AI 日报 · AI 日报

AI 日报|2026 年 11 月 12 日

Google 推出专门处理有限选项的 Gemini Decisions API,百度发布长上下文与人物视频应用模型。AWS Emulator 把云应用测试带到本地,多人协作和车载对话也出现了新入口。

本文目录

导读

应用里的许多工作并不需要 AI 写一篇长回答:选择一个工具、检查一份材料是否符合条件,或者判断下一步该交给谁,往往只需要从有限选项中做决定。另一些工作则需要把想法变成可以共同编辑、实际运行或继续处理的结果。

今天的进展覆盖了这些不同环节:Google 为有限选项推出专用接口,百度把模型面向长文档与人物视频任务开放,AWS 则提供本地测试环境。Tabletop 和 CarPlay 更新进一步把 AI 放到多人协作与语音使用场景中。

本期收录 5 项进展,引用 9 个主要一手来源,并用现场媒体报道辅助核对百度的发布事件。报道范围为 Asia/Shanghai(北京时间)2026 年 11 月 12 日 00:00—23:59,归日依据见文末。“发生了什么”依据来源资料,“为什么重要”和“值得关注”为编辑分析;本文未实测产品或独立复现性能结果。

今日要点

  • Google 推出 Gemini Decisions API,由 Gemini Decision 1 对有限选项直接评分,按输入计费,不收取输出词元费用。来源:Google 公告
  • 百度在年度大会发布文心闪电深度思考与文心一镜微表情两款应用模型;千帆提供对应的文本和视频接口。来源:百度产品页、大会现场报道
  • AWS Emulator 正式开放,让开发者和编程 Agent 在本地测试云服务调用;模拟结果仍有覆盖范围限制。来源:AWS 发布公告
  • Google Labs 推出多人实时协作实验 Tabletop,目前通过候补名单向美国成年人开放。来源:Tabletop 公告
  • Gemini 应用开始向 Apple CarPlay 推送,支持语音对话和手机聊天记录接续,部分个性化功能另有地区与年龄条件。来源:CarPlay 公告

重点进展

只需做一个选择,模型还要逐字生成回答吗?

发生了什么

Google 推出 Gemini Decisions API。这个应用程序接口(API)使用 gemini-decision-1,直接为候选答案评分,支持是非判断、多项选择和按规则打分。一次请求可共享文本、图像、音频、视频或 PDF 输入,处理最多 1,000 个独立问题,上下文上限为 256K 词元;词元(token)是模型处理内容的计量单位。来源:接口能力

价格为每百万输入词元 0.10 美元,无输出词元费用,AI Studio 提供免费试验额度。Google 披露的端到端中位延迟为 150—250 毫秒,相关测试覆盖至多 16K 上下文、每请求 1—100 个问题,不能直接套用到最大输入和最大题量。Google Cloud 支持仍标为后续安排。来源:计费、测试条件与接入状态

为什么重要

例如,客服系统先判断一份附件应交给退款、维修还是人工处理,真正需要的是可靠的分类结果。专用接口让这一步更容易计费,也减少了先生成自然语言、再解析答案的环节。

但返回概率不代表决定一定正确。团队仍需用自己的样本检验误判,并为不确定情况设置后续处理路径;官方延迟数据也需要在实际输入长度下重新测量。

百度两款应用模型分别解决什么任务?

发生了什么

百度在 11 月 12 日大会开幕式发布文心闪电深度思考模型和文心一镜微表情模型,并宣布通过千帆面向企业与合作伙伴提供接口。发布事件由现场记者报道确认,产品规格则以百度资料核对。来源:大会报道、官方产品页

千帆列出的文本型号为 ERNIE-Light-DT-1.0,支持 1M 词元上下文、128K 最大输出;深度思考模式下,推理过程与最终回答共同占用输出预算。官方产品页称其采用稀疏注意力与历史压缩来减少长上下文计算,并支持开关思考模式。来源:模型规格、产品说明

视频型号 ERNIE-Wizshot-ME 面向人物口播和近景表情,产品页列出图像、文本、音频驱动,生成 4—15 秒、1080p 视频,刊例价为每秒 0.7 元。接口分为创建任务和查询结果两个步骤,模型列表的默认并发数为 1。来源:视频能力与价格、默认调用限制

为什么重要

两款模型分别面向长材料处理和人物视频制作,评估方式也应不同。前者要检查跨段信息是否找全、压缩历史后是否遗漏条件;后者要检查口型、表情、人物一致性与生成耗时。

百万上下文和每秒视频价格都只是规格。实际成本还取决于输入输出量、失败重试和可用成品比例,不能只用容量或演示效果判断是否适合业务。

AWS 本地模拟器怎样帮助编程 Agent 验证代码?

发生了什么

AWS Emulator 正式开放,开发者可把命令行、软件开发工具包(SDK)和编程 Agent 的云服务调用指向本机接口,先测试创建表、读写数据等流程。它不额外收取服务费;Linux 可安装软件包,macOS 与 Windows 可按文档自行构建容器镜像运行。来源:发布公告、使用说明

Amazon 工程文章称,模拟器代码由 Agent 编写,团队将工作拆成编写测试、发现问题、修复问题三组,并以真实 AWS 验证过的测试和发布检查约束结果。这是发布方对自身工程流程的披露,不是所有软件都能无人开发的证明。来源:工程团队说明

模拟器按服务公布行为一致性测试的通过情况,尚未实现的操作返回 HTTP 501。它不按真实云端方式检查身份与资源权限策略,也不模拟跨账号、跨地区行为;仓库明确要求不要用于生产负载或安全测试。匿名使用遥测默认开启,可关闭。来源:已知限制、项目 README

为什么重要

编程 Agent 修改云应用后,如果每次都要部署才能看到结果,反馈会很慢。本地模拟器可以缩短一部分验证循环,让常见错误更早暴露。

它同时展示了自动开发中一个可迁移的做法:先有可重复运行的参照,再让 Agent 修改实现。模拟环境通过的测试仍需对应到真实服务,尤其不能用它证明权限配置正确。

多人一起计划,AI 能交付什么协作工具?

发生了什么

Google Labs 推出 Tabletop 实验。用户可加入链接、文件和想法,再通过提示或模板生成交互式行程、投票、费用分摊和比赛对阵表,随后用邀请链接让其他人同时参与。当前通过候补名单向美国 18 岁及以上用户推送。来源:Tabletop 公告

为什么重要

群聊里商量旅行,困难常常不是缺一段建议,而是把日期、选项和费用整理成大家能共同修改的东西。生成可操作的共享空间,比单独给每个人一份聊天回答更接近这类任务。

实验仍需要观察多人修改是否一致、计算是否正确,以及材料更新后结果是否随之变化。候补开放也意味着目前还不能把它当作已经普及的协作服务。

Gemini 进入 CarPlay,手机与车内对话怎样接续?

发生了什么

Google 开始向全球 iOS Gemini 用户推送 CarPlay 入口,覆盖 Gemini Live 已支持的语言。用户可继续最近的聊天,讨论行程、邮件和想法;对话记录自动同步到 iPhone。使用前需更新 Gemini 应用、开放麦克风权限,并在手机上至少使用一次 Gemini Live。来源:推送与使用条件

邮件与日历体验依赖相应连接。每日简报还需提前启用,且该功能等部分个性化体验不向未成年人、欧洲经济区和尼日利亚用户提供。开始推送不代表所有账号同时获得全部功能。来源:功能说明与脚注

为什么重要

这次更新的价值在于入口与上下文接续:停车后可以回到手机继续处理对话中的内容,减少重新说明背景的步骤。

实际体验仍取决于语音理解、连接资料是否完整和操作是否分散注意力。接入车载屏幕,不能直接推出它已具备控制车辆或自动完成任意跨应用任务的能力。

值得关注

  • 每一步都需要通用模型吗? 有限选项判断可以单独设计,但应把误判率、延迟和后续处理成本一起比较。
  • 验证环境与真实环境差在哪里? 本地模拟器能检查部分业务行为,真实权限、地区差异和完整部署仍需要对应环境验证。
  • 生成结果能否继续使用? 无论是视频、共享行程还是语音记录,可编辑、可接续和可检查,都是比演示流畅度更有用的验收目标。

来源

以下为 9 个主要一手来源。订阅源和现场报道用于辅助核时,不另计主要来源数量;配套文档不作为独立新闻重复计数。百度按大会正式公布事件归日,不把文档的提前更新视为全部能力在当天首次出现。

  1. Google:Gemini Decisions API:网页机器可读发布时间与官方订阅源均为 11 日 18:00:00 UTC,即北京时间 12 日 02:00:00。
  2. 百度智能云:应用模型产品页:核对 ERNIE-Light-DT-1.0 与 ERNIE-Wizshot-ME 的用途和规格。页面未给出精确首发时刻;每日经济新闻现场报道标注北京时间 12 日 11:09:13,确认当天大会发布两款应用模型并宣布开放接口,不将报道时间冒充发布瞬间。
  3. 百度千帆:模型列表:页面更新时间为 11 月 11 日,用于核对上下文、输出预算与默认并发;它是配套规格资料,不单独据此推定服务首次开放时间。
  4. AWS:Emulator 正式开放简讯:页面标注美国当地 11 月 11 日,官方订阅源记录 11 日 17:00:00 GMT,即北京时间 12 日 01:00:00。
  5. AWS:Emulator 使用、测试与限制:网页带时区发布时间为 11 日 11:00:44−08:00,即北京时间 12 日 03:00:44;与简讯合并为同次发布。正文另注明 12 日补充仓库链接,不将该次编辑当作首次发布。
  6. Amazon:构建 Emulator 的 Agent 工作流程:标注 11 月 11 日,用于核对同次发布的工程过程,不单独补造小时级首发时间。
  7. AWS:Emulator 官方仓库:核对使用边界、已知行为差异与遥测设置;不以仓库创建或提交时间代替产品正式开放日期。
  8. Google Labs:Tabletop:网页发布时间和官方订阅源均为 11 日 16:00:00 UTC,即北京时间 12 日 00:00:00,按实验与候补开放报道。
  9. Google:Gemini on Apple CarPlay:网页发布时间和官方订阅源均为 11 日 17:00:00 UTC,即北京时间 12 日 01:00:00,按开始分批推送报道。