Google 为验证 Signal 的核心加密代码,用四周生成了超 600 万行数学证明,还把两个修复过的漏洞放回隔离代码中测试。代码生成提速之后,验证“它究竟做对了什么”也有了新工具。
🚀 模型升级与机器人
• Gemini 4 Hydrogen:主打快速执行 —— 新模型面向日常编码与 Agent 工作流,提供四档思考强度,官方列出的分发渠道包括 API、AI Studio 和 Antigravity。模型卡也提醒,高思考档位可能增加耗时与 token 消耗,选型值得同时测完成率和账单。
• Gemini Robotics 2.5:机器人到奔驰厂分拣零件 —— 官方测试覆盖超过 200 种任务;在奔驰产线概念验证中,Apollo 2 执行汽车零件分拣装盘,成功率达 96%。这个数字对应具体试点任务,部署时还要核算失败恢复和人工接管成本。
🛠️ 代码验证与开发工具
• AlphaProof Code:证明检查深入实际代码 —— 人工审核 Signal 的安全规范后,Agent 生成超 600 万行 Lean 证明,由 Lean 逐项检查。团队再向隔离版本重新引入两个历史漏洞,系统均给出了经机器检查的不安全证明,把验证流程本身也纳入测试。
• IBM LLMON:给指令和数据划清边界 —— 用保留特殊 token 标记指令、数据与约束,再明确绑定“哪条指令处理哪份数据”,减少检索材料中的恶意指令干扰。配套 Granite 4.1 的 3B、8B 实验预览模型,接入需要模型训练与输入格式共同配合。
• Chrome Modern Web Guidance:给编码助手补 Web 知识 —— 这套 Skills 将现代 Web 实践和浏览器兼容数据送进 Agent 上下文,帮助减少沿用旧写法的问题。本次作为工具发现收录,首发日期未确认;前端团队可参考其指导材料与评估方式。
🚨 企业研发与交付
• Amplitude Wave:从发现问题一直跟到上线效果 —— Wave 联合分析用户回放、反馈和代码,生成带验收标准的实施计划,再交给编码 Agent 执行并跟踪结果。Amplitude 估计产品改进交付可从约一个月缩至 1—2 天,新功能和重大改动仍经过人工审核。
• Holiday Extras:两周重建出可运行应用 —— 新披露案例称,团队用 Codex 在两周内完成过去预计需六个多月的开发进度,工程师集中负责架构、API、安全和工作流。重建后首月,主应用从年度大版本转向每周发布,提速也改变了后续维护节奏。
📚 延伸阅读
• Google DeepMind:AlphaProof Code 的规范、证明与历史漏洞测试
https://deepmind.google/blog/introducing-alphaproof-code/
• IBM Granite:LLMON 的特殊 token、指令绑定与训练方法
https://huggingface.co/blog/ibm-granite/llmon-an-llm-native-markup-language-now-in-granite
• GoogleChrome:Modern Web Guidance 源码与指导材料评估入口
https://github.com/GoogleChrome/modern-web-guidance-src
