谷歌最强模型放开Claude 变成了 Office

AI DAILY · ISSUE 20

三家头部实验室在同一天做了同一件事——不比谁更会答题，比谁能把活干完。

—— 2026.11.11 · 第 20 期

谷歌把 Gemini 4 Carbon全量放开，评测换成了 CursorBench、Perplexity WANDR、Zapier AutomationBench 这些「真实工作流」；Anthropic 把 Claude 从聊天框扩成表格、白板、会议、数据四件套；OpenAI 让商家在 ChatGPT 里派智能体接客。同一天，同一条战线——工作屏幕。

视觉与具身两条线也没停：MiniMax 把 4K 生图压进 10 秒并当天开源权重，蚂蚁灵波给触觉做了一层「通用翻译」。

本期已与第 1–19 期条目比对去重，5 条主条目均为首次推送。

本文看点

11 月 10 日（当地时间），谷歌正式开放旗舰模型Gemini 4 Carbon，覆盖 Gemini API、Google AI Studio、Gemini for Business、Google Antigravity，以及面向 AI Ultra 订阅用户的 Gemini 应用与搜索 AI Mode。距离 10 月 28 日首次公布不足两周——此前它只通过 Fairwind 计划向部分网络安全防御团队开放。

谷歌同时宣称 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三项独立评测均列第一，完成单项任务成本比次优外部模型低 50% 以上；第三方 Artificial Analysis 综合榜给出 59 分。配套能力是 /swarm 多智能体蜂群模式，以及 AlphaProof Code 在四周内生成了 650 万行证明、验证 Signal 协议核心加密的编译后代码。

真正变化的不是分数，是标尺。这三项评测考的都是「在真实工具链里把一件事干完」——编程、检索、跨企业应用流程自动化，而非知识问答。模型竞赛的裁判标准，正在从谁更会聊天，挪到谁真能交付。

一处成本陷阱：Carbon 与 Argon 现在同价，11 月 30 日后 Carbon 翻倍。谷歌的分层已经明确——Carbon 打难的多步任务，Argon 打常规编程与知识工作。选模型，等于同时选一笔账。建议在这两周窗口内把同一任务在两个模型上各跑一遍，拿到真实单任务成本再定。

11 月 10 日旧金山活动上，Anthropic 面向非技术岗位推出四件套。Claude Sheets（测试版）一句「做个营销活动追踪表」即可生成多标签、带公式、格式与下拉菜单的表格，可直接在单元格内改，每次 AI 修改都会标注以便追踪，可导出 xlsx / CSV；Claude Whiteboards把口头描述的模糊计划整理成带时间线、负责人、日期的白板，复盘会可按主题归并零散笔记并起草个人行动项，完成后转文档或演示稿。

Claude Meetings以可见身份参会、挂出参会提示，边听边起草方案与时间线，会后纪要落到 claude.ai，外部嘉宾入会自动退出；Claude Data（原 Dashboards）转正，接 Redshift、BigQuery、ClickHouse、Snowflake、Salesforce，支持认证查询统一口径、实时分享、变更追踪与缓存。

配套的 Claude Marketplace 已收录9000+ 连接器与插件，全部基于 MCP；交互式连接器可作为完整应用在对话旁打开，Adobe、Atlassian、HubSpot、Notion 不必切标签页。企业侧每个云会话跑在独立虚拟机、凭据隔离在 VM 外，支持审计日志与 Compliance API。Anthropic 自家法务团队用它把营销审核从 3 天压到 24 小时。

这是一次目标人群的迁移：从工程师扩到全体白领。它没有正面叫板 Office，而是挑了 AI 真能帮上忙的流程——生成表格、拆解会议、整理看板；产品负责人也坦承 Sheets 尚基础、不做复杂财务建模。时间点才是关键：与 IPO 路演同日。资本市场要看的不只是一个更会聊天的模型，而是一个能进企业工作流、产生营收的产品。

审慎一句：Whiteboards 与 Sheets 在 Enterprise 套餐默认关闭，Claude Data 要到 11 月 19 日才默认开启——企业落地仍取决于管理员的合规判断，而不是产品好不好用。

11 月 11 日，OpenAI 上线 Businesses in ChatGPT（测试版），两块拼图：Business Hub让经过验证的企业认领品牌主页、更新产品信息与价格库存；Business Agents是代表商家的智能体，用户点击后开启一段独立、明确标注身份的对话，基于商家自有信息答疑与比价。首轮覆盖美国符合条件的电商与在线服务商家，Shopify 商户可从后台直接接入；ChatGPT 当前周活 12 亿。OpenAI 明确：对话内容不共享给企业，洞察仅在聚合阈值以上解锁。

这是 OpenAI 电商路线的第二次转向。去年 3 月自营站内购物车折戟，如今退一步做「AI 时代的商品搜索入口」——用户问、品牌智能体答、想靠前就买广告位，逻辑更接近谷歌的商家生态，而不是自己当商场收租。

风险点在信任基座。整个产品的成立前提是「这个智能体真的代表它声称的品牌」，而 OpenAI 副总裁表示验证方式因市场与商家类型而异、不公开细节。入口可以靠流量做起来，但这类不透明迟早会被盯上。

三条并读才有意思：同一天，谷歌把 Adobe Acrobat 接进 Gmail 与 Drive，并推出面向医院行政的 Gemini for healthcare。三家在同一周把枪口对准同一块屏幕——不是模型能力之争，是工作流入口之争。

11 月 10 日，MiniMax 发布并当天开源权重图像生成模型 H3-Image，衍生自 H3 全模态底座，支持文生图、参考生成与图像编辑。

速度：4096×4096（约 16MP）单张 10–20 秒，官方称最高为主流方案的 5 倍；标准模式 1.5–2 倍，Highspeed 模式 3–4 倍。不是放大：直接生成 16MP，无需超分；除方图外支持 5472×3072 与 6272×2688，有效区间约 400 万–2000 万像素。指令遵循：最多 16 张参考图，官方称为开源图像模型中最强。工程：蒸馏把采样压到 6 步、去掉 CFG，降低高分辨率算力开销。

价格是同档主流工具的 50%–70%：4K 文生图标准版约¥0.226 / 张，Highspeed 约 ¥0.428，首周 16MP 及以上五折。

图像模型的竞争焦点已经从「一次出图多好看」移到「单位时间能试错多少次」。4K 从分钟级压到十秒级，改变的是创作节奏：构图、配色、光线可以连续试，而不是每改一次等一杯咖啡。权重开源则把门槛继续往下压——三个月前 H3 视频模型开源后，英伟达研究团队、Pika、fal 都基于它做了衍生模型，这条路径现在复制到生图上。

一句现实的提醒：官方对比数据来自自家二次评测（P50 耗时），不同分辨率、不同参考图数量下排位差异较大。速度是它的强项，但「画质是否真摆脱 AI 感」要看真实工作流里的返工率。

11 月 10 日，蚂蚁集团旗下灵波科技开源触觉基础模型 LingBot-Touch。基于近5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉、压阻式三类主流传感原理，把不同信号转成同一套触觉表征，供不同灵巧手与动作模型共用。

26 项真机任务显示，接入触觉表征后，两款灵巧手的平均成功率从 47.56% / 56.29% 升至72.51% / 70.05%（+14 至 +26 个百分点），拧瓶盖这类精细任务最高达 90%。轻量版对原有系统负担小，可适配端侧。技术报告、模型与代码已在 Hugging Face、GitHub、魔搭开放。

机器人能不能干活，卡点常常不在脑子，在手指头。过去每家的触觉传感器各说各话，模型换一只手就得重训；统一表征相当于造了一层通用翻译，把「手感」从硬件绑定里拆出来。这是具身智能最不性感、但最难绕开的一层——比再堆多少参数都实在。

边界也要说清：5000 小时在真实触觉数据里已属可观，但相对视觉数据量级仍是零头；跨本体复用的泛化能力，还要等社区在更多机械手上验证。