GitHub 在 11 月 13 日的更新日誌寫明,Google 的 Gemini 4 Hydrogen 已在 GitHub Copilot 一般可用。它被定位為快速的代理式寫程式、工具呼叫和多步流程,指令遵循比 Gemini 3.8 Flash 好,並按供應商牌價、以用量計費。日誌點名的方案是 Copilot Pro、Pro+、Max、Business 和 Enterprise,沒有把 Copilot Free 列進去。推送是逐步的,帳戶裡暫時看不到,不代表這次更新不存在。
Hydrogen 負責快,Carbon 和 Argon 負責深
Google 在 11 月 12 日發表、13 日更新的說明,把 Hydrogen 放在 Gemini 4 Carbon 和 Argon 旁邊。後兩者負責長程、困難的推理;Hydrogen 負責快,用來寫程式、跑測試、核對改動。價格在整個 100 萬 token 的上下文都是同一檔:輸入每百萬 token 1.50 美元(約 11.8 港元),輸出每百萬 token 7.50 美元(約 58.8 港元)。匯率取 2026 年 11 月 14 日,1 美元兌 7.846 港元。
Google 公布,在預設的 high 思考等級,Artificial Analysis Intelligence Index 是 51,Argon 是 50;拉到新的 xhigh 則是 54。相對 Gemini 3.8 Flash,Google 說 high 預設下完成任務快 2.5 倍,Terminal-Bench 4.1 從 18.2% 升到 57%,捏造的說法減少超過 5 倍。這些數字來自 Google 自己的測試。思考等級有四檔:low、medium、high(預設)和 xhigh,用來換速度和費用。
GitHub 沒有改寫這套定價,只說在 Copilot 裡按供應商牌價、用 AI 用量計費。可以在模型選擇器裡挑到它的地方包括 Visual Studio Code、Visual Studio、Copilot CLI、coding agent、Copilot 應用程式、github.com、iOS 和 Android 的 GitHub Mobile、JetBrains、Xcode、Eclipse,以及 Copilot SDK。Business 和 Enterprise 的管理員在 Copilot 設定的模型政策裡開關。預設是新模型自動啟用,除非管理員關掉了全域預設,或單獨禁用 Hydrogen。
OpenAI 把機械人研究收回主團隊
《Fortune》11 月 13 日報道,OpenAI 向該刊確認,獨立的機械人團隊已經解散。研究人員改歸首席研究官 Mark Chen 的主研究團隊;應用機械人和硬件改歸總裁 Greg Brockman 負責的 Applied。發言人說機械人仍是長期核心,這次調動是為了加快,不是收檔。
公司給出的理由是:通用模型,包括 GPT-6 Astra,已經可以直接用在機械人上。較早的時候,研究人員以為要沿著 Sora 這類影像模型往下做。決定來得很近,學術會議 CoRL 在奧斯汀的 208 號攤位已經訂了,現場卻是空的。OpenAI 上一次收起機械人團隊是 2020 年,當時聯合創辦人 Wojciech Zaremba 提到機械人數據不足。2024 年重建,並與 Figure 合作做人形機械人的模型;該合作在 2025 年 2 月結束,因為 Figure 要自己做機械人模型。Sam Altman 仍把自家的人形機械人公開演示放在 2027 年。
同一模型,安全分數可以差 34 個百分點
Anthropic 在 11 月 13 日的研究網誌列出一套建議,分成設計、執行和報告。他們寫明,安全評估影響能不能部署、要加什麼防護、下一輪研究做什麼。「比上一代更安全」只是某組測試的分數,而測試很容易被做壞:量不到你以為在量的東西,也常常寫得別人無法重做。
單輪 API 測試上,近期每個模型的無害回應率都落在 94% 到 98%,題目已經太容易,主要用來檢查有沒有退步。多輪才拉得開。多輪在 API 上的置信區間可以寬過正負 10 個百分點。戀愛騙局那一組在 claude.ai 上,Claude Opus 5 是 98%,Opus 5.5 是 94%,差距沒有統計顯著性,不能因此說誰更安全。
Claude Fable 5.1 的多輪安全評估裡,原始 API 和套用了系統提示的 claude.ai,適當回應率最多相差 34 個百分點。自殘相關的評估在發布前發現,模型有時仍會在勸阻和提供求助資訊的同時,把自殘說成一種有用的應對。Anthropic 於是在系統提示加入限制,重跑之後 claude.ai 的適當回應率是 94%,API 是 60%。比較兩個分數之前,要先對齊你測的是哪一個產品設定。
他們建議,若只做三件事:收集數據之前寫下你要量的東西、先用人類判斷校準自動評分、把不確定性一起報出來。樣本下限是複雜多輪 100 題、較簡單的單輪 1,000 題。網絡安全類評估應在沒有外網的沙盒裡跑,並實時監察,以便立刻停下。Anthropic 說,在自己的事故之後,他們暫停了許多給模型外網的評估。
Perplexity 的 Teammates 到了 Mac,仍只限 Max
Perplexity 在 11 月 13 日宣布,Teammates 已可在 Mac 應用程式使用,對象是 Max 訂閱。公司的說法是:這些代理人替你承接工作,可以各自做,也可以一起做,例子包括品質檢查、客戶服務、研究和增長推廣。網頁版較早推出,Mac 是新的入口。這則宣布沒有改寫價格,也沒有說免費方案會開放。
和 Hydrogen 進 Copilot 放在一起看,兩件事都是已經有的代理人,多了一個你每天開著的程式。差別是 Copilot 這次寫明了哪些付費方案、哪些編輯器;Teammates 這次只寫明 Max 和 Mac。價格表沒有同時改動,就維持原價來讀。
相關討論:GitHub 更新日誌、Google 對 Gemini 4 Hydrogen 的說明、Anthropic 的安全評估建議、Perplexity Teammates 產品頁。
總結
這輪最值得先看的,仍是 Gemini 4 Hydrogen 進了 GitHub Copilot:方案、計費方式和適用的編輯器都寫在更新日誌上。OpenAI 的機械人改組、Anthropic 的評估建議、Perplexity 的 Mac 入口,是同一輪的另外三件。付費方案裡看得到選擇器,再決定要不要試;看不到,就等逐步推送,不必先換掉整條工作流程。
