跳转至
Gavin 每日简报 东京版

AI 工具日报 · 2026-10-23

AI 工具日报2026年10月23日 星期五 · 约 4 分钟

覆盖：过去约 24 小时（约 10-22 08:00 至 10-23 08:15 JST），另收一条 10-19 发布、以前没报过的项目（Gemini API CLI）。 去重：已按 reported.md，以及 /workspace/news-top5/2026-10-23.md 和 /workspace/x-news/2026-10-23.md 两个文件去重（两个文件都存在）。今天没有 newsletter 名单。 收录标准：每条都实际打开过官方页面，已核对发布日期和状态。只有 Product Hunt 一句话、X 自动摘要或 GitHub Trending 描述的条目，本期一律不收。数字均为厂商自报，未经独立验证。

开发工具

  • Gemini API CLI（gemini-api，Google，10-19 发布实验性预览版 v0.4.x）
  • 简介：一个零依赖的单文件命令行工具，可以在终端里或通过编程 Agent 直接调用 Gemini API，支持文本推理、生图、生视频、TTS、Lyria 音乐、PDF 和音频分析，以及 Deep Research 这类后台托管 Agent，支持 macOS、Linux 和 Windows。
  • 为什么值得关注：它专门为 Agent 设计。生成的媒体文件直接写到磁盘，标准输出只返回文件路径，不会把 base64 内容塞进上下文；每条命令都可以离线用 --help、--schema、--dry-run 查看用法和校验参数，支持 JSON 输出和 --jq 过滤。官方说明 Claude Code、Codex、Cursor 等任何能用 shell 的 Agent 都可以直接用。注意它仍是实验性预览版，命令可能还会变。
  • 来源：Google AI Studio 官方博客
  • breken（10-21 前后发布）
  • 简介：一个“上线前的生产环境”测试产品。它在自己的机器上重建你的整个系统，外部服务都在隔离环境里应答，用 4,000 倍速的时钟积累出真实的生产数据状态，再每次只改变一个条件（重试、响应丢失、时钟跳变、任务进行中途部署）来寻找故障。只有每次都能复现的问题才会报告，并附带状态、调用链和修复 PR 草稿。
  • 为什么值得关注：厂商自建的 ESCAPES 基准收录了 33 个开源产品的 327 个真实用户报告的 bug，对其中 235 个已存在于代码中的 bug，breken 找到 76 个（32%），误报 20 个；Claude Code 加 Claude Fable 5.1 只看代码找到 37 个（16%），误报 59 个。它的结论是 71% 的线上 bug 只有在产品真正运行时才会出现，光靠读代码发现不了。注意基准由 breken 自己构建并运行，没有独立验证，不过数据集和评审提示词都已公开。
  • 来源：breken ESCAPES 基准页 ・ 产品介绍

模型

  • Carbon-X（Hugging Face 与中关村学院等合作，10-22 发布，Apache 2.0）
  • 简介：一个 14.8B 的开源 DNA 加语言模型，由 Qwen3-14B 继续训练而来。在普通对话里直接贴 DNA 序列，它就用英文回答，可以判断突变是良性还是致病、识别调控区域、预测后续碱基。
  • 为什么值得关注：官方称在 5 个 DNA 基准上平均得分 66.7%，开源模型中最高，接近 GPT-6.1 Sol 的 67.5%，单题推理成本约为后者的 1/1,800。bfloat16 权重放得进一张 80GB GPU，敏感数据可以留在本地。它还附带了可以直接装进 Claude Code 和 Codex 的 skill，是“领域小模型作为 Agent 工具”的一个现成范例。官方明确说明它没有经过临床验证，不能用于医疗决策。
  • 来源：Hugging Face 模型卡
  • Mirendil-Base（Mirendil，10-21 公布，尚未发布）
  • 简介：一个专攻编程的预训练基座模型（参数规模在 1000 亿到 5000 亿之间），官方称由 1 名研究员加 AI Agent 在 3.5 个月内、用不到 1,000 万美元的算力从零训练出来，Agent 写了 99% 以上的代码，训练只用公开数据，没有用蒸馏。
  • 为什么值得关注：这是“AI 帮人造 AI”的一个强信号。在训练之后才公开的 7 个外部仓库上测代码预测损失，平均 0.222 bits/byte，优于 GLM-5.3（0.242）和 DeepSeek-V4-Pro-Base（0.243），不如 Kimi-K3（0.193）。状态：目前没有权重、没有 API，后训练刚开始，更大的 Large 和 XL 版本还在训练中，只能先跟进观察。
  • 来源：Mirendil 官方博客

本期去重与未收录说明

  • 已在 news-top5 或 x-news 报过的：OpenAI Decisions API、Agent Skills 和 Open Responses 捐给 AAIF、Cloudflare MCP 服务器停用 /sse 端点、Claude 应用默认开启自动模式、Canva Craft、Ideogram 矢量模型、1Password Agent 平台、Anthropic 用 Claude 做形式化验证、Claude 模型在 Google Cloud 上正式可用、Google Agent Compute Engine、Daytona 和 Blacksmith 融资、OpenShell、Polsia、Distributed Cognition 等。
  • 以前报过的：mammoth-1 / elephant-1、Claude Duet、OpenAI 模型登陆 Google Cloud。
  • 没收的：Ling-3.1-flash-1019 和 Ling-3.0-flash-Sante（只看到 X 摘要，没打开官方页面；Ling-3.1-flash 本身在 10-15 报过）；Kibitz 和 Kalmia（Arena 上的匿名模型，身份未确认，也还没发布）；GitHub Trending 和 Product Hunt 当日的新项目（没核实到一手页面）。

最值得 Gavin 关注的 1–3 个

  1. Gemini API CLI：可以立刻给公司的编程 Agent 和 bot 流程加上生图、TTS、转字幕的能力，不用写 SDK 脚本，transcribe --format srt 也能直接用来给每天的 YouTube 视频做字幕。在 AGENTS.md 里加一句“用 gemini-api 生成素材”就能用上。
  2. breken：Wi-Fi sensing 这类有状态、依赖时间和网络中断场景的系统，正是“代码审查看不出来、上线才出问题”的重灾区。可以拿一个出过线上事故的服务试跑一次，把它的发现和误报与已有的 issue 对照一下。
  3. Mirendil-Base【视频选题】：“1 个人加 Agent，3.5 个月、不到 1,000 万美元，从零预训练出有竞争力的编程模型”，很适合做一期“小团队如何用 AI 放大产出”的视频，和创业公司 CTO 的视角也贴合。讲的时候要说明它还没发布，数字是公司自己公布的。