跳到正文

#Agent

今日 0 条
11月19日周四
  1. Latent Space78

    Google DeepMind 发布 Gemini 4 Neon,七周内第四款 Gemini 4 模型

    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。

  2. Google DeepMind88

    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。

  3. The Decoder80

    微软在 Ignite 发布七款自研 MAI 模型,以更低价格替代外部模型

    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。

11月18日周三
  1. Simon Willison88

    OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol

    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。

  2. OpenAI News82

    OpenAI 发布 GPT-6.2 Astra 与 Sol

    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。

11月17日周二
11月15日周日
  1. The Decoder88

    美团发布 1.6 万亿参数智能体模型 LongCat-2.5,全程未用 Nvidia GPU

    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。

11月13日周五
  1. The Verge · AI82

    Google 发布 Gemini 4 Hydrogen,成为 AI Mode 默认模型

    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。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    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。

11月12日周四
  1. Latent Space78

    AINews 汇总:Google 发布 Gemini Decision 1 决策模型

    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。

  2. The Decoder80

    Google DeepMind 推出 Gemini Decisions API 与 Gemini Decision 1 模型

    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。

11月11日周三
  1. The Decoder83

    Google 发布 Gemini 4 Carbon,主打复杂推理与网络安全能力

    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。

  2. The Verge · AI88

    Google 向公众发布 Gemini 4 Carbon,并预览智能体集群功能

    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。

  3. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    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。

11月10日周二
  1. Simon Willison75

    Meta 发布最小最高效模型 Muse Ember

    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。

  2. AWS Machine Learning Blog78

    Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock

    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。

  3. TechCrunch · AI78

    Meta 发布轻量模型 Muse Ember,面向智能体执行

    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。

11月9日周一
11月6日周五
  1. The Decoder88

    OpenAI 发布 GPT-6 Cyber 安全模型,可挖漏洞并给出修复方案

    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。

11月4日周三
  1. The Decoder78

    OpenAI 称 GPT-6 Astra 不到一周从零设计出一款硬件设备

    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。