AI工具速递 | 10月29日:Gemini 4 Carbon 安全模型

Gemini 4 Carbon — 安全攻防新旗舰模型

要找漏洞、判断它到底能不能被利用、再动手把根因修掉，这一步一步最费人。Gemini 4 Carbon 是 Google 在 Argon 发布两周后推出的下一款前沿模型，主打两件事：网络安全和长程智能体。

无护栏跑分里，漏洞检测 SEC-bench Pro 88.2%、漏洞利用 ExploitGym 54.8%、根因修复 CWE-bench 71.0%，三项都是当前最好成绩；WebDev Arena 冲进第 4（1768 分，比前代高 89 ELO）。内部实测生成安全代码的成功率比 Argon 高一倍多，Chrome 团队反馈它产出的高质量补丁比另一家 lab 的旗舰模型强 10 倍以上。

安全对齐同样下功夫：Terminal-Bench 4.0 作弊率压到 0、间接提示注入攻击成功率 0%，高危错位告警降了近八成。不是又一个「更强但更野」的模型。

适合谁： 做安全工具、红蓝对抗、想用长程 agent 啃大代码库的开发者；普通聊天场景不必急着切。

评价： 值得上手（当前先开放给安全机构，全面放开等通知）

Cursor Agent SDK — 用代码定义自己的 Agent

你想搭一个「PR 提交就自动评估风险、按团队政策该谁审就路由给谁」的机器人，以前要么套别人的产品，要么从零搓。Cursor 开源了内部造 Bugbot、Security Reviewer 用的 Agent SDK：把 agent 当成一个小软件项目来写。

defineAgent 定义模型和本地工作目录，指令写 Markdown、工具写 TypeScript 函数，eval 和事件回放开箱即用；agent-sdk deploy 一条命令部署到 Cursor，也能打包成单个 Node 进程跑在自己机器上。自带 skills 引导 coding agent 一起把 bot 写完。

对比通用 agent 框架，它把「按团队工作流定制」和「部署运维」打通了：Cursor 内部用它一天做出 kb-reviewer，让每个 PR 都对照知识库查冲突；PGA Tour 也用它搭软件工厂。

适合谁： 想给团队做 PR 自动审查、合规流水线的工程师；跑一次性任务用不着。

评价： 值得上手

HeyPuter/everything — 一个仓库重写全球软件

一想到 Office、Photoshop、Slack 都得付费订阅就头疼？Puter 团队把「重新开源实现全世界的闭源软件」做成了一个单仓 mono-repo，叫 everything。

覆盖 Office（表格/文档/演示/PDF/白板）、协作（会议/聊天/邮件）、创意（修图/剪辑/矢量/音频/音乐/3D）、工程（CAD/参数化/电路/建筑）等大类，34+ 个应用各带独立 demo 站（如 spreadsheet.puter.com）和源码目录。

对比某个项目逐个用 Rust 从零重写的路线，everything 走「一个仓库 + 浏览器/Node 环境」的集成打法，克隆下来 npm run dev 就能起，方便自托管和二次开发。不过多数 demo 仍是早期版本，成熟度参差。

适合谁： 想自托管办公套件、给开源替代贡献代码的开发者；追求生产稳定的先观望。

评价： 可以观望

dsh-ops — 给编码 Agent 省 token 的插件

用 DSH（DeepSeek Harness）跑长任务，token 哗哗烧、报错循环来回绕？dsh-ops 是一个低侵入的 DSH 插件，专门给编码 agent 做 token 瘦身。

四个模式行分别增强 Minimal/Standard/PTC/Cordis 预设，替换官方 read/glob/grep、提供紧凑返回加行号加更好报错来遏制报错循环；PTC SDK 内置 18 个 API，还能用 tools_addition 动态按需加载 pdf/word 等重工具，避免系统提示词越滚越大。

对比手写 prompt 优化，它直接在工具层做「渐进式披露」——需要时才加载高级工具，静态基准里 token 消耗明显下降。npm 一行 npx dsh-ops@latest install --profile ... 即装。

适合谁： 重度用 DSH、Claude Code、Codex 跑多文件改造的开发者；不用 DSH 的可以先观望。

评价： 值得上手