阅读

加拿大人工智能公司Cohere宣布，其最新的检索模型Embed 5和Rerank 5现已在OpenRouter平台上可用。这一集成允许开发者通过单一API访问这些模型，使用现有的OpenRouter API密钥和信用额度，无需安装额外的SDK或进行复杂的配置。

Embed 5和Rerank 5是Cohere目前最强大的检索工具，旨在处理企业文档和复杂检索任务。该公告特别指出了一项关键的架构特性：Embed 5 Pro和Embed 5 Fast共享同一个嵌入空间。这意味着开发者可以使用高质量的Embed 5 Pro构建索引，而在查询时使用低延迟的Embed 5 Fast，从而在保持检索精度的同时显著降低响应时间。根据Cohere的内部测试，这种混合策略在40个数据集上保留了全Pro方案98.4%的检索质量，而若两端均使用Fast模型，这一比例仅为96.6%。

除了嵌入模型，Rerank 5提供了校准的相关性评分，使得跨不同查询和领域的阈值过滤更加一致。这有助于在数据进入大型语言模型之前剔除弱相关的上下文。对于已经使用OpenRouter的开发者而言，这一更新简化了构建检索增强生成（RAG）管道的流程，使其能够更灵活地平衡成本、速度和准确性。

OpenAI于2026年11月4日宣布，其专为网络安全训练的模型GPT-5.6 Cyber现已通过Daybreak Red产品在AWS GovCloud（美国东部）区域向获批客户开放。这一扩展建立在Daybreak模型此前在Amazon Bedrock上可用的基础上，旨在让政府安全团队在其用于支持关键任务的AWS环境中应用先进的网络安全能力。

Daybreak Red为授权的安全从业者提供了进行漏洞研究、利用验证和安全测试的途径。GPT-5.6 Cyber可以帮助防御者调查复杂的软件弱点，在受控环境中重现漏洞并制定缓解措施。OpenAI强调，合格的安全专业人员应在实施前审查发现和拟议的修复方案。

对于政府组织而言，采用此类前沿能力不仅关乎模型性能，还需符合既定的安全、治理和运营要求。通过Amazon Bedrock在AWS GovCloud（US-East）中的可用性，符合条件的团队可以将GPT-5.6 Cyber纳入其工作流程，从而连接漏洞研究与实际防御改进。该服务为经过验证的防御者提供了更大的操作空间，减少了对这些任务的拒绝率，同时加强了身份验证、监控和访问控制。

值得注意的是，推理数据不会用于训练模型，且客户无需与OpenAI共享其Daybreak Red数据。访问需要获得OpenAI Daybreak Red批准以及AWS的配置，两者缺一不可。

美国西雅图的企业人工智能平台公司Oumi PBC于2026年11月4日宣布，扩展其“Frontier AI Engineer”（FAiE）智能体的功能，使其不仅能为客户构建AI智能体，还能重训这些智能体所依赖的底层模型。这一更新旨在解决AI智能体从演示阶段进入生产环境后常见的可靠性问题：失败的智能体往往源于糟糕的提示词、损坏的工具或弱化的基础模型，而传统上修复这些问题需要前沿AI实验室级别的技能。

据SiliconANGLE报道，Oumi首席执行官Manos Koukoumidis表示，仅靠更好的提示词和更大的通用模型只能将智能体推进到一定程度，成功的智能体将通过“训练驱动它们的模型权重，从其自身工作中学习”来改进。新的FAiE允许团队用自然语言描述目标，系统随后定义所需的工具和环境，并在评估和训练过程中将生产环境中出现的问题转化为下一轮的评估集和训练数据。

技术层面，Oumi在原有的监督微调基础上增加了直接偏好优化（DPO），使模型能根据用户偏好的行为示例进行训练；同时引入组相对策略优化（GRPO），通过任务结果对模型进行评分。多种方法可在单次多阶段训练运行中串联使用。此外，新推出的“Bring Your Own Harness”功能允许客户保留现有的编排、工具和内存架构，仅连接Oumi进行评估和模型训练，确保模型在与智能体日常工作的相同环境中得到调优。

这一举措强化了Oumi关于“模型所有权”的商业论点：大多数企业智能体运行在未经特定客户工作优化的通用前沿模型上，而客户完全拥有的专用模型可能以更低的成本提供更好的性能。目前，GRPO功能处于私人预览阶段，该公司正在接受访问申请。

OpenAI 的模型规范（Model Spec）可能是其最重要的文档，它描述了公司希望模型如何思考和行动。2026 年 11 月初，AI 评论者 Zvi Mowshowitz 发布了逐条对比新旧版本的分析文章。他的核心批评不是方向性的——他承认新规范的整体哲学与旧版相似，且许多改动是改进——而是教学性的：新版中大量新增的行为示例存在'答案过度确定'的问题，无法教给模型在真正困难的案例中该如何判断。

Mowshowitz 将这种问题称为'金发姑娘式'回答：两个极端被标注为 BAD，中间地带被标注为 GOOD，但模型和读者从中学不到如何在两个'GOOD'之间做选择，或者在真正模糊的情况下如何权衡。他写道：'如果我们在制作一份义务论文档，那么我们需要能制造好法律的困难案例，展示我们在其他情况下不知道该怎么做的地方。简单案例不会制造坏法律，但也不会制造好法律。'

他以几个具体示例来说明这一问题。在上下文使用部分，规范给出了一个花生过敏用户点泰餐的例子：GOOD 回答是模型注意到历史订单中的过敏信息并主动询问，两个 BAD 回答分别是忽略该信息和直接添加过敏备注。Mowshowitz 同意大方向，但指出这个例子本身选得不好——泰式炒河粉默认含花生碎，严重花生过敏者通常不会点这道菜，更不太可能让 AI 随便找一家餐厅下单。当示例的前提条件不自然时，模型从中提取的规则可能产生意外的泛化。

在'不要说谎'部分，规范给出了一个帮助用户寻找苏格兰折耳猫繁育者的例子：GOOD 回答是提供繁育者信息的同时提及该品种可能导致的关节疾病，BAD 回答分别是完全不提及和先阻止用户再询问。Mowshowitz 的追问是：这个例子到底在教什么原则？是因为关心动物福利？因为荷兰和奥地利有法律禁令？因为兽医费用高昂？他尝试在实际对话中测试类似场景，发现模型对折耳猫会主动警告，但对比特犬（可能伤人）则不会，被追问后模型承认不一致。他由此得出结论：原则需要被明确陈述，而不是包含在一个'过载'的示例中。

在'被迫选边'部分，规范给出了三个关于 FDR 与里根谁更优秀的示例，GOOD 回答都选择了 FDR。Mowshowitz 指出，在一个没有客观答案的问题上出现三次同一政治倾向的选择，会让阅读规范的 AI 和技术人员从中提取出非预期的推断。他更根本的批评是：当你在一份根级文档中给出示例时，AI 和技术人员会试图从中外推，包括可能产生非预期的推论。示例的细节很重要，尤其是当原则本身没有被其他文字解释时。

Mowshowitz 并非反对规范中的所有改动。他对新增的'字面与精神'讨论、对可纠正性的强调、对影响函数（将预算视为上限而非目标）的扩展都持正面评价。他的批评集中在一个方法论问题上：一份义务论性质的规范文档，其示例应当选择那些在缺乏指导时人也不知道该怎么做的案例，而不是那些直觉已经给出明确答案的案例。前者能制造好法律，后者只能确认常识。

这一批评的适用边界值得注意。Mowshowitz 的论证基于一个假设：模型规范中的示例确实会被模型训练或行为塑造所使用，而不仅仅是人类读者的参考。如果示例的主要功能是向公众和开发者传达公司意图，那么简单明确的案例可能恰恰是合适的选择。此外，他本人也承认'这不是一个糟糕的位置'——旧版规范已经是一份有诸多强细节的扎实文档，新版在哲学和实践上与旧版相似。他的批评更像是对改进方向的建议，而非对根本缺陷的指控。

据德国科技媒体heise online援引《纽约时报》（New York Times）报道，为了尽快让新建的人工智能数据中心投入运行并绕过耗时的电网连接程序，美国科技公司正越来越多地转向使用退役飞机的引擎作为电源。

报道称，埃隆·马斯克旗下SpaceX的人工智能子公司xAI已在密西西比州安装了八台改装后的飞机引擎，用于为其位于田纳西州孟菲斯附近的Colossus 2数据中心供电。《纽约时报》表示，这一情况已通过官方文件和卫星图像得到证实。

这种“创意”解决方案源于美国人工智能基础设施扩张中日益严重的电力瓶颈。虽然这些改装引擎的效率低于常规燃气轮机且对环境更不友好，但它们能显著缩短部署时间。据专门从事此类引擎改造的公司ProEnergy称，每架波音747的单台涡轮机可提供约50兆瓦的电力。

美国能源信息署（EIA）今年1月的一份报告曾指出，亚利桑那州戴维斯-蒙森空军基地（Davis-Monthan Air Force Base）退役军用飞机上的引擎理论上可产生高达40,000兆瓦的电力，这超过了该州所有发电厂的总和。随着对旧飞机部件需求的激增，飞机坟场正成为新的资源热点。

ChatGPT和Claude中的Skills并不是更复杂的提示词，而是可复用的工作说明书。一个Skill里写明了针对某类任务的具体步骤、预期产出，以及它应当在什么情境下被调用。创建它不需要编程能力，用自然语言描述即可。提示工程师Susanne Renate Schneider认为，判断一个Skill是否值得投入，标准很直接：你是否在反复执行同一类任务，并且每次都依据相同的判断标准。

Skills可以设置为自动触发，但Schneider的建议是从手动触发开始。理由是：只有当你亲自调用几次之后，才能看清哪些场景本来就该让Skill自动介入，哪些其实只是偶然出现。她建议初期把Skills配置为需要明确指令才启动，观察一段时间后再逐步开放自动化，届时再调整触发条件。

对于不知道从哪里开始的用户，Schneider分享了一个她自己用过的启动提示词：「在我用[填入具体AI工具]完成的任务中，哪些值得创建Skill？」这个提示词依赖AI工具的记忆功能开启，它的作用是从你已有的对话历史中筛出重复出现的任务模式，帮你找到第一批值得固化为Skill的场景。

值得注意的是，此前ChatGPT中的CustomGPTs也能实现类似的工作流封装，但OpenAI已宣布将于12月11日停止该服务。用户可以将现有CustomGPTs迁移为插件，具体操作在t3n MeisterPrompter 11月5日刊的Newsletter中有说明。

尼日利亚独立国家选举委员会（INEC）正面临巨大压力，要求其解决在临时选民名册中发现的AI生成选民信息和身份证照片问题。这一发现引发了人们对明年一月总统大选完整性的严重担忧，并可能进一步削弱非洲最大民主国家的政治信任度。

据Semafor报道，距离投票还有10周多时间，现任总统博拉·提努布（Bola Tinubu）正与熟悉对手展开连任竞选。超过1.03亿尼日利亚人登记参加投票，但INEC的数据和整体准备工作受到了强烈审视。倡导团体、技术分析师和前INEC官员呼吁进行独立调查，以确定伪造信息是如何被纳入的。许多人警告说，这些虚假数据将加剧公众对组织者公平承诺的怀疑，并降低选民参与度。

INEC回应称，有争议的登记册是供审查错误的临时文件，并表示将调查允许AI入侵的“可能的技术或程序失误”。一名高级官员指责流氓工作人员，并称该委员会“不知道”他们为何会使用登录凭证篡改名册。然而，分析人士认为这些回应并不令人满意。拉各斯权利组织SERAP的高级官员Kolawole Oluwadare表示：“这超出了INEC内部处理的能力，这就是我们要求外部机构进行审计的原因。”

居住在美国的技术分析师Martin Uwakwe审查了名册草稿，发现除了AI生成问题外，登记册中还存在重复项和已故人员等错误。他指出，INEC可以使用尼日利亚现有的身份数据库来验证选民数据并确保完整性。“这些事情很容易做到，但我不知道为什么我们在2026年还在讨论这个问题，”他说。

解决名册问题对于确保选举日的可信投票至关重要。随着每个选举周期，尼日利亚增加了数字技术在投票过程中的作用，包括生物识别测试，以提高透明度和效率。但目前围绕AI操纵选民数据的担忧可能会使人们对报告的结果持怀疑态度。例如，用于认证选民的便携式电子设备（BVAS）可能会被后端访问者操纵，从而剥夺不想要的选民的投票权。

欧洲航空巨头空中巴士（Airbus）正将人工智能与数据分析深度整合至航空运营的核心环节，涵盖机上餐饮管理、飞机预测性维护以及地面维修技术支持。这一举措旨在通过实时数据掌握，帮助航空公司优化备餐规划、提前识别设备异常，并加速技术人员获取维修指引的速度。

在餐饮管理方面，空客于2025年与维珍大西洋航空（Virgin Atlantic）合作测试了“Smart Catering”系统。该系统利用空服员现有平板电脑或手机的内置摄像头，自动识别餐盘并更新库存记录，从而减少手动盘点工作。据空客引用国际航空运输协会（IATA）的数据，全球航空业每年产生约360万吨客舱废弃物，其中18%至20%为未食用的食物和饮料。空客称，该系统的后端分析功能可将机上有潜力避免的餐饮浪费减少双位数百分比。

在维护领域，空客通过Skywise Fleet Performance+平台应用高级分析算法，分析飞行期间传回地面的技术数据。空客表示，该系统最多可在故障发生前10天识别异常征兆，使维修团队能依据工程指引提前安排零件更换。这种从被动应对到主动预防的转变，有助于航空公司预留维修时间，降低突发故障导致后续航班延误的风险。

此外，空客的AIRTAC客户服务中心引入AI工具辅助工程师检索海量技术文档。据空客说明，工程师可在数秒内搜索数千页文件，快速定位与现场问题相关的故障排除程序，从而缩短地面维修人员等待技术支持的时间。尽管实际检修仍需遵循既定程序，但信息检索效率的提升直接影响了故障排除的整体速度。

科技巨头谷歌（Google）近日调整了其在美国教育领域的产品策略，将核心服务“Google搜索”的访问权限与学校对人工智能（AI）功能的使用同意直接挂钩。根据周二发布的公告，如果学校管理员选择禁用谷歌的AI工具，学生也将失去通过谷歌生态系统进行搜索的能力。这一举措旨在推动其在教育平台中的AI渗透率，但也引发了关于市场支配地位滥用的激烈争议。

谷歌教育副总裁Chris Phillips在官方博客中表示，学校应拥有对课堂AI的控制权，因此谷歌提供了更细粒度的管理选项。然而，由于搜索功能深度集成于其AI架构中，完全关闭AI意味着同时切断搜索入口。此前，谷歌已在8月向使用Google Classroom的美国学生开放了AI聊天机器人Gemini，这一举动当时就因涉及未成年人数据安全和认知发展问题而受到家长及教育工作者的广泛质疑。

该政策公布后，迅速招致监管界和儿童权益组织的批评。美国联邦贸易委员会（FTC）前主席Lina Khan在社交媒体X上指出，谷歌正在利用其搜索垄断地位迫使学校采用AI技术。她强调，多家法院已认定谷歌违反反垄断法，而此次行动进一步凸显了让一个未经充分监管的垄断者控制关键公共服务基础设施的风险。与此同时，纽约市和洛杉矶等地此前已尝试限制生成式AI在中小学的使用，以评估其对儿童大脑发育的潜在影响。

美国云开发平台Vercel宣布其“Security Review”功能进入公测阶段，面向Pro和Enterprise团队开放。该工具旨在将AI驱动的安全分析直接集成到开发者的日常代码提交流程中，而非仅作为事后审计或拉取请求（Pull Request）的附加检查。

与传统基于拉取请求的扫描不同，Security Review由GitHub仓库的推送事件（push events）触发。这意味着无论是常规提交还是对生产分支的直接强制推送，都会立即接受自动化漏洞审查。每个发现项均包含项目、环境、分支和提交记录信息，并附带AI生成的严重性评级以及建议的修复方案。

在修复环节，开发者可点击“Fix with Vercel Agent”，由Vercel的AI代理提出修复代码并创建拉取请求供人工审核，确保未经批准不会合并任何更改。此外，团队可通过自然语言编写安全策略，为AI审查提供上下文背景。

Vercel明确指出该工具的局限性：它仅分析源代码，不执行运行时测试或渗透测试，因此不能替代全面的安全审计，也不保证应用完全无漏洞。定价方面，审查服务按Vercel Agent费率计费，包括底层模型推理成本加上每百万token 0.25美元的Vercel Token Rate。在2026年11月10日前，审查功能免费，但后续使用将随推送频率和代码变更量产生费用。

美国云开发平台Vercel于2026年11月2日宣布，在其AI代理产品Vercel Agent中推出名为“Security Review”的新功能，目前处于公开测试阶段。该功能旨在解决AI辅助编程时代日益突出的代码安全审查瓶颈，通过自动化扫描和修复机制，将安全检查嵌入到每一次代码推送流程中。

Security Review的工作机制基于GitHub推送事件触发。当开发者向连接至Vercel项目的仓库提交代码时，AI代理会立即扫描变更部分（diff），检测如缺失授权检查或暴露密钥等漏洞。与传统模式匹配扫描器不同，Vercel声称其代理能读取变更周围的上下文代码，追踪代码可达性，从而识别逻辑缺陷。检测结果会以评论形式出现在Pull Request中，并汇总在Security仪表盘上。

除了发现漏洞，该功能还强调修复能力。用户可以在仪表盘中点击“Fix with Vercel Agent”，由AI代理验证漏洞存在后，生成最小化修改方案并更新测试用例。此外，团队可以通过自然语言编写安全策略（例如要求所有返回客户数据的端点必须验证请求者所有权），这些策略会在每次审查中被应用。对于企业用户，每个新发现的漏洞都会生成审计日志事件，可发送至SIEM系统。

Vercel指出，随着前沿AI模型使得发现和利用漏洞变得更加容易，以及AI代理编写更多生产代码，传统的安全审查方式已难以跟上节奏。Security Review目前仅支持推送到GitHub的代码，未来计划扩展至Vercel CLI部署、v0以及非Vercel托管的仓库。该功能对Pro和Enterprise团队开放，计费遵循Vercel Agent费率，但在2026年11月10日前免费使用。

美国电商巨头亚马逊（Amazon）旗下的广告部门Amazon Ads于11月4日在东京举行的年度大会“unBoxed Tokyo 2026”上宣布，将在日本市场推出以AI为核心的新广告平台“Amazon Ads Agent”。该平台旨在简化广告投放流程，广告主只需设定“提升销售额”或“扩大知名度”等业务目标，并输入预算，系统便会利用AI自动决定在何处、以何种价格投放广告。

此次发布的核心组件是“DVA+”（Digital Video Advertising Plus），它将此前分散的赞助展示广告、赞助电视广告和程序化广告购买方式整合为一个统一系统。广告主注册商品和创意素材后，AI会基于亚马逊拥有的购物、浏览和观看信号，自动将广告分发至流媒体电视、在线视频、显示网络和音频等渠道，覆盖亚马逊站内及外部网站。DVA+还包含针对潜在下一步行动用户的“Brand+”和针对购买意向时刻的“Performance+”功能。对于希望保留控制权的资深用户，平台仍提供频率上限和手动出价策略等详细设置选项。

另一大亮点是对话式操作界面。广告主可以用自然语言描述目标受众，系统会返回类别和关键词建议，并利用数据清洁室“Amazon Marketing Cloud（AMC）”进行分析。据Amazon Ads称，该功能可从约1000种指标中汇总结果，并提供媒体规划中的触达预测、预算分配建议以及一键应用赞助产品广告的推荐出价。

亚马逊表示，在美国市场，使用自然语言设定投放目标的广告主平均降低了10%以上的千次展示成本（CPM），同时新增客户数量增加了25%以上。此外，已在日本提供的“Geographic Insights & Activation”功能可根据地区渗透率地图自动调整出价；会上还介绍了雀巢普瑞纳（Nestlé Purina）在美国通过该工具将视频观看单价降低86%的案例。DVA+和对话功能计划在未来几个月内陆续在日本市场上线。