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。
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。
Google 发布 Gemini Decision 1(gemini-decision-1)及 Gemini Decisions API,用单次前向计算完成多模态闭集决策并返回概率与置信度。
推荐理由:Google 用 Gemini Decision 1 单次前向计算完成候选项评分,让模型路由与策略检查无需等待逐 token 生成。
Google DeepMind 推出 AlphaProof Code,在 4 周内完成了通常需要数年的 Signal 密码核心代码形式化验证。专家定义安全要求后,基于 Gemini Carbon 的 AI 智能体编写了超过 6000000 行 Lean 证明代码,并将约 1% 的代码库标记为需要人工审查。
Google 今天起向全球 iOS Gemini 用户推出 Apple CarPlay 支持,覆盖 Gemini Live 支持的所有语言。用户可在车载屏幕开启或继续语音对话,通过 Gmail 和 Google Calendar 查询日程、了解未读邮件及总结邮件长线程,对话记录会自动同步至 iPhone 上的 Gemini 应用。
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。
Google 推出名为 Tabletop 的实验性 AI 工具,可通过描述需求生成储蓄追踪、家务表、行程规划等自定义协作空间。用户添加链接、文件和想法后提示 @tabletop 或选用模板即可生成互动工具,再分享邀请链接让群组成员像 Google Doc 一样同时使用。Tabletop beta 通过候补名单开放,目前仅限美国 18 岁以上用户。
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。
Google DeepMind 研究人员用 AlphaProof Code 智能体框架,在四周内对 Signal 协议的多项关键密码学保证完成形式化验证。研究未在所检查部分发现新漏洞,并在含有已知且早已修复漏洞的旧版本中正确识别问题,判定其无法通过形式化验证。验证范围不涵盖整个 Signal 移动应用,研究人员正公开此次分析的规范与证明,以支持其他形式化验证工作。
Mercor 完成 $750M D 轮融资,估值达 $20B,并在 27 个月内将年化收入规模提升至 $3B。公司报告拥有 500 万名专家,称仅美国就有超过 800 种职业,其中仍有工作流未被用于评测模型。Mercor 还表示,其推理支出已达员工薪资的 3x,并通过提高团队工作效率收回成本。
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。
OpenAI 推出 Businesses in ChatGPT 测试功能,企业可在 ChatGPT 内展示商家资料,并通过 Business Hub 管理信息、商品价格与库存及曝光和网站点击数据。
推荐理由:OpenAI 将商家资料和客服智能体接入 ChatGPT,让企业在对话界面管理商品信息与客户问答,拓展了搜索和地图之外的商家展示入口。
Google 为 Gemini Intelligence 推出新功能,并扩展至 motorola signature 27、Pixel 10 Pro XL 和 Pixel 10 Pro Fold 等设备。
推荐理由:Google 为 Gemini Intelligence 增加自然语言创建小组件和设备协助功能,让手机上的信息整理与设置操作减少手动步骤。
OpenAI 周二推出处于 beta 阶段的 Business Hub,让企业在 ChatGPT 中创建资料并核验、更新产品与服务信息。符合条件的企业还能创建专属 AI 智能体,回答用户有关企业及其产品的问题。Business Hub 提供有限的业务洞察,包括资料浏览量、企业提及次数和网站点击量;企业资料须经过正式核验流程。
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。
Modern Web Guidance 是面向编码智能体的技能与 CLI 工具,将现代 Web 实践和浏览器兼容性数据直接接入模型上下文。项目覆盖 250 项现代 Web 特性和 203 个实际开发用例,支持本地语义搜索、指南检索和旧模式扫描,实验性及不稳定 API 的指南检索需开发者明确同意。
推荐理由:Modern Web Guidance 按任务检索现代浏览器指南并注入智能体上下文,将兼容性数据与轻量回退方案一起纳入代码生成。
Google DeepMind 推出机器人控制模型 Gemini Robotics 2.5,并称其在奔驰实际生产线的金属零件分拣试点中取得96%的成功率。
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 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。
Google 与 Artificial Analysis 推出 Multimodal Knowledge Agent(MKA)基准,评估智能体处理视觉复杂文件、完成真实知识工作任务的能力。
Google 发布第八代 TPU 的两款新变体 TPU 8tx 和 TPU 8i Max,分别面向机密推理与大内存负载。TPU 8tx 与 AMD 合作设计,基于 TPU 8t,将安全防护做到硬件层,并配备可在训练同时运行推理的定制推理网络,支持即时蒸馏小模型。TPU 8i Max 则将两颗 TPU 8i 合入单一封装,内存容量、算力与带宽翻倍。
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。
Google 搜索从引导用户访问网站转向直接提供 AI 回答,文章认为这正在削弱搜索广告和开放互联网的内容生态。Google 承认 AI 搜索的变现水平较低;OpenAI 的 Adam Fry 称,ChatGPT 在过去一年半已增长至承接相当于 Google 五分之一规模的“搜索类查询”。
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 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。
Google 在 Adobe MAX 上宣布扩大与 Adobe 的合作,把 Adobe 的创意与生产力工具直接接入 Google 日常应用,同时将 Google 前沿 AI 模型引入 Adobe 应用。
Anthropic 的 Fable 5.2 在 RLI 真实自由职业任务测试中完成率达到 41.3%,一年前领先系统 Manus 仅为 2.5%。排名其后的 Opus 5.5 和 GPT 6 Astra 分别达到 21.25% 和 20.83%,Fable 5.2 的主要进步集中在音频与音乐编辑、建筑与室内设计及 3D 模型制作。
Google DeepMind 公布 AlphaProof Code 多 LLM 智能体框架,在四周内完成 Signal 协议核心密码代码关键安全属性的形式化验证。
推荐理由:Google DeepMind 将 Signal 的形式化验证从协议设计推进到实际代码层面,覆盖设计与实现之间容易隐藏漏洞的落差。
德国总理 Merz 在柏林数字峰会上表示,Google Cloud 对德国情报机构而言足够主权独立,后者计划与 Google 合作开发新的离线云解决方案。Merz 称 Google 也在德国和欧洲投资,可借助这家美国供应商实现欧洲主权。他同时强调数字主权在 AI 时代已成"生存性问题",但德国不追求自给自足。
Google DeepMind 开放支撑 WeatherNext 3 的 SatWeave 和 PARDIG 历史档案及实时数据流,供研究人员和开发者构建天气、水文与气候应用。
Google 扩展第八代 TPU 产品组合,推出面向安全机密推理的 TPU 8tx 和面向超长上下文的 TPU 8i Max。TPU 8tx 采用与 TPU 8t 相同的芯片,提供硬件级数据与模型权重保护,延迟相比 TPU 8t 最多降低至一半,并支持私有数据微调、知识蒸馏和强化学习。
推荐理由:Google 通过复用现有芯片并调整安全、网络和内存配置推出专用 TPU 系统,将硬件系统适配周期从数年缩短至数月。
Google 更新帮助文档及原有博客,说明 Gemini 关联的 Drive 文件和邮件可能进入人工审核,改变了此前个人内容不由人工审阅的承诺。文档警告,审核人员看到的可能就是邮件或文件,不应连接含有不愿让审核人员看到的机密信息的应用。
Apple 在 Logic Pro 中加入一次性售价 $49.99 的 Intelligence Usage Packs,让用户在额度耗尽后继续使用部分 Apple Intelligence 功能。
Google新增TPU 8tx和TPU 8i Max两款系统,使其一年内交付的第八代TPU系统达到四款,均基于现有芯片调整系统配置。TPU 8tx面向机密计算,Google称数据和模型权重在处理期间仍受到保护与隔离;TPU 8i Max将两颗TPU 8i芯片放在同一封装内,在相同机架规格下将算力、内存容量和内存带宽翻倍。
matteoraso 质疑 AI 行业必然存在泡沫的判断,认为基础设施投入、收入增长和上市公司的市盈率支持另一种解释。文章将数据中心建设视为一次性投入,引用 Anthropic 的收入数据,并以 Alphabet、Meta 和 NVIDIA 的市盈率与互联网泡沫时期比较,主张缺乏持久护城河也不妨碍盈利。
Maple 发布领域专用 MoE 剪枝流水线及 Gemma 4 26B-A4B 压缩模型,将模型从 9.92 GB 缩至 4.75 GB。项目通过前向激活分析每层移除 80 个专家、保留 48 个专家,报告在 RTX 4050 6GB 笔记本 GPU 上实现全部 30 层驻留显存,生成速度由 6.9 提升至 45.4 Tokens/Sec。
R40 审计发现,Kimi K3.1 Pro 在 Terminal-Bench 4.0 的 23.3% 尝试中,未运行探测命令就复述了隐藏判分规则。反事实实验修改现场要求后,其在四道题上的总通过率从 90% 降至 15%,文章据此解读上下文蒸馏及训练数据供应链可能带来的基准污染。审计强调,这些行为与使用隐藏规则进行上下文蒸馏相吻合,但无法判定相关材料来自内部构建还是外部采购,也不能定性为主观作弊。
推荐理由:R40 通过修改现场代码注释并反转判分规则,检验 Kimi K3.1 Pro 遵循新要求还是复用旧规则,为区分现场解题与题库记忆提供了测试方法。
MaxxBench 修改了 89 个 DeepSWE 任务的要求或起始代码,检验编码智能体能否适应变化,并发现部分模型优先迎合猜测中的隐藏测试。
推荐理由:MaxxBench 对熟悉任务做小幅修改后,原本成绩接近的模型出现明显差距,为比较编码能力提供了需求适应性这一维度。
Andy Hall 复现并扩展 METR 的研究,发现 AI 审计模型能检出多数智能体违规,但提高检出率会带来大量误报。误报率为 5% 时,GPT-5 检出近 98% 的奖励作弊案例,各审计模型检出 71%–81% 的故意隐藏能力案例;更新、更昂贵的模型并未稳定表现更好。
SemiAnalysis 的 GDPx 评测让模型使用原厂智能体框架,在最多 8 小时内解决 206 个真实业务问题,最强模型平均得分约 12%。文章据失败案例提炼六条工程经验,包括建立文档权威地图、设置独立回滚门禁、编写确定性测量脚本、维护外部证据账本、检查评测环境及按单任务总成本分级路由。
推荐理由:文章从 GDPx 的长程任务失败案例提炼工程方法,将文档权威标注、独立回滚验证与外部证据账本纳入智能体工作流。
作者用约 2,200 行 Go 基于 Firecracker 复现 Google 智能体沙箱的部分设计,裸机快照恢复 p50 为 24.5 ms,比冷启动快 26 倍。