摘要:11 月 9—10 日,Google、Anthropic、Meta 在 24 小时内密集发布 Gemini 4 Carbon、Claude Fable 5.2 / Mythos 5.2、Muse Ember 三款旗舰模型。一个明显趋势是:单模型"谁最强"的排行榜之争,正在被"模型栈(Model Stack)"的系统工程取代——企业不再只选一个模型,而是把不同定位的模型编排成流水线。
过去一年,大模型发布几乎都围绕"榜单第一"讲故事。但 11 月的这一波释放出一个更务实的信号:模型开始分层。Google 把 Gemini 4 Carbon 定位为"长程智能体、复杂编程、科学推理与网络安全"的深度模型,在 CursorBench 4.0、WANDR、Zapier AutomationBench 等榜单登顶,单位任务成本却比次优外部模型低一倍以上;它的同门 Gemini 4 Argon 仍被推荐为日常软件工程与知识工作的首选。Anthropic 则把 Claude Opus 5.5 作为日常默认,Fable / Mythos 留给更难的活——Fable 已全面开放、定价 800 万输入 / 4000 万输出 token 美元,Mythos 仅向通过验证的组织开放。Meta 的 Muse Ember 走"高吞吐"路线:100 万上下文、单次可输出 51.2 万 token,原生支持文本、图像、音频、视频,单位任务成本约为 Haiku 5.5 的三分之一。
这种分层不是营销话术,而是正在成形的架构范式。多家厂商的推荐用法高度一致:用一个通用模型做日常推理与编排,用一个深度模型攻坚架构、根因分析、高难调试,用一个低成本模型承担海量重复的工具调用、代码修复、路由与抽取,再让独立的验证模型(或审查者)检查产物。模型选型因此从"看榜单"变成了"做路由与系统设计"。
更值得关注的是"智能体编排"本身在下沉。Google 在 Antigravity 中预览了 /swarm,一个提示即可协调多个隔离工作区与对抗式验证器;OpenAI 的 dot agent 能连接用户的多台电脑并自行分配任务;Hugging Face 则顺手补好了工程地基——Transformers 现在会把工具 schema 直接透传给响应解析器,整型、布尔等类型不再被当成字符串返回。底座越稳,上层编排越顺。
一个常被忽略的细节:Google 透露,AlphaProof Code 团队用 Carbon 把安全目标翻译成数学定理,几周内生成了数百万行 Lean 代码、并证明了 Signal 加密协议的关键性质——这类过去需要专家团队数年的工作,正在被"深度模型 + 验证器"的组合压缩。模型栈的价值,或许正体现在这种"把难事做掉"的能力上。
来源:AI-Native Engineering(2026-11-10)《Gemini 4 Carbon, Claude Fable 5.2 and Muse Ember Reshape the AI Agent Stack》:阅读原文;AIFOD Realtime 模型发布追踪(2026-11):实时榜单。
▶ 延伸:2026 WAIC 腾讯智能体集中亮相(腾讯新闻)https://news.qq.com/rain/a/20260718A02ABE00


