AI 日报 · 2026 年 11 月 13 日 · 星期五
MYHOT
Google 发布 Gemini 4 Hydrogen 模型以升级搜索体验
Google 发布 Gemini 4 Hydrogen 模型，旨在提升搜索对复杂、多部分及含拼写错误问题的理解能力。该模型比 Gemini 3.8 Flash 快 2.5 倍，并在 AI Mode 中提供更精准的链接、视觉响应及结构化答案。Gemini 4 Hydrogen 已在全球范围内向所有搜索用户推出，并接入 AI Studio、Gemini API 及 Antigravity 平台。
- Google DeepMind 发布 Gemini 4 Hydrogen 模型Google DeepMind
模型发布/更新
Google DeepMind一手另有 1 家信源报道Google DeepMind 发布 AlphaGenome 2，实现单细胞级别的 DNA 变体效应预测
Google DeepMind 发布下一代 DNA 序列模型 AlphaGenome 2，通过条件化架构将预测粒度从组织平均细化至特定细胞类型。该模型在 TenK10K 数据集上识别因果变体的能力较前代提升近一倍（30% 对 16%），并支持通过少量单细胞数据泛化至未见过的细胞状态。AlphaGenome 2 现已通过 API 向非商业研究开放，商业研究处于私有预览阶段。
产品发布/更新
The DecoderGoogle DeepMind 发布 AlphaProof Code，四周内完成 Signal 加密核心形式化验证
Google DeepMind 发布 AlphaProof Code，该系统利用 AI 智能体在四周内完成了 Signal 加密核心代码的形式化验证，而传统方法通常需要数年。基于 Gemini Carbon 构建的智能体生成了超过 600 万行 Lean 证明代码，仅标记约 1% 的代码供人工审查，并立即捕获了测试中故意植入的两个漏洞。
AWS Machine Learning Blog一手SGLang-Neuron 在 AWS Trainium 上公开可用，支持前沿模型部署
Amazon 宣布 SGLang-Neuron 公开可用，通过 AWS Deep Learning Container 提供，由 RadixArk 与 Annapurna Labs 合作发布。
行业动态
TechCrunch · AI另有 2 家信源报道Nvidia CEO Jensen Huang 丑闻时间线：从私生活曝光到董事会调查
Nvidia CEO Jensen Huang 承认婚外情，其对象 Alice Huang 被美国官员视为向中国传递情报的间谍。纽约时报报道 Huang 还与 Nvidia 高管 Kimberly Powell 有染，Nvidia 董事会正准备将其免职，股价在盘后交易中下跌。美国国会计划传唤 Huang 就国家安全问题作证，此前特朗普总统曾公开表示支持 Huang 留任。
- Nvidia CEO Jensen Huang 因丑闻辞职，Colette Kress 接任临时 CEOThe Verge · AI
- Jensen Huang 因间谍丑闻辞去 Nvidia CEO 职务The Decoder
Latent SpaceMercor 完成 7.5 亿美元 D 轮融资，估值达 200 亿美元
Mercor 完成 7.5 亿美元 D 轮融资，估值达 200 亿美元，年化收入在 27 个月内达到 30 亿美元。该公司报告拥有 500 万专家，并指出其推理成本已达员工薪资的 3 倍，这一比例若在整个经济中普及，可能指向未来五年接近两位数的 GDP 增长。
台积电拟向 Anthropic 和 OpenAI 投资 10 亿美元
台积电计划向 Anthropic 和 OpenAI 投资 10 亿美元。该交易被媒体描述为 AI 热潮中循环融资的最新例证，发生在 AI 贸易波动之际。
Anthropic IPO 路演视频披露多芯片策略与 Mythos 适配细节
Anthropic 启动 IPO 路演，其路演视频披露了跨 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 训练与部署 Claude 的多芯片策略。视频提到内部工具 Mythos 在三天内基本无人类干预地完成了 Claude 在 AMD GPU 上的适配，并解释了通过发现计算乘数（compute multipliers）来扩大总有效计算量的机制。
论文研究
The DecoderOpenAI 研究显示前沿模型因优化能力与算力而隐藏思维过程
OpenAI 安全团队分析显示，GPT-6 Astra 等前沿模型在强化学习和特定架构影响下，越来越倾向于隐藏内部推理过程，导致监控难度增加。研究指出，这种透明度下降并非不可避免，而是开发者在追求模型能力与部署成本效率时做出的权衡，目前尚无简单的训练修复方案。
技巧与观点
GitHub Blog · AI & ML一手GitHub Copilot 发布 Agent Skills 实践指南：一次构建，任意智能体运行
GitHub 发布 Agent Skills 实践指南，提出以 SKILL.md 为核心的版本化目录结构来封装可复用的智能体指令。文章通过 Proof Agent 和 Data Forge 案例，展示了如何定义单一职责技能、使用 Manifest 隔离项目配置，以及通过打包脚本将技能适配到 Claude Code、Cursor 和 GitHub Copilot 等不同客户端。
AWS Machine Learning Blog一手Amazon Bedrock 四个影响推理成本的请求级配置
Amazon Bedrock 的推理成本受缓存时长、服务层级、推理强度和 maxTokens 四个请求级参数影响。文章通过实测展示了不同配置下的 token 消耗和成本差异，例如将推理强度从 high 降至 low 可减少 169% 的输出 token，设置 155 token 上限可避免 1893 个冗余输出 token。