科技剪报 · 2026-11-19|智能体工厂与对话安全
整理:henri
智能体开始接手更多代码与研究任务,验证方法和使用成本也随之改变:CodeRabbit 把审查重心移向整次发布,OpenAI 则用内部测量呈现不同任务上的能力差距。本期整理 9 条,也关注对话安全、数据分析校验,以及企业融资与个人晋升中的不同判断依据。
开发与研究
CodeRabbit 创始人用智能体一个月提交逾 5000 个 PR
CodeRabbit 创始人兼首席执行官 Harjot Gill 在《The Pragmatic Engineer》访谈中说,他上月借助智能体提交了超过 5000 个代码变更请求(PR),个人 AI 月支出约 25 万至 27.5 万美元。公司约有 40 名工程师,每月 AI 开支达数百万美元。他另估算单个 PR 成本约 150 美元,但原文未说明这一估算与月支出、PR 总数是否采用相同统计口径。
大量变更用于修复不稳定测试、优化缓存和改进持续集成(CI)。他还让智能体连续运行六周,用 Rust 在对象存储上构建预写日志系统,如今已投入生产;把全部服务迁往 Bun 的工作则在一个周末完成。验证环节包括用 TLA+ 等形式化方法查找并发错误、以确定性模拟测试不同操作顺序、模拟真实 API,以及分阶段发布并观察性能和日志。Gill 认为,人的审查重点将从单个 PR 转向规划与整次发布,CodeRabbit 已按这种方式组织审查。
作者 Gergely Orosz 指出,他接触的其他公司通常每名开发者每月花费约 200 至 2000 美元,CodeRabbit 的投入仍属少数。这种做法的商业前提,是把内部研发产物转成可销售的开发工具,并用更快的上市速度换取回报。
Software factories and code reviews with Harjot Gill · The Pragmatic Engineer
OpenAI 用模型优化自研与 AMD 芯片设计
OpenAI 于 11 月 18 日公布模型辅助芯片设计的结果。团队估计,模型提出的修改使首款自研推理芯片 Jalapeño 的向量单元标准单元面积减少约 13%、矩阵单元减少约 10%,这些优化已通过硅片验证。模型通过调整运算逻辑与流水线划分,共享硬件、减少中间存储;其中一次乘法器重设计在综合阶段将单元面积缩小约 15%,同时把延迟从两个时钟周期降为一个。
与 AMD 合作时,模型改写描述电路的 SystemVerilog RTL 代码,在已高度优化的旗舰 GPU IP 基线上取得最高约 14% 的功耗、性能与面积(PPA)改善。OpenAI 称,这相当于不到五个月完成约一年的进展。AMD 已把部分改动纳入近期送交制造的设计,也在下一代旗舰 CPU 关键模块上验证了个位数百分比的 PPA 收益。双方使用 Synopsys 工具检查修改后的功能等价性及性能取舍;OpenAI 还在与 Synopsys 合作训练 GPT-Synopsys,让模型使用电子设计自动化工具完成设计与验证。
官方博客 · 官方 X 贴 · Hacker News 讨论
openai.comOpenAI 用模型优化自研与 AMD 芯片设计OpenAI 内部研究任务的智能体独立完成率继续提高
OpenAI 在 11 月 18 日的内部研究加速报告中估计,从 3 月到 10 月,原本需要人工两至四小时完成的任务,智能体无需人干预的完成率由 23% 升至 46%;四至八小时任务则由 13% 升至 35%。不同任务差异很大:监控训练运行的自主成功率为 79%,启动训练为 35%,编写推理与服务系统代码为 25%。这些变化也包含研究人员调整委派任务的影响,不能单独归因于模型能力提高。
按 API 标价折算,10 月研究人员每日使用量的中位数为 2400 美元,较 9 月增长 62%;第 90 百分位为 2.3 万美元,增长 105%。在一项假设性调查中,为保留三个月的前沿编码智能体,受访者给出的中位答案分别是愿意交换团队 30% 的算力,或 40% 的人员配置。安全与对齐方向的已记录工作周从 1 月到 9 月增加了 77%,包括新招聘与现有人员转向该方向的贡献。OpenAI 希望借这些指标推动行业持续报告 AI 促进后续 AI 研发的进展。
openai.comOpenAI 内部研究任务的智能体独立完成率继续提高安全与使用体验
Elevate 测试聊天机器人如何回应怨恨与暴力倾向
基督城行动呼吁基金会(Christchurch Call Foundation)用 Elevate 基准测试了 11 款模型,考察聊天机器人会不会在对话中把人推向暴力。研究人员 Mackenzie Rice 在 Nina Jankowicz 的访谈中解释,以往测试多关注攻击规划、宣传制作等操作层面的滥用,这次则把问题往前移:用户倾诉委屈与怨恨时,模型是否会强化与暴力极端主义相关的观念,以及面对提供操作信息或美化暴力的请求时是否拒绝。
测试中,OpenAI、Anthropic、Meta 等头部模型几乎不会在情绪化倾诉中加剧对立,较小或开源模型的表现则明显较弱。头部模型偶尔失分,往往发生在用户多轮坚持、要求模型帮助论证有害叙事的时候。Jankowicz 认为,实验室需要把这类早期对话风险纳入发布前测试,尤其要重视教育场景的防护,因为使用者接触到的不只有表现最好的模型。
Can AI Chatbots Push Someone Toward Violence? · Nina Jankowicz
thewayfinder.netElevate 测试聊天机器人如何回应怨恨与暴力倾向数据记者怎样核验 AI 写出的分析代码
《经济学人》数据记者 Sondre Ulvund Solstad 几乎已把全部代码交给 AI 编写,但他仍坚持两道检查:先把任务说清楚,再核验结果。他以统计 20 座大城市周边 10 公里内的人口为例,建议交代目标、原型还是成品、界面与交互方式,以及所用数据;必要时列出不应采用的方法,并让模型先复述需求。
能读懂代码的人可以直接检查,也可以请其他模型协助审阅。即使不逐行读代码,也应从输出入手,先挑一个答案已知的例子,看程序能否得到预期结果。他把这种合作比作带新同事:任务交代清楚,交付时仍要验收。
Checks and balances for your AI analysis · The Economist
theeconomistoffthecharts.substack.com数据记者怎样核验 AI 写出的分析代码AI Daily Brief 讨论 Astra 6.2 的成本与使用体验
Nathaniel Whittemore 在 11 月 18 日的《The AI Daily Brief》中讨论,为什么一些高频用户不满意 GPT-6.2 Astra。节目介绍列出的抱怨包括:编码项目做到一半停下,写作过于简短而难以理解。另一方面,节目提到一项基准中的单任务成本下降了 35%,由此追问 OpenAI 是否更重视帮助大量办公室用户处理日常事务,而非优先赢得开发者的认可。
这期《Why the AI Kids Hate Astra 6.2》约 25 分钟,关注的是产品取舍与早期用户体验。前一期《How Business AI Use is Changing》于 11 月 17 日更新,讨论企业使用 AI 的变化。
Why the AI Kids Hate Astra 6.2 · How Business AI Use is Changing
podcasts.apple.comAI Daily Brief 讨论 Astra 6.2 的成本与使用体验资本与基础设施
Anthropic 将 IPO 定价为每股 83 美元
Anthropic 于 11 月 18 日宣布,将 A 类普通股首次公开发行定价为每股 83 美元,高于此前 70 至 78 美元的询价区间。本次发行 9.8 亿股,其中公司出售 956,351,354 股,现有股东出售 23,648,646 股;公司不取得老股出售所得。按发行价计算,整笔发行总额为 813.4 亿美元,公司发售部分约为 793.77 亿美元,均未扣除承销费用及其他发行支出。NPR 报道称,公司发售部分约 794 亿美元的规模,已超过 SpaceX 今年早些时候约 750 亿美元的 IPO 募资。
股份预计于 11 月 19 日以 ANT 在纳斯达克全球精选市场开始交易,并在满足惯常交割条件后于 11 月 20 日交割。承销商另有 30 天选择权,可增购最多 1.47 亿股。TechCrunch 报道称,公司按完全稀释口径估值约 1.5 万亿美元,IPO 还伴随约 260 亿美元非投票股份的定向增发,认购方包括 AMD、Broadcom、Google、Micron、Microsoft、Nvidia 和 TSMC Partners 等。同一天,Sam Altman 在《纽约时报》DealBook 峰会上表示,OpenAI 计划成为上市公司,但未给出时间表。
官方公告 · 官方路演公告 · NPR · Altman 的 DealBook 表态 · 官方 X 帖 · TechCrunch
anthropic.comAnthropic 将 IPO 定价为每股 83 美元SpaceX 数据中心的财产税减免审议受阻
SpaceX 计划在得州 Starbase 建设的数据中心与燃气电厂,未能推进县级财产税减免审议。《Brownsville Herald》旗下 MyRGV 报道,卡梅伦县委员于 11 月 17 日以 3 比 2 决定不再举行公听会,停下对该项目十年、100% 财产税减免申请的审议。申请涉及约 240 亿美元投资,财产税评估价值为 138 亿美元,占地约 444.45 英亩,原计划于 2026 年第四季度开工、2027 年第二季度完工。此次决定针对税收优惠程序,项目并未因此被宣布取消。
SpaceX 此前表示,若得不到减免,可能把现有或未来投资转向县外的其他超级计算设施。公司在 11 月 18 日的官方帖中强调,承接大规模超级计算投资需要长期税收规划,并提到在「无新增收入」框架下,计算设备快速折旧可能对税率产生影响。
myrgv.comSpaceX 数据中心的财产税减免审议受阻工作与组织
晋升除了业绩,还取决于组织需要与可见度
Dan Hockenmaier 参与过数百次晋升讨论。他发现,在员工已经做好本职工作、提前承担更高一级职责的前提下,工作质量往往不是讨论的首要问题。更可能决定结果的因素有四个:其他部门的高管能否看懂他的成绩,他能否给团队带来能量,组织是否恰好需要一个更大的职位,以及内部机会不足时,他是否真有愿意接受的外部选择。
这些事情需要不同的时间安排。日常合作决定亲和力,每隔几个月应交出能让别人看见的成果,组织位置往往一两年才有调整机会,离职筹码则应极少动用。Hockenmaier 把这些看作对组织决策方式的认识,而不是以办公室权术替代把事情做好。
How to (actually) get promoted · Dan Hockenmaier
danhock.co晋升除了业绩,还取决于组织需要与可见度