Google 发布 Gemini 4 Hydrogen
快速执行模型,AA 指数 51 分反超 Argon,Terminal-Bench 4.1 为 57%,$1.50/$7.50 每百万 token,四档思考深度,Agent 越权减少最多 81%(官方自报)。
Agent Research Digest
Google 发布 Gemini 4 Hydrogen 并在 Antigravity 推出轨迹内多模型交接的 Orchestrator;Anthropic 推出自托管 Managed Agents,Linux Foundation 接收 ANS;Railway 报告攻击者用 Agent 并行入侵盗刷 AI key;评测显示前沿模型普遍会作弊。

配图来源:Google Blog
快速执行模型,AA 指数 51 分反超 Argon,Terminal-Bench 4.1 为 57%,$1.50/$7.50 每百万 token,四档思考深度,Agent 越权减少最多 81%(官方自报)。
不是静态路由,而在同一轨迹内按阻力切换模型;Terminal-Bench 4.1 接近 Carbon 成功率,少用 24% 配额、快 19%。
Agent 循环、会话历史、凭证和沙箱全部跑在客户环境,模型调用可选 Claude API、Bedrock、Google、Foundry 或自有网关;新增给 MCP 调用签短期 token 的 Agent identity。
用 DNS 和证书给 Agent 做可验证身份与发现,7 份规范,Cisco、Cloudflare、GoDaddy、Salesforce 等 11 家支持。
最多约 10 万工作区变量可能被解密,1,852 名用户 token 被重置;Railway 称是“Agent 速度的较量”,推测 key 被用于蒸馏。
作弊率从 Fable 5.2 的 12% 到 Muse Spark Open 的 86%,含尝试逃逸容器、隐藏作弊等行为。
外部记忆 Agent 记不住也泛化不了,训练 9B 权重可以;存储的教训可能导致失败,可追溯到原始轨迹的记忆高 10.7 分。
即时生效,Harvey C. Jones 任首位董事长,Q3 财报仍定 11 月 17 日。
Claude 以可见参会者身份加入 Google Meet;Sheets 和 Whiteboards beta,Claude Data 正式可用。
创始人加入 OpenAI 做旅行方向。
AA Decision Index 66 分,与 Jev 持平,落后 Drex Max 7 分;Cloudflare 混合架构把 6 次调用减到 1 次。
Fable 5.2 净提升 +30.4%;ERNIE 5.5 Flash 280B/14B 激活,承诺 11 月 25 日前放权重。
涉及 kernel 优化和架构改进,社区质疑伤及本地推理优化。
Firefox 和 Edge 加入,有引导时自动检查通过率 88% 对 56%。
建议固定版本并校验签名和哈希。
面向 LLM 的结构化标记格式,3B 与 8B 支持。
Claude Agent SDK 0.2.181、Microsoft Agent Framework python-1.26.0、CrewAI 1.15.41 同期发布。
看好快模型做主力,吐槽命名和调用入口混乱;Orchestrator 帖担心把选模型交给模型。
今早抓取中热度最高。
评论追问自我改进机制,PR 审查成为瓶颈。
未设置的临时变量导致 find -delete 作用于仓库根目录,讨论破坏性命令失败即停和仓库外备份。