AI 早报 - 2026-11-18
聚焦近 24 小时 AI 技术信号,关注实际开发工作流变化
模型与 API
OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol:Astra API 降价 20%,Sol 以五分之一成本逼近代码能力 OpenAI 11 月 17 日发布 GPT-6.2 Astra 与 GPT-6.2 Sol,面向 Plus、Pro、Enterprise、Edu 用户在 ChatGPT Work 与 Codex 上线,并进入 OpenAI API、GitHub Copilot 与 Amazon Bedrock。Astra 定价输入 40,比 GPT-6 Astra 低 20%;Sol 维持 10,官方代码基准与 Astra 只差半分。两者都强调用更少输出 token 完成任务,Astra 主打文档、幻灯片与既有代码的修改,Sol 主打日常编码与写作;Astra 在 ARC-AGI-3 上拿到 100%。
- 来源:官方发布 https://openai.com/index/introducing-gpt-6-2-astra-sol/ ;价格与基准 https://enzosoler.com/news/gpt-6-2-astra-sol-api-price
微软发布 MAI Code 2 与 MAI Code 2 Flash:企业日常编码,价格不到前沿模型一半 微软在 Ignite 2026(11 月 17 日)发布 MAI Code 2 与 MAI Code 2 Flash,已在 GitHub Copilot 正式可用,同时发布 MAI Cyber 2 Flash、MAI Image 2.7 预览。官方口径:MAI Code 2 以 GPT-6.1 Sol 40% 的价格达到其 98% 的性能,以 Claude Opus 5.5 5% 的成本达到 96%;Flash 面向代码讲解、定向修改、例行修复等高吞吐场景。定位是”日常企业编码”,官方明确表示尚未针对更难的基础研究类问题调优。
- 来源:官方发布 https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/ ;模型卡 https://microsoft.ai/pdf/MAI-Code-2-And-MAI-Code-2-Flash-Model-Card.pdf
Agent / Tooling / Infra
Anthropic 公开 Claude Code 团队的验证方法:约 90% 代码由 Claude 编写和审查 Anthropic 的 Addy Osmani 撰文介绍 Claude Code 团队如何做验证:团队约 90% 的代码由 Claude 编写并审查,靠端到端测试、属性测试与差分测试构成验证回路,让 agent 用证据而非口头保证来确认工作;同时通过多层自动验证 + AI 审查 + 基于风险的人工审批控制合并质量,官方称 revert 率下降超过 40%。对大量使用 coding agent 的团队,这套”验证回路”设计比单纯提高生成量更值得参考。
FrontierHarness Eval v1.1:22 个 harness × 5 个模型,换模型时该不该换 harness 一测便知 Runta 联合 Baseten 发布 FrontierHarness Eval v1.1:用 83B tokens、27,280 次 agent 运行,覆盖 22 个 harness、5 个模型、62 个任务、每个任务 4 次尝试,规模是 v1.0 的 76 倍。结论是换模型时应当重新评估 harness:每个模型的最优 harness 不同(Codex CLI 配 GLM-5.3、Pi 配 GLM-5.3 Flash、ZCode 配 DeepSeek V4.1 Flash 1017、Oh My Pi 配 Muse、Alma 配 Kimi-K3);按单任务成本排序,22 个 harness 的中位数换了 11 个位次,Codex CLI 从 GLM-5.3 下的第 1 名掉到 Kimi-K3 下的第 16 名。
Perplexity Computer 上线 Multiagent:一个 lead agent 带最多 16 个 agent 交叉互查 Perplexity 11 月 17 日为 Computer 平台推出 Multiagent effort 档位,位于 Ultra 之上。lead agent 把任务分派给最多 16 个运行在不同前沿模型上的 agent,并行执行、互相共享发现并交叉检查彼此工作,用于最复杂的研究与多步任务。这是”effort 分级”路线的又一次加码:用更多并行 agent 换更高可靠性。
- 来源:官方博客 https://www.perplexity.ai/hub/blog/introducing-computer-multiagent ;报道 https://www.marktechpost.com/2026/11/17/perplexity-computer-multiagent-effort-level/
Meta JiTTests:让 LLM 生成”预期失败”的测试,在代码落地前拦住隐私与安全问题 Meta 的 Just-in-Time Tests(JiTTests)从试点走向生产:由 LLM 针对 diff 生成”catching tests”——与传统的 hardening test 不同,这些测试在生成时就是预期失败的,用来在代码合并前暴露 bug。2026 年上半年,它在 diff 阶段拦下了 74 起隐私相关的安全事件(SEV)。对依赖 AI 大量产码的团队,这是把测试从”验证正确”推进到”主动诱出错误”的实操范式。
- 来源:报道 https://www.marktechpost.com/2026/11/16/meta-jittests-llm-catching-tests-privacy-bugs/ ;Meta 工程博客 https://engineering.fb.com/2026/10/29/security/catching-bugs-before-they-land-jittestings-human-on-the-loop-approach-at-full-scale
TrnRT:面向 AWS Trainium2 的开源 LLM 推理引擎,单卡 3.57M token/分钟 Show HN 项目 TrnRT(RunAnywhereAI/trnrt,Apache 2.0)是 AWS Trainium 上的开源推理引擎:从单台 trn2.48xlarge 提供 OpenAI 兼容 API,decode 用 NKI megakernel(约每层一半一个 kernel),并在设备与主机内存间维护前缀缓存。首个支持模型是 GLM-5.3-Flash;官方数据为单卡 3.57M token/分钟(batch 12),batch-8 decode 步延迟从 32.2ms 降到 24ms,spot 价格约 $0.040/百万 token。
- 来源:GitHub / Show HN https://github.com/RunanywhereAI/trnrt
NVIDIA 开源 NVKE 与 NVKR:面向 GPU 基础设施的托管 Kubernetes 引擎与配方 NVIDIA 将 NVKE(NVIDIA Kubernetes Engine)与 NVKR(NVIDIA Kubernetes Recipes)以 Apache 2.0 开源,用于在 GPU 基础设施上管理 Kubernetes 1.36 集群。NVKE 是托管集群引擎,NVKR 把固定源码与配置转成可执行配方。两者目前均为 preview,官方明确说不是 Kubernetes 发行版,但目标与 Rancher/OpenShift 等重叠,适合自建 GPU 集群的团队评估。
- 来源:报道 https://www.marktechpost.com/2026/11/17/nvidia-nvke-nvkr-managed-kubernetes-gpu/ ;文档 https://docs.nvidia.com/nvke/documentation/overview/what-is-nvke
本日总结
- 模型层主线是”降价 + 专用化”:GPT-6.2 Astra 降 20%、Sol 以五分之一成本逼近代码能力;微软 MAI Code 2 直接主打企业日常编码的性价比。
- agent 工程进入”验证与评测”阶段:Claude Code 的验证回路、FrontierHarness 的 harness-模型配对榜、Meta 的 catching tests,都在解决”生成变快之后如何保证质量”。
- 基础设施侧两个方向:Trainium 上的开源推理引擎(TrnRT)与 GPU Kubernetes 开源化(NVKE/NVKR)。
- 抓取说明:OpenAI 官网 curl 返回 403,相关条目以 HN 1026 分与 GitHub Changelog / Bedrock 公告交叉确认;MarkTechPost 正文被 Cloudflare 拦截,摘要来自搜索结果与官方博客。