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,这是约七周内第四款 Gemini 4 模型,定价为每百万 tokens 输入 3 美元、缓存输入 0.15 美元、输出 15 美元,上下文窗口 1M tokens,提供四档 effort 级别。
推荐理由:汇总 Gemini 4 Neon 的定价、上下文窗口与多项第三方评测结果,可对照同系列前代模型看能力与成本取舍。
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。
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。
OpenAI 发布 GPT-6.2 Astra 和 Sol 两款模型,已上线 ChatGPT Work、Codex 及 API(gpt-6.2-astra、gpt-6.2-sol)。
推荐理由:材料汇总了 GPT-6.2 Astra 与 Sol 的定价、基准成绩和早期测试者的分歧反馈,可对照两款模型的定位差异。
OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,API 中分别以 gpt-6.2-astra 和 gpt-6.2-sol 提供。Astra 定价为每百万 token 输入 8 美元、输出 40 美元,是 6 Astra 的 80%,缓存价格从每百万 1 美元降至 0.40 美元;Sol 维持 2/10 美元。
推荐理由:作者实测两款新模型并对比价格与旧版表现,可据此判断成本变化和实际能力边界。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款语言模型,已在 ChatGPT Work 和 Codex 中向 Plus、Pro、Enterprise、Edu 用户开放,并通过 API 提供。
推荐理由:原文汇总了多家第三方评测与定价数据,读者可据此比较 Astra 与 Sol 在成本与能力上的取舍。
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。
NVIDIA 在 SC26 大会上发布 Nemotron for Science,将 Nemotron 3.5 Super VL 开放模型与新的开放化学数据集及后训练配方结合,可在 DGX Spark、工作站或自有超算上本地运行。
Cloudflare AI 平台产品负责人 Michelle Chen 在 AI Engineer Code Summit 上介绍,公司已推出 Clef 和 Clairic 两款 System One 模型,并自称 neolab。
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。
Anthropic 发布新语言模型 Claude Fable 5.2,它不依赖外部图像模型,而是用 1000 到 2000 行 Python 代码驱动模拟绘画引擎,逐笔在虚拟画布上作画。
推荐理由:材料展示了 Claude Fable 5.2 用代码逐笔模拟绘画的过程,读者可据此理解语言模型在物理约束下分步规划与自我纠错的能力。
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。
Google 发布 Gemini 4 Hydrogen 模型,称其能更好地理解包含多个部分、拼写错误或高度具体请求的复杂问题,并拆解问题逐项作答。该模型即日起在搜索、Gemini 应用、Google AI Studio 各层级、Gemini API、Gemini for business 以及 Google Antigravity 中上线,并成为 AI Mode 的默认模型。
推荐理由:读者可以了解 Gemini 4 Hydrogen 在搜索与 Gemini 应用中的默认接入范围,以及它在多部分问题和多模态回答上的具体变化。
Google 发布通用模型 Gemini 4 Hydrogen,在 Artificial Analysis Intelligence Index 默认 high 档得 51 分,超过 Gemini 4 Argon 的 50 分,xhigh 档可达 54 分。
推荐理由:文章汇总了 Gemini 4 Hydrogen 与 Argon、Claude、GPT 的多项基准和每任务成本,便于比较同价位模型的取舍。
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 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。
ElevenLabs 发布两款语音转文字模型 Scribe v3 和 Scribe v3 Live,前者面向录音文件,后者面向低延迟实时应用,均已通过 ElevenAPI 和 ElevenAgents 平台开放。
Google 发布 Gemini Decision 1 及配套 Decisions API,支持闭集决策、最多 255 个选项、1000 个问题/请求和 256K 上下文,端到端延迟 150–250ms,输入定价 $0.10/1M tokens 且输出不计费。
推荐理由:汇总当日模型与系统进展,读者可快速掌握决策模型、Agent 评测与推理部署的关键变化。
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 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。
Tether AI Research 发布 BotPsy,一个基于 Qwen3.5-0.8B 的 0.8B 参数模型,面向函数调用与智能体工作流,适合端侧部署。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已在 Amazon Bedrock 上线,基于 Kimi K3 后训练而来,保持 3T 级开放权重架构和 100 万 token 上下文窗口,官方称输出速度是 Kimi K3.1 Pro 的 2–3 倍。
Simon Willison 发布 llm-gemini 0.36,对应 Google 的 Gemini 4 Carbon 从面向部分网络安全人员开放转为向所有用户开放。
推荐理由:作者实测 Gemini 4 Carbon 的编码与 3D 生成能力,并给出定价与涨价时间点,便于判断使用成本。
Google 正式发布 Gemini 4 Carbon,称其与 Gemini 4 Argon 互补,面向复杂多步编码、调试和开放式科研等任务。Carbon 在 CursorBench 4.0 上以接近 60% 的得分居首,领先 Fable 5.2 和 Gemini 4 Argon,单任务平均成本约 8 至 10 美元。
推荐理由:文章把 Gemini 4 Carbon 与 Fable 5.2 的基准和单任务成本放在一起比较,便于判断这轮模型竞赛的性价比变化。
Google 在向少数网络安全防御者开放两周后,将 Gemini 4 Carbon 推向公众,称其为迄今最强模型,主打复杂多步编码和开放式科研等任务。Google 同时在智能体开发平台 Antigravity 上预览 swarm 功能,可把单条提示词变成一组协同工作的智能体。
推荐理由:读者可了解 Gemini 4 Carbon 的定位、定价与 Antigravity 的智能体集群功能,并对照 Anthropic 与 OpenAI 的同期模型。
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。
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。
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 和 Claude Mythos 5.2,官方称两者在几乎所有评测能力上都高于 Opus 5.5,并在多数独立榜单登顶。
推荐理由:材料汇总了 Fable 5.2 的独立评测、每任务成本变化和 effort 档位异常,可据此判断是否值得切换。
NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上线,可通过 SageMaker Studio 或 Python SDK 部署。
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。
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 发布其最小、最高效的模型 Muse Ember,面向智能体日常重复任务,包括调用工具、小型编码、请求路由、数据抽取和长文档处理。该模型在 Artificial Analysis 测试中每任务成本约 $0.14、智能指数得分 36,Meta 称每个推理层级都比 Claude Haiku 5.5 或 GPT-6 Luna 更具性价比。
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。
NVIDIA 发布 Vera CPU,称在 100 兆瓦数据中心对比中,单颗 Vera 同时优于最快的 x86 CPU 和最节能的 x86 CPU,每瓦可支持 1.6 倍于最快 x86 CPU 的智能体数量,智能体速度则是最节能 x86 CPU 的 2 倍。
OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber,可发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无特殊安全指令时 99.93% 的测试未越界,前代为 94.49%;在 ExploitGym 上得分 48.5%,前代 GPT-5.6 Cyber 为 32.1%。
推荐理由:原文给出 GPT-6 Cyber 在 ExploitGym 与真实漏洞挖掘中的具体数字,读者可据此判断安全专用模型的能力边界与成本。
OpenAI 发布 GPT‑6 Cyber,这是一款用于发现可利用漏洞并开发修复方案的网络安全模型。该模型经过训练,被要求只在授权范围内行动。
推荐理由:OpenAI 发布面向网络安全的专用模型,读者可了解其漏洞发现与修复能力及授权范围约束。
腾讯发布 Hy4 模型,首次具备图像理解能力,并能自主操作 Blender、CAD 等软件。腾讯称其在约 600 个真实金融任务上领先 DeepSeek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash,联网搜索场景的幻觉率从近 16% 降至约 5%。
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编码智能体对话的设备,作为副项目在不到一周内完成。Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节,代工厂在不到一个月内产出小批量原型,但因 Astra 未总能考虑制造约束、公差和装配细节,经历了几轮修改。
推荐理由:读者可了解 OpenAI 用 GPT-6 Astra 端到端设计硬件的具体环节,以及模型在制造约束上的实际短板。