Google DeepMind 发布 Gemini 4 Neon,速度约为 Carbon 两倍且价格更低
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
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。
Google 发布 Gemini 4 Hydrogen 模型,称这是搜索迄今最大的一次模型改进,可更好理解多部分问题、高度具体的请求和难辨的拼写错误。
推荐理由:读者可了解 Google 为何用更快的 Hydrogen 而非最强模型来支撑搜索,以及它在速度与基准上的取舍。
Google 发布 Gemini 4 Hydrogen,并已在自家产品中全面替换 Gemini 3.8 Flash,访问限制比此前 Argon、Carbon 更宽松。
推荐理由:读者可以了解 Gemini 4 Hydrogen 替换 3.8 Flash 后的速度、幻觉与代码生成变化,以及它与 Argon 的定位差异。
Latent Space 作者实测了 NaiveAI 的开源权重模型 Naive-N0.5-Flash,它基于小米 MiMo-V2.5 继续训练并适配 DeepSeek Sparse Attention,主打高吞吐。
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断该模型适合哪类任务。
Meta AI 发布 Muse Ember,定位为面向复杂推理执行和智能体日常重复工作(工具调用、编码子任务、路由、抽取、长文档解析)的最小最高效模型。短提示词下定价与 GPT-6 Luna、Claude Haiku 5.5 相同,为每百万输入 token 0.10 美元、输出 0.50 美元;超过 200k 输入 token 后涨至 0.30/1.50 美元。
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,两者共用同一模型底座,区别在于 Fable 对网络安全和生物学高风险任务设限并向所有用户开放,Mythos 解除部分限制、仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。
推荐理由:材料列出两款新模型在 Artificial Analysis 与 Anthropic 自测基准上的具体分数和成本,可据此判断其能力位置与使用代价。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型,称其在编码、推理和视觉方面有所提升,生成速度也快于 5.1 版本。
推荐理由:读者可了解 Anthropic 两款新模型在编码、推理与视觉上的能力宣称,以及 Mythos 5.2 仅向受审核机构开放的发布差异。
Anthropic 发布 Mythos 5.2 和 Fable 5.2,称其在编码、推理和视觉方面有所提升,Fable 输入价格从每百万 token 10 美元降至 8 美元,响应速度提升 30%。
推荐理由:读者可了解 Mythos 5.2 与 Fable 5.2 的能力、定价变化,以及 METR 报告后 Anthropic 对 RSI 与模型隐蔽行为的回应。
Vals AI 研究人员读取 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2655 次运行中的思考日志,发现 50 次运行出现 "fuck" 及其变体,共 316 次,其中 241 次来自两次失控运行。
Thinking Machines 发布第二代模型 Inkling 2 Small,采用 MoE 架构,总参数 594B、激活参数 17B,支持文本与图像输入并可调节思考深度。
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。
Drew Breunig 受 qwenputer 启发,把可运行的 NES 6502 CPU 模拟器烘焙进 Qwen3.5-4B 的权重,现在可以在 Qwen 里运行 Super Mario Bros 等 NES ROM,但速度非常慢。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
Elorian 本月发布首个视觉推理模型 Glimpse,并联合 Mercor 推出 DecoyCount 基准,测试模型是真正数清物体还是依赖视觉捷径。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon,该模型在 Artificial Analysis Intelligence Index v5.0 上得分 59,高于 Argon 的 50,位列第一。
推荐理由:材料汇总了第三方评测与价格数据,可对比 Gemini 4 Carbon 与 Argon、Claude Opus 5.5 在智能体编码和成本上的差距。
OpenAI 请外部专家担任“shepherd”,核查其 AI 在数学、计算机科学和物理三个领域产出的证明,并按各领域情况分别处理。计算机科学结果声称证伪了长期被广泛接受的 ETH,数学结果声称把 1991 年提出的局部平滑猜想推广到所有维度,物理结果声称证明了四维量子场论的存在性,但只覆盖 Yang-Mills 的存在性部分,不涉及质量间隙。
推荐理由:OpenAI 让外部专家分领域核查 AI 产出的证明,读者可借此了解三项结果各自的验证方式与争议。
OpenAI 发布 GPT-6.1 Terra,官方称其结合了细致的视觉推理与精确的电脑操作,写作也更清晰自然,定位介于 GPT-6.1 Sol 与 GPT-6 Luna 之间。
OpenAI 发布 GPT-6.1 Terra,API 输入每百万 token 1 美元、输出 5 美元,均为 GPT-5.6 Terra 的一半,缓存输入降至每百万 token 0.05 美元。
推荐理由:原文列出 GPT-6.1 Terra 与 GPT-5.6 Terra、Claude Sonnet 5.5 的 API 价格和多项基准对比,可据此判断中端模型的性价比变化。
Kimi K3.1 Pro 今日上线 Kimi API,尚未开放权重,月之暗面承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens,与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半,另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
推荐理由:作者用统一提示词实测三个推理档位,并给出与前沿闭源模型的价格和榜单对比。
Inception 发布扩散语言模型 Mercury 3,称其在 12 项基准中赢下 8 项,运行速度为 GPT-6 Luna 和 Claude Haiku 5.5 的 4 至 8 倍。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis 智能指数上得分 42,比前代 M3 高 13 分,单任务成本不到其一半。
推荐理由:通过多项基准与单任务成本对比,呈现 MiniMax 与 Deepseek 在低价推理模型上的互有胜负。
Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容,Elorian 称这一机制为视觉草稿空间。定价为每百万 token 输入 0.60 美元、输出 3 美元,Elorian 的评测称其在科学图表推理和短视频描述上超过 GPT-6 Astra。
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%,成本 4800 美元,成为继 OpenAI 之后第二家跨过 95% 的实验室,仅次于 GPT-6 Astra 的 99.9%。
推荐理由:梳理 Gemini 4 Argon 在 ARC-AGI-3 等基准上的成绩,并说明测试环境差异如何影响分数可比性。
IBM 发布 Granite Switch 4.1,提供 8B 和 30B 两个版本,把对话、通用与专用决策、语音转写整合进一个托管端点。
推荐理由:原文说明了多个适配器如何共享同一基座与 KV cache,读者可据此判断单端点多任务的部署成本。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口、更强的指令遵循和工具调用能力,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:Apertus 1.5 的发布说明完整披露了多模态早融合、训练阶段与评测口径,可据此判断开源多模态模型的工程取舍。
LiquidAI 发布 LFM2.5-24B-A2B,一个 24B 参数、每 token 仅 2B 激活参数的推理模型,面向端侧私有智能体。它基于 LFM2-24B-A2B 架构,上下文窗口从 32K 扩至 131K,词表从 65K 扩至 128K,预训练数据从约 17T 扩至约 33T token,并改为先输出思维链再作答的纯推理模型。
推荐理由:LiquidAI 公布新模型的架构、训练流程与 16 项基准对比,可据此判断端侧智能体的能力边界。
Google 几周前公布的 Gemini 4 Argon 开始大范围推送,目前仅面向付费用户,低档订阅方案也无法获得完整访问权限。模型能力未变,Google 仍引用上月底发布的基准数据说明其推理与智能体编码能力,并称其经过拒绝恶意指令的训练,配有自动失准监控。
推荐理由:梳理 Gemini 4 Argon 的分层开放节奏与谷歌内部落地案例,可观察付费门槛下的能力释放方式。
Google 发布长期预告的 Gemini 4 Argon 模型,称其具备前沿推理能力并减少冗余与套话,在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推荐理由:Google 在落后数月后发布 Gemini 4 Argon,读者可了解其基准表现、内部用例与极具攻击性的定价。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,通过 AI Studio 与 Gemini API 提供,Google AI Ultra 订阅者可在 Antigravity 中使用。
推荐理由:官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价,可据此判断前沿模型在长程任务中的落地程度。
Anthropic 发布 Claude Haiku 5.5,这是 Haiku 系列约一年来的首次更新,定价与 OpenAI 的 GPT-6 Luna 持平,同日还下调了 Sonnet 5.5 的价格和订阅方案。
推荐理由:汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据,可据此判断小模型在智能体工作流中的成本位置。
Anthropic 发布快速低价模型 Claude Haiku 5.5,10 万 token 以内定价为 $0.10/$0.50,与 OpenAI 上月发布的 GPT-6 Luna 完全一致,超过 10 万 token 后涨价 5 倍至 $0.50/$2.50。
Anthropic 发布 Claude Haiku 5.5,这是其最快、最便宜的小模型,平均价格比 Haiku 4.5 低约 75%,10 万 token 以内请求最高降价 90%,超过 10 万 token 的请求价格则是五倍。
推荐理由:Haiku 5.5 的定价与基准数据同时给出,读者可据此判断小模型在智能体与计算机操作任务上的性价比变化。
AI 公司 Reflection 发布首款免费开放模型 Beam,面向编码、逻辑推理和智能体任务,采用 MoE 架构,每 token 激活 5010 亿总参数中的 230 亿。
Reflection AI 发布首款前沿开源权重模型 Beam,称其在高级推理基准上追平 Z.ai 的 GLM-5.2,且推理算力消耗少 3-4 倍。Beam 为文本 MoE 模型,总参数 5010 亿、激活 230 亿,预训练 23.8 万亿 token,上下文窗口 100 万 token。公司称本月将公开权重与完整技术细节,并通过超大规模云厂商和 neocloud 分发。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作与网络防御,先在 Fairwind 计划的政府用户和可信网络安全人员中开放,后续再向开发者、企业和消费者放开。
推荐理由:汇总了 Gemini 4 Argon 的基准、定价与可用范围,并附上多位评测者对数据的质疑,便于对照判断其真实水平。
Google 发布新前沿模型 Gemini 4 Argon,在多项基准上缩小了与 OpenAI、Anthropic 的差距,但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放,之后才面向开发者、企业和消费者,API 定价为每百万输入 token 2 美元、输出 token 10 美元(推广价)。
TypeSafe 发布 Jev,一个用 RLCD 训练、只做决策与分类路由打分的非自回归模型,官方称比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上,输出 token 不计费。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次性并行生成 256 个 token,在专用 GPU 上文本生成最高提速 4 倍。
推荐理由:官方给出 4x 加速的实测数字与 18GB 显存门槛,读者可据此判断本地交互式推理的可行性。