一、模型与智能体能力
1. Google 在 Gemini API 推出 Tool Retrieval 预览
事件内容:
Google 在 Gemini API 的 Interactions API 中,以预览形式推出 Tool Retrieval 功能。它让智能体按需加载工具的参数 schema,而不是每次请求都把完整工具库一并发送。
官方说明指出,这一改动能显著减少输入 token,并在工具数量扩大时保持工具选择的准确率。
值得关注的原因:
工具调用是 Agent 的核心,但「工具越多、提示词越臃肿」一直是规模化落地的工程痛点。Tool Retrieval 把工具库从「全量塞进上下文」变成「按需检索」,相当于给 Agent 加了一层工具搜索引擎。
对搭企业级 Agent 的团队,这意味着可以挂载成百上千个工具而不牺牲成本和准确率——电商场景里商品查询、库存、优惠券、售后等几十个工具的编排,会明显受益。
来源:aihot.news(Google 官方公告) 原文链接:https://ai.google.dev/gemini-api/docs
2. Mac 版 Gemini 应用上线计算机操作功能
事件内容:
Google Labs 副总裁 Josh Woodward 宣布,Mac 版 Gemini 应用新增 computer use 功能,可跨文件夹、应用和网页代用户执行任务,屏幕与光标控制权仍归用户。
官方演示中,Gemini 能在后台窗口完成点击、滚动和输入,甚至把一张草图变成 Blender 里绑定的 3D 模型。
值得关注的原因:
computer use 把 AI 从「对话窗口」推向「直接操作软件」,这是通用 Agent 落地的关键一步。对运营和数据岗位,跨应用批量操作(导数据、填表、整理文件)正是高频重复劳动。
需要留意的是权限边界:官方强调控制权归用户,说明厂商也在为「AI 误操作」做防护。企业在引入这类能力时,应把高危操作的二次确认和数据脱敏作为先行条件。
来源:aihot.news(Google Labs) 原文链接:https://blog.google/products/gemini/
二、AI 工程化与自动化
3. OpenAI 详解 Codex 驱动的 Performance Factory
事件内容:
OpenAI 官方详解了 Performance Factory 系统——用 Codex 智能体在云端自动排查并修复 ChatGPT 的性能回归。
其中的 Regression Workflow 在三个多月里跟踪超过 1700 次调查、定位超过 600 个根因,相当于每天约 17 次自动调查。
值得关注的原因:
这是「AI 修 AI」规模化落地的少见公开数据。1700 次调查、600 个根因意味着自动排查已经不是演示,而是稳定运转的工程系统。
对技术团队的启发是:把重复的性能排查交给智能体,把人力留给架构判断。数据侧同样可以借鉴——异常归因、指标波动定位这类「有明确模式、可追溯根因」的活,正是 Agent 最擅长的切入点。
来源:aihot.news(OpenAI 官方博客) 原文链接:https://openai.com/index/
4. Ai2 开源科研理论生成智能体 Theorizer
事件内容:
Ai2 于 11 月 19 日在科研智能体平台 Asta 中上线 Theorizer。该智能体检索文献,为无法解释的观测提出候选理论,所有论断均链接到支持文献,代码同步开源。
通过网页界面使用时,Ai2 在限额内承担 token 费用;也可在本地运行开源库自行付费。
值得关注的原因:
Theorizer 的价值不在「生成理论」,而在「每条论断都链接支持文献」——这是把可溯源做进智能体输出结构里,正好击中 AI 幻觉的痛点。
这种「论断—证据」绑定思路对数据分析同样适用:自动归因、经营诊断类 Agent,如果每个结论都能回指到具体数据行和来源,可信度会有质的提升。开源也意味着可以直接拿来改造成企业内部的分析助手。
来源:aihot.news(Ai2) 原文链接:https://allenai.org/
三、算力与地缘博弈
5. 芯片停运叠加海外云通道关闭,中国科技公司面临双重冲击
事件内容:
美国商务部收紧 AI 芯片出口管制并关闭第三方国家云算力通道后,亚洲多笔大型 AI 数据中心交易开始瓦解。
Moonshot AI 取消了与印尼云服务商的 1.5 亿美元合同——原计划租用 Nvidia Blackwell Ultra B300 集群训练 Kimi K4,此前已预付约 50% 而非行业标准的 15%。台积电和三星暂停向中国客户交付部分处理器,需申请许可;字节跳动、百度昆仑等也受到影响。
值得关注的原因:
这是算力供给从「买得到」变成「批得下来」的转折点。对依赖海外算力的 AI 团队,风险从成本波动升级为供给中断,模型训练排期和资本开支都需要重新评估。
更现实的信号是预付比例:50% 的预付款打了水漂,说明算力采购合同的条款设计本身成了风险点。对国内企业,国产算力替代的紧迫性从「备选」变成「必选」;对数据团队,则应提前测算不同算力约束下的模型可行性边界。
来源:aihot.news 原文链接:https://aihot.news/
今日核心洞察
- 工具按需加载成为 Agent 规模化关键:Gemini 的 Tool Retrieval 把工具库从全量注入变成按需检索,让挂载成百上千个工具不再拖累成本和准确率。
- computer use 推动 AI 从对话走向操作:Mac 版 Gemini 直接跨应用执行任务,跨系统批量操作这一高频重复劳动开始被自动化,但权限边界仍是前提。
- 「AI 修 AI」进入 Stable 工程阶段:Codex 三个月 1700 次自动调查、600 个根因,说明智能体排查已可稳定替代部分人力,可复用到指标归因类场景。
- 可溯源是 Agent 可信度的护城河:Theorizer 把「论断—证据」绑定进输出结构,为自动归因、经营诊断类智能体提供了对抗幻觉的范式。
- 算力风险从成本升级为供给中断:芯片管制叠加云通道关闭,预付款打水漂暴露合同风险,国产替代从备选变为必选。
