ChatGPT图文合并内测与Gemini 4 Carbon登顶：AI早报深度解读

产品整合与模型竞赛：两条主线同时提速

据B站AI早报第196期汇总的信息，近期AI领域有两条主线值得关注：头部厂商正在加速产品入口的整合，而模型竞赛的焦点从通用能力转向网络安全、长程智能体等垂直战场。

ChatGPT的Chat与Work走向合并

一些用户发现ChatGPT网页端短暂出现了Chat与Work整合后的界面，模型选择器里可以直接选用Work模型，调用时会消耗对应额度。该界面很快消失，疑似灰度测试。Pibo对此回应称，团队确实计划在年内整合Chat与Work，但目前还没有正式推出。

这个动作的意义不在于界面改版本身。Chat与Work分离的设定，本质上是OpenAI在消费级对话和企业级任务之间做出的产品分区。合并意味着两件事：一是底层模型能力趋同，同一套模型可以同时支撑轻量对话与工作流；二是OpenAI希望以更低的认知成本把个人用户引导进工作场景，再顺势转化到Business订阅。灰度测试中"消耗额度"的提示，也暗示两个入口的计费体系正在打通。

Gemini 4 Carbon：网络安全与长程智能体双线突破

谷歌发布了前沿模型Gemini 4 Carbon，距离Argon发布仅两周。新模型主打网络安全和长程智能体能力，在Artificial Analysis智能指数榜单上以59分排名第一。本周起，网络安全防御人员可通过Fairwind计划使用该模型。定价与Argon一致：百万输入2美元、输出10美元，缓存输入享95%折扣，优惠期过后翻倍。

Carbon的High版本首次登上Arena榜单即拿下文本榜第一，得分1528，同时在智能体榜排名第二、网页开发榜排名第四。智能体榜基于真实任务评测，Carbon的净提升为16.2%，比Gemini 4 Argon高5.2个百分点，排名也高出5位。

说个细节Carbon的分发策略。主打网络安全却在发布当周就向防御人员开放，这种"先给防守方"的路径在商业模型发布中并不常见，说明谷歌把安全场景当作能力验证的试验田。话说回来，爆料者Lyra透露Gemini Omni 1.2 Flash已完成部署，预计很快发布，具体功能与上线时间尚未公布。

Artificial Analysis 智能指数是一个第三方模型评测聚合指标，把多个公开基准（推理、知识、编程、数学等）的得分加权归一化后合成一个综合分，用于横向比较不同厂商的旗舰模型。它不评测单一能力，而是给出“综合战力”的粗略排序，因此常被媒体当作模型排名的引用来源。

Arena 榜单（LMArena，原 Chatbot Arena）采用众包盲测：用户对两个匿名模型的回答投票，再用 Bradley-Terry 类统计模型换算成 Elo 式分数。它衡量的是人类偏好而非客观正确率，容易出现风格讨喜的模型占优。文中提到的文本榜、智能体榜、网页开发榜是 Arena 按任务类型拆分的子榜，分数之间不可直接横向比较。

多模态嵌入与开源

谷歌DeepMind开源了多模态嵌入模型Embedding Gemma R，能把文字、图片、音频和视频编码到同一个向量空间，参数量为7.44亿。据称其效果超过参数量为其12倍的更大模型，并在四类基准测试中刷新了性能与资源消耗的权衡前沿，技术报告同步公开。

对做检索增强和多模态应用的开发者来说，这类小参数嵌入模型的价值可能高于旗舰生成模型，因为嵌入成本直接决定向量库规模和检索延迟。

多模态嵌入模型与生成式多模态模型是两条不同的技术路线。生成模型输出文本或图像，嵌入模型则把任意模态的输入映射为一个固定维度的稠密向量，使语义相近的内容在向量空间中距离更近。检索增强生成（RAG）中的召回、跨模态搜图、去重聚类、推荐召回都依赖这类向量。

把文本、图片、音频、视频编码到同一个向量空间意味着可以用文字查询直接检索视频片段，或用图片检索音频，而无需为每种模态单独建库对齐。代价是不同模态的信息密度差异很大，训练时通常需要对比学习把配对样本拉近、非配对样本推远。参数量小（7 亿级）对部署很关键：嵌入要为数百万到数十亿条数据逐条计算，模型越小、吞吐越高，向量库规模和检索延迟就越可控。

编程智能体：从单模型走向模型编排

GitHub在Copilot中推出Copilot Fusion，可以选择并协调Anthropic和OpenAI的模型以优化性能和成本。在Coding Agent Index测试中，Fusion比Cloud Code使用的Opus 5.5低2分，单个任务的成本则只有后者的一半。

GitHub在Universe 2026大会上还发布了多项AI编程更新，重点搭建从需求到代码交付的智能体工作流：全新的Copilot APP集成多项目管理，Copilot Fusion自动选择和组合模型，在接近Opus 5.5表现的同时将任务成本降低约一半，此外还有跨设备绘画同步、可持续优化的自动化工作流和Copilot Code Review Max。

GitHub发布的2026年Octoverse报告显示，超过4成PR由智能体起草；过去12个月开发者推送代码179亿次，超过2024年和2025年的总和，同期合并的PR达到13亿次。

本地与远程的任务分发

DSH更新v0.2.2-alpha.2版本，新增实验性插件可以把独立任务交给本机的Codex或Cloud命令行工具执行；新版本还支持独立Gate工作数绘画，方便查看代码差异和PR状态；开发者统计插件能按步骤查看上下文缓存和模型耗时。相关功能仍处于实验阶段，需要手动启用，版本也支持第三方插件更新和失败回滚。

腾讯旗下AI Agent工具WorkBody上线远程控制功能。此前在手机上只能查看AI任务的执行过程和结果，现在可以通过手机APP连接电脑实时查看桌面，并用点击、拖动等手势接管操作。目前远程控制只支持Mac，Windows暂未开放。

MiniMax Code团队则开源了内部工程技能和工作流Mcode Stack，以可安装的技能文件和检查清单提供内容，覆盖任务拆分、上下文审计、长命令和绘画管理以及代码审查、实验评估。

这几条消息指向同一个趋势：编程智能体的竞争重心正从"模型多强"转向"任务怎么分发、上下文怎么管理、成本怎么核算"。

**模型编排（model orchestration）**指在一个智能体系统里，由路由器或调度器按任务类型、难度和成本预算，动态选择调用哪个厂商、哪个档位的模型，并把结果串联起来。常见策略包括：简单任务走小模型、复杂推理升级到大模型；编程任务偏好某家模型、长文档摘要偏好另一家；失败时自动降级或换模型重试。

它成立的前提是各家的 API 在消息格式、工具调用协议上足够接近，能抽象成统一接口。价值在于把“选模型”从硬编码变成运行时决策，从而在接近旗舰模型效果的同时压低平均单价——这也是 Copilot Fusion 能在榜单只低 2 分的情况下把成本砍半的原因。难点在于路由判断本身也会出错，且跨厂商调用会引入延迟与稳定性风险。

模型与研究：统一扩散与本地运行

英伟达Nimitron团队发布统一扩散语言模型NLD-Ni，同一个模型既能理解视觉内容也能完成生成任务，官方称两方面都达到最先进水平，模型和代码已开源，训练中采用了On Policy技术。

Stratta更新后，DeepSync v4.1 Flash可以在Mac上本地运行，目前支持文本模式，设备需要M1或更新的苹果芯片以及macOS 15或更新系统，推荐至少64GB统一内存并预留260-280GB高速固态硬盘空间。实测中M5 Max设备使用特定量化设置，短回答每秒生成约15-16个Token。

Cognition的Frontier Code 2.0测试数据里出现了隐藏模型Obsidian 3，它在High-Down拿到46.8%，高于Opus 5.5的45.5%，真实身份尚未确定。由于测试使用了Cloud Code框架，有人猜测它可能是Fable 5.5。

语音、法律与隐私：能力扩张伴随治理难题

英伟达推出开放权重的语音转文字模型Nemotron 3.5 Transcribe，在开放权重模型中以2.8%的词错误率并列第一，用于非流式转录，共300亿参数，每次运行激活40亿参数。

Anthropic为Cloud for Legal推出法律专用Artifacts工具库，律师可以直接使用或定制交互式工作台，处理合同批量审查、法律引用核查、法规追踪和跨地区法律对比分析，结果可以追溯到原始来源，也支持团队共享。Anthropic表示目前已接入60多种法律专业连接器，并与Harvey、普华永道等机构合作开发工具。

治理层面的消息同样密集。AI编程平台Command Code撤销了所有API密钥，称当天检测并阻止了一起针对Anthropic和OpenAI模型的大规模征流攻击，用户需重新登录Studio生成新密钥，官方表示尚未发现用户受到影响，正联合Cloudflare、Anthropic和OpenAI调查。面对出版商的强烈反弹，Meta可能再次推迟新商业条款，从原定的10月30日推迟到11月20日之后。Discord将允许谷歌等搜索引擎收录可发现的公开服务器消息，并生成AI讨论摘要，多数地区默认开启，用户可在设置的数据与隐私中关闭。

有开发者发现，Cloud Code完成相同任务时从不同入口调用Cloud Opus，5小时额度的消耗速度可能不同：一组测试中约13美元的相同Token用量分别扣除了8%和5%的额度，另一组差距达到2.9倍，问题疑似与客户端入口标识有关，相关GitHub Issue仍未关闭。

芯片与供应链

长芯存储计划在两个月内量产AI内存芯片HBM3E，目前良率只有20%到30%，低于SK海力士的70%。长芯已向多家国内AI芯片厂商送样测试，性能更接近上一代HBM3。低良率推高了成本，HBM3E产品预计售价将高于海外同类产品。此前华为等厂商已因内存成本上涨而涨价20%到50%。

内存供给正在成为AI算力扩张的实际瓶颈。当HBM良率爬坡不及预期，成本压力会沿着芯片、服务器一路传导到模型训练和推理侧，这比单一模型的榜单排名更能影响行业的节奏。

**HBM（高带宽内存）**是把多层 DRAM 芯片垂直堆叠、通过硅通孔（TSV）互连，再用硅中介层与 GPU/加速器封装在一起的内存。它相比传统 GDDR 提供数倍带宽和更低功耗，是 AI 训练与推理卡的关键部件，容量和带宽往往直接决定单卡能跑多大的模型。

良率指一片晶圆上合格芯片的比例。HBM 的难点在于堆叠层数越多、TSV 越密，任一层出现缺陷就会拖垮整个堆栈，因此良率爬坡极慢。20%–30% 的良率意味着大部分产出报废，单位成本被显著抬高；而良率领先的厂商能靠规模摊薄成本、优先供货。这就是为什么 HBM 产能常被视为 AI 算力扩张的硬约束，其紧缺程度比单一模型的榜单排名更能左右行业节奏。