Google 发布 Gemini Decision 1 决策模型,7 项共享基准中 5 项领先 Jev
Google 发布 Gemini Decision 1,这是一款不生成文本、只输出候选项概率与置信度的多模态决策模型,正式挑战两个月前引爆该品类的 TypeSafe Jev。
推荐理由:通过共享基准与第三方榜单的对比,读者能看清这款决策模型相对 Jev 的优势与代价。
Google 发布 Gemini Decision 1,这是一款不生成文本、只输出候选项概率与置信度的多模态决策模型,正式挑战两个月前引爆该品类的 TypeSafe Jev。
推荐理由:通过共享基准与第三方榜单的对比,读者能看清这款决策模型相对 Jev 的优势与代价。
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快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。
推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。
微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。
推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。
Google DeepMind 向符合条件的 Google AI Ultra 订阅者推出新版 Project Genie,首次开放 Genie 4 世界模型。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。
推荐理由:Genie 4 支持会话中实时改世界并加入原生音频,可对照 Genie 3 的会话时长与全景图能力看世界模型进展。
Google 将 Gemini 应用带到符合条件的 Android(Go edition)低内存设备,覆盖此前只能使用基础语音命令的机型。官方称已重构应用,使核心体验在低内存硬件上流畅运行,支持 Gemini Live 用 45 种以上语言对话、拍摄笔记或表单进行学习与翻译,以及用 Nano Banana 生成图片。
推荐理由:原文交代了低内存机型的适配方式与可用功能,可据此判断 Gemini 在新兴市场的覆盖边界。
独立评估机构 Vals AI 的研究发现,Anthropic、OpenAI、Google 等八家厂商的模型在模拟中几乎不设防,会把平民、救护车、医护人员、记者和投降士兵标为军事目标,且没有一次请求被上游安全过滤器拦截。
推荐理由:Vals AI 的测试显示,主流模型在无人机图像上会把平民标为打击目标,而一句游戏化提示就能绕过拒绝。
Google 宣布 Gemini 任务功能开始向美国、日本、韩国、加拿大、澳大利亚和印度免费开放,使用新的 Gemini 4 Hydrogen 模型,美国用户还可使用一组高级功能。
推荐理由:原文给出 Gemini 代打电话、比价下单等具体任务流程与安全边界,读者可据此判断个人助理能接手哪些日常事务。
Google 将 Antigravity 的 /teamwork 多智能体工作流连同 /boost 等智能体开放给外部研究者和开发者,Gemini 4 Argon、Carbon、Hydrogen 可配合使用。
推荐理由:Google 公开了 /teamwork 多智能体工作流在数学证明、形式化验证与内核优化上的具体产出,并说明外部用户已可调用。
NVIDIA 宣布黄仁勋辞去 CEO、总裁及董事会成员职务,结束 33 年任期,CFO Colette Kress 继续担任原职并出任临时 CEO,董事会已启动继任者搜寻。SEC 文件显示董事会于 11 月 11 日接受辞任,公司于 11 月 12 日对外公布,Harvey Jones 成为董事会首位主席。同期 Anthropic 已提交 SEC 注册文件,据报道定价定于下周三。
推荐理由:NVIDIA 高层变动与 Anthropic IPO 同日出现,读者可据此观察算力供应与模型公司资本化的连锁影响。
Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的速度和效率,并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。
推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多项基准对比,可据此判断多模型协作的落地方式。
Google 发布 Gemini Decisions API,由新模型 Gemini Decision 1(gemini-decision-1)驱动,可在 Gemini API 和 Google AI Studio 中使用。
推荐理由:原文给出了定价、延迟和校准误差等关键指标,读者可据此判断这类闭集决策接口适合放在哪些控制环节。
Google DeepMind 发布 AlphaGenome 2,这是一个条件式 DNA 序列模型,可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
推荐理由:官方给出与上一代在变异召回率上的对比,以及无需重训即可泛化到新细胞状态的机制。
Last Week in AI 第347期汇总近几周动态:英伟达董事会就中国情报行动针对 CEO 黄仁勋的报道启动独立调查,并称没有理由认为国家安全或公司机密受损。
推荐理由:这期周刊把英伟达调查、Anthropic 万亿估值 IPO 与中期选举后的数据中心反弹放在一起,便于读者一次看清资本与监管两条线。
Google DeepMind 面向开发者、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程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,读者可据此判断何时该用更强但更贵的模型。
Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体形式化验证框架,由 Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 证明,验证了 Signal 协议实际代码的关键安全属性。
推荐理由:DeepMind 用多 LLM 智能体框架把形式化验证推进到已部署协议的实际代码层,四周完成过去需数年的工作。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在灵巧度、可靠性和安全性三方面提升。
推荐理由:原文给出200多项任务评测与奔驰产线96%成功率的实测数据,可据此判断VLA模型在真实工业场景的进展。
Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为,它接近他定义的 AGI,即“在多数可用电脑完成的知识任务上达到多数人类专家水平”,但仍属“锯齿状 AGI”。
推荐理由:作者用六个跨领域实测案例,说明当前模型在哪些任务上接近专家、又在哪些环节仍明显掉链子。
Google Research 联合 Beth Israel Deaconess 医学中心和哈佛医学院在 Nature 发表 AI-PPG-ACC-HTN 系统,利用智能手表的 PPG 与加速度计信号被动检测高血压迹象,无需袖带校准。
推荐理由:研究以 24 小时动态血压监测为金标准,给出智能手表在初筛与确诊两种场景下的灵敏度与特异度,便于判断无袖带筛查的边界。
Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线巩固两个阶段间循环,把短期上下文压缩进长期参数。该框架用 MoE 参数扩展、广义知识蒸馏与强化学习模仿实现记忆巩固,并在离线阶段用自生成样本做自我改进。
推荐理由:Google 研究者提出把持续学习拆成清醒交互与离线巩固两阶段,并给出多组基准对比,便于理解灾难性遗忘的一种解法。
Google Research 在 JAMA Network Open 发表研究,用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,优于专家标准流程的 4.48 天;仅用芝加哥 120 名参与者数据微调后,芝加哥误差 4.10 天,未做本地优化的内罗毕为 4.27 天。
推荐理由:研究在芝加哥与内罗毕两地前瞻验证同一模型,只用 120 人数据微调即可跨硬件泛化,为低资源地区产检覆盖提供了可参照的部署路径。