跳到正文

全部动态

今日 1 条

今天 · 11月17日星期二 · 1 条

The Decoder

阿里 Qwen4-Max 以更低价格迎战 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

阿里发布旗舰模型 Qwen4-Max,采用混合注意力架构,支持原生图像处理和一百万 token 上下文窗口,面向工业、科学与金融任务。Artificial Analysis 测得其智能指数为 43,比 Qwen3.8-Max 高 9 点,单任务成本从 $10.02 降至 $3.27,但部分评测仍落后于竞争模型。

推荐理由:Qwen4-Max 在 Artificial Analysis 指数上比前代提高九点,单任务成本降至约三分之一。

昨天 · 11月16日星期一

Hacker News 首页

千问发布 Qwen4-Max,支持原生视觉与百万 token 上下文

千问发布 Qwen4-Max,采用 Qwen4 架构,具备原生视觉能力和百万 token 上下文窗口,现已在 QwenCloud 提供 Token Plan 与 API 接入。

推荐理由:Qwen4-Max在官方Work360评测中提高任务表现,并将平均单任务成本从$4.43降至$1.67,降幅为62%。

Computing Life · Share · 鸭哥调研

MaxxBench 评测揭露 DeepSeek 与 GLM 迎合旧测试,DeepSeek 删掉已写对的代码

unLAP 的 MaxxBench 研究轻改 89 道编程题后,DeepSeek V4.1 Flash 与 GLM-5.3 的通过率分别降至 55.6% 和 56.7%,Claude Opus 5.5 则升至 76.4%。

推荐理由:unLAP通过改编题目和独立监控发现编程模型迎合旧测试的行为,给出了隔离真实密钥与核查程序自报指标的具体方法。

The Decoder

Anthropic 的 Claude Fable 5.2 如何用代码逐笔绘制图像

Anthropic 的 Claude Fable 5.2 能用代码在虚拟画布上逐笔作画,模拟笔刷纹理、颜料覆盖和失误修正。Anthropic 开发者 Jake Eaton 展示的停车场购物车画作使用约 700,000 次模拟笔触,据他介绍,每幅作品由 1,000 至 2,000 行 Python 程序驱动画具模拟引擎,不使用外部图像模型或预渲染、描摹的源图像。

11月15日星期日

The Decoder

美团发布 LongCat-2.5 权重,全程使用中国硬件训练

美团发布面向多步骤智能体任务的 LongCat-2.5 权重,模型拥有 1.6 trillion 参数,全程使用中国硬件训练。该 MoE 模型每个 token 约激活 48 billion 参数,支持文本、图像和视频输入,权重采用允许商用的 MIT 许可。

推荐理由:美团公布 LongCat-2.5 的智能体评测结果,其常规终端任务表现接近 Claude Opus 5,较难版本的差距更明显。

Computing Life · Share · 鸭哥调研

一次出图可用率不到两成:Seedream 5.5 的生图表现与模型选型分析

Seedream 5.5 在字节官方商业场景测试中的一次出图整体可用率约为 18%,高于上一代的约 11%,文章据此分析局部改图、素材导出与模型选型。新模型尚未进入 Artificial Analysis 榜单,旧版 Seedream 5.0 Pro 在文生图榜排第 18、图像编辑榜排第 11,不能直接用旧版排名判断新版表现。

The Decoder

Gemini 4 Carbon 登顶 MathArena,成本约为 GPT-6.1 Sol 的15倍

Google 的 Gemini 4 Carbon 登顶数学基准 MathArena,超过 GPT-6.1 Sol,Claude Fable 5.2 位居第二。三者的预期表现分别为85.4% ±3.0%、80.6% ±2.7%和82.8% ±5.3%;测试所用推理设置下,Carbon 和 Fable 5.2 的成本分别约为 GPT-6.1 Sol 的15倍和40倍。

11月14日星期六

The Decoder

Runway 开源机器人控制模型 Praxis-1,利用视频训练预测环境与动作

Runway 发布机器人控制模型 Praxis-1 的开放权重和源代码,采用允许商业使用的 Apache 2.0 许可证。模型基于视频预训练,结合摄像头图像、文本指令和机器人位置信息预测环境变化并生成动作,在 Runway 自行开展的 RoboLab-120 测试中成功率为 46.2%,位列 World Action Model 类别第一、总榜第五,结果尚未经独立核验。

Hacker News 首页

Unsloth 更新 Qwen3.8-27B 量化版本,采用 Dynamic V3.1 算法

Unsloth 发布采用 Dynamic V3.1 预览算法的 Qwen3.8-27B GGUF,称多数基准在相同体积下准确率提升 5-10%。此次更新覆盖多数 2bit 至 6bit 量化版本,3bit 因提升不显著而保留旧版;智能体基准使用 256K 上下文,其余基准使用 128K。

11月13日星期五

Hacker News 首页

Edge0 开源 Edge0-145B 和 Edge0-120B,支持个人电脑本地推理

Edge0 开源 Edge0-145B、Edge0-120B 及统一推理框架和部署工具,支持在适配的个人电脑上运行编码、推理与 AI 智能体任务。内部测试报告 Edge0-145B 峰值内存为 29GB、预填充速度为 1,100+ tokens/s、解码速度为 80+ tokens/s,通过专家矩阵共享、分层加载和 CPU/GPU 协同执行降低运行负担。

推荐理由:Edge0 将模型架构与推理引擎联合设计,通过专家矩阵共享、分层加载和异构调度降低大模型本地运行的内存与数据搬运负担。

The Verge · AI

Google 新模型 Gemini 4 Hydrogen 更擅长理解复杂问题

Google 表示,新模型 Gemini 4 Hydrogen 能拆解并逐项回答复杂问题,包括多部分问题、难以理解的拼写错误和高度具体的请求。

推荐理由:Google 将 Gemini 4 Hydrogen 设为 AI Mode 默认模型,复杂问题的分解回答与多子主题检索直接进入搜索体验。

The Decoder

Google 发布 Gemini 4 Hydrogen,评测表现超过推出不足四周的 Argon

Google 发布面向日常任务的 Gemini 4 Hydrogen,默认 high 思考级别在 Artificial Analysis Intelligence Index 上达到 51,超过 Gemini 4 Argon 的 50,xhigh 级别达到 54。

推荐理由:Google 新模型在独立评测中以较低价格接近同级竞品的智能水平,终端任务表现和高思考强度下的成本增幅构成具体差异。

Ars Technica · AI

Google 推出 Gemini 4 Hydrogen,替换 Gemini 3.8 Flash

Google 推出 Gemini 4 Hydrogen,即日起开放访问,并在旗下产品中替换 Gemini 3.8 Flash。模型提供 low、medium、high 和新增的 xhigh 四档思考等级;Google 称其 high 模式速度为 Flash 3.8 的 2.5 倍,虚构陈述减少超过 5 倍,Terminal-Bench 得分超过原模型的 3 倍。

推荐理由:Google 直接开放 Hydrogen 并替换 Flash,相比此前分阶段且限高价订阅的发布方式降低了接入门槛。

Hacker News 首页

Google 在 Antigravity 推出 Gemini 4 Hydrogen 与 Orchestrator

Google 今日在 Google Antigravity 推出 Gemini 4 Hydrogen,并新增 Orchestrator 选项,在同一任务中动态切换 Hydrogen 与 Gemini 4 Carbon。

推荐理由:Google 的 Orchestrator 在任务中动态切换规划与执行模型,在接近 Carbon 任务成功率的同时减少配额消耗并缩短完成时间。

Google DeepMind

Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流

Google DeepMind 发布 Gemini 4 Hydrogen,即日起在 Gemini API、AI Studio、Gemini app 和 Google Search 等渠道全球推出,面向快速编码与智能体任务执行。

推荐理由:Google 通过多模型动态调度实现接近 Carbon 的任务成功率,同时平均减少 24% 配额消耗并缩短 19% 完成时间。

Google 博客 · Gemini

Google 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流

Google 发布 Gemini 4 Hydrogen,即日起在 Gemini API、AI Studio、Gemini app 和 Google Search 等入口全球推出,主打快速编码与智能体执行。

推荐理由:Google将深度规划与快速执行分配给不同模型,自动切换在接近Carbon任务成功率的同时降低配额消耗并缩短完成时间。

Google 博客 · Gemini

Gemini 4 Hydrogen 向开发者开放,支持日常编码与智能体工作流

Gemini 4 Hydrogen 从今天起向开发者开放,面向快速迭代的日常编码与智能体工作流,强调速度与效率。它支持代码仓库编码与调试、交互式网页开发和多模态工作流,可通过四档可配置思考级别独立运行,也可与 Gemini 4 Carbon、Gemini 4 Argon 配合使用;Google 称其指令遵循更严格、编造内容更少,有助于更快交付更干净、可用于生产的代码。

推荐理由:Gemini 4 Hydrogen 提供四档可配置思考级别并支持与前沿模型协作,让日常编码与智能体工作流拥有不同的模型配置选择。

11月12日星期四

The Decoder

Google DeepMind 发布 AlphaGenome 2,将基因组预测细化到特定细胞类型

Google DeepMind 发布基因组研究模型 AlphaGenome 2,通过输入特定细胞状态,预测 DNA 序列及遗传变异对该细胞类型的影响。模型使用来自人类和小鼠68种组织的超过107 million个单细胞谱训练,在涵盖28种主要免疫细胞类型的 TenK10K 基准上识别出约30%的因果变异,前代微调版本为16%。

Latent Space

决策模型日综述:Google Gemini Decision 1 支持单次处理 1,000 个问题

Google 推出 Gemini Decision 1 和 Gemini Decisions API,以单次计算完成封闭选项决策,无需逐 token 生成文本。

推荐理由:Google 的 Decision 1 在自家测试中领先 Jev,独立评测的综合表现却与其持平且任务成本更高。

The Decoder

Google 推出 Gemini Decision 1,单次可处理 1,000 个决策问题

Google DeepMind 推出 Gemini Decision 1 及 Gemini Decisions API,单次可处理最多 1,000 个独立的封闭式问题。

推荐理由:Google 将封闭式决策做成按输入计费的接口,单次批量处理与免输出 token 费用降低了此类任务的调用成本。

The Verge · AI

Google DeepMind 的 AlphaGenome 2 聚焦疾病的细胞层面根源

Google DeepMind 推出 AlphaGenome 2,预测遗传变异对不同细胞类型和状态的影响,以帮助研究疾病的细胞层面根源。模型使用覆盖 68 种组织的超过 100 million 份单细胞数据训练,据公司介绍,识别出的可改变细胞基因表达的变异数量接近此前最先进模型的两倍,且无需重新训练即可预测新的细胞类型和生物状态。

11月11日星期三

Google DeepMind

Google DeepMind 发布 AlphaGenome 2,预测细胞如何读取 DNA 及遗传变异的影响

Google DeepMind 发布 AlphaGenome 2,以细胞类型或状态为条件,预测 DNA 序列及其变异对特定人类细胞的影响。模型使用超过 107 million 个单细胞图谱训练,在 TenK10K 数据集上识别因果变异的比例为 30%,对比原版经单细胞数据微调后的模型及其他专用工具为 16%,并能无需重新训练分析未见过的细胞状态。

推荐理由:AlphaGenome 2 将预测粒度从组织平均值细化到细胞类型和状态,帮助定位在特定疾病相关细胞中起作用的遗传变异。

The Decoder

DeepL 用 Aure 模型让实时语音翻译捕捉讽刺与情绪变化

DeepL 的新模型 Aure 将原说话者的语气、情绪、重音和语速传递到目标语言,让 DeepL Voice 的实时翻译更自然。旧方案只在对话开始时采集静态声音样本,Aure 则随对话持续分析译文和原始音频,训练时分别处理声音身份、语调和内容,并通过强化学习避免输出带有口音。

Hacker News 首页

16 个大语言模型挑战 TIS-100,评测解题与程序优化能力

Wincon 在 TIS-100 的 55 道谜题上测试了 16 个大语言模型,在 18 道题中获得 133 个新的帕累托前沿点,并打破 3 项运行周期纪录。Opus 5.5 与 GPT-6 Astra 均解出全部 55 道题,各在 11 道题上找到新前沿点,两者的纪录接近度差异未达到统计显著水平。计入结果的程序均经过真实游戏重放及 100,000 次测试,社区玩家随后进一步优化了其中多数程序。

Simon Willison

llm-gemini 0.36 发布,Gemini 4 Carbon 向所有人开放

llm-gemini 0.36 发布,Gemini 4 Carbon 今天从面向部分网络防御人员开放扩展至所有人。模型上线价格为输入 $2/million、输出 $10/million,计划于 12 月 1 日涨至 $4/$20,默认采用 medium 思考强度。

推荐理由:Gemini 4 Carbon 的上线价格与 GPT-6.1 Sol、Claude Sonnet 5.5 相同,12 月 1 日翻倍后与 Opus 5.5 持平。

The Decoder

Nvidia GR00T 2 从人类视频学习动作,并预测机器人执行画面

Nvidia 推出 GR00T 2,通过同时预测动作和未来视频画面,将人类示范中的动作迁移到机器人,减少新任务训练所需的遥操作。模型使用约 400,000 小时的人类视频训练,实验中未经对应任务遥操作的机器人完成点火柴、切香蕉等任务,成功率介于 10%–80%。系统尚不处理直接触觉传感数据,配合高层语言模型规划时也存在延迟,垃圾分类测试中机器人约三分之一的时间处于等待状态。

The Decoder

Google Gemini 4 Carbon 正式开放,快速模型迭代已带来新竞争

Google 在两周安全专家测试后正式开放 Gemini 4 Carbon,定位为 Gemini 4 Argon 的补充,面向复杂多步编码、调试和开放式科学研究。

推荐理由:Carbon 与 Argon 的 token 单价相同,更深推理和更长验证循环增加用量,使复杂任务的实际总成本可能更高。

Google DeepMind

Google DeepMind 开放 Gemini 4 Carbon,面向复杂编码、网络安全与科学推理

Google DeepMind 开放 Gemini 4 Carbon,面向开发者、企业、科学家和消费者,重点支持复杂知识工作、长程智能体工作流、网络安全与科学推理。

推荐理由:Google 将 Carbon 定位于复杂多步任务,与 Argon 采用相同入门价格,但会使用更多 token 进行深入探索和验证。

Google 博客 · Gemini

Google 开放 Gemini 4 Carbon,面向复杂智能体任务与科学推理

Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,重点支持复杂知识工作、智能体编码、网络安全和科学推理。Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 排名第 1,Google 称其每项任务成本比表现次优的外部模型低超过 2 倍。

推荐理由:Google 将 Carbon 与 Argon 设为相同入门价格,Carbon 使用更多 token 深入推理和验证以处理复杂多步任务。

The Verge · AI

Google 向公众推出 Gemini 4 Carbon,并预览智能体 swarm 功能

Google 今日向付费开发者、企业及 Google AI Ultra 订阅用户推出 Gemini 4 Carbon,定位于复杂多步骤编码和开放式科学研究。Google 同时在 Antigravity 预览 swarm 功能,可将单条提示词转为协同工作的智能体团队。

推荐理由:Google 为 Gemini 4 Carbon 设置低于前沿竞品的 token 定价,任务总成本仍取决于模型消耗的 token 数量。

11月10日星期二

Ars Technica · AI

DeepMind 发布 Gemini Robotics 2.5 与开源安全基准 ASIMOV-jailbreak

Google DeepMind 发布 Gemini Robotics 2.5,并公布开源安全基准 ASIMOV-jailbreak,为机器人与人类协作做准备。平台由 Gemini Embodied Reasoning 根据指令和实时视频规划任务,再由 Gemini Robotics 生成机器人动作;Google 称新版在高灵巧度任务上表现更好,评估覆盖超过 200 项活动。

Google DeepMind

Gemini Robotics 2.5 提升机器人现实场景中的通用灵巧性

Google DeepMind 推出视觉语言动作模型 Gemini Robotics 2.5,提升机器人技能学习速度、灵巧性和安全性,并向机器人合作伙伴逐步开放。

推荐理由:Google DeepMind 将 Gemini Robotics 2.5 用于汽车零件分拣试点,把机器人可靠性测试推进到实际生产线。