Anthropic推出MAMUBench:多智能体协作常败给单一协调者

Anthropic Fellows Program 团队构建了四个多用户多智能体仿真环境,并公开其中三个作为 MAMUBench 基准,测试显示“每人一个 AI 助手”的点对点团队模式在四种环境中均不如单一协调者模式,暴露出多智能体协作中的越权、拖延和抢跑问题。

Anthropic Fellows Program 团队构建了四个多用户多智能体仿真环境,并公开其中三个作为 MAMUBench 基准,测试显示“每人一个 AI 助手”的点对点团队模式在四种环境中均不如单一协调者模式,暴露出多智能体协作中的越权、拖延和抢跑问题。

Google DeepMind 于当地时间 11 月 11 日推出 AlphaGenome 2,把“一个基因变异会带来什么影响”的预测从组织层面推进到细胞类型和细胞状态层面,并宣称识别相关变异的能力接近上一代的两倍。

成立仅四年的英国 AI 芯片公司 Fractile 完成 7.2 亿美元新融资,投后估值从约 11 亿美元升至 70 亿美元;其单芯片堆叠存储与计算的技术路线瞄准 AI 推理瓶颈,Anthropic 有意成为首批核心客户。

谷歌于 2026 年 11 月 11 日推出 Gemini Decisions API,背后是 Gemini Decision 1 模型,专门处理“对错、选哪个、打分”这类反复出现的判断任务,单次前向推理即可对最多 1000 个问题给出概率和置信度,端到端延迟 150–250 毫秒。值得关注的是,它把原本需要…

据 AIbase 报道,苹果在 CarPlay 中向谷歌 Gemini 开放入口,车主可通过车机屏幕使用 Gemini Live 进行连续语音对话,并接入 Gmail 与 Google Calendar。这值得关注,因为它显示出车载 AI 的入口竞争正在从手机延伸到汽车座舱。

OpenAI 第三季度营收首次突破 100 亿美元,环比增长近 50%,显示增长回暖;但企业市场份额仍落后于 Anthropic,两家公司的商业化竞赛进入新阶段。

Anthropic 于 2026 年 11 月 12 日为 Claude API 上线 Beta 能力,允许开发者在同一段对话的消息流中途调整模型“投入程度”(effort),从而在回答完整度、响应速度与调用成本之间做更细的权衡。

AI 初创公司 Helix 完成 620 万美元融资,推出可在设备本地运行的人声活体验证,尝试用语音判断“真人”和估算年龄,替代或补充传统 CAPTCHA。

英国高等教育监管机构OfS发布报告,认为现有AI检测工具无法可靠判断学生是否用AI写作业,建议大学调整考核方式、增加受控评估。这关系到高校如何应对AI对学术诚信的冲击。

Hugging Face Papers 收录的论文提出 One Table Benchmark,用统一数据划分把表格生成、缺失值填补和预测放进同一基准,试图回答一个模型能否同时做好三件事。它值得关注,是因为这直接影响表格基础模型的通用性和选型标准。