Thinking Machines 发布开放权重 MoE 模型 Inkling 2 Mini
Thinking Machines 宣布推出开放权重模型 Inkling 2 Mini,采用循环 Transformer 和 MoE 架构。该模型共有 26.4B 参数、3.4B 激活参数,考虑循环后每个 token 的权重激活量为 5.4B。
Thinking Machines 宣布推出开放权重模型 Inkling 2 Mini,采用循环 Transformer 和 MoE 架构。该模型共有 26.4B 参数、3.4B 激活参数,考虑循环后每个 token 的权重激活量为 5.4B。
Hebbia 测试 GPT‑6 Astra,以改进 Matrix 寻找问题所需来源和按要求制作演示文稿的能力。测试中,它在引用所需来源类型上领先最佳替代模型 13.6 个百分点,引用片段相关率为 99.5%;同时满足 97.9% 的适用演示要求,领先最佳替代模型 14.4 个百分点。
Thinking Machines Lab 发布面向本地部署的多模态 MoE 模型 Inkling 2 Mini,约有 26B 物理总参数、每个 token 激活 3B 参数,支持 1M-token 上下文及图文输入。
推荐理由:文章拆解循环层与跨轮消息机制,并给出多套本地推理路径,便于比较模型容量、速度和显存之间的取舍。
Google 已将 Gemini 4 Hydrogen 上线 Gemini App 和 Search,定位于快速、高效地执行多种智能体工作流和日常任务。它能更贴合用户指令、调用合适的工具,并以更少的反复沟通给出可靠输出。
GPT 6.2 Astra 在 XDOF 的机器人基准 Ember-0 上取得 41.2% 的成绩。相比 9 月初 GPT 6 Astra 的 19.6%,得分大幅提升,XDOF 预计该基准很快将趋于饱和。
Google AI 汇总了过去两周推出的多款 Gemini、Genie、机器人与生命科学模型,以及 Stitch Loop 实验。Gemini 4 Neon 面向复杂软件工程、知识工作和科学工作流,提供前沿级智能与快速的端到端任务执行;Gemini 4 Hydrogen 强调日常编码和智能体工作流的速度与效率;Gemini 4 Carbon 面向高难度长期项目和深度研究。
Apple 发布 Depth Pro 2,可快速处理任意分辨率的照片和视频。用户可试用 @_akhaliq 提供的演示。
Hugging Face 转发了用于 Qwen3.8-27B 的实验性 super-adapter,它以拼接方式将本周全部 harness LoRA 适配器合并为一个。
腾讯在 Hugging Face 发布 Hy4 基础模型,这是一款 770B 参数、49B 激活参数的 MoE 多模态基础模型。其上下文窗口为 1M token,可理解文本、图像和视频。
Apple 发布 Depth Pro 2,用于生成清晰且时间一致的度量单目深度结果。该模型的页面已上线 HuggingFace,可通过原文链接访问。
OpenAI 已在 API 中发布 GPT-Live-1.1,并开放在 OpenAI Platform 上测试。该模型可生成更自然且一致的多语言口音,新增降低空闲成本的待机选项,并提高了任务完成可靠性。Live 标签页可直接测试各项 API 功能,并包含可视化语音球体。
OpenAI 现已通过 API 提供 GPT-Live-1.1,提升跨语言口音的自然度与一致性,并提高任务完成可靠性。新的待机选项可降低空闲成本。
Genie 4 已在 Google AI Studio 和 Gemini API 中开放,开发者可通过 API key 测试这一世界模型,目前仅 Ultra 订阅用户可用。它支持实时键盘控制与实时文本提示,可在导航环境时即时改变天气、光照、物体或事件。体验入口为 ai.studio/genie。
推荐理由:材料给出 Genie 4 的开放入口与实时交互方式,可用于判断世界模型如何进入开发者工作流。
OVHcloud 发布 Olala mini 7A1B,以这款紧凑型 7-billion 参数模型开启其首个语言模型家族。该模型在欧洲公共超级计算机上训练,采用全新架构,无 GPU 也能运行,并已在 Hugging Face 开源:llm.ovhai.com/olala-mini-v1-0/
Hugging Face 转发消息称,NousResearch 发布面向 Qwen3.8-27B 的 Hermes adapter,以提升智能体开发的效率和准确率。
Airbnb Engineering 在新基准中用单张 NVIDIA RTX Pro 6000 GPU 部署 Gemma 4 E2B 进行策略分类,最高 F1 从 0.563 升至 0.902。
Ideogram 发布 Ideogram 4.6,支持原生 4K 输出,并减少编辑区域外的像素漂移、提高色彩准确性,增强真实感与纹理细节。Tibor Blaho 表示,Ideogram 已是他三年多来最喜欢的工具之一,并转引官方介绍:x.com/ideogram_ai/status/2123…
Muse Wonder 在 Legora 11 月 BAR 法律工作基准中获总体质量最高分,并在分析与回答、提取、起草和编辑 4 类任务领先。GPT-6.2 Astra 在比较与审查任务中领先,总体质量高于模型平均值 4%,单案成本低 20%;GPT-6.2 Sol 质量高于平均水平,单案成本低 78%。
Jim Fan 以未剪辑、1x 速度的视频演示 GR00T 2 自主端到端控制真实灵巧手。该开放式机器人模型完全运行于机器人板载计算,可执行超过 20 个步骤、持续 5 分钟以上的长程任务,并通过 X-Adapt 从穿戴设备和模拟数据零样本适配多种真实机器人。模型权重和 X-Adapt 配方将于 12 月发布,智能体框架、模拟与标注引擎、硬件设计及 100K 小时训练数据现已开放。
Google 在 Gemini API 和 Google AI Studio 中推出 Genie 4,供开发者构建新的世界模型体验。这是其首个面向开发者的世界模型,试用地址为 ai.studio/genie。
同一件事,精选收录的是《Google 在 Google AI Studio 和 Gemini API 中上线 Genie 4》
Tessera-small 将 16x16 像素精灵图视为包含 256 个 token 的句子,每个像素对应学习所得 512 色调色板中的一个 token。它以 CLIP 文本为条件,从完全遮罩的画布开始,在 ~16 个步骤内按置信度由高到低并行揭示全部像素,不使用 VAE、潜变量或自回归。
Hailey 用 GPT-6.2 根据一张参考图纯代码搭建 3D 童话小镇,包含 8 栋可走近观看的房子、旋转水车和黑猫。她还用 GPT-6.2 Sol 在约 10–20 分钟内构建失落的深海文明场景,并称其大型场景、光影特效和程序化视觉表现不逊于 Fable 5.2。
Google DeepMind 发布 Gemini 4 Neon,模型在多数基准上超过 Carbon,生成速度近乎翻倍,较 Carbon 常规定价低 25%。其支持文本、图像、音频和视频的 100 万 token 上下文窗口;在 xhigh 下,Intelligence Index 得分为 61,单任务成本为 $6.44。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Daniel van Strien 对 8 款可免费获取的 AI OCR 模型进行比较,数字化 100 万页的 GPU 租赁成本现为 $65 至 $130。使用同一 Nvidia RTX PRO 6000 和相同图像尺寸时,RolmOCR 处理 1,000 页约需 51 cents,LightOnOCR-3-0.8B 不到 10 cents。
Google DeepMind 发布 Gemini 4 Neon,这是约七周内推出的第四款 Gemini 4 模型,定位为比 Carbon 更快、更便宜的中端型号。
Simon Willison 发布 llm-gemini 0.38,并测试 Google 当天推出的 Gemini 4 Neon。Neon 当前价格为每百万输入 token $3、输出 token $15,高于折扣期的 Carbon;鹈鹕测试中,Neon 的表现优于 Hydrogen、弱于 Carbon。
Google 正式发布前沿级模型 Gemini 4 Neon,并称其在多项基准上超过 Opus 5.5 和 GPT-6.2 Sol。该模型现已面向 Google AI Pro 和 Ultra 订阅用户开放,可通过 Gemini、Antigravity 和 API 使用;Logan Kilpatrick 还表示该模型已登陆 Google AI Studio。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Gemini 4 Neon 今日开始推送,主打前沿级智能以及复杂软件工程、知识工作和科学工作流中的快速端到端任务执行。首批入口包括 Google AI Studio 中的 Gemini API、Gemini 企业版、Google Antigravity,以及面向 Google AI Pro 和 Ultra 订阅用户的 GeminiApp。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google 自今日起向 Google AI Pro 和 Ultra 订阅用户开放 Gemini 4 Neon,支持移动端、桌面端和网页端。官方称该模型擅长需要前沿级推理和快速响应的工作。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google 推出 Gemini 4 Neon,主打前沿智能和快速的端到端任务完成能力,面向复杂编码、知识工作与科学流程。该模型在 @ArtificialAnlys Intelligence Index 的 xhigh 设置下总榜排名 #3,在 Vals Index 排名 #2,并处于 Pareto frontier。
Google 推出 Gemini 4 Neon,正向 Google Antigravity 和 Gemini app 中的 Google AI Pro、Ultra 付费订阅者开放。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google 推出 Gemini 4 Neon,定位为兼具前沿级智能、速度与成本优势的新模型。官方称其能良好遵循复杂指令,并强调实际使用体验出色,但未披露性能、价格或可用性等具体信息。
Gemini 4 Neon 发布,在多个领域推进能力前沿,并展现出超越其模型级别的表现。作者认为其兼顾了智能、速度与可用性;该模型现已在 Google AI Studio、API 等渠道开放。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google 发布 Gemini 4 Neon,面向复杂软件工程、知识工作和科学工作流,主打前沿级智能与快速端到端任务完成。它支持多文件调试与重构、1M-token 上下文窗口和 4 档可调思考;Google 称其在内部 Google Antigravity 测试中录得迄今最低的模型编造率。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google 于 2026 年 11 月 18 日发布 Gemini 4 Neon,这是四周内第四款 Gemini 4 模型,现已通过 API 提供,价格为 $3 per million input tokens 和 $15 per million output tokens。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作和科学流程中的快速端到端任务执行。其 xhigh thinking level 在 Artificial Analysis Intelligence Index 以 61 分列总体 #3,Vals Index 列 #2,并提供 1 million-token 上下文窗口。
推荐理由:原文同时给出第三方基准、每任务成本、上下文窗口和开放范围,便于比较 Neon 在性能与效率之间的定位。
Google DeepMind 正在逐步推出 Gemini 4 Neon。它定位于 Carbon 和 Hydrogen 之间,为复杂软件工程、知识工作和科学任务提供前沿智能并快速完成任务。
Gemini 4 Neon 已开始在 Gemini 和 Antigravity 中逐步推送,原帖还提到 Deeper Analysis,并询问用户是否已经获得。其引用的 Gabi Bartok 表示 neon 现已可用:x.com/BartokGabi17/status/212…
RadixArk 发布 DaisyRose-27B,Terminal-Bench 4.1 pass@1 从 5.6% 升至 12.0%。该模型基于 Qwen3.8-27B,使用 Miles 和约 1,200 个精选任务,在 144 H200 GPUs 上训练 18 天,最长训练会话达 1M tokens。
推荐理由:文章把任务筛选、异步强化学习与沙箱基础设施连到具体成本和基准变化,呈现一套可迁移的长时程 Agent 后训练路径。
微软在 Ignite 一次发布七款 MAI 模型,覆盖编码、安全、图像、语音、检索与决策路由,主打降低持续运行 AI 智能体的成本。微软称,MAI Code 2 在四项基准上的平均性能达到 GPT-6.1 Sol 的 98%,成本为 40%;相较 Claude Opus 5.5,性能为 96%,成本为 5%,但价格包含 50% 促销折扣。
推荐理由:材料汇总了七款 MAI 模型的基准、定价和开放范围,可用于比较微软以自研模型替换外部模型时的成本与能力取舍。