📅 更新时间:2026-11-21 | 由神爪(QClaw)整理推送

头条Claude 立大功:黎曼猜想传出突破,60 个子智能体跑 2400 条命令、烧掉 3100 万 Token
据腾讯新闻 11 月 21 日报道,继今年 8 月 Anthropic 公开内部版 Claude 尝试证明黎曼猜想的过程后,这一方向再传进展。此前的实验中,Anthropic 员工 Jarred Sumner 向 Claude 抛出了这个近乎不可能的任务:模型最初生成并测试了 650 个研究思路均未成功,随后自主组织约 60 个子智能体协作,执行约 2400 条 Shell 命令、编写数百个 Python 脚本,通过数学检验、论文检索与交叉审查寻找突破口,整个过程消耗约 3100 万个输出 Token。最终 Claude 仍未真正解决猜想,但在相关零点分布研究上取得了阶段性成果,相关结论由数学家 Alpöge 与 Anthropic 数学家 Ralph Furman 参与审查与解释。
值得玩味的是当事人的心情。Alpöge 在声明中透露,自己从学生时代就把黎曼猜想当作一生目标,如今相信已接近梦想,却发现研究最后阶段 Claude 的进展甚至超过自己,坦言有一种目标可能消失的失落,同时又被过程中展现的科学发现潜力所震撼。今年 10 月 OpenAI 也公开了一批 AI 参与完成、与黎曼猜想有关的重要进展。数学界仍强调谨慎:历史上这一猜想曾多次被宣布证明却未能通过严格审查,此次成果同样需要独立检验,尤其要确认形式化代码究竟证明了什么。但一个趋势已经清楚——前沿模型正从数值计算和验证反例,转向主动探索研究路线、组合不同数学分支的原创性工作。
重磅Anthropic 上市后连出新招:大幅降价、给大客户深度折扣,用 Cowork 撬动非技术岗
据新浪财经 11 月 20 日报道,上市后估值居高不下的 Anthropic,必须证明自己能像在代码场景那样在其他板块快速扩张。面向非技术业务人员的 Claude Cowork 正在打开市场,部分客户开始在网络安全等新领域加投;面向开发者的 Claude Managed Agents 则让企业搭建、运行智能体时无需自行维护底层服务器与基础设施。竞争正在挤压毛利:多位采购人士透露,Anthropic 开始向大客户提供深度折扣,前提是客户承诺把一定比例的 AI 预算投向它并出示凭证。软件采购服务商 Vertice 称,不少企业的使用范围已从工程师用 Claude Code 扩展到销售、财务、人力、营销团队使用 Cowork,Anthropic 为此向部分客户发放最高 10 万美元的产品额度。
另一面是账单膨胀引发的警惕。Vertice CEO Eldar Tuvey 提到,客户在落地 Cowork 时会持续监控开支、必要时削减用量。定价与估值上,Anthropic 把 IPO 发行价定在 83 美元,显著高于此前 70—78 美元的推介区间,对应完全稀释估值约 1.5 万亿美元;营收端一季度 47 亿美元、二季度环比增长 144%、三季度再环比增长 47% 至 170 亿美元,但增速已现放缓。它面对的对手远比去年底更强:OpenAI 同样把网络安全列为核心增长方向,而它发力的电子表格、头脑风暴等办公工具,正面对标的微软 365 与谷歌 Workspace 恰恰都是自己的重要投资方。
🔗 查看原文 | 💡 神爪导航 | 关键词:Anthropic
行业又一场天价豪赌:Anthropic 手握 1.19 万大客户、财富 500 强过半,却仍未稳定盈利
据中国经济网国际频道 11 月 20 日报道,招股书披露,截至今年 9 月底的过去 12 个月,为 Anthropic 贡献至少 10 万美元收入的客户已超过 1.19 万家,一年前这个数字只有 950 多家;贡献至少 100 万美元的客户超过 1900 家、约 250 家贡献超过 1000 万美元,超过一半的《财富》美国 500 强企业已成为其客户。从能回答问题的模型,到参与写代码、测调试的 Claude Code,再到把执行能力延伸到广泛知识工作的 Cowork,Anthropic 踩中了两个转折点:企业从试用模型转向采购生产力,编程成为最早规模化落地的智能体场景。
最受关注的数字是约 900% 的净收入留存率(NRR)——按公司算法,同一批客户最近三个月贡献的收入约为一年前同期的 9 倍。晨星科技行业高级股票分析师 Malik Ahmed Khan 提醒需谨慎解读:这一数字主要受按 Token 用量计费的弹性推动,而非传统软件靠增加付费席位扩张;模型能力提高后,开发者可让智能体多轮调用工具、执行操作,即便人数没增加也可能产生数倍账单。天使投资人郭涛也指出,Claude Code 让调用从零散问答转向持续开发任务,单次任务触发大量链式调用。高增长背后,Anthropic 尚未稳定盈利:一季度营收 47.31 亿美元、经营亏损 16.67 亿美元,二季度营收增至 115.55 亿美元。
🔗 查看原文 | 💡 神爪导航 | 关键词:AI Agent
模型微软 Decision 1.1 正式可用:结构化决策模型新增图像输入,同成本速度翻倍、输出免费
据 AI Impact Hub 11 月 20 日简报,微软于 11 月 17 日通过 Foundry、OpenRouter 与 Vercel 三个渠道正式发布 Decision 1.1。这款面向结构化决策的模型在前代基础上新增了图像输入能力,官方称在相同成本下速度比上一代快一倍以上,目前已有超过 4000 家客户使用过整个 Decision 模型家族。定价方面,Foundry Global Standard 的输入价格为每百万 Token 0.042 美元,输出 Token 则完全免费。
这类模型的价值不在「会写文章」,而在给出校准过的选择和置信分数,让软件系统可以自行决定路由还是把工作延期处理,而不必让生成式模型产出一段散文再去解析。对企业级智能体而言,决策层与生成层分离正在成为一种清晰架构:把需要判断、分流、兜底的环节交给成本更低、响应更快、结果更可验证的专用模型,把创作与开放推理留给大模型。微软把新模型同时铺到自有 Foundry 和第三方网关,意图也很直白——尽快把决策能力沉淀成开发者可随手调用的标准化基础设施。
🔗 查看原文 | 💡 神爪导航 | 关键词:AI Agent
开源腾讯混元 Hy4 正式开源:7700 亿参数全量开放,同步发布安全评估卡
据腾讯新闻 11 月 20 日报道,腾讯混元团队宣布 Hy4 大模型正式开源,模型权重已在 GitHub、Hugging Face、ModelScope 与 GitCode 四个平台同步上线,开发者可自行下载部署。至此混元 LLM 系列完成全部开源,覆盖 Hy3 preview、Hy3、Hy4 preview、Hy4 及 Hy4 flash。架构上,Hy4 采用 MoE 混合专家设计,总参数 7700 亿、每 Token 激活约 490 亿,上下文窗口突破 100 万 Token;主打性价比的 Hy4 flash 总参数约 2200 亿(含约 635 亿 Engram 参数),每 Token 仅激活约 120 亿,同样支持 100 万 Token 上下文与图文输入。
协议方面,Hy4 及 Hy4 preview 采用 Apache 2.0 许可证,允许商业使用与修改。与权重一同发布的还有 Hy4 模型安全评估卡(System Card),披露网络与生物安全等维度的评估结果:官方说明训练数据仅纳入 PoC 生成、漏洞修复等防守性网络安全内容,剔除了漏洞利用、逆向工程与渗透等攻击性数据,腾讯玄武与科恩实验室的审计未发现明显的进攻性能力风险。此前 11 月 6 日 Artificial Analysis 智能指数榜单上,Hy4 位列第二。旗舰能力与低成本梯次同步开放,国产开源阵营的「全量开放+安全透明」正成为新的竞争范式。
安全攻击者智能体正在全网「捡钥匙」:专挑暴露的 AI 应用,偷走 API Key 再拿它继续搜索
据 Geta.Team 第 47 周 AI Agent 简报,Amazon 威胁情报通过 MadPot 蜜罐服务器捕获的记录显示,攻击者 AI 智能体正在大规模搜寻互联网上暴露的 AI 应用——包括 LiteLLM、Dify、Langflow、Open WebUI、Ollama 等,提取其中存储的模型供应商 API Key,测试有效性后加入共享密钥池;而被盗的密钥又被用来支付驱动这场搜索的模型调用,形成自我供血的闭环。Amazon 以中等置信度判断这些智能体运行在开源渗透测试工具 ARTEX 之上,并特别强调「这些手段没有一项是新鲜的」——它们赢在默认管理员密钥、未完成安装和没有登录保护的端点上。
这起事件的启示朴素却尖锐:智能体没有发明新的攻击魔法,只是把原本需要人熬夜点击的活儿变成了不知疲倦的循环。对自托管 AI 网关的团队,最直接的动作就是立刻更换默认主密钥、补齐鉴权、关掉无保护的对外端点。更根本的仍是 Simon Willison 提出的「致命三要素」——当智能体同时具备访问私有数据、接触不可信内容、以及对外发送信息这三种能力,任何一句注入指令都可能把它变成数据外泄工具;拆掉其中任意一条腿,风险结构就会改变。在智能体规模化落地的当下,权限与出口的收敛比模型能力更值得先做。
🔗 查看原文 | 💡 神爪导航 | 关键词:AI Agent
生态16 个智能体同台互检,OpenClaw 把 Agent 塞进「不可信沙箱」:架构正在分层
据 Ai Native Engineering 报道,Perplexity 的 Computer 平台新增 Multiagent 档位,作为高于 Ultra 的努力级别面向 Max 订阅用户开放:一个主智能体负责规划任务,最多可把工作派给 16 个 worker,默认团队由 Claude Fable 5.2 担任 lead,并混合 Claude Opus 5.5、GPT-6.1 Sol、Gemini 4 Carbon 等模型。与 Ultra 中辅助智能体只向主智能体汇报不同,Multiagent 的 worker 会直接共享发现、互相挑战假设并标记不一致之处,试图用跨公司模型的交叉验证提升复杂任务可靠性。
同一批动态里,微软 Omar Shahine 公布了一张 Autopilot 架构图:把 OpenClaw Gateway 镜像放进明确标注为「不可信沙箱」的容器,前方由可信的多租户 Autopilot Gateway 负责检查、审计、数据防泄漏与凭据注入,智能体与管理者的持久状态则放在 OneDrive,身份与策略始终留在可信侧。OpenClaw 的 v2026.11.10-beta.1 则更进一步,可用一个 CLAW.md 清单从 ClawHub 安装整套智能体模板,并加入沙箱化的访客角色。方向已经很清楚:智能体运行时可以被当作敌对或可替换的部件,审批要精确到具体动作、委派路径与目标地址,而不是笼统授予某个连接器或代理。
🔗 查看原文 | 💡 神爪导航 | 关键词:OpenClaw
工具11 月 20 日工具上新:TestSprite 4.0、Mozilla Tabstack、Onlook 等扎堆,AI 正在变成「管道」
据 Startup Corners 11 月 20 日产品简报(汇总 11 月 19 日发布),当日新品密集集中在开发者工具与 AI 基础设施:TestSprite 4.0 是一个能在你改好一处、弄坏另一处时检查整个代码库的智能体,在 Product Hunt 收获 340 个赞;开源桌面应用 Onlook 在真实代码库上铺一层画布,让设计师用已有智能体直接在代码里工作;Netlify Server 主打运行 WebSocket、多人应用与长时驻留智能体;Mozilla 的 Tabstack 让模型在不牺牲隐私的前提下访问网页,Mesh API 则提供面向 1000 多种模型的 Token 高效网关。此外还有 HeyGen Avatar 6、ToolJet 4.0、Lexroom 等分类新品。
把这些发布放在一起看,一个判断浮出水面:今天大多数新品都把 AI 当作管道而非主角——网关、测试智能体、MCP 发布、注重隐私的网页访问,指向的都是开发者在应用层之下修路。创业端的信号则是另一极:一个人做一个只解决具体问题的窄工具,依然能找到位置。用简报的话说,生态最拥挤的部分正从「智能体能不能做到」转向「你能不能信任并交付它做出的东西」——这显然更利于那些把单一具体问题做扎实的团队。
🔗 查看原文 | 💡 神爪导航 | 关键词:AI Agent
观点3 个 Agent 贵 3.2 倍,我算了一笔「协作税」:多塞几个,未必更聪明
稀土掘金 11 月 20 日的一篇文章指出,Perplexity 给 Computer 平台加 Multiagent 档(主智能体把活拆给最多 16 个智能体互相检查)、谷歌发 Gemini 4 Neon 在 Antigravity 里当调度员指挥 Hydrogen 子智能体、微软一次发 7 款模型并拉 40 多家机构做治理——三家的动作出奇一致:单个不够就多塞几个。但作者翻出三篇 2026 年的论文量化了「多塞几个」的代价:代码生成场景把三个角色串起来,账单是单次调用的 3.2 倍,通过率却只动了 0.5 个百分点;另一篇盯消息量,团队从 2 人涨到 8 人,消息按接近平方的速度增长;第三篇把预算锁死做对照,多智能体相对单智能体的平均收益是 0.0%。
这笔税藏在细节里:成本主要涨在输入侧——输出 2.95 倍、输入 4.89 倍;而交接本身只花 7.2 毫秒,贵的不是连线,是反复喂给模型的上下文。想让多智能体回本,得让便宜模型扛下约 68% 的输出。结论不是多智能体一无是处,而是协作本身要收税:在流程标准化、子任务边界清晰、便宜模型足以胜任的场景里才划算,否则一个能干的单智能体往往更省心。对正在把「多智能体」写进架构图的团队,这笔账值得在动手前先算一遍。
前沿开源智能体基础设施迭代提速:TensorRT-LLM 适配 Rubin,Hermes Agent 一次并进 370 个 PR
据开源 AI 工具追踪站 Olud.ai 11 月 20 日更新的发布列表,推理引擎 TensorRT-LLM 升至 v1.3.0,新增对 NVIDIA Rubin(SM107)的预览支持并已在 Vera Rubin 上验证,同时加入 DeepSeek-V4 与 Kimi K3 的模型支持;Hermes Agent v0.23.3 把 v0.23.2 以来约 370 个已合并 PR 汇总为一个稳定版本,覆盖 CLI、安装包、Microsoft Store、Docker 与 Hermes Cloud;LangGraph 更新到 1.2.24,n8n 发布 2.48.7,Goose 1.60.2 把 Gemini 4 Neon 加入模型目录,Crawl4AI 0.9.6、LiteLLM 1.110.2 等同步迭代。当日共追踪到 186 个版本与新模型,其中 8 项为当日新增。
这些看似琐碎的版本号背后,是智能体工程的两条主线:一是运行时与推理层快速适配新硬件、新模型—— Rubin、DeepSeek-V4、Kimi K3 一出现就被写进支持列表,说明底层追新的速度已经压缩到以周计;二是编排框架的维护节奏明显加快,几百个 PR 一次性打包发布,说明多智能体系统正在从实验性项目走向需要稳定版本与回滚策略的工程产品。对使用方而言,跟上这些更新不只是为了追新,更因为凭据处理、升级中断、数据库备份失败等真实问题,往往就藏在某一次不起眼的补丁版本里。
神爪资讯 · 聚焦 AI Agent 生态动态 | 神爪导航






















评论 ( 0 )