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 发布 Gemini 4 Neon,Simon Willison 用鹈鹕测试对比了 low、medium、high 三档推理,认为其表现优于 Hydrogen、弱于 Carbon。
Google 发布 Gemini 4 Neon,称其具备前沿级智能,可端到端快速完成复杂软件工程、知识工作和科学工作流任务。该模型即日起通过 API 提供,输入 $3/百万 tokens、输出 $15/百万 tokens,高于 Carbon 和 Argon 的 $2/$10 入门价,也是 Hydrogen $1.50/$7.50 的两倍。
推荐理由:读者可以据此了解 Gemini 4 Neon 的定价、上下文窗口与多模态能力,以及它在 Gemini 4 系列中的位置。
Social Department 基于 Amazon Bedrock 打造 QuickSearch,用 Shareable Scenes、Quotable Quotes、Memeable Moments、Trend Align 四个单步查询替代纯语义搜索。
Google DeepMind 发布世界模型 Genie 4,此前仅以研究预览形式提供,现向 Google AI Ultra 订阅用户开放。Genie 4 支持通过文本实时重塑天气、角色或剧情,并能生成随场景变化的原生实时音效。
推荐理由:读者可了解 Genie 4 从研究预览走向订阅开放后的能力变化,以及 Genie 3 同步获得的链式世界等更新。
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。
Walt Disney Imagineering R&D 公布三款基于亚马逊 AWS 云端 AI 的 Audio-Animatronic 原型 Vilo Vele、Kado Bre’a 和 Jibu Bre’a,能通过隐藏摄像头和麦克风实时响应游客动作与对话。
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。
《模拟城市》《模拟人生》创作者 Will Wright 正在开发 AI 手游 MyMems,玩家可将口述的短故事等"记忆"生成地图元素,并加入 AI 驱动的虚拟形象来代表现实中的人。该作由 Gallium Studios 开发,采用 Artificial Agency 的 Behavior Engine 作为基础技术,计划 2027 年上线。
NVIDIA 宣布华硕、戴尔和微星的 RTX Spark 紧凑台式机即日开售,搭载 20 核 Grace CPU 与 Blackwell RTX GPU(6,144 个 CUDA 核心),最高 128GB 统一内存、1 petaflop AI 性能,可本地运行 1200 亿参数大模型并支持 24/7 常驻智能体。
推荐理由:原文列出 RTX Spark 紧凑台式机的硬件规格与本地模型、智能体运行能力,可据此判断本地 AI 工作站的配置取舍。
AI 初创公司 Osmo 称其气味基础模型已达到人类水平的嗅觉智能,即识别与区分气味的能力接近普通人,创造气味的能力接近初级调香师。公司自建超过 1000 万条人类标签和 8 亿个 scent tokens 的数据集,技术已用于香精行业,并曾帮助盖茨基金会筛出 8 种驱虫效果优于 DEET 的物质。气味科学家 Avery Gilbert 质疑其营销说法缺乏文档支撑,专利仍依赖人工感官评测。
Meta 首席 AI 官 Alexandr Wang 11 月在 Instagram 发布 AI 生成视频宣传其消费级 AI 智能体 Muse,视频中 Sam Altman 被塑造成 Muse 吉祥物 Jolly 的形象。
微软研究播客《The Shape of Things to Come》中,Doug Burger 与 Eric Horvitz、Eric Topol、Ava Amini 探讨 AI 在医疗健康领域的未来。讨论覆盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞与生物基础模型,并分析研究成果为何难以快速惠及患者,以及更好生物数据与真实世界验证的必要性。
Latent Space 播客邀请 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell,讨论团队为何在 FLUX 3 中把静态图像、运动视频和声音三种信号放在一起训练。
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 系列最低价模型 Gemini 4 Hydrogen,输入 $1.50/M、缓存输入 $0.075/M、输出 $7.50/M。
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 与三星及眼镜品牌 Gentle Monster、Warby Parker 合作推出的 Gemini 智能眼镜开启预售,起售价 395 美元。Warby Parker 设计 Alden、Reid、Wren 三款镜框,仅在美国销售;Gentle Monster 提供六种款式,起售价 449 美元,在美国和韩国销售。三星提供内置计算硬件,Google 负责软件,并强调隐私角度。
Google 推出 Gemini Decision 1,加入 Jev 和 OpenAI 所在的决策模型类别,支持 yes/no、选择和多维评分三类问题。该模型定价为每百万输入 token 10 美分、输出免费,高于 Jev 的每百万 4.2 美分,与 GPT-6 Luna 相同。
Adobe 在年度 Max 大会上公布多项 AI 实验项目,包括把任意平面图片转为可漫游、可重新取景的 3D 场景的 Project Sight Span,以及通过对话塑造角色性格并生成试镜视频的 Project Screen Test。
NVIDIA 在 COP31 前展示四家 Inception 初创公司用 AI 与机器人分拣混合废弃物。AIRECO 用 Jetson Orin NX 驱动机械臂,试产线识别准确率超 95%,计划明年把年处理量从 18,000 吨提升到 48,000 吨、运营成本降 85%。
Adobe 在 Max 大会上为 Creative Cloud 与 Firefly 推出一批生成式 AI 新功能。
Otter.ai 宣布扩展多语言能力,新增可在同一场会议中跟随说话人语言切换的多语言转写功能,并新增 27 种语言支持,全部上线后共支持 31 种语言。其中 13 种语言已可用,包括中文普通话、粤语、韩语、德语、意大利语等,其余 14 种即将推出。新语言基于 Otter 自研语音模型,使用公开数据集训练并由母语志愿者校对转写准确率。
Simon Willison 用 Claude Fable 5.2 的 3D 建模与动画能力,生成了一段 Three.js 动画:按 Yonkers 边界切出的巨型机甲从地下站起,行走于曼哈顿、布鲁克林、皇后区和布朗克斯,踩踏计数与机甲高度实时显示。模型还正确识别出提示词中 "átomos" 是 "stomps" 的键盘输入错误。
NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上线,可通过 SageMaker Studio 或 Python SDK 部署。
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。
迪士尼与 Adobe 宣布一项多年合作,Adobe 将用 Firefly Foundry 为迪士尼构建基于其角色、场景和视觉风格训练的定制模型,产出可商用、可直接投入制作的内容。
Disney 与 Adobe 宣布多年合作,将共同开发基于 Adobe Firefly Foundry、以艺术家为主导的定制生成式 AI 模型,模型基于 Disney 角色属性、环境和视觉风格等专有知识训练,用于产出可商用的制作级内容。
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。
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。
Amazon Marketplace 用 Vision-Language Model 将完整 A+ Content 页面渲染为单张快照做整体质量评估,再把 VLM 语义评分与 OCR 可读性信号输入基于专家标注训练的 CatBoost 分类器,并用 SHAP 解释评分、生成改进建议。
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%。
Google Research 提出 Agile Deliberation 框架,把主观图像分类器的构建拆成概念范围界定与概念迭代两个阶段,由 VLM 主动挑出边界模糊的图片,让用户给出反馈,再自动优化提示词。
AT&T 的 Connected Life 家庭安防系统现已集成 Gemini for Home,成为首个接入 Google Home Premium 的家庭安防产品。
ChatGPT 现已支持生成动态 GIF,该功能基于 OpenAI 新的 Images 2.6 模型,正在向网页、桌面和移动端的全部 ChatGPT 与 Codex 用户推送。