即梦 Seedance 2.5 推出 4K 版本,支持 30 秒单次生成与六种画幅
即梦 Seedance 2.5 推出 4K 版本,把最长 30 秒单次生成、全模态参考、视频编辑与延长等能力提升到 4K 画质规格。4K 模式支持 10bit BT.709 色彩格式和六种画幅输出,作者在品牌 TVC、电商素材、影视预演和线下大屏四类场景中做了实测。文章还提到 Seedream 5.5、Seedance 2.5 Flash 以及面向企业团队的即梦企业解决方案。
即梦 Seedance 2.5 推出 4K 版本,把最长 30 秒单次生成、全模态参考、视频编辑与延长等能力提升到 4K 画质规格。4K 模式支持 10bit BT.709 色彩格式和六种画幅输出,作者在品牌 TVC、电商素材、影视预演和线下大屏四类场景中做了实测。文章还提到 Seedream 5.5、Seedance 2.5 Flash 以及面向企业团队的即梦企业解决方案。
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。
商汤科技日日新 SenseNova U1 Pro 在 Design Arena 更新的图片生成与图片编辑两大榜单中均位列中国第一、全球第六,仅次于 OpenAI 的 GPT Image 2.x 系列。
Google DeepMind 于 11 月 18 日发布 Gemini 4 Neon,这是 Gemini 4 系列 7 周内的第 4 款元素模型,定位在旗舰 Carbon 与轻量 Hydrogen 之间。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
Google 推出 Gemini 4 Neon,Simon Willison 在 llm-gemini 0.38 中记录了它的定价与实测。Neon 当前定价为每百万 token 输入 3 美元、输出 15 美元,高于 Carbon 的 2/10 和 Hydrogen 的 1.50/7.50,Carbon 将在 12 月 1 日翻倍至 4/20。
Google 于 11 月 18 日发布 Gemini 4 Neon,称其具备前沿级智能,可在复杂软件工程、知识工作和科学工作流中快速端到端完成任务。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon 模型》
Google DeepMind 发布世界模型 Genie 4,此前仅作研究预览,现向 Google AI Ultra 订阅用户开放。Genie 4 支持用文本实时重塑天气、角色和剧情,并能生成随场景变化的原生实时音效。
同一件事,精选收录的是《Google DeepMind 向 AI Ultra 订阅者开放 Genie 4 与新版 Project Genie》
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 订阅用户推出新版 Project Genie 体验,首次开放 Genie 4 世界模型。
同一件事,精选收录的是《Google DeepMind 向 AI Ultra 订阅者开放 Genie 4 与新版 Project Genie》
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。
Latent Space 播客邀请 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell,讨论他们为何在 FLUX 系列之后转向视频与世界模型。
Google 搜索面向所有用户全球上线 Gemini 4 Hydrogen,官方称这是搜索迄今最大的一次模型升级。新模型增强了对多部分问题、拼写错误和高度具体请求的意图理解,并借助推理能力改进查询扩展与链接发现。回答形式也更偏可视化,会给出更多图片、结构化结果、对比表格和定制工具。
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 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 Research 提出 Agile Deliberation 框架,把主观 AI 分类器的定义过程变成人与 AI 的迭代对话,先解决人类自身的概念模糊,再构建更稳健的分类系统。
Google Research 在 IDWeek 2026 上分享其结核病筛查 AI 从研究走向临床的完整路径,包括 2019 年在 Radiology 发表的深度学习基准、2024 年 NEJM AI 的多中心前瞻性验证,以及与 Nexus AI 合作取得 CE MDR class IIb 认证。
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。
Cloudflare 的 27B 多模态决策模型 Clef 已在 Ollama 上线,支持本地运行或使用 Ollama 云端。Clef 基于 Qwen3.8-27B 微调、采用 Apache 2.0 许可,可对文本、JSON 和图片一次性给出带概率的决策,兼容 Jev 与 System One API。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准,用 522 道题、288 张图和 234 段短视频测试多模态模型的直觉视觉推理,人类 pass@1 为 93.1,表现最好的 GPT 6 Astra 仅 53.6,GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。
推荐理由:官方给出 1 万亿参数多模态模型的预览入口、权重开放时间与多项基准对比,可据此判断开源权重模型的当前水位。
GPT-6 Astra 和 Fable 5.1 已能可靠完成数周人类工作量,例如将 1977 年文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏,以及依据视频和照片在 3D 中重建 Umberto Eco 的藏书室。作者指出,现有模型的能力远超多数人的实际使用,这种“能力过剩”正是个人机会所在,并强调深度知识、广博知识、品味与能动性四项人类优势。