Google DeepMind 发布 Gemini 4 Neon 模型
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
推荐理由:官方给出 Gemini 4 Neon 在多项基准上的排名、定价与思考档位,读者可据此判断它在 Gemini 4 家族中的定位与成本取舍。
DAILY BRIEFING
新一期发布后提醒你,正文只放当天精选与原文入口。免费订阅,随时一键退订。
AI排行榜 AI 情报交流群 · 每天同步最新一期日报,也方便交流 AI 工具与行业动态。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
推荐理由:官方给出 Gemini 4 Neon 在多项基准上的排名、定价与思考档位,读者可据此判断它在 Gemini 4 家族中的定位与成本取舍。
微软在 Ignite 上一口气发布七款 MAI 自研模型,覆盖代码、安全、图像、语音、路由与检索,主打性价比。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 性能的 98%,成本为其 40%;对比 Claude Opus 5.5 则达到 96% 的性能、5% 的成本。
推荐理由:微软一次发布七款自研模型,并给出与 OpenAI、Anthropic 同档模型的性能与价格对照,可据此判断企业智能体的成本结构。
Google DeepMind 向符合条件的 Google AI Ultra 订阅用户推出新版 Project Genie,首次开放 Genie 4。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频;Genie 3 同时升级为单次生成最长 3 分钟、支持世界串联和 360 度全景图生成世界。
推荐理由:Genie 4 支持会话中途改提示词实时编辑世界并加入原生音频,可对照 Genie 3 的延长会话与全景图生成看能力边界。
OpenAI 发布 GPT-6.2 Astra 与 Sol,在专业输出、编码和电脑操作方面有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
推荐理由:原文给出 GPT-6.2 Astra 与 Sol 在专业输出、编码和电脑操作上的能力变化,以及更低成本这一关键信息。
阿里发布旗舰模型 Qwen4-Max,采用 2.4 万亿参数的 MoE 架构、每 token 激活 710 亿参数,支持原生图像处理与 100 万 token 上下文窗口。
推荐理由:原文给出 Qwen4-Max 的架构改动、基准对比与每任务成本,读者可据此判断其性价比位置。
美团开源 LongCat-2.5 权重,这是一个 1.6 万亿参数的 MoE 智能体模型,每个 token 约激活 480 亿参数,支持文本、图像、视频输入和最高 100 万 token 上下文。
推荐理由:读者可了解这款 1.6 万亿参数 MoE 智能体模型在编码基准上的位置,以及它完全基于华为昇腾芯片训练和部署的路径。
IBM 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型,基于 Granite 4.1 base 训练,可读写 LLMON 标记文本。
推荐理由:IBM 团队解释了 LLMON 如何用保留特殊 token 标记指令与数据边界,并给出提示注入攻击成功率下降的基准对比。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。
Google DeepMind 推出面向是/否、多选和量表评分等封闭式决策的 Gemini Decisions API,底层模型 Gemini Decision 1 可在单次调用中处理最多 1,000 个独立问题,覆盖文本、图像、音频、视频和 PDF,并在 150 至 250 毫秒内返回带置信度的概率。
推荐理由:读者可以了解 Gemini Decision 1 的单次批量打分能力、定价与已落地场景,并对照近期同类决策模型的出现节奏。
Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型和状态预测 DNA 变异对基因表达的影响。模型基于 68 种组织、超过 1.07 亿个单细胞图谱训练,在 TenK10K 数据集上识别出的因果变异比例从 16% 提升到 30%。该模型可通过 AlphaGenome API 用于非商业研究,商业研究处于私密预览阶段。
推荐理由:原文给出模型架构改动与单细胞层面的评测对比,读者可据此判断变异效应预测在细胞类型粒度上的进展。
Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长程任务能力上达到 SOTA,在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
最新进展11月11日 04:51Gemini 4 Carbon 向所有用户开放
推荐理由:原文列出 Carbon 在网络安全与长程编码基准上的具体分数和定价,可对照两周前发布的 Argon 看能力推进节奏。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在200项任务上成功率比此前基线高30%至100%,完成任务速度快20%至30%。
推荐理由:原文给出200项任务评测与奔驰产线96%成功率的实测数据,可据此判断VLA模型在真实工业场景的落地程度。
Anthropic 的 Fable 5.2 在 Scale Labs 的 RLI 基准上完成 41.3% 的真实自由职业任务,远高于一年前 Manus 的 2.5% 和今年 7 月 Fable 5 的约 16%。
推荐理由:读者可了解 RLI 基准如何用真实自由职业项目衡量 AI 智能体,以及 Fable 5.2 与竞品的差距。
Google DeepMind 发布 AlphaProof Code,用 AI 智能体对软件进行数学证明式验证,并在 Signal 加密协议上完成通常需数年的工作,耗时四周。
推荐理由:读者可了解 AI 智能体如何把形式化验证从理论设计推进到实际运行的加密代码。
AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用,其中 Fable 5.2 面向编码、数学和科研等技术工作,可处理多步骤任务并自行校验输出。
最新进展11月10日 05:31Anthropic发布Claude Fable 5.2与Mythos 5.2
推荐理由:文章说明了 Fable 5.2 在编码与科研任务上的能力定位,以及数据保留和迁移方式,便于评估接入成本。
Meta Superintelligence Lab 发布轻量模型 Muse Ember,主打复杂推理执行和智能体日常重复工作,如工具调用、编码子任务、路由、抽取和长文档解析。
推荐理由:Meta 公布 Ember 的每百万输入 token 定价与多模态输入能力,可对照同价位轻量模型判断智能体执行成本。
NVIDIA 在 CoRL 上发布基于 Cosmos 构建的开放世界动作模型 GR00T 2,以及开源机器人学习框架 Isaac Lab 3.0 等仿真工具、基准和智能体工作流。
推荐理由:原文列出 GR00T 2 的少样本成功率与 Isaac Lab 3.0 的训练吞吐提升,可据此判断仿真训练对精细操作任务的推进程度。
Thinking Machines 发布 Inkling 2 Small,这是一个 594B 总参数、17B 激活参数的多模态 MoE 模型,已在 Tinker 上线,Apache 2.0 权重承诺下周外部安全测试完成后开放。
推荐理由:读者可了解 Inkling 2 Small 的 68 小时预训练、NVFP4 全流程与多项独立评测表现,以及权重尚未开放这一前提。
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。
推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。
Google DeepMind 发布 Gemini Omni 1.2 Flash,原生支持最长 15 秒视频生成,并可通过多轮对话编辑片段。该模型相比 Omni 1.1 降价 30%,720p 视频定价为每秒 $0.07,同时提升了对人物、产品和风格参考图的一致性。
推荐理由:原文列出时长、价格与参考一致性的具体变化,读者可据此判断视频生成成本与工作流会如何调整。