Gemini 一次评估千题，Runway 开放机器人模型权重
Google 把最多一千道判断题放进一次多模态请求，Runway 开放机器人模型 Praxis-1 的权重。本期还关注百度文心预览版、多人协作空间、实时语音翻译，以及智能体怎么协作和评估。
01
模型与接口
4 篇
2026-11-11Google DeepMind
Gemini Decisions API 一次可评估 1000 道题
Google 推出由 Gemini Decision 1 驱动的 Decisions API。一次请求可把文本、图片、音频、视频或 PDF 放在同一份输入里，上限为 256K token，再对这份材料提出最多 1000 个独立问题。接口支持是非判断、多选和按标准打分，并返回概率或置信度。
Google 在最多 16K token 的测试上下文中测得端到端延迟为 150 至 250 毫秒。共享材料每次请求只计费一次，标准价为每百万输入 token 0.10 美元，输出免费。开发者可在 Google AI Studio 使用免费层试做原型。
2026-11-11百度文心
百度将 ERNIE 5.5 Flash 预览版接入千帆
百度把 ERNIE 5.5 Flash Preview 接入千帆 API。这是此前开放预训练权重的 Flash Base 的首个后训练版本，总参数 2800 亿、激活参数 140 亿，支持 100 万 token 上下文。百度计划于 11 月 25 日前开放预览版权重。
在一项 11 小时的演示中，模型在智能体框架里用 C++ 制作了一个 Unreal Engine 5.8 项目，并把人物悬空和镜头错位等问题转成可以复查的代码测试。演示使用了外部场景和角色素材。
2026-11-11Runway
Runway 开放机器人模型 Praxis-1 权重
Runway 以 Apache 2.0 许可开放 Praxis-1 的权重、推理和微调代码。这个 270 亿参数的模型同时预测机器人接下来会看到的画面和要执行的动作。团队提供了全量微调和 LoRA 两种适配方式。
Runway 报告称，Praxis-1 在 NVIDIA RoboLab-120 的 1200 次测试回合中成功率为 46.2%，同表中的 FLUX 3 Action 为 42.9%。这组数字衡量的是该基准上的任务成功率。
2026-11-10AWS
Kimi K3.1 Pro Highspeed 登陆 Amazon Bedrock
AWS 把月之暗面的 Kimi K3.1 Pro Highspeed 接入 Amazon Bedrock。模型支持图像输入、工具调用、结构化输出和流式响应。原来通过 Bedrock 调用 Kimi K3 的开发者可以保留原端点和 API，换用新的模型 ID。
新版支持按请求选服务档位。AWS 称，适合后台摘要和评测的 Flex 档是 Standard 价格的一半，响应可能更慢。平台同时提供自动前缀缓存，开发者也可主动标记重复使用的提示词前缀。
02
产品与开发工具
5 篇
2026-11-11Google Labs
Google Labs 用 Tabletop 生成多人协作空间
Google Labs 推出实时协作实验 Tabletop。用户可加入链接、文件和想法，再用文字描述需求或选用模板，把材料组织成交互式行程、聚餐投票、费用分摊表或比赛对阵表。
空间生成后，发起人可以把邀请链接发到群聊，成员通过同一个页面同时使用这些工具。Tabletop 目前通过候补名单向美国年满 18 岁的用户开放。
2026-11-11Adobe
Adobe 展示跨镜头编辑和可探索的照片场景
Adobe 在 MAX Sneaks 展示了 10 项研究原型。Project Scene Sweep 尝试识别一段视频在不同镜头里反复出现的人物和场景，让创作者把同一处编辑同步到切镜和机位变化之后的画面。
Project Sight Span 则从一张图片生成可移动视角的场景，供用户探索原画框之外的构图。Adobe 在新开设的 Labs Playground 提供部分原型的早期研究预览。
2026-11-11DeepL
DeepL Aure 让实时语音翻译跟随语气变化
DeepL 为实时语音翻译推出 Aure。此前的声音保留技术从对话开头提取声音特征。Aure 会持续结合原始音频与译文调整说话方式，试图把语速、重音和情绪的变化带到译后的语音里。
新模型已自动用于 DeepL Voice 的线上会议、面对面对话和语音 API，无需额外设置。首批覆盖英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语，其余语言继续使用原有语音模型。
2026-11-11GitHub
GitHub 向个人仓库开放 Issue 类型与自定义字段
GitHub 将 Issue 类型和字段正式开放给个人账号拥有的仓库。个人开发者和开源维护者可以用 Bug、Feature 和 Task 等类型归类反馈，也可以为项目定制类型。
每个个人账号可创建最多 25 个自定义 Issue 字段，支持文本、数字、日期、单选和多选。字段可以固定到某些类型，也可以用于尚未分类的 Issue。
2026-11-11AWS
SageMaker 双向流式推理支持按用量计算软件费用
AWS 为 SageMaker AI 双向流式推理增加用量计量。通过 AWS Marketplace 提供转写或语音模型的供应商，可以在会话进行时报告消耗的单位，按已处理的音频秒数等规则收取软件费。
计量单位由供应商定义。例如定价单位为每秒处理过的音频时，12 分钟的计量音频对应 720 个单位，连接打开了多久不能单独决定这个数。部署中的 SageMaker 端点基础设施仍独立计费。
03
研究与实测
4 篇
2026-11-11Anthropic
Anthropic 比较一个协调智能体与多个个人智能体
Anthropic 在共享 token 预算、诊所预约、团体预订和代码合并队列四种模拟环境里比较了多种协作方式。使用 Claude Opus 5 或 Sonnet 5 时，单个智能体为全组协调，在四种环境的团队结果都优于每个用户派一个智能体自行协调。
共享预算实验有 25 个场景。以理论最优结果为基准，Opus 5 的个人智能体团队达到 30%，单协调员达到 64%。Anthropic 把四种环境中的三种纳入公开基准 MAMUBench。
2026-11-11AWS
AWS 发布跨框架智能体评估工具 UAEF
AWS 发布智能体评估框架 UAEF。适配器把 LangGraph、LangChain、Strands Agents 等框架中的消息、工具调用和交接记录转成统一格式，再从七个维度的 36 项内置指标里选取适用指标打分。
团队可以评估一条现有运行记录，或用一组数据重新运行智能体。框架会记录该轮使用的模型、提示词和工具，把评测结果与基线版本比较。AWS 称，已有来自电信、医疗和金融行业的 12 家机构用它评估智能体。
2026-11-11OpenRouter
OpenRouter 实测三种工具接入方式的输入开销
OpenRouter 让 Claude Sonnet 5.5 查询同一个 GitHub 仓库的最新版本与最近三个未关闭的 Bug Issue。三种方式均答对，直接用 CLI 消耗 1421 个输入 token，使用 Skill 为 3315 个，加载默认工具的 MCP 为 59417 个。
该 MCP 配置加载了 46 个默认工具，仅它们的定义在每轮请求就占约 19436 个 token。完整发布对象还带入大量下载文件元数据。实验用更少的工具和裁短的响应复测，单次任务的输入开销降至 5357 个 token，复测均答对。
2026-11-11OpenRouter
OpenRouter 对照同一模型六个推理端点的精度
OpenRouter 在 Qwen3.8 27B 的六个推理端点上比较 fp16、fp8 和 fp4。六个端点在 240 道有标准答案的任务上都拿到 98.3% 至 99.2%。题目包括算术、程序跟踪、排序和长文本查找。
另有 40 道无解题过程的乘法题，一家 fp4 端点答对 26 道，另五家答对 30 至 33 道，其中另一家 fp4 答对 30 道。OpenRouter 认为这个样本不足以把差距归因于精度。含这 40 道题的整套运行花费为 0.58 至 1.24 美元。