搜索“其他”

salind-6 是一款面向生物学、药物发现和转化医学的前沿推理模型。我们以 GPT-Rosalind-6 Research 的形式，向符合条件的科学家、研究机构、企业和政府合作伙伴提供该模型。Rosalind 在双用途生物学查询上的拒绝次数更少，但仅通过可信访问渠道提供。在授予访问权限之前，我们会审查申请者拟议的用途、安全控制和治理实践。我们同时也继续保留其他部署保障措施。 GPT-Rosalind-6 与我们的旗舰推理模型 GPT-6 Astra 使用相同的权重。它旨在支持合法的生物学研究，包括部分双用途主题，同时仍会拒绝生物武器化相关请求，并保留对其他安全主题的拒绝。 根据我们的 Preparedness Framework，我们将此次发布在生物与化学领域定为 High 能力，低于 Critical 阈值。其他 Preparedness 风险我们沿用 GPT-6 Astra 的能力评估，并将 GPT-Rosalind-6 在网络安全领域定为 Critical，在 AI 自我改进方面低于 High。 本附录描述了 GPT-Rosalind-6 的生物学能力评估、额外的安全与对齐评估

匹配字段正文

（24 种语言）：平均错误率 5.89%，SIM 0.754。 在 CV3 上，Audio8 优于 VoxCPM2（5.35%）、CosyVoice3-1.5B（6.89%）和 Qwen3-TTS-1.7B（7.73%）。在 MiniMax 上，Qwen3-TTS-1.7B 得分为 27.41%，但它官方仅支持 24 种测试语言中的 10 种。 更大的模型在其他方面仍然领先。Higgs TTS 3 报告在 CV3 上为 4.41%，在 MiniMax 上为 2.74%。Qwen3-TTS-1.7B 在 Seed-TTS 上平均为 1.01%。Edge0 自己称其表格为参考比较，因为评估流程和文本归一化不同。 它与其他开源 TTS 模型相比如何？ 特性Audio8-TTS-RealisticQwen3-TTS-12Hz-1.7B-BaseVoxCPM2Higgs TTS 3 规模0.6B（不含编解码器）1.7B2B 4B 主干 许可Apache 2.0Apache 2.0Apache 2.0研究与非商业 语言231030100+ 输出采样率44.1 kHz未披露48 kHz24 kHz

匹配字段正文

获得88.2%的成绩；在ExploitGym漏洞利用验证测试中达到54.8%；在CWE-bench漏洞修复测试中达到71.0%，均取得了领先成绩。 谷歌还透露，在内部安全代码生成测试中，Carbon的成功率超过Argon的两倍。 此外，在Gray Swan的间接提示注入测试中，Carbon也取得了0%的攻击成功率。这项测试专门考察AI能否抵挡藏在网页、邮件和其他外部资料中的恶意指令。 在允许攻击者最多尝试15次的情况下，Carbon抵挡住了全部测试攻击。相比之下，Argon的攻击成功率为0.7%，Claude Opus 5.5为1%，GPT-6 Astra为8.5%。 还有一点，比较有意思：Carbon是个官方认定的“老实模型”。 过去一些AI模型为了完成任务，可能会钻测试环境的漏洞，甚至通过不符合任务要求的手段骗取高分。但谷歌宣称，Carbon在Terminal-Bench 4.0测试中的作弊成功率已经降至0%，作弊尝试率也降低至0.4%。 在内部测试中，Carbon缺乏依据的断言数量较Argon减少约一半，高严重程度的行为偏离警报下降近80%。模型越权操作的情况减少26%，任务完成

匹配字段正文

合式AI产品组合，同时受益于不同产品线、行业和客户群体的需求。谷歌云目前已有18条产品线的年收入分别超过10亿美元。 从具体业务来看，Google Cloud Platform（GCP）的AI基础设施、AI解决方案以及传统核心云服务均实现增长，TPU系统销售也成为重要的收入贡献来源。 库里安透露，谷歌正在将TPU的销售范围从自有云平台拓展至客户自有数据中心和其他服务商，以扩大产品覆盖面。 谷歌披露，超过100家重要客户已经在使用谷歌TPU系统。除Anthropic等现有合作方外，公司还在与Mistral、Physical Intelligence等模型公司，以及金融机构、大学和公共部门客户合作。谷歌还宣布与Oracle、CoreWeave AI建立TPU系统交付合作，并与Meta合作推进TorchTPU，以降低开发者将PyTorch模型迁移至TPU平台的门槛。 TPU业务的意义在于，谷歌可以向客户销售包含硬件、计算、存储、网络及系统软件的完整计算系统，而不只通过云服务按使用量收费。 与此同时，TPU系统销售也会带来不同于传统云服务的现金流周期：谷歌需要先采购硬件、积累库存，再向客户交付

匹配字段正文

官方评分标准评估模型复现论文成果的完成程度。 在科学研究难题测试FrontierScience中，Apex-35B-V1.0获得40.0分，高于Qwen3.6-35B-A3B的21.7分和GLM-5.3的30.7分。该测试涵盖物理、化学、生物等领域，此次比较采用包含60道研究级难题的测试集，主要考察模型解决复杂科学问题的能力。 ▲Apex-35B-V1.0与其他模型在科研类基准测试中的成绩对比（图源：超衍智能） 智能体任务方面，Apex-35B-V1.0在工具调用和流程自动化测试中也取得了较高成绩。 在工具调用测试BFCL V4中，该模型取得84.0分，高于Qwen3.6-35B-A3B的75.2分和DeepSeek-V4.1-Flash-1017的75.0分，在此次参与比较的6款模型中排名第一。 BFCL V4主要考察模型能否正确选择和调用外部工具，处理多轮工具调用等任务。此次评测覆盖5106个测试样例，采用各样例非加权平均通过率，与BFCL官方加权总分的统计口径有所不同。 在流程自动化测试AutomationBench中，Apex-35B-V1.0取得49.3分，Qwen3.6-3

匹配字段正文

Google DeepMind（@GoogleDeepMind）2026年10月28日 Google的模型评估资料中，除这一综合评价外，还刊载了Artificial Analysis测得的Terminal-Bench系列结果。关于编码领域的Terminal-Bench 4.0（AA）和科学领域的Terminal-Bench-Science 0.1（AA），与其他公司模型的比较如下。 模型 Terminal-Bench 4.0（AA） Terminal-Bench-Science 0.1（AA） 从漏洞发现、可利用性验证到修复，对各阶段性能进行评估 Google表示，Carbon在从漏洞发现到可利用性验证、原因修复的网络安全防御各阶段能力均有提升。可利用性验证是为了让防御人员判断是否有必要修复漏洞、应优先处理哪些漏洞而进行的。 据称，在内部基准测试中，生成安全代码的成功率超过Argon的2倍。以下3项基准测试在移除模型安全限制即护栏的条件下评估了性能。SEC-bench Pro和ExploitGym由Google评估，CWE-bench v1由Collinear AI评估。 在漏洞发现（

匹配字段正文

词的发言在录音的第几秒开始、第几秒结束。根据技术报告，最多可区分8名说话人。 在翻译方面，可从日语语音生成英语文本，从英语语音生成日语文本。转写和翻译可用于对会议、通话等录音进行事后处理的用途。不支持在说话过程中进行逐次转写的实时处理。 作为转写的辅助，还可以回答关于音频内容的问题，或响应以语音给出的指令。不过，这些仅在英语中进行了评估，据称在包括日语在内的其他语言中可能无法稳定运行。 评估多语言和多说话人语音识别 NVIDIA在技术报告中展示了用于比较语音识别性能的Open ASR Leaderboard的多语言评估结果。德语、法语等7种语言的平均词错误率（WER，越低越好）为4.62%。在比较表中列出的模型中，这是公开权重（通过训练调整的数值数据）的模型中最低的值。这7种语言不包括日语。 Nemotron 3.5 Transcribe Technical Report（表9⁠）⁠- NVIDIA 在比较的模型中，Qwen3-ASR-1.7B为6.49%，Whisper-large-v3为7.94%。另一方面，商用模型ElevenLabs Scribe v2为3.56%，低于Nemo

匹配字段正文

行敏感数据而无需将其暴露给云端或外部各方。借助 Mistral 的模型，企业将拥有一个西方开发的模型，与市场上众多超大型中国编码模型竞争，例如北京智谱华章科技有限公司的 GLM 系列和北京月之暗面科技有限公司的 Kimi 系列。 “开源对于确保最先进的 AI 不会最终集中在少数参与者手中至关重要，”联合创始人兼首席执行官 Arthur Mensch 表示。“其他实验室已筹集数千亿美元来开发同等能力；而在三年内，Mistral 筹集了约 60 亿美元。” 由于其训练方案，ML4 在许多其他前沿模型中脱颖而出，在 Artificial Analysis Coding Agent Index 上甚至可与 GLM-5.3 等顶级模型匹敌，同时平均每个任务少用 47% 的 token。 在测试终端中智能体编码能力的 Terminal-Bench 4.0 上，ML4 从 28% 提升到 41%，与 GLM-5.3 并列成为编码智能体的最佳模型。 Mistral 为 ML4 提供三种推理模式：低、中、高。团队可利用这一点让推理深度与任务相匹配，而无需调整提示词（后者可能效果较差），从而使推理既能适应

匹配字段正文

。 Nvidia 将这些能力连同翻译功能打包进单个检查点，这可以简化围绕它们构建应用的工作。 理想情况下，设定这种上下文可以降低错误率。代价是，这些模型比传统转写模型大得多，后者规模通常不到 10 亿参数。Nemotron 3.5 Transcribe 是一个 30B 的混合专家模型，拥有 40 亿激活参数。 不过，这并非一个全新的概念。我们最近已经看到一些其他可提示的语音转文本模型，例如 Mistral 的 Voxtral 模型和 AssemblyAI 的 Universal 3 Pro。 不过，Nvidia 能够以远更少的激活参数与 Voxtral 的错误率相匹敌。在 Artificial Analysis 的基准测试中，Nemotron 的词错误率为 2.81%，而 Voxtral Small 为 2.77%，同时前者使用约 40 亿激活参数，后者则为 240 亿。不过，这一比较衡量的是相对于激活参数数量的准确率，而非运行时或内存需求。 该模型可以转写 40 种语言，并将其中 31 种语言与英语互译。说话人归属功能适用于其中 13 种语言，并且最多可区分 8 个说话人的声音。音频

匹配字段正文