延迟，问题不容易暴露；跨云端可用区的一次往返即使只有约 1.2 毫秒，重复成千上万次也会成为负担。
把所有关联数据一次加载进来，又可能引出笛卡尔积膨胀：一笔订单有 10 件商品、3 条物流和 5 条日志，连接查询就可能返回 150 行，重复传输同一笔订单的数据。文章还提醒，习惯性读取完整实体，会削弱覆盖索引的作用，并增加应用内存占用。作者建议把 ORM 当作数据映射工具，而不是把高并发读取的查询设计完全交给它；具体优化办法将在后续文章中展开。
thearchitectsnotebook.substack.comHow Hibernate and Prisma Generate SQL That Destroys Your Database · The Architect’s Notebook公司、岗位与知识传播
Anthropic 启动上市路演
Anthropic 宣布启动首次公开募股路演，计划发行约 8.25 亿股 A 类股，其中公司出售约 8.0135 亿股，现有股东出售约 2365 万股；预期价格区间为每股 70–78 美元，拟在纳斯达克使用代码 ANT。按这一发行规模计算，募资额约为 577.5 亿至 643.5 亿美元；TechCrunch 给出的区间上限充分稀释估值约为 1.404 万亿美元。CNBC 引述消息人士称，计划于 11 月 18 日定价、19 日挂牌，这仍是计划安排，而不是已经完成上市。
相关文件还列出向 AMD、博通、Google、美光、微软、英伟达和台积电定向发行 260 亿美元 N 类股的安排，TechCrunch 称其中 Google 和英伟达各为 100 亿美元。这部分与公开发行的 A 类股属于不同安排，不能把两者的金额混作同一笔公开募资。发行价格、规模及上市时间最终仍以正式结果为准。
www.anthropic.comAnthropic 路演公告Lenny：2026 年末科技岗位的变化
Lenny Rachitsky 用 TrueUp 和 Live Data Technologies 的数据观察科技就业市场。前者覆盖全球 9000 多家科技公司的职位空缺，后者追踪约 1.24 亿名专业人士的就业变化，文中的录用数据限于美国；岗位空缺和实际录用不能混为一谈。产品经理空缺较 2023 年 3 月低点增加约 75%，达到近四年最高水平。实际录用虽仍偏平，但在五类核心岗位中，只有产品经理的录用占比上升，从 2021 年的 16% 升至 21%。
工程师空缺近一年仅增长 2.5%；报告所列 2025 年 5 月至 2026 年 4 月的美国软件工程师录用约为 11.3 万人，不到 2022 年峰值的一半。现场部署工程师（FDE）空缺约 1500 个，一年增至原来的 4.6 倍，但增长也可能包含其他岗位改名为 FDE 的影响。安全工程需求较强，移动与前端职位则接近减半。产品设计师全球空缺约 1900 个，同比下降 28%；美国用户研究员过去一年约录用 1800 人，比 2022 年减少 66%。
AI 工具成为多类岗位的常见技能要求。湾区占科技公司全部空缺的约 15%，远程职位只占 14%，分别达到报告跟踪以来的高点和低点。Lenny 的整体判断是，科技就业仍在增长，但增量主要不在软件岗位，求职者需要同时看职能、地区与具体技能的变化。
www.lennysnewsletter.comState of the tech job market: late 2026 · Lenny's NewsletterAndrew Huberman 加入 Hims & Hers 董事会
Hims & Hers 在 11 月 9 日的官方公告中确认，Andrew Huberman 已加入董事会。这并非单纯的播客合作：他还将担任科学与品牌营销顾问，并通过 Huberman Lab 播客提供额外的营销支持。Huberman 是斯坦福大学神经生物学与眼科学教授，其研究涉及神经可塑性、压力与韧性。公司表示，他的经验将帮助团队理解服务背后的健康科学。
news.hims.comDr. Andrew Huberman Joins Hims & Hers Board of Directors · Hims & Hers陶哲轩《Six Math Essentials》：用六个核心概念进入数学
陶哲轩面向大众的新书《Six Math Essentials》于 11 月 10 日在北美出版，英国版名为《Six Maths Essentials》。本书由 Simons Foundation 与 Farrar, Straus and Giroux 合作的 Quanta Books 出版，提供纸书、电子书和有声书。它从数、代数、几何、概率、分析和动力学六个核心概念出发，解释数学如何帮助人们进行数量思考、抽象问题、处理不确定性和理解变化。
陶哲轩的博客集中列出了书评与 Science Friday、Numberphile、Big Think 等访谈入口，方便读者从不同形式接近书中的思路。与以专业证明为中心的论文不同，这本书试图展示基本概念如何连接到更广阔的数学世界；相关 Hacker News 讨论也提供了读者交流的入口。
terrytao.wordpress.com陶哲轩博客Simons Foundation · Hacker News 讨论
The Substack Post：媒体的价值在于帮助人们彼此理解
Substack 联合创始人 Hamish McKenzie 从将于 11 月 17 日出版的《How to Save the Media》末章中，回答“为什么还要拯救媒体”。他回忆在新西兰报纸实习时，写过一则二战老兵筹款重返克里特岛的短讯；老兵的女儿打来电话道谢，让他感受到一篇小报道也能在人与人之间建立联系。
在他看来，媒体最基本的价值，是让人们跨越地理和经验的距离，理解彼此、识别共同的问题，并找到合作的可能。故事能够扩展信任，而过去十多年的注意力经济正在消耗这种基础。从孩子与直升机的合影、青少年写的篮球赛评，到需要长期投入的调查报道，形式和规模不同，却都可能为社区提供认识自身、交流和合作的空间。
post.substack.comWhy save the media? · The Substack Post