2025年11月25日,Anthropic发布Claude Opus 4.5,称其在编码、智能体和计算机使用上达到世界最佳,并在深度研究、表格处理等日常任务上有显著提升。模型已在应用、API和三大云平台可用,API定价为每百万tokens输入5美元、输出25美元;同时更新Claude Developer Platform、Claude Code和消费级应用,新增effort参数以控制推理强度,并提升上下文管理和多智能体协调能力。11月26日,Dan Hendrycks发表比较评价称,在控制推理token数量时Gemini 3与Opus在推理/文本上大致相当,多模态视觉/图像输入上Gemini 3大幅优于Opus,而在越狱、诚实性等安全方面Opus优于Gemini。
匹配字段摘要
2025年8月12日,Liquid AI 发布其首个视觉语言模型系列 LFM2-VL,包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个版本,面向低延迟与端侧部署,支持文本和可变分辨率图像输入。模型基于 LFM2 骨干,视觉塔采用 SigLIP2 NaFlex 编码器,原生分辨率最高 512×512,更大图像按 512×512 分块处理;官方称在 GPU 上推理速度最高可达同类模型的 2 倍。模型已兼容 Hugging Face transformers 和 TRL,训练使用约 1000 亿多模态 token。
匹配字段摘要
2025年1月22日,Noam Shazeer表示,团队提升了一款未具名模型在数学、科学和多模态推理基准上的表现:AIME、GPQA和MMMU成绩分别达到73.3%、74.2%和75.4%。同日披露的新增能力还包括启用100万上下文窗口,以支持更复杂的研究任务,并允许开发者开启代码执行功能。目前输入材料未提供此后进一步更新。
匹配字段摘要
未具名模型 提升性能并新增能力 数学、科学及多模态推理性能、百万上下文窗口与代码执行
English translation is being prepared.
匹配字段摘要
2024 年 4 月 18 日,Ollama 上线对 Llama 3 的运行支持,首发包含 8B 和 70B 两个参数规模,对应命令分别为 ollama run llama3:8b 和 ollama run llama3:70b。据 Ollama Blog 同日发布的信息,相比 Llama 2,Llama 3 的训练数据集扩大七倍,上下文长度翻倍至 8K,token 词表扩大到 128K,误拒答情况不到 Llama 2 的三分之一。该信息还提到,Meta 计划后续发布 400B 参数版本,以及支持多模态、多语言和更长上下文窗口的多个模型。目前没有新的后续发展事实。
匹配字段摘要
OpenAI 发布 GPT-Rosalind-6 系统卡附录，该模型与 GPT-6 Astra 使用同一套权重，未新增训练数据或后训练，仅通过可信访问提供给经过审核的科研机构、企业和政府合作方。在最高推理预算下，MedChemBench v7 平均评分 49.6%（GPT-Rosalind-5.5 为 28.9%），GeneBench Pro v13 单次尝试成功率 37.7%（前代为 16.7%），LifeSciBench Gold 平均分 61.3%（前代为 44.0%）。按 Preparedness Framework，该发布在生物与化学领域定为 High 能力、未达 Critical 阈值，网络安全领域定为 Critical，AI 自我改进低于 High。
0%。 指标GPT-Rosalind-6GPT-Rosalind-5.5GPT-6 Astra cons@32 78.3% 79.2% 63.3% 拒答率 9.4% 1.8% 29.2% 拒答调整后的 cons@32 85.0% 90.0% 其系统卡中发布的拒答调整后 GPT-Rosalind-5.5 分数采用了不同的计算方法，因此未纳入本比较。为评估模型在多模态环境中排查湿实验室实验的能力，我们在来自 SecureBio 的一组完全留出的病毒学故障排除问题上对模型进行评估，采用多选格式。只有当回答选中所有正确陈述且未选中任何错误陈述时，该回答才得分。表5：多选病毒学故障排除 90.0% 其系统卡中发布的拒答调整后 GPT-Rosalind-5.5 分数采用了不同的计算方法，因此未纳入本比较。 为了评估模型在多模态环境中排查湿实验室实验的能力，我们在来自 SecureBio 的一组完全留出的病毒学故障排除问题上对模型进行评估，采用多选格式。只有当回答选中所有正确陈述且未选中任何错误陈述时，该回答才得分。 表5：多选病毒学故障排除。指示性 High 能力阈值为 31%。 类别 在对拒答情
匹配字段正文
Google DeepMind 预告下一代前沿模型 Gemini 4 Carbon，称其在网络安全与长时程能力上达到 SOTA，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排第一，Claude Opus 5.5 为 58 分。该模型暂不对外开放，先向部分网络安全防御方和 Fairwind 计划可信伙伴开放，并参与美国政府自愿的发布前测试，之后再逐步放开给开发者、企业和消费者。介绍期定价与 Argon 相同，输入约 $2、输出约 $10 每百万 token，介绍期后变为输入约 $4、输出约 $20。
的发布前测试，再逐步放开给开发者、企业和消费者。 https://t.co/N3yQOIrnZG 能力叙事：更难、更长的工程任务 Carbon 面向更难、跨时更长的工程问题，适合持续的 Agent 工作流。内部团队称它能跑上数天，在卡死之后仍继续推进，例如在大型代码库与底层系统里定位根因并打补丁。反馈驱动的改进覆盖编码、Agent、科学任务、全栈 Web 与多模态理解等。Web 开发方面，称输出质量提升后，WebDev Arena 上升约 +89 Elo，排到第 4（约 1768 分）。 网络安全 官方称在「发现 → 验证是否可利用 → 修复根因」整条链上有显著跃升；外部基准均为未加护栏评测口径： · SEC-bench Pro 约 88.2%（在真实软件中自主挖复杂漏洞） · ExploitGym 约 54.8%（判断漏洞是否可被利用，便于排优先级） · Collinear CWE-bench 约 71.0%（把已验证发现变成可工作的补丁） 对内指标还包括：相对 Argon，生成安全代码成功率自称提升超过约 2 倍；Chrome 团队称其高质量补丁表现比「另一家实验室的大型前沿模型」
匹配字段正文
Mistral AI 更新并开放旗舰模型 Mistral Large 4 的权重，总参数 1.05T、激活参数 52B，在 Artificial Analysis Intelligence Index v5 上得分 26，比 Preview 版高 1 分，以 1 分优势领先美国开源模型 Muse Spark Open（25）。该模型每项任务输出 82K token，比 Preview 的 135K 少 39%，AA-Omniscience v1.1 幻觉率从 41% 降至 28%，但准确率仍为 26%。定价为每 1M 输入/输出 token 0.70/2.10 美元，较 Preview 下降约 50%，采用 MEOW 许可证，运营 Model-as-a-Service 业务需另行获得商业授权。
低于 Preview：Mistral Large 4 定价为每 1M 输入/输出 token 0.70/2.10 美元，较 Preview 的 1.36/4.18 美元下降约 50%。按新定价，每项 Intelligence Index 任务成本为 2.06 美元，较 Preview 的 5.54 美元下降 63%。这与 Muse Spark Open（xhigh，2.02 美元）相当，但比领先开源权重模型 DeepSeek V4.1 Flash 1017（max，0.60 美元）和 MiMo-V2.6-Pro（0.26 美元）更贵 关键模型详情： ➤ 规模：总参数 1.05T / 激活参数 52B ➤ 上下文窗口：1M token ➤ 多模态：文本和图像输入，文本输出 ➤ 定价：每 1M 输入/输出 token 0.70/2.10 美元（每 1M 缓存输入 token 0.07 美元） ➤ 许可证：MEOW 许可证（Mistral 生态系统开放权重许可证），运营 Model-as-a-Service 业务需与 Mistral 另行签订商业许可证 祝贺 @MistralAI 团队发布！
匹配字段正文
谷歌发布旗舰模型 Gemini 4 Carbon，专为持续运行的 Agentic 工作流构建，重点提升编程、智能体、科学任务与全栈 Web 开发能力。该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，超过 Claude Opus 5.5、GPT-6 Astra 和 GPT-6.1 Sol；首发优惠价为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入 Token 可享 95% 减免。Carbon 采取分阶段开放策略，先向部分网络安全防御人员开放，再通过 Fairwind 计划扩大可信合作伙伴范围，之后向开发者、企业和消费者开放。
智东西10月29日报道，今日凌晨，谷歌发布了其最强的旗舰模型Gemini 4 Carbon，该模型专为持续运行的Agentic工作流而构建，重点提升了编程、智能体和科学任务，以及全栈Web开发和多模态理解等能力。 该模型在最近更新的v5.0版Artificial Analysis Intelligence Index上以59分排名第一，超越Claude opus 5.5、GPT-6 Astra（max）和GPT-6.1 Sol（max）等一众模型。 价格方面，Gemini 4 Carbon的首发优惠价格为每百万个输入Token收费2美元，每百万个输出Token收费10美元，与Argon首发优惠价一致。并且，缓存输入Token的价格还在输入Token单价基础上可享95%减免，也就是说只需支付原价的5%。 同时，谷歌母公司Alphabet公布2026年第三季度财报。本季度，Alphabet营收达1275.77亿美元（约合人民币8504.35亿元），同比增长约25%，实现连续13个季度两位数增长；净利润达261.7亿美元（约合人民币1744.51亿元），同比下跌约25%；摊薄后每股收益为2.
匹配字段正文
Google 发布新模型 Gemini 4 Carbon，取代四周前推出的 Argon，初期仅向美国情报机构及经 Fairwind 计划选定的网络防御方开放。Google 称 Carbon 在 Exploitgym 基准上从 Argon 的 42% 提升到近 55%，在 SEC-bench Pro 上以约 88% 领先 GPT-6 Astra，在 CWE-bench 上达到 71%。定价为每百万输入 token 4 美元、每百万输出 token 20 美元，初期有五折优惠，公开可用时间仅称“很快”。
与 Argon 相比，最大的进步显然在于开发针对软件的新型攻击。Argon 在 Exploitgym 基准测试中仍达到 42%，略落后于 GPT-6 Astra，而 Carbon 则跃升至近 55%。在 SEC-bench Pro 基准测试中，Gemini 4 Carbon 也以约 88% 领先于 GPT-6 Astra。在修复安全漏洞方面，Carbon 声称以 CWE-bench 的 71% 领先于谷歌所参照的竞争对手语言模型。 此外，该集团还报告称，Carbon 是更好的 AI 智能体，适合需要长时间计算的困难编程任务。公告中写道：“在内部，我们的团队观察到 Carbon 连续运行数天。”此外，该 LLM 在科学任务、Web 开发以及理解多模态提示方面应能取得更好的结果，并能输出缺陷更少的软件代码。 使用 Gemini 4 Carbon 的费用为每百万输入 token 4 美元，每百万输出 token 20 美元。初期有 50% 的 introductory 折扣。谷歌没有说明 Carbon 何时公开可用。据说“很快”就会实现。Argon 当时只用了两周。 广告后继续阅读 (ds)
匹配字段正文
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上得分 59，高于 Argon 的 50，位列第一。Carbon 面向长周期工程任务设计，在 WebDev Arena 升至 1769 分、排名第四，在 Gray Swan 间接提示注入基准上把攻击成功率从 0.7% 降至 0.0%。模型先向部分网络安全专家开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的 introductory 价格一致。
程会话而打造 Google Deepmind 表示，Carbon 是为“困难得多、长周期的工程问题”而设计的，这类问题需要持续性的智能体工作流。Google 称，内部团队曾让该模型连续运行数天，在此期间它能够自行走出死胡同，并处理复杂、多步骤的任务，例如大型代码库和底层软件中的根因分析和细微缺陷修复。 Google 还报告称，基于用户反馈，该模型在科学推理、多模态理解和全栈 Web 开发方面有所改进。Web 开发中更高质量的输出和产物使 Carbon 在 WebDev Arena 上提升了 89 个 Elo 分，以 1,769 分位列第四。 在 Gray Swan 的间接提示注入基准测试中，Carbon 将攻击成功率从 Argon 的 0.7% 降至 0.0%，据 Google 称，它拦截了所有测试过的操纵尝试。这并不意味着提示注入问题已经解决，但该测试似乎已经饱和。 独立评估印证了 Google 的数据 根据 Artificial Analysis 的数据，Carbon 在其最高推理层级（“high”）上领跑 Intelligence Index v5，主要得益于在复杂推理、知识检索
匹配字段正文
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
tron 3.5 Lightning（总计 30B，激活 3B）进行了后期训练，包含两个 SFT 阶段和两个 GRPO 阶段。它在 FrontierFinance 上得分为 58.9%，而 Fable 5.1 为 55.9%，成本为 0.61 美元对 6.89 美元（@maithra raghu）。 检索与记忆： EmbeddingGemma 2：这个开放的多模态嵌入模型有 744M 参数，具有模块化编码器，仅文本时以 271M 参数运行。它在 MTEB Multilingual v2 上得分为 61.36（@dair ai）。 EMMA：该系统通过情景记忆改进多智能体设置。它比 GEPA 和 ADAS 最高提升 32.5%（@omarsar0）。 网络上的 AI 文本：截至 2026 年 8 月，约 24% 的可抓取页面包含 AI 生成或 AI 编辑的文本（@omarsar0）。 推理与硬件系统 KV 缓存工程： AKV（清华大学与香港中文大学）：该服务引擎新增了“drop”和“repos”缓存操作。它将智能体成本降低 27.7%，并将 P95 延迟改善 1.51 倍（@TheTur
匹配字段正文
谷歌发布新旗舰模型 Gemini 4 Carbon，在 Artificial Analysis 智能指数 5.0 上以 59 分登顶，超过 Claude Opus 5.5 和 GPT-6 Astra。Terminal-Bench 4.0 得分 65.2%，256k 至 1M 上下文的 GraphWalks 得分 96.2%，SEC-bench Pro 漏洞挖掘得分 88.2%。首发定价为输入 2 美元、输出 10 美元每百万 Token，缓存命中输入低至 0.2 美元；因具备漏洞挖掘与利用能力，将先向部分网络安全防御人员开放。
半价折扣，输入2美元/百万Token、输出10美元/百万Token，账面单价仅为Opus 5.5（$4/$20）的一半。 并且针对Agent任务高频使用的缓存命中输入（cached input）给出了95%的骨折价优惠（低至0.2美元/百万Token）。 超越Opus 5.5，还能连肝数日死磕底层Bug 两周前发布的Gemini 4 Argon虽然在长文本和多模态上表现惊艳，但在综合智能指数（53分）和部分硬核终端任务上，依然被Opus 5.5压了一头。 这一次，Gemini 4 Carbon精准补齐了最后一块拼图，直接将能力推向了“全天候自主工程师”的形态。 在谷歌内部的实战编程环境中，研发团队观察到令人瘫坐的一幕： Carbon能够连续运行好几天，在庞大复杂的代码库和底层系统中自己摸索；哪怕中途多次撞上“死胡同”（dead ends），它也能持续死磕到底，独立完成复杂的多步工程任务。从顺藤摸瓜定位极其隐蔽的Bug根因，到最终写出修复补丁，一气呵成。 这种长线执行能力直接体现在了多项硬核指标的反超上： 命令行与终端工程 在Terminal-Bench 4.0（AA测试集）中，Carb
匹配字段正文
谷歌在 Gemini 4 Argon 亮相两周后发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务上达到当前最高水平，并针对编程、Agent 工作流与网络防御做了强化。该模型在漏洞发现基准 SEC-bench Pro 上得分 88.2%，漏洞利用基准 Exploit Gym 为 54.8%，补丁应用基准 CWE-bench 为 71.0%。Carbon 本周先向部分网络安全防御者开放，随后扩展至更多受信任合作伙伴，之后才向开发者、企业和消费者推出；试用期沿用 Argon 价格，每百万输入 token 2 美元、输出 token 10 美元，试用期后调整为 4 美元和 20 美元。
10倍以上。 Carbon的工程目标明确指向长时程、多步骤、可持续运行的Agent工作流。谷歌表示，内部团队已经观察到Carbon“连续运行数天”以攻克复杂工程问题，例如在大型代码库和底层系统中定位并修补隐蔽缺陷。 在前端与全栈开发场景中，Carbon在WebDevArena排行榜上以1768分位列第四。谷歌表示，这一提升来自输出质量与Web开发产物质量的同步改善，同时模型在编码、Agent任务、科学任务以及多模态理解方面也做了针对性优化。 在行为可靠性上，Carbon也做了工程调整，将无依据主张减少了约一半，过度越界行为下降26%，服务不足行为下降29%，目标是在多步骤计划执行中做到不越界、不缺位。 定价方面，目前Carbon在试用期沿用Argon价格，每百万输入token花费2美元，每百万输出token花费10美元，缓存输入token享受95%折扣。试用期结束后，标准价格将调整为每百万输入token 4美元、每百万输出token 20美元。责任编辑：宦艳红图片编辑：沈轲校对：张艳澎湃新闻报料：021-962866澎湃新闻，未经授权不得转载+1收藏我要举报 谷歌 Gemini查看更多
匹配字段正文
Google DeepMind 推出 Gemini 4 Carbon，称其为面向长周期智能体编码和网络安全防御的前沿模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。该模型在 GraphWalks 长上下文测试中取得 96.2%，在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别为 88.2%、54.8% 和 71.0%，但在 OSWorld-2.1 上以 81.5% 落后于 Claude Opus 5.5 的 87.2%。目前 Carbon 仅向经过审核的网络安全防御方开放，定价为每百万 token 输入 2 美元、输出 10 美元的引入价，后续为 4 美元和 20 美元，开发者和公众的开放时间未公布。
模型面向艰难、长时间运行的工程工作。内部团队看到 Carbon 在单个任务上运行数天。示例包括在大型代码库和底层系统中对细微缺陷进行根因分析和修补。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 Google 还针对全栈 Web 开发和多模态理解对 Carbon 进行了调优。在 WebDev Arena 上，Carbon 提升了 89 Elo 分，以 1769 分达到第 4 名。 Gemini 4 Carbon 在基准测试中表现如何？ Google 在其发布文章中发布了 17 行对比。Carbon 以最高思考设置运行。根据 Google 的评估方法，大多数竞争对手的数字由各提供商自行报告。 智能体编码：Carbon 在 Terminal-Bench 4.0 (AA) 上得分 65.2%，领先于 Opus 5.5 的 59.6%。它在 SWE-sweep 上达到 9.6%，略高于 GPT-6 Astra 的 9.5%。在 FrontierSWE 上，GPT-6 As
匹配字段正文
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
案例研究包含用于复现每个步骤的命令。微调教程涵盖配方、资源需求，以及用于训练、导出和评估的工具，包括新语言和语码转换 ASR。配套的智能体技能让编码智能体能够运行整个工作流，从基线选择和数据检查，到训练验证、适配器合并和评估。 ModelScope 还让开发者能够通过其 ms-swift 框架微调 Nemotron 3.5 Transcribe，以用于专门的多模态应用。 如需跳过自托管，可使用 Baseten、DeepInfra 或 Simplismart 提供的托管端点。 要将其适配到你的领域，请从 Hugging Face 或 ModelScope 上的 Granary v2 清单以及医疗 ASR 案例研究入手，或者让编码智能体借助微调智能体技能来驱动工作流。 模型检查点：Hugging Face、ModelScope 上的 NVIDIA Nemotron 3.5 Transcribe | Hugging Face、ModelScope 上的交互式演示 托管端点：Baseten、DeepInfra 本地 AI：NVIDIA RTX PC、笔记本电脑和 DGX Spark 上本地 A
匹配字段正文
Google DeepMind 发布新一代世界模型 Genie 4，可将提示词实时转化为可探索的逼真场景，并首次由 Genie 模型自行生成背景音和音乐，场景中的角色也能进行实时对话。用户通过键盘移动，并用文本提示在场景中即时修改内容，场景在多次输入之间保持连贯。演示中一个模拟的 Apptronik Apollo 机器人下跳棋，每一步由 Gemini 4 Argon 规划，指向 Genie 未来的机器人训练用途。
评论，以及关于哪些内容有效的备注。在撰写新帖子之前，Claude会审阅完整的帖子历史，对帖子进行排名，并找出哪些模式为我的目标受众带来了触达和互动。这件事之所以有效，是因为分析数据与内容存放在同一张表中，所以每一条帖子都让下一条更聪明。” 在我们的社区工作流程中心查看该工作流程 → 🛠️ 热门AI工具 💧 LFM3 - Liquid AI全新推出的小型设备端多模态模型系列 🎨 MAI-Image-2.7 - 微软升级版图像AI，率先面向编辑功能推出 🔎 Parallel Decisions API - 利用实时网络数据进行分类的决策AI 🌎 GPT-6.1 Terra - OpenAI更便宜、更快的模型，用于日常计算机工作 📰 今日AI其他动态 Anthropic发表论文称，一个内部Claude模型同样否证了指数时间假设，与OpenAI公布自身结果的同一天发布。 美国总统Donald Trump发帖称，他将“在所有相关文件中禁止使用‘AI/人工智能’一词”，这是朝超级智能迈进的又一举措。 AI-for-physics实验室Physical Superintelligence发布了五篇新
匹配字段正文
Google DeepMind 以研究预览形式向受信任测试者发布 Genie 4 世界模型，可根据文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。该模型在仿真循环中引入 Gemini 3.8 Flash 作为规划器，负责拆解目标、检查画面并重新规划，DeepMind 称这是迈向混合世界模型的早期一步。Genie 4 仅托管在 Google 平台，后续将开放给 AI Ultra 用户和 Gemini API 合作伙伴，所有视频与音频均带 SynthID 水印。
nie 4？ Genie 4 是 Google DeepMind 的世界模型，逐帧模拟交互式环境。它不是视频片段生成器。每一帧都会在用户输入到达时作出响应。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 DeepMind 表示该模型原生多模态。音频、音乐和对话与视觉内容一同生成。这是 DeepMind 首个原生生成音频的实时世界模型。 它接替了 2025 年 8 月发布的 Genie 3。Genie 3 以 720p 和每秒 24 帧运行，视觉记忆可回溯 1 分钟。 Genie 4 如何使用 Gemini？ Genie 4 借鉴了 Gemini 家族的两个部分。Gemini Omni 锚定每个世界的外观和行为。其他 Gemini 模型负责保持仿真连贯性的推理。 运行时循环的工作方式如下： 解读：当你输入提示时，Gemini 会调整提示以适配正在运行的场景。 规划：Gemini 3.8 Flash 将目标拆解为一系列步骤。 验证：它检查传入的帧，以确认每一步都成功。
匹配字段正文
Google DeepMind 发布世界模型 Genie 4，可实时生成可交互世界，并首次原生生成环境音与角色对话。模型基于 Gemini 系列能力，由 Gemini 3.8 Flash 在循环中拆解目标、检查画面以维持多步事件的因果连贯，Gemini 4 Argon 也已用于与 Gemini Robotics 联合模拟任务。官方称其仍属早期实验模型，长时运行下物体恒常性与复杂物理交互仍会漂移，生成内容均带 SynthID 水印，目前先向可信测试者开放预览。
2026年10月27日 模型Genie 4：新一代世界模拟 Raia Hadsell、Diego Rivas 和 Hang Qi 加入 Genie 4 等候名单 分享 今天，我们发布 Genie 4，这是我们全新的世界模型，它带来了前所未有的真实感，并改进了实时交互式模拟。Genie 4 原生支持多模态，能够与世界同步生成类音乐的音频、环境噪声和交互式对话。 Genie 4 模型融合并拓展了 Gemini 系列的能力：Gemini Omni 让模拟在真实世界的外观与行为上有据可依，而其他 Gemini 模型则提供维持模拟连贯性与连续性所需的复杂推理能力。 有了这一基础，你可以启动一个事件，Genie 4 会模拟接下来发生的一切：世界如何响应、听起来如何，以及其中的人如何移动、反应和说话。 理解和模拟世界是构建 AGI 的关键一环。Genie 4 提升了我们创建安全、可无限变化的模拟的能力，这些模拟可助力从为机器人和智能体开发训练环境，到开启全新交互体验创作的一切工作。 我们已开始将 Genie 4 作为研究预览版向可信测试者逐步开放——在向消费者和开发者发布之前收集反馈，首批对象包括
匹配字段正文
Google 发布最新模型 Gemini 4 Argon，称其面向复杂真实任务，可进行推理、编码并协调工具。官方给出 8 个示例，包括在零素材条件下从零写出 5000 行数学代码渲染 3D 阳光图书馆，以及在 Antigravity 中处理 NASA 火星任务超 8 万份原始文件并生成高管汇报幻灯片。
、承担过去需要数月人工投入的高风险工作，它正在从根本上改变我们在 Google 的工作与构建方式——它也能为你做到同样的事。请尽管把密集的研究资料、原始照片和多步骤项目交给它。Argon 会进行推理、编写代码并协调各类工具，交付你所需的结果。 从深度研究到交互式 3D 设计，以下八个示例展示了我们迄今最智能的模型能做什么。 处理复杂任务 凭借先进的推理能力和多模态能力，Gemini 4 Argon 在深度理解和长周期工作流中表现出色。仅凭一段简短提示，且在零素材、零库的条件下，Argon 编写了 5,000 行数学代码，从零渲染出一座 3D 阳光图书馆——随后还制作了一段关于该过程的视频。 制作交互式工具和可玩的 3D 游戏 Google 员工已使用 Argon 对复杂的 3D 可视化、高保真游戏和交互动画进行原型设计。当被要求构建一个在视频上叠加图形的应用时，Gemini 应用中的 Gemini 4 Argon 生成了一款定制视听工具，可逐帧追踪音阶线条。视频的运动触发音符，从而创作出动态的音频作品。 要把你的世界变成一款互动游戏，请先拍摄物理空间的照片，并参考我们的 AI Stud
匹配字段正文