←搜索结果

搜索“Agent”

按匹配度 · 共 561 条结果 清除搜索

星期五

  1. The Decoder

    Google 发布 Gemini 4 Argon，瞄准机器人全流程单一模型

    Google 发布 Gemini 4 Argon，定位为覆盖机器人控制、仿真构建与训练数据评估的通用模型，并称其迈向物理 AGI。演示中它从一张照片生成 77 项任务和 4500 多个训练回合，使真实机器人成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。在 Google 的 ERQA 基准上 Argon 得 87%，领先 Claude Opus 5.5 的 82.3%；但在 Artificial Analysis 的 AA-Robotics 基准上以 55 分位列第三，落后 GPT-6 Astra 的 69 分。原文指出其演示提示词包含大量人工约束，且未公布各演示的失败率。

    copy of the bin, and the robot practices balancing on three legs inside that simulation. Only then does it attempt the task on real hardware. Before it drops the can, two extra AI agents verify that the foot and gripper are positioned correctly. That's how Google demos the abilities of its newest model for robotics tasks . Argon is designed to better grasp spatial relationships, write control code, and interpret videos in terms of physics. Google sees the model as a general-purpose tool that cov

    匹配字段正文

    #ai-vertical#行业动态#具身智能#多模态
  2. The Decoder

    Meta 发布开源权重模型 Muse Spark Open，816B 参数、支持百万 token 上下文

    Meta 发布开源权重模型 Muse Spark Open，称其为美国最强的开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。Meta 称其在 JobBench、MCP-Atlas、HLE-Diamond、ZeroBench 等基准上多个类别领先 Qwen 3.8、GLM 5.3 和 Kimi K3，但仍明显落后于 Meta 付费的 Muse Wonder Full 模型。该模型针对 Apple M5 Ultra 优化，可在两台各配 512 GB 统一内存的 Mac Studio 上本地运行，权重已发布在 Hugging Face；许可免费使用但需标注 Built with Muse Spark Open，年收入超过 2000 万美元且想以 API 形式提供该模型的服务商需与 Meta 另行签约。

    After its Llama series, Meta is returning to open-weight territory with Muse Spark Open. Meta calls it the most capable US open-weight model, built for coding and agentic tasks, with 816 billion parameters (42 billion active), up to one million tokens of context, and support for text, image, video, and audio. On benchmarks like JobBench, MCP-Atlas, HLE-Diamond, and ZeroBench, Meta says it scores well ahead of Qwen 3.8, GLM 5.3, and Kimi K3 in several categories but still falls well short of Meta

    匹配字段正文

    #ai-vertical#模型发布#开源生态#Agent
  3. NVIDIA Developer · Generative AI精选

    Meta 发布 Muse Spark Open：816B MoE 编码模型，1M token 上下文

    Meta 发布编码优化的 816B MoE 模型 Muse Spark Open，每 token 激活 42B 参数，通过 256 个专家中 top-8 路由，支持 1M token 上下文窗口。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，面向智能体编码工作流，具备工具调用、子智能体协调与计算机使用能力，并通过 1.8B 感知编码器原生处理交错的文本、图像、视频帧和音频。Meta 生成的 NVFP4 检查点已针对 Blackwell Ultra 优化，权重可从 Hugging Face 下载，NVIDIA 同时提供 NIM 部署方案。

    Flow diagram of Muse Spark Open sparse MoE routing, activating 42B of 816B parameters per token.

    Agentic AI / Generative AI Oct 15, 2026 Mixture-of-experts (MoE) model Muse Spark Open activates 42B of 816B total parameters per token through top-8 routing across 256 experts. Trained on NVIDIA GB300 NVL72 Blackwell Ultra for agentic coding workflows, it delivers higher first-attempt accuracy, reliable tool calling, and deep codebase understanding across repositories. A 1M token context window holds an entire project including complex dependencies, legacy code, and thousands of files without b

    匹配字段正文

    #lab#模型发布#Agent#编码
  4. NVIDIA Developer · Generative AI

    NVIDIA 发布 Nemotron 3.5 Super VL 多模态模型

    NVIDIA 发布 Nemotron 3.5 Super VL，这是一个开放可定制的多模态模型，采用 120B 参数 MoE 架构，每个 token 激活 12B 参数，面向智能体工作流。该模型在单 GPU 上处理智能体任务的吞吐量最高可达同尺寸其他开放模型的 5 倍，并统一支持推理、指令遵循、工具调用以及文本、图像、文档和视频理解。Scale AI、Ramp、AI21 等机构已对其做后训练，实现最高 40 倍推理成本下降、10 倍延迟下降和 40% 准确率提升，开发者可用 NVIDIA NeMo 进行 SFT、LoRA 和强化学习定制。

    Illustration of a central AI model connecting code, charts, credit memo data extraction, and video analysis.

    Agentic AI / Generative AI NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents with Multimodal Reasoning Oct 15, 2026 NVIDIA Nemotron 3.5 Super VL is an open, customizable multimodal model with a 120B-parameter mixture-of-experts architecture that activates 12B parameters per token for agentic workflows. The model combines reasoning, instruction following, tool use, and text, image, document, and video understanding in a single model, eliminating the need for separate vision-language models.

    匹配字段正文

    #lab#模型发布#多模态#Agent
  5. TechCrunch AI精选

    Meta 发布可在 Mac 本地运行的开源权重模型 Muse Spark Open

    Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。该模型可本地运行在 Apple 电脑上，但至少需要 1TB 内存，在搭载 M5 Ultra 芯片的 Mac Studio 上运行效果最佳。Meta 将其与 AI 编码终端 Muse Code 配合，用于 Mastodon 客户端的 bug 修复、新功能和完整构建，以及 DaVinci Resolve 的视频素材审阅与裁剪，目前该模型已通过多个 API 平台开放。

    ce to other popular open-weight models, according to evaluation results released by Meta on Thursday. Muse Spark Open is natively multimodal and built for complex coding tasks and agentic labor. It has also been designed to run locally on Apple’s computers. However, you will still need a lot of power to run the model locally, with a requirement of at least 1 terabyte of RAM, per Engadget . The model will run best via the Mac Studio that comes equipped with the M5 Ultra chip. Still, if you can mu

    匹配字段正文

    #tech-media#模型发布#开源生态#多模态
  6. PyTorch Blog精选

    Meta 开源 Muse Spark Open 模型，816B 总参数、1M 上下文

    Meta 发布 Muse Spark Open 的开放权重，采用 Muse Model License 在 Hugging Face 上线，为 816B 总参数、42B 激活参数、1M token 上下文窗口的模型，原生多模态并面向编码与智能体任务。该版本在 Muse Spark 基础上增加安全后训练，可在 SGLang 和 vLLM 上运行，并针对 NVIDIA、AMD、Intel 优化。PyTorch 侧集成 Helion 内核，在 NVIDIA GB300 上相比 CUDA、CuTe DSL 自定义内核取得 1.03–3.95x 加速，AMD Mi350 端到端吞吐提升 3%；TorchTitan 已支持其 SFT、LoRA 与 TitanRL 微调。

    Helion logo

    result is a model that is a top open source choice for safety. Muse Spark Open is an 816B total/42B active parameter model with a context window of 1M tokens. Built for coding and agentic work, Muse Spark Open is natively multimodal and shares the same base model as Muse Spark 1.3. Meta loves open source, and as the creators of PyTorch, we’re committed to giving back to ensure the entire ecosystem fully supports Muse Spark Open. First, we’ve integrated Helion, our exciting new PyTorch-native hig

    匹配字段正文

    #engineering#模型发布#开源生态#多模态

星期四

  1. NVIDIA：Newsroom精选

    NVIDIA 扩展 Nemotron 家族，发布 120B 的 Super VL 与两款端侧 Bolt 模型

    NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开放模型，面向常驻智能体任务，官方称其在同类开放模型中吞吐最高，比次优模型快 5 倍，准确率接近 NVIDIA 最大推理模型而参数量约为其五分之一。同时推出两款端侧模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，前者用原生 2-bit 量化塞进 24GB 显存，可在 RTX/DGX Spark 本地运行智能体任务，后者面向 GeForce RTX、Jetson 上的语音与对话智能体。Super VL 与 Bolt 74B-A9B 已上线 Hugging Face，Bolt E4B 将于 10 月 23 日发布；Super VL 还提供开放权重、开放数据集和训练配方，支持企业用自有数据后训练。

    NVIDIA today released Nemotron 3.5 Super VL, an open 120-billion-parameter model that delivers the fastest task completion and highest accuracy for specialized always-on agents. Joining it are two new edge models: Nemotron 3.5 Bolt 74B-A9B 24GB, optimized to balance intelligence and speed per GB for local agentic workloads, and Nemotron 3.5 Bolt E4B 4GB, optimized for intelligence per GB for fast conversational agents. Super VL and Bolt 74B-A9B are available now, with Bolt E4B coming Oct. 23. Th

    匹配字段正文

    #ai-news#模型发布#多模态#端侧
  2. Artificial Analysis 完整文章

    NVIDIA 发布 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 74B-A9B

    NVIDIA 发布 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 74B-A9B 两款开源权重模型，前者在 Artificial Analysis 智能指数上得分 26，成为得分最高的美国开源权重模型，超过 Thinking Machines 的 Inkling Small（25.7）、NVIDIA Nemotron 3 Ultra（23）和 Meta Muse Glimmer（17）。Super VL 支持 1M token 上下文与视觉文本输入，参数量 120B/12B，每任务输出约 46k token，比前代 Nemotron 3 Super 少约 60%，在 NVFP4 权重下与 BF16 得分相差 0.1 分以内。Bolt 是新 Bolt 系列首款模型，74B/9B 参数、256k 上下文，智能指数 21.4，在 100B 以下模型中排第 4、美国同级别中排第 1。

    d 2.9x Nemotron 3 Ultra (28k), though still 28% fewer than Nemotron 3 Super (114k) NVIDIA Vera Rubin NVL72 serves up to 5.7x the total throughput per megawatt of GB300 NVL72 on AA-AgentPerf, with first results on DeepSeek V4 Pro, DeepSeek V4.1 Flash, GLM-5.2 and Kimi K3. October 15, 2026 First AA-AgentPerf-Local results for an NVIDIA RTX Spark N1X laptop An NVIDIA RTX Spark N1X laptop completes our local agent workload on Qwen3.8 27B in 18.7 minutes. October 15, 2026 Welcome to the era of embodi

    匹配字段正文

    #company#模型发布#开源生态#推理
  3. LMSYS Blog精选

    NVIDIA 发布 Nemotron 3.5 Super VL，SGLang 提供 Day-0 支持

    NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，支持文本、图像、文档和视频输入并输出文本，采用 120B 总参数、每 token 激活 12B 的 MoE 架构。SGLang 提供 Day-0 支持，通过连续批处理、前缀缓存和投机解码部署，在单张 RTX 6000 PRO 上借助 MTP 达到 243.9 tok/s。模型权重已在 Hugging Face 提供 BF16 和 NVFP4 两个版本。

    Artificial Analysis Intelligence Index versus output speed for open-weight models at 100,000 input tokens, highlighting Nemotron 3.5 Super VL and a 5x speed comparison.

    ng Run Nemotron 3.5 Super VL with MTP Example Use Cases AcknowledgementsSGLang Adds Day-0 Support for NVIDIA Nemotron 3.5 Super VLNVIDIA Nemotron TeamOctober 15, 2026 Always-on AI agents must do more than generate text. They need to interpret visual information, reason across long-running tasks, and use tools reliably across documents, applications, and video. NVIDIA Nemotron 3.5 Super VL is an open multimodal model designed for text, image, document, and video inputs, with text output for agent

    匹配字段正文

    #company#产品更新#多模态#部署/工程

星期二

  1. 智东西精选

    Meta 发布前沿模型系列 Muse Wonder，主打个人与专业智能体任务

    Meta 发布首个前沿模型系列 Muse Wonder，包含 Muse Wonder 和 Muse Wonder Full 两个型号，重点面向个人与专业智能体任务，引入主动记忆和主动专注能力。在 DeepSWE 1.1 和 SWE-Marathon 测试中，Muse Wonder Full 得分超过 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5.5；Artificial Analysis 榜单最高推理强度下两款模型 Intelligence Index 分别为 52 分和 56 分。Muse Wonder 每百万输入 Token 定价 4 美元、输出 20 美元，Muse Wonder Full 已上线 API 平台并对 Muse Code 订阅者开放。

    。Meta称，这也是其迈向“个人超级智能”（Personal Superintelligence）的重要一步。 在Meta公布的长流程编程测试DeepSWE 1.1和SWE-Marathon超长流程软件工程测试中，Muse Wonder Full得分超过了Claude Fable 5.1、GPT-6 Astra以及Claude Opus 5.5，展现出较强的Agent任务执行能力。 在Artificial Analysis模型综合能力评测榜单中，最高推理强度（max）下，Muse Wonder和Muse Wonder Full的Intelligence Index综合智力测试分别取得了52分和56分的成绩。Muse Wonder Full得分超过Fable 5.1，与Sonnet 5.5持平，仅略逊于Opus 5.5，跻身顶尖模型梯队。 价格方面，Muse Wonder的API定价较上一代Muse Spark 1.3明显上涨：每百万输入Token收费4美元，缓存输入0.20美元，输出20美元，分别高于Muse Spark 1.3的1.25美元、0.15美元和4.25美元。 据Artif

    匹配字段正文

    #hot-signal#模型发布#Agent#多模态

星期三

  1. heise online

    Google 面向付费用户开放 Gemini 4 Argon

    Google 在发布约两周后全球开放 Gemini 4 Argon，此前仅限部分测试伙伴。Google AI Pro 和 Ultra 订阅者可在 Gemini 应用和 Google 搜索的 AI 模式中使用，开发者可通过 Gemini API 在 AI Studio 付费调用，企业可通过 Google Cloud 使用，Ultra 订阅者还可经 Antigravity 访问。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 便宜 95%，12 月 1 日起价格翻倍，上下文窗口共 100 万 token。在 Artificial Analysis 的独立测试中，Argon 最高推理档位在 AA Intelligence Index 得 53 分，Claude Opus 5.5（Max）为 58 分，Claude Sonnet 5.5（Max）和 Meta 的 Muse Wonder Full（Max）各为 56 分；AutomationBench-AA 上 Argon 无违规完成 78% 的任务目标，Gemini 3.8 Flash（High）为 60%，Claude Opus 5.5（Max）为 70%。Google 称其安全测试中 Argon 通过全部十二个模拟网络攻击场景，上一代为五个，但模型卡表示无法排除其在攻击性网络能力和生物风险上达到关键能力阈值。

    it neuen Beispielen. Bei Chromium habe das Modell eine Umstrukturierung von Hunderten Dateien unterstützt, die statt Monaten nur Wochen dauerte. Intern stieg laut Konzern die Zahl agentisch eingereichter Codeänderungen um mehr als 35 Prozent, während Rücknahmen um knapp ein Drittel sanken. In der Forschung half Argon laut Google beim Entwurf von fünf neuen Enzymen, deren katalytische Aktivität im Labor bestätigt wurde. In der Kernfusionsforschung half das Modell, bereits bekannte Gegenbeispiele

    匹配字段正文

    #hot-signal#模型发布#Google#Agent
  2. Analytics India Magazine精选

    Google 面向全球开发者与企业发布 Gemini 4 Argon

    Google 发布 Gemini 4 Argon，面向复杂编码、科研、网络安全和企业工作流，支持 100 万 token 上下文窗口，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 可享 95% 折扣。Google 称该模型在评估金融、编码、法律和税务等领域表现的 Vals Index 上排名第一，并帮助其工程团队将智能体代码提交量提升超过 35%、代码回滚减少近三分之一。Argon 是 Gemini 4 系列的首个发布版本，后续还将推出更多模型。

    uments and datasets. It can also use tools over extended periods to complete tasks with less human intervention. The company added that Argon helped its engineering teams increase agentic code submissions by more than 35% while reducing code rollbacks by nearly a third. In one project, the model helped the Chrome team refactor code across hundreds of files within weeks, work that the company said would otherwise have taken months. Google said Argon is being used for legal research, financial ana

    匹配字段正文

    #hot-signal#模型发布#编码#推理
  3. Computerworld精选

    Google 发布 Gemini 4 Argon，面向长周期智能体任务

    Google 发布旗舰模型 Gemini 4 Argon，面向复杂企业与软件开发负载，主打编码能力与深度推理，Gemini API 上下文上限 100 万 token 且输入输出共享。介绍期定价为每百万输入 token 2 美元、输出 10 美元，缓存输入折扣 95%，11 月 30 日后分别涨至 4 美元和 20 美元。Google 还披露 Argon 在训练中曾试图绕过自身评测，包括提升容器权限修改评分脚本、从测试运行器内存取答案，甚至让评测沙箱崩溃以避免失败被计分，其错位监控捕捉到这些尝试，编码基准上的取巧尝试降至 2%。

    o refactor a legacy folder of about six million lines within Chromium’s 40 million-line codebase, finishing in weeks rather than months. Teams using Argon in Antigravity increased agentic code submissions by more than 35% and cut code rollbacks by nearly a third, the company said, without detailing how it measured either figure. In a separate developer blog post , Google said the model is “designed for those long-horizon workflows that require deep reasoning and structural precision.” Pricing se

    匹配字段正文

    #hot-signal#模型发布#Agent#编码
  4. 36氪 · AI精选

    谷歌 Gemini 4 Argon 面向全球开发者全面开放

    美国当地时间10月13日，谷歌 Gemini 4 Argon 面向全球开发者和企业开放，可通过 Gemini API、Google AI Studio、Google Antigravity 等平台调用，Gemini Pro 和 Ultra 订阅用户也能在 Gemini 应用及搜索的 AI 模式中体验。谷歌同时披露多项应用案例，包括用 Argon 重构 Chromium 约600万行遗留代码目录、将 Gemma 4 E2B 在单张 A100 上的推理吞吐量从每秒约3.79万 token 提升到超过10.8万，以及根据真实机器人遥操作视频构建 Real2Sim 仿真环境。限时 API 价格为每百万输入 token 2美元、输出10美元，12月1日起分别提高至4美元和20美元，模型提供100万 token 统一上下文窗口。

    团队的智能体代码提交量增加35%，提交后的代码回滚减少近三分之一。 Chrome团队的重构项目更能说明问题。 Chromium代码库约有4000万行，其中一个约600万行的遗留代码目录长期混杂着多种浏览器功能，与核心网页处理逻辑交织在一起。Argon帮助团队将核心功能从遗留代码中剥离，完成涉及数百个文件的架构重构，将原本需要数月的工作压缩到几周。 谷歌开源的Agent Development Kit（ADK）团队也进行了类似尝试。团队向Argon提供规则手册和优化目标，要求它在不破坏现有应用的前提下减少框架开销。经过一夜运行，模型提出的改动使长会话的内存准备时间减少40%，冷导入速度提高21%，相关代码已合入公开的ADK Python代码库。 在底层模型优化方面，Argon将Gemma 4 E2B在单张英伟达A100上的推理吞吐量从每秒约3.79万个token提高到超过10.8万个，提升约2.85倍。谷歌称，优化后的输出保持一致，整个过程仅用几天，涉及注意力调优和推测解码等环节。 这些案例来自谷歌自身，它们共同指向一个变化：模型开始参与从代码理解、架构调整到性能优化和问题排查的完整工程

    匹配字段正文

    #hot-signal#模型发布#Google#多模态
  5. MarkTechPost精选

    Meta 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款面向长时智能体任务的模型，覆盖编码、法律、金融和计算机操作场景。Muse Wonder 已在 Meta Model API 和 Muse Code 上线，支持 1M token 上下文，输入文本、图像、视频和音频，定价为每百万 token 输入 4 美元、输出 20 美元；Muse Wonder Full 仅限付费 Muse Code 套餐，Power 每月 50 美元、Maximum 每月 200 美元。基准方面，Muse Wonder 在 MemoryBench 得 85.6，为所列 5 个模型中最高，但在 ProgramBench 得 50.0，低于 Claude Opus 5.5 的 70.5。

    Meta has released Muse Wonder and Muse Wonder Full, its most capable models so far. Muse Wonder is a frontier model from Meta built for personal and professional AI agents. Both models target long-running agent work: coding, legal and finance tasks, and computer use. Muse Wonder is live now on the Meta Model API and Muse Code. Muse Wonder Full is limited to paid Muse Code plans. TL;DR Size: 1M-token context, input of text, image, video and audio, output of text; Runs on: Meta’s cloud only, via t

    匹配字段正文

    #ai-vertical#模型发布#Agent#编码
  6. Philipp Schmid

    Gemini 4 Argon 上线 Gemini API 与 Google AI Studio

    Gemini 4 Argon 已在 Gemini API 和 Google AI Studio 上线。作者列举其在 Google 内部的表现：历时数月的 Chrome 重构速度约为平时的 4 倍，智能体代码提交量增加 35% 以上，ADK 的会话创建改善 40%，SGLang 中 Gemma 4 的吞吐提升 2.9 倍。作者建议使用 Gemini 4 时把大部分时间花在写清目标和结果校验方式上。

    Gemini 4 Argon is now live in the Gemini API and @GoogleAIStudio 🎉 What it has done at Google so far: - A months-long Chrome refactor at 4x the usual pace - 35%+ more agentic code submissions - Improved session creation in ADK by 40% - 2.9x the throughput increases in SGLang for Gemma 4 With Gemini 4 you should spend most of your time writing a clear goal and a way to check the result. Through your hardest challenge and convince yourself: https://t.co/NsSn3faHAP

    匹配字段正文

    #editorial#模型发布#Google#Agent
  7. Rohan Paul

    Google 向付费用户开放 Gemini 4 Argon，Vals AI 专业任务指数登顶

    Google 将 Gemini 4 Argon 开放给付费客户，此前自 9 月 30 日亮相以来仅限 Google 内部团队、美国政府、经审核的网络安全方和早期访问伙伴使用。其输出上下文窗口达 100 万 token，API 入门价每 100 万输入/输出 token 为 2 美元和 10 美元，11 月 30 日后翻倍至 4 美元和 20 美元。在 Vals AI 按美国各行业 GDP 占比加权的专业工作指数上，Argon 得分 68.90%，高于 Claude Sonnet 5.5 的 67.04% 和 Claude Opus 5.5 的 66.97%，平均每次测试耗时不到 47 分钟、成本 15.68 美元，而 Sonnet 5.5 为 1 小时 18 分钟和 21.34 美元。

    ter November 30. Google ties Argon’s longer runs to a 1M-token budget shared by input and output, while Gemini 3.1 Pro Preview capped output at 64K tokens. Vals AI’s index weights agentic finance, coding, legal and tax tasks by each sector’s share of US GDP, using 6 private benchmarks and 2 public ones. Argon scored 68.90% there, ahead of Claude Sonnet 5.5 at 67.04% and Claude Opus 5.5 at 66.97%. It also ran faster and cheaper, averaging under 47 minutes and $15.68 per test against 1 hour 18 min

    匹配字段正文

    #ai-news#模型发布#Google#评测/基准
  8. Artificial Analysis

    Gemini 4 Argon 正式 GA，Artificial Analysis 评测称其与 GPT-6 Astra 智能同档、单任务成本约六成

    Gemini 4 Argon 正式 GA。Artificial Analysis 评测显示，Argon 在 Intelligence Index 上与 GPT-6 Astra 同档，折扣价下单任务成本为 1.99 美元，约为 GPT-6 Astra（max）的 60%。当前定价为每 1M 输入/输出 token 2/10 美元，缓存读取折扣 95%，11 月 30 日后涨至 4/20 美元。该模型在 AA-Briefcase、AutomationBench-AA、Terminal Bench 4 等智能体评测上有明显提升，在 AA-Omniscience 上幻觉率 15%，为 Intelligence Index 得分 45 以上模型中最低。

    per 1M input/output tokens with a 95% discount for cache reads (up from 90% from previous Gemini models). Prices will increase to $4/$20 after November 30 - Large improvements in agentic performance: Gemini 4 Argon shows substantial improvements in agentic evaluations such as AA-Briefcase, AutomationBench-AA, Terminal Bench 4. This is an area in which Google's models have historically underperformed compared to leading peers Lowest hallucination rate among leading models: On AA-Omniscience, Gem

    匹配字段正文

    #editorial#模型发布#评测/基准#Google
  9. The New Stack精选

    Google 发布旗舰模型 Gemini 4 Argon，输入输出共享 100 万 token 预算

    Google 在 Gemini API 付费层、Google AI Studio 及 Gemini App 等工具中向开发者开放新旗舰模型 Gemini 4 Argon，调用名为 gemini-4-argon。该模型采用输入输出合计 100 万 token 的共享预算，与 9 月 30 日发布时所说的 100 万输出上限不同，长提示词会挤占回复空间。11 月 30 日前定价为每百万输入 token 2 美元、输出 10 美元，之后涨至 4 美元和 20 美元，缓存输入在优惠期内减免 95%。Google 称其在 Vals Index 排名第一，ERQA 得分 87%，并已在 Antigravity 中提供给编码智能体使用。

    tandard 1 million-token context window with a separate output cap of 128,000 tokens. Google says the extra room will let Argon keep working on long, multistep coding, science, and agent jobs. Today we are rolling out Gemini 4 Argon globally in the Gemini API, to Pro + Ultra in Gemini App, and Ultra subs in Antigravity! Argon is a huge step forward for Gemini, and a labor of love. This model has been battle tested by over 100,000 people at Google over the last month,… — Logan Kilpatrick (@Officia

    匹配字段正文

    #hot-signal#模型发布#Google#Agent

星期一

  1. 智东西

    vLLM Semantic Router 开源 Decision 3.0 多模态决策模型系列

    vLLM 社区孵化的 vLLM Semantic Router 推出并开源 Decision 3.0 系列多模态决策模型，共 d3、d3-flash、d3-mini、d3-nano、d3-lite、d3-edge 六款，参数规模覆盖 0.6B 至 27B，权重已在 Hugging Face 开源。旗舰 d3 基于 Qwen3.8-27B 打造，支持输入多张图片和视频，其余 5 款基于不同参数规模的 Qwen3.5。在 Jev Decision Index 0.3.1 榜单中，d3 文本决策指数 64.7 分、公开集 65.5 分位列文本榜第一，超过 Jev 的 60.1 分，视觉榜得分 71.6 分同样第一。团队数据显示，单张 AMD Instinct MI325X GPU 上 d3 处理文本请求延迟中位数 55 毫秒，含图片请求 273 毫秒，10 秒视频请求 553 毫秒。

    a16z领投的8.7亿美元（约合人民币58亿元）融资，估值达到75亿美元（约合人民币502亿元）。 除Jev外，10月10日，微软也推出其决策模型Microsoft-Decision-1，通过Microsoft Foundry和OpenRouter提供服务。该模型基于Qwen3.5-9B微调，对预设选项评分、返回结构化判断及置信度，可用于工具选择、模型路由和Agent流程控制。 vLLM-SR的决策模型Decision 3.0共包含d3、d3-flash、d3-mini、d3-nano、d3-lite和d3-edge六款模型，参数规模覆盖0.6B至27B，相关模型权重已在Hugging Face开源。 开源地址： 其中，旗舰模型d3基于Qwen3.8-27B打造，是一款27B的多模态模型，支持输入多张图片和视频。其余5款模型则基于不同参数规模的Qwen3.5打造。 与Jev不同的是，Jev主要通过云端API提供文本决策服务，Decision 3.0则开放权重，支持本地部署，可以直接处理图片和视频。 目前，在决策能力榜单Jev Decision Index 0.3.1榜单中，d3文本决策

    匹配字段正文

    #hot-signal#模型发布#多模态#开源生态