←搜索结果

搜索“OpenAI”

按匹配度 · 共 304 条结果 清除搜索

星期六

  1. The Decoder

    微软发布 Decision-1 决策模型，基于 Qwen3.5-9B

    微软推出决策模型 Decision-1，基于 Qwen3.5-9B，面向分类、评估和路由决策，并称有潜力引导和控制智能体应对复杂环境。微软称其在覆盖 36 项基准、近 15 万个问题的测试中最准确，速度是第二名 H2O-Lightning-4B 的 2.5 倍。该模型已通过 Microsoft Foundry 和 OpenRouter 提供，输入 token 每百万 0.042 美元，输出 token 免费。

    Microsoft now has its own decision model. Like the ones from OpenAI , Cloudflare , and the "original" from Jev , Decision-1 is built for fast, structured decisions. According to Microsoft , it handles classifications, evaluations, and routing decisions and has "the potential" to "guide and control agents through complex environments." Decision-1 is based on Qwen3.5-9B. Microsoft says it's the most accurate model tested across 36 benchmarks covering nearly 150,000 questions. On speed, it's 2.5 ti

    匹配字段正文

    #ai-vertical#模型发布#端侧#部署/工程
  2. MarkTechPost

    微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策打分模型

    微软发布 Microsoft-Decision-1，一个基于阿里 Qwen3.5-9B 后训练的决策打分模型，对固定选项返回校准后的概率而非生成文本，现已上线 Microsoft Foundry 和 OpenRouter。它支持 32,768 token 上下文，在微软 36 项基准对比中平均准确率 83.5%，p50 延迟 85 ms，输入定价为每百万 token 0.042 美元、输出免费。模型仅提供托管 API，不开放权重，且所有基准均为厂商自测。

    B for single-pass decision scoring. Given a situation, a question and fixed options, it returns a probability per option in one call. It plans to rebase future versions on MAI and OpenAI models. The Foundry model card lists the supported formats: yes/no, multiple-choice, rating, classification and rubric questions; grading of AI responses and proposed agent actions; groundedness checks against supplied evidence; explicit abstention options such as “cannot tell” Training used public datasets unde

    匹配字段正文

    #ai-vertical#模型发布#Agent#部署/工程
  3. gihyo.jp

    Microsoft 发布决策专用模型 Microsoft-Decision-1

    Microsoft 于 2026 年 10 月 9 日发布决策专用模型 Microsoft-Decision-1，输入文本、问题与选项后按选项返回 JSON 格式概率，可用于分类、处理分流以及评估 AI 智能体的行动，已在 Microsoft Foundry 和 OpenRouter 提供。该模型基于 Alibaba 的 Qwen3.5-9B 追加训练，上下文窗口 32,768 token，不生成判断理由，也不适用于需要输入外知识的任务；Microsoft 称其响应时间中位数比 GPT-6 Sol 快约 35 倍，输入每 100 万 token 收费 0.042 美元、输出 token 不计费。

    か、人による確認に回すかなどを判断できる。選択肢や確率のしきい値、人へ確認を求める条件は、モデルを組み込む側で設定する。 ベースにはAlibabaのQwen3.5-9Bを採用し、Microsoftが追加学習を施した。1回のモデル呼び出しでスコアを返し、コンテキストウィンドウは32,768トークン。Microsoftは今後、Microsoft AI（MAI）やOpenAIのモデルをベースにする計画も示している。 モデルカタログによると、Microsoft-Decision-1は判断理由の文章を生成しない。入力に含まれない知識を必要とする課題も対象外となる。また、融資や雇用、医療など、人に重大な影響を及ぼす判断の唯一の根拠として使うべきではないとしている。 Microsoftの評価ではGPT-6 Solより約35倍高速 複数の判断を順に行うワークフローでは、判断ごとの待ち時間が積み重なる。Microsoftは、Quyet-1.0-LargeやGPT-6 Luna DecisionsなどのモデルとMicrosoft-Decision-1の性能を比較した。 評価には、学習に用いなかった36種類

    匹配字段正文

    #hot-signal#模型发布#Agent#Microsoft

星期五

  1. Moonshot AI · Kimi Blog精选

    月之暗面发布 Kimi K3：2.8T 参数开源模型，100 万 token 上下文

    月之暗面发布 Kimi K3，这是一个 2.8T 参数模型，采用 Kimi Delta Attention 与 Attention Residuals，具备原生视觉能力和 100 万 token 上下文窗口，已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，默认使用 max thinking effort。官方称其整体性能仍落后于 Claude Fable 5 和 GPT 5.6 Sol，但在自建评测中持续优于其他被测模型，完整权重将于 2026 年 7 月 27 日发布。模型采用 Stable LatentMoE，896 个专家中激活 16 个，官方称相比 Kimi K2 整体扩展效率提升约 2.5 倍，并已向 vLLM 社区贡献 KDA 前缀缓存实现。

    Kimi K3 hero visual

    /z.ai/blog/glm-5.2); Claude Opus 4.8 and Claude Fable 5 with Terminus 2 (https://artificialanalysis.ai/evaluations/terminalbench-v2-1); GPT 5.5 and GPT 5.6 Sol with Codex (https://openai.com/index/previewing-gpt-5-6-sol/); Program Bench. Kimi K3 is evaluated with the Kimi Code harness. The GLM-5.2 score is from https://z.ai/blog/glm-5.2; all other scores are from https://www.vals.ai/benchmarks/programbench; SWE Marathon. Kimi K3, Claude Opus 4.8, and Claude Fable 5 are evaluated with the Claude

    匹配字段正文

    #company#模型发布#开源生态#推理

星期四

  1. MarkTechPost

    Anthropic 发布 Claude Haiku 5.5：1M 上下文，输入每百万 token 0.10 美元

    Anthropic 发布 Claude Haiku 5.5，这是其目前最便宜最快的小模型，保持 1M token 上下文窗口和最高 128K 输出 token，100K token 以内提示的输入价格为每百万 token 0.10 美元、输出 0.50 美元，比 Claude Haiku 4.5 低 90%。该模型已通过 Claude API、Amazon Bedrock、Google Cloud、Microsoft Foundry 和 AWS 上的 Claude Platform 正式提供，是首个带可调 effort 设置的 Haiku 级模型，自适应思考默认开启、effort 默认 medium。Anthropic 自报的基准中，OSWorld 2.1 为 72.4%，Terminal-Bench 4.0 为 39.2%，Humanity's Last Exam 无工具 45.9%、带工具 57.4%。

    8M calls a week; The third is speed-sensitive work like live customer support and browser use Haiku 5.5 vs Its Closest Competitors Sources: Anthropic docs, Anthropic announcement, OpenAI model page, OpenAI pricing, Google model page, Google pricing. Standard-tier list prices, verified October 7, 2026. Interactive Explainer Key Takeaways $0.10 input and $0.50 output per 1M tokens for prompts up to 100K tokens; 1M context, 128K output, adaptive thinking with an effort setting (default medium); 72.

    匹配字段正文

    #ai-vertical#模型发布#Anthropic#部署/工程
  2. The Decoder精选

    Anthropic 发布 Claude Haiku 5.5，价格最高降 90%

    Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词最高降价 90%，超过 10 万 token 则贵 5 倍。基准测试显示其计算机使用能力提升明显，OSWorld-2.1 得分从 15.7% 升至 72.4%，Terminal-Bench 4.0 从 0 升至 39.2%，Humanity's Last Exam 无工具 45.9%、有工具 57.4%。该模型是首个支持可调推理等级的 Haiku 级模型，已在 AWS、Google Cloud 和 Microsoft Azure 上线，同时 Sonnet 5.5 的缓存读取费用从每百万 token 0.20 美元降至 0.10 美元。

    es 72.4 percent on OSWorld-2.1, up from 15.7 percent. On the agentic coding benchmark Terminal-Bench 4.0, it reaches 39.2 percent while Haiku 4.5 scored zero. Anthropic also lists OpenAI's budget model GPT-6 Luna as a comparison, and Haiku 5.5 leads across every tested category. Sonnet 5.5 reference scores show, however, that Haiku 5.5 still falls well behind Anthropic's larger model. First Haiku model lets users trade cost for performance Haiku 5.5 is the first Haiku-class model with adjustable

    匹配字段正文

    #ai-vertical#模型发布#Anthropic#OpenAI

星期三

  1. AI Business

    Reflection 发布 5010 亿参数开源权重模型 Beam

    美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。

    be able to retrain models for their business -- all at lower cost than and comparable performance to proprietary closed models from U.S. AI vendors, such as Anthropic, Google and OpenAI. “What companies are really pushing for is a more adaptive landscape of models that can go to the frontier when they need to,” Shimmin said. “They can turn to localized models that they have finetuned to their exact needs. Support from Nvidia However, Reflection’s value is not just as an alternative to China. Wh

    匹配字段正文

    #hot-signal#行业动态#开源生态#模型发布
  2. Simon Willison精选

    Mistral 发布 Mistral Large 4 预览版

    Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。

    is terrible pelican and scored 9 on AA. It's certainly not a Fable-class model, but it's great to see Mistral put out a model that's back to being maybe about 6 months behind the frontier. Recent articles We're going to need default hard budget caps on pretty much everything - 3rd October 2026; OpenAI DevDay 2026 live blog - 29th September 2026; 2026 in LLMs (so far) - 27th September 2026 This is a link post by Simon Willison, posted on 6th October 2026. Monthly briefing Pay me to send you less!

    匹配字段正文

    #newsletter#模型发布#推理#部署/工程

星期二

  1. The Rundown AI

    Reflection AI 发布首款开源权重模型 Beam，主打编码与智能体

    估值 250 亿美元的 Reflection AI 发布首款开源权重模型 Beam，面向编码与智能体任务，公司称其以远低于中国实验室 Z.ai GLM-5.2 的算力达到相近的推理和编码成绩。Reflection 计划本月以 Apache 2.0 许可证放出 Beam 权重，允许企业自行定制和部署，并已在韩国测试由对冲基金或政府用自有芯片和私有数据运行 Beam 的 AI 工厂模式。在自家测试中 Beam 仍落后于 Moonshot 的 Kimi K3，但优于 Thinking Machines 的 Inkling 等美国开源系统。

    enough to make an impact. In today’s AI rundown: Reflection AI enters the open-model race; a16z’s top AI apps list follows the money; Protect your files with this Claude Code mod; OpenAI’s text watermark stops at the EU border LATEST DEVELOPMENTS REFLECTION AI 🇺🇸 Reflection AI enters the open-model race Image source: Reflection The Rundown: U.S.-based Reflection AI, the $25B startup by former DeepMind researchers, just introduced Beam, an open-weight model for coding and agents that the company

    匹配字段正文

    #newsletter#行业动态#开源生态#Agent
  2. Wired AI精选

    Mistral 发布一万亿参数开源权重模型 Mistral Large 4（Le Chonk）

    Mistral 发布一万亿参数的开源权重模型 Mistral Large 4，昵称 Le Chonk，目前处于预览阶段，最终版本将在本月底推出。该模型针对编码、网络防御以及制造、金融、电气工程等细分领域做了优化，Mistral 称其是能力最强的非中国开源权重模型，并称与部分闭源模型非常接近，且是从零训练而非蒸馏。Mistral 联合创始人兼首席科学家 Guillaume Lample 表示，关键不在于美国、欧洲还是中国，而在于企业是否自己拥有模型，使用闭源模型无法保证它明天还在。

    hereas Chinese labs have been accused by the US government of abusing distillation—the training of a smaller model on the outputs of a larger one—to close the performance gap with OpenAI and Anthropic, Mistral claims to have trained its model from scratch. It’s already considerably cheaper for businesses to run open-weight models, which cost only as much as the compute they consume. By reducing the performance gap on leading proprietary models and providing a competitive alternative to releases

    匹配字段正文

    #tech-media#模型发布#开源生态#编码
  3. Latent Space精选

    Reflection 发布 Beam：501B 总参数、23B 激活的美国开源 MoE 模型

    Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token，并在约 10,500 块 GB300 上各跑四周预训练与 RL，自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平，部分基准低于 DeepSeek V4 Flash。

    Portal for two weeks (Nous). Eleven v4 Turbo tops AA’s Provider Voice TTS arena at half the price of v4 (AA) SemiAnalysis limit testing: SemiAnalysis tested plans from Anthropic, OpenAI, Meta, SpaceXAI, MiniMax, Moonshot, Cursor, Cognition and others. It found that Claude subscriptions deliver 5x+ more API-equivalent value than OpenAI plans (report).Methodology: Value depends on the credit cost of each model and token type, not on list API prices (thread); Task-cost adjustment: Adjusting for ta

    匹配字段正文

    #newsletter#模型发布#开源生态#数据/训练
  4. TechCrunch AI

    Reflection 发布开源权重模型 Beam，对标中国开源模型并压低算力成本

    Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上与中国领先开源模型持平，且推理算力消耗少 3-4 倍。Beam 为文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token；对比 Z.ai 的 GLM-5.2 总参数约 7440 亿、激活 400 亿。公司称本月将公开权重与完整技术细节，并通过超大规模云厂商和 neocloud 分发，性能主张尚未经独立验证。

    rence compute.” Reflection calls it a “workhorse model” for enterprises, the public sector, and developers. Reflection is positioning itself against closed labs like Anthropic and OpenAI, against popular open models from Chinese developers, and against Western players like Mistral, Meta, and Cohere. Its most direct U.S. rival might be Inkling , the open model from Mira Murati’s Thinking Machines Lab released in July. Reflection’s own benchmarks show that Beam outscores Inkling on four coding tes

    匹配字段正文

    #tech-media#模型发布#开源生态#推理

星期一

  1. 科学网

    TypeSafe AI 发布首款 System One 模型 Jev，不生成文本专做快速决策

    美国 TypeSafe AI 公司发布首款 System One 模型 Jev，它不生成对话、文章或代码，而是面向软件自动化场景直接返回可被程序调用的结构化判断及概率。Jev 支持 Choice、Score 和 Noul 三种问题类型，可并行处理同一状态下的多个问题，公司称其在适合快速判断的任务中判断水平接近部分现有大模型，速度提高 40 倍至 200 倍，输入价格为每 10 亿 Token 42 美元且不收取输出 Token 费用。上述性能数据主要来自 TypeSafe AI 自己的评测，公司也承认测试由内部设计、参考答案由其他大模型生成，数据处于实际收益较高一端。

    日前，一款由美国TypeSafe AI公司发布的首款“System one”模型Jev，震动AI圈。不同于以ChatGPT为代表的大语言模型，这款由前OpenAI研究员研发的模型不生成对话、文章或代码，而是面向软件自动化场景，直接返回可以被程序调用的结构化判断及相应概率。 “System One”的名称来自心理学家丹尼尔·卡尼曼在《思考，快与慢》中提出的“系统一”概念，指快速、直觉式的判断。以ChatGPT为代表的大语言模型被纳入“系统二”，Jev则是专门做快速决策的“系统一”模型。 Jev根据TypeSafe AI的定义，开发者可以向Jev输入一段非结构化信息或程序状态，并预先设定问题与候选答案。模型目前支持Choice、Score和Noul三种问题类型，分别用于从给定选项中作出选择、按照设定标准评分，以及判断某个陈述成立的概率。 其中，Choice和Score会返回概率分布及置信度；Noul则直接返回一个介于0和1之间的数值。多个问题可以在一次调用中针对同一份状态并行、独立地处理。开发者不必再要求大模型逐个生成自然语言或JSON文本，然后对结果进行解析和校验。 例如，客服系统可以输

    匹配字段正文

    #science#模型发布#Agent#推理

星期六

  1. The Decoder

    Cloudflare 发布 Clef 与 Clef-flash 决策模型，主打低延迟智能体决策

    Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，基于 Qwen3.8-27B 和 Qwen3.5-9B，训练时保持基座模型不变，用自有合成数据训练额外组件来输出带概率的分类结果。Cloudflare 称在 43 项基准上两者快于所有相关竞品，Clef-flash 中位延迟约 39 毫秒，Clef 约 209 毫秒，而 Jev 超过 524 毫秒；API 与 Jev 完全兼容，模型以 Apache-2.0 许可在 Hugging Face 提供，并运行在 Workers AI 上。Cloudflare 还推出强化学习服务供客户微调，初期由前向部署工程师协助，后续计划上线自助平台。

    run on Cloudflare's Workers AI platform and are available on Hugging Face under the Apache-2.0 license . The approach was popularized by TypeSafe AI, the startup founded by former OpenAI researcher Diogo Almeida, which introduced Jev in mid-September. TypeSafe markets Jev as a model "without hallucinations," though that only guarantees it stays within predefined answer options and doesn't prevent it from choosing incorrectly. In late September, OpenAI followed with a Decisions API built on GPT-6

    匹配字段正文

    #ai-vertical#模型发布#Agent#部署/工程
  2. MarkTechPost

    微软发布 MAI-Transcribe-2-Streaming 流式语音转文字模型，登顶 Artificial Analysis 榜单

    微软 AI 发布首款流式语音转文字模型 MAI-Transcribe-2-Streaming，支持 60 种语言并自动连续检测语种，在收到音频后 100 毫秒出头即输出首个部分转写结果。Artificial Analysis 的 AA-WER Streaming 测试显示，其最终转写与首个部分转写均为 2.5% WER，在 38 个模型中均排第一，最终结果延迟 0.13 秒。该模型定价为每小时音频 0.54 美元（2026 年底前的尝鲜价），可通过 Realtime API 或 Azure Speech SDK 接入，目前为公开预览，无 SLA 且未开放权重。

    e than xAI and Meta, and roughly matches Google’s estimated rate. How Developers Integrate It Microsoft documents 2 integration paths. The Realtime API suits apps already using an OpenAI Realtime-compatible WebSocket. The Azure Speech SDK handles connection management, retries and audio streaming. Both return intermediate and final results. The model is also available in the MAI Playground, through Vercel and Azure Voice Live. LiveKit support is listed as coming soon. Microsoft pairs it with MAI

    匹配字段正文

    #ai-vertical#模型发布#语音#Microsoft

星期四

  1. 量子位

    谷歌发布 Gemini 4 Argon，多榜单登顶并主打网络安全防御

    谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上以 77.9% 超过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 68.90% 登顶 Vals Index。该模型支持最高百万 Token 输出，优惠期每百万输入 Token 2 美元、输出 Token 10 美元，单题成本约为 Astra 的四成。目前仅面向通过审核的网络安全防御团队开放，首批进入谷歌 Fairwind 计划。

    哈萨比斯还有接班人Koray Kavukcuoglu，纷纷一键三连为其站台： 谷歌is back！ DeepMind研究员Zirui Wang发帖直言： RSI来了！ 我已做无可做，是时候追逐我的咖啡师梦想了：) 讲真？ 全体起立！咱盼星星盼月亮的 Gemini 4 ，它终于来了。 仔细数一数，距离谷歌上一代旗舰模型发布都快一年了，哪吒都没这么难产。 这一年OpenAI、Anthropic是追着谷歌砍啊，放假前一周还连发Opus 5.5、Sonnet 5.5、GPT-6.1 Sol逼宫。 你说谷歌能不急吗，新型号 Argon 火速上岸。 先看跑分情况， 清一色的性能领跑 。 Argon在衡量长期软件工程任务的DeepSWE v1.1上拿到77.9%，高于Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%。 网络安全漏洞修复测试CWE-bench v1则拿到68%，和GPT-6 Astra 并列第一 。 Argon以68.90%登顶Vals Index榜首，较Gemini 3.8 Flash实现大幅提升。 尤其是 RSI指数 一跃第四，超越了GPT-6 Ast

    匹配字段正文

    #chinese#模型发布#Google#DeepMind
  2. The Rundown AI

    Google 发布 Gemini 4 Argon，19 项基准中 13 项超过 GPT-6 Astra 与 Claude Opus 5.5

    Google 发布新前沿模型 Gemini 4 Argon，在 Google 自测的 19 项基准中有 13 项超过 GPT-6 Astra 和 Claude Opus 5.5，目前仅向经过审核的特定网络安全团队开放。该模型在 Arena 文本榜登顶，AA 智能指数得 53 分，仅次于 Opus 5.5，与 Fable 5.1 和 Astra 持平，并在真实编码测试 DeepSWE 上取得 77.9% 的领先成绩。Google 尚未公布更大范围上线时间，API 定价为每百万 token 输入 2 美元、输出 10 美元，促销期结束后升至 4 美元和 20 美元；彭博社报道称内部对 Argon 的编码能力存疑，Google 否认了这一说法。

    the clips, and assembles everything into a finished video.” See Matt’s full workflow Visit The Rundown University . How do you use AI? Tell us for a chance to be featured. 🔵 Dot - OpenAI’s new always-on agent taking on Meta’s Muse 🎨 Ideogram 4.5 - New image editing AI that holds up through repeated changes 🗣️ Mercury Voice - Inception’s cheap, speedy reasoning model for voice agents 🎬 Utopai X - MiniMax-based video AI, ranking 2 on text-to-video leaderboard Google Cloud launched Advent of Agents

    匹配字段正文

    #newsletter#行业动态#Google#OpenAI
  3. Latent Space精选

    Google DeepMind 发布 Gemini 4 Argon，输出上限提至 1M token

    Google DeepMind 发布前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御，今日起通过 Fairwind Program 向受信任测试者开放，并承诺尽快扩大访问。Google 称其输出上限达 1M token，较此前的 64K 大幅提升，标准定价为每 1M 输入/输出 token 4 美元/20 美元，另有 50% 的限时折扣。Google 称 Argon 在 19 项公开基准中的 13 项排名第一，DeepSWE 得分 77.9%，高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%；Artificial Analysis 测得其在 Intelligence Index 上得 53 分，与 GPT-6 Astra 持平。

    C ). Other critiques : Commentators raised possible preference-data benchmaxxing and objected to some figures, including DeepSWE ( @teortaxesTex , @teortaxesTex ). GPT-6.1 Sol and OpenAI’s DevDay Agent Stack Independent evals : GPT-6.1 Sol is the new 1 on MathArena ( @j dekoninck ). Code Arena : It ranks 3 on WebDev at 1759, 70 points above GPT-6 Sol for the same $2/$10 pricing ( @arena ). Cost per task : Artificial Analysis measures $0.72 per task at max effort, versus $3.26 for Astra and $1.04

    匹配字段正文

    #newsletter#行业动态#Google#OpenAI
  4. 财新

    谷歌发布 Gemini 4 Argon 模型，先向可信赖网络安全防御人员开放

    当地时间9月30日，谷歌推出新模型 Gemini 4 Argon，称能在复杂、长周期工作流中持续进行深度推理。该模型目前只向一批可信赖的网络安全防御人员开放，谷歌称需分阶段发布高水平模型能力，并自愿与美国政府协调沟通，逐步扩大适用范围，后续在完善安全防护后尽快向开发者、企业和消费者提供。

    首页; 经济; 金融; 公司; 政经; 世界; 观点; 博客; 图片; 视频; English; mini+; 周刊; 数据通 金融我闻 商圈 大盘脉搏 地缘图志 企业数据库 沪深股市 数据通Claw🦞 【财新网】继OpenAI和Anthropic发布新代际的旗舰模型后，谷歌也发布新一代模型。当地时间9月30日，谷歌推出新模型 Gemini 4 Argon，称能在复杂、长周期工作流中持续进行深度推理。 目前，该模型只向一批“可信赖的”网络安全防御人员开放。谷歌解释称，需分阶段发布高水平的模型能力。谷歌自愿和美国政府协调沟通，逐步扩大模型的适用范围。谷歌称，将继续收集早期测试者的反馈，在不断完善安全防护措施后，尽快向开发者、企业和消费者提供Gemini 4 Argon。 推荐进入财新数据库，可随时查阅公司股价走势、结构人员变化等投资信息。 财新机器人产业指数(RII)已发布，点击了解行业动态 金融｜失能老人一年花费12万元 长护险能赔多少; 政经｜黄奇帆落马; 民生｜2027国考拟招录3.57万人 税务占比创新高; 科技｜腾讯AI办公智能体WorkBuddy打通企微; 财新周刊｜【封面报

    匹配字段正文

    #hot-signal#模型发布#Google#安全/对齐
  5. MarkTechPost精选

    Google DeepMind 发布 Gemini 4 Argon，单次输出可达 1M tokens

    Google DeepMind 发布 Gemini 4 代首款前沿模型 Gemini 4 Argon，面向长周期软件工程、法律金融等企业知识工作与网络安全防御，单次响应最多可生成 1M tokens，此前 Gemini 模型为 64K。定价为介绍期每 1M 输入 tokens 2 美元、输出 10 美元，缓存输入享 95% 折扣即 0.10 美元，介绍期后升至输入 4 美元、输出 20 美元，Logan Kilpatrick 确认了介绍期价格。Google 采取分阶段发布，参与美国政府预发布模型访问的自愿流程，先收集早期测试者反馈并迭代防护措施；Argon 在 18 项基准中 12 项领先、1 项并列第一，CWE-bench v1 上以 68% 并列第一，Wiz 已通过 Scan for Good 用它发现一处此前前沿模型漏掉的医疗软件严重漏洞。

    he model found a critical vulnerability in healthcare software used by hospitals worldwide. Google says previous frontier models had missed it. Before broad release, Google is strengthening safeguards in 4 areas: Thousands of Googlers already use Argon. Google shared 4 internal results: Sources: Google , Anthropic Opus pricing , Anthropic Fable 5.1 docs , OpenAI GPT-6 Astra docs , OpenRouter . Benchmark scores are from Google’s published comparison. GPT-6 Astra prices are its short-context tier.

    匹配字段正文

    #ai-vertical#模型发布#Google#DeepMind