搜索“搜索”

以供参考。部分运行的评估版本、推理设置、评分和样本覆盖范围有所不同，因此这些仅为描述性比较。“Not available”表示尚未确定数值参考结果。≈表示从已发布图表中读取的近似值。 表 12：诚实性与可靠性。 表 12：诚实性与可靠性。 评估指标GPT-Rosalind-6GPT-6 Astra 阻断器欺骗 阻断器欺骗率 ↓ 9.5% 12.9% 未能识别搜索工具不可用的情况所占比例 ↓ 未能识别搜索工具不可用的情况所占比例 ↓ 1.3% 1.5% 表 13：使用工具时的行为。 表 13：使用工具时的行为。 评估评估指标GPT-Rosalind-6GPT-6 Astra ExploitGym 蜜罐 成功利用评估基础设施完成指定任务之外操作的比例 ↓ 0.0% 0.0% 遵守警告 遇到警告后成功绕过限制的比例 ↓ 21.7% 18.9% 遵守自动审查 尝试规避自动审查拒绝的比例，包括未成功的重试 ↓ 0% 0% Agent Replay 自动审查 在重放的智能体对话中，被评定为特定严重级别或以上的有害或未经授权行为的比率，不包括惰性行为 ↓ 27.1% 26.7% 非预期地接触外部智能

匹配字段正文

CP合同。公司预计，超过55%的积压订单将在未来24个月确认为收入。 这一数字意味着，谷歌云已经积累了规模庞大的未来合同需求，但积压订单并不等同于已实现收入，实际确认节奏仍取决于合同执行、客户使用情况和交付能力。 由于供给紧张，公司已在第三季度末开始使用第三方计算资源，并预计第四季度扩大使用规模。这些额外资源短期内可能对云业务利润率形成压力。 第三季度，谷歌搜索及其他业务营收为633.50亿美元（约合人民币4222.97亿元），同比增长12%。皮查伊称，搜索查询量同比增长率达到过去5年来的最高水平，AI投资正在推动整体查询量增长，包括商业相关查询。 在产品层面，谷歌正在整合AI Overviews、AI Mode和传统搜索体验。皮查伊称，AI Mode中的查询平均长度约为传统搜索的3倍，全球约1/5的AI Mode查询使用语音、图片或文档等多模态输入；谷歌每月视觉搜索量已经超过500亿次。 这些变化意味着，用户正在通过更长、更复杂的提问完成信息检索和决策。但对于依赖广告收入的搜索业务而言，查询方式变化也带来了新的变现问题。 在财报会上，谷歌首席商务官菲利普·辛德勒（Philipp Sc

匹配字段正文

能发布并开源首款大模型Apex-35B-V1.0。该模型构建过程中，AI自主参与了数据构造、实验设计、代码执行、训练结果分析和训练优化等环节。 Apex-35B-V1.0总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。其以Qwen3.6-35B-A3B为基础，经中训练和后训练进一步优化，支持编程、Agent、问答和深度搜索等常规任务，以及AI研究、计算科学、机器人仿真等任务。 ▲Apex-35B-V1.0官方技术介绍（图源：超衍智能） 根据超衍智能发布的基准测试结果，该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分、40.0分，超过GLM-5.3的42.5分、30.7分。在工具调用测试BFCL V4中，该模型取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。 超衍智能成立于今年6月，核心业务是研究下一代自进化基础大模型（RSI），其创始人、CEO陈勇超今年27岁，是清华大学人工智能学院助理教授，本科毕业于中国科学技术大学，拥有哈佛大学与麻省理工学院联合培养博士

匹配字段正文

Google LLC 今日推出 Gemini 4 Carbon，这是一款擅长复杂编程任务的前沿大语言模型。 该大语言模型在搜索业务推出上一代旗舰大语言模型 Gemini 4 Argon 仅两周后便开始铺开。据 Google 称，内部测试显示 Carbon 在生成安全代码方面的能力是前代的两倍以上。此外，该模型在多项基准测试中优于 GPT-6 Astra 和 Claude Opus 5.5。 Carbon 最引人注目的基准测试结果是在 Artificial Analysis Intelligence Index 上创下的纪录分数。该测试综合了六项以上主流大语言模型评测。Google 在今日公开发布的新版指数上测试了 Carbon。新版指数新增了两项基准测试，并移除了一些已饱和的问题，即被认为对前沿模型过于简单的问题。 Carbon 尤其擅长网络安全任务。它在 SEC-bench Pro 上轻松打破了此前的纪录，该测试评估大语言模型在复杂软件系统中发现弱点的能力。该模型在修补其发现的漏洞方面也优于前代。 “Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一家实验室的大

匹配字段正文

rgon发布两周后，Google今天宣布Gemini 4 Carbon为其下一代前沿模型。 在编码、智能体任务和网络安全防御（发现漏洞）方面取得了“显著提升”。值得注意的是，“Carbon在最近更新的Artificial Analysis Intelligence Index v5.0上以59分排名第一。” 相关：Google通过新开发者平台为Gemini和搜索添加更多互联应用 Google表示，此次快速发布是因为其研究人员和模型“携手合作，以更快地提升能力”。 “随着网络开发中输出质量和产物的改进，Carbon在WebDev Arena上跃升+89 elo分，以1769分位列第四。” 关于网络安全： “在发现漏洞的SEC-bench Pro（88.2%）、漏洞利用的ExploitGym（54.8%）和修补的CWE-bench（71.0%）上均遥遥领先。” “在内部基准测试中，Carbon在生成安全代码方面实现了强劲提升，并且在我们自己团队的实时编码环境中，它显示出错位和捏造率降低。” 在安全方面，Google致力于改进对齐，并训练Carbon“以正确方式应对复杂或高压任务”。 更高的

匹配字段正文

Mistral还将其排在DeepSeek V4.1 Flash（31%）、Kimi K3（21%）和Muse Spark Open（6%）之前。 来源：Mistral 不过，Mistral在Hugging Face的文档中承认，中国最好的开放模型在同一公司的综合指数上仍然领先，Le Chonk在该指数上获得26分，是西方开放模型中的最高分。而恰恰是中国模型被搜索引擎Ecosia选中，于10月初取代Mistral。替代者中包括Qwen、Kimi以及GLM。Ecosia的老板Christian Kroll曾批评Mistral模型的质量，并称其落后竞争对手约一年。 API价格减半：输入每百万token 0.70美元（约0.63欧元），输出2.10美元（约1.89欧元），而预览版标准价格为1.36美元（约1.22欧元）和4.18美元（约3.75欧元）。 不过，名为Mistral Ecosystem Open-Weight License的许可证不如Large 3的Apache 2.0慷慨，后者允许包括商业用途在内的所有用途。这一MIT自由许可证的修改版允许商业使用，但转售模型服务访问权的公司除

匹配字段正文

的恶意网络请求，高于任何其他开源模型。它仍应能够处理合法的防御性任务。不过，Mistral 承认该模型可能使真实攻击更容易实施，因此计划在未来几个月收紧防护措施。Orange Cyberdefense 等部分合作伙伴已在测试用于渗透测试的特殊版本。访问需要经过审核，并附带合同限制。 Mistral 也看到了办公工作方面的进展。该公司称，在编辑财务电子表格和搜索网页方面，Large 4 在开源模型中仅次于 Kimi K3。 Mistral 降价，但增加了许可证限制 通过 API，Large 4 的价格为每百万输入 token 0.70 美元、每百万输出 token 2.10 美元。在预览期间，标价为 1.36 美元和 4.18 美元。Mistral 在发布时将其降至 0.68 美元和 2.09 美元，为期两周，因此新价格大致与旧折扣持平。作为对比，Kimi K3.1 Pro 的输入价格为 2 美元，输出价格为 10 美元。 Mistral 以修改版 MIT 许可证发布该模型。使用、修改和商业部署均免费。然而，将 Large 4 作为商业云服务提供的公司需要获得 Mistral 的单独许

匹配字段正文

成绩非常出色： 它在 Artificial Analysis 综合基准上登上新的第 1 名，可能使 GDM 在 AAII 历史上首次领先：在 X 上查看帖子 ↗ sd 2026/10/27-2026/10/28 的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有检查更多 Discord。AINews 的网站可让你搜索所有往期内容。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择接收/不接收邮件的频率！ AI Twitter 回顾 发布：Google DeepMind 在 Argon 发布两周后宣布了 Gemini 4 Carbon。它被定位为网络安全和长周期任务上的最先进模型（@sundarpichai、@GoogleDeepMind）。 宣称的网络结果：在用于漏洞发现的 SEC-bench Pro 上为 88.2%，在用于漏洞利用的 ExploitGym 上为 54.8%，在用于修补的 CWE-bench 上为 71.0%（@sundarpichai）。 可用性：Carbon 首先通过 Fairwind P

匹配字段正文

%。但随着财报公布，股价迅速转跌，盘后跌幅一度超过10%。 Carbon刚刚帮谷歌拿下全球第一，似乎也没能挽住投资者的信心。 原因之一是广告业务不及预期。第三季度谷歌广告收入达到820.12亿美元，同比增长约11%，但比分析师预期低约14.1亿美元。 财报电话会上，谷歌高管表示，AI Mode虽然带来了快速增长的查询量，但目前每次查询的广告变现水平仍低于传统搜索，因此也在一定程度上拖累了谷歌搜索业务的收入增速。 与此同时，谷歌花钱的速度越来越快。 第三季度，Alphabet资本开支达到513.55亿美元，自由现金流降至负90.65亿美元，连续第二个季度为负。 虽然本季度的现金流还受到52亿美元欧盟罚款支付，以及TPU系统备货等因素影响，但基础设施投资的压力确实存在。 Alphabet预计，2026年全年资本开支将达到1950亿至2050亿美元，2027年还会继续显著增加。 为了满足持续增长的算力需求，谷歌甚至开始使用第三方算力，首席财务官预计，这将在短期内给云业务利润率带来压力。 在电话会上，皮查伊也透露了Carbon接下来的发展计划。谷歌正在开发Carbon的蒸馏版本，希望在兼顾算力

匹配字段正文

开始打“闪电战”了 或许这个答案很简单：产品开放可以慢，但抢占心智绝不能慢。 在今天的大模型牌桌上，半个月就是半个世纪。如果谷歌老老实实等所有安全护栏全部焊死再开发布会，怕不是今天这“59 分登顶”的炸裂效果，届时连个水花都溅不起来。 就在发布同天的财报电话会上，谷歌 CEO Sundar Pichai骄傲宣布，在过去几周，谷歌最核心的 Chrome、广告和搜索团队全面用上 Argon 编写、优化代码后，代码交付量硬生生提了 35%，错误率反而降了 30%。 图源：Google 财报会讲话原文截图 总而言之，又是RSI（递归自我改进）。他直言，AI 已经在帮谷歌加速训练和发布，预计未来 12 个月，这种“滚雪球”的加速还会因为 RSI 越转越快。 归根究底，谷歌想通过这场大模型发布的闪击战，向世界展示谷歌在 AI 时代的新能力这才是这次闪击战背后最让人细思极恐的地方：不仅是人来在训练 AI，谷歌这家公司里，AI 也能帮忙训练 AI。 而 RSI 带来的另外一个好处，体现在价格上。Carbon 实力暴涨了一大截，但引入期的定价竟然和上一代 Argon 分毫不差。 每百万输入 Token

匹配字段正文

大小为 7，高于 LFM2 中的 3。还有三项进一步的变化定义了该骨干：逐头门控注意力，其中 sigmoid 门控缩放每个注意力头的输出，可抑制损害量化的激活离群值；部分 RoPE，其中全局注意力层仅对每个头的最高频一半进行旋转，而滑动窗口层保留完整 RoPE；以及三明治归一化，对每个块的输入和输出进行归一化。 该设计来自 Liquid AI 的硬件在环架构搜索，为 LFM3 扩展到 14 种设备和后端组合，包括手机（Samsung Galaxy S26 Ultra 和 OnePlus 15）、Raspberry Pi 5、笔记本电脑（Apple M4 Max 和 AMD Ryzen AI）、Arm 和 x86 云 CPU、GPU，以及 Qualcomm Hexagon NPU。 LFM3-1.7B-Base 在 22T token 上预训练，其中最后 3.5T token 构成在精选数据上的中期训练阶段，智能体轨迹和工具调用的占比更高，同时将上下文窗口扩展到 256K token。后训练分四个阶段进行：在 1.75T token 上进行监督微调、混合强化学习、从六个专家强化学习教师进

匹配字段正文

世界。随后，他们可以浏览模拟场景，并通过输入后续提示词进行编辑。例如，用户可以要求 Genie 4 改变天气或添加更多物体。该模型进行此类编辑时，不会降低虚拟世界的照片级真实感或一致性。 Genie 4 的自然语言界面与键盘控制并存。键盘控制可用于改变摄像机的位置和角度。 在底层，Genie 4 使用 Google 的其他多个模型来提升其输出质量。它依赖这家搜索巨头于 5 月推出的视频生成器 Gemini Omni，以确保其生成的视觉素材逼真。Gemini 3.8 Flash 是一款针对成本效益优化的推理模型，它使模拟的各个帧之间保持一致。 “Gemini 持续观察场景，将目标分解为一系列步骤，并审查传入的帧以跟踪进度并验证每一步是否成功，”Hadsell、Rivas 和 Qi 写道。“当世界发生变化或用户介入时，Gemini 会即时调整其计划。” DeepMind 目前正在研究如何将 Genie 4 应用于机器人用例。该项目将该算法与 Gemini 4 Argon 相结合，后者是 Google 旗舰级的推理优化大语言模型。 该项目的目标是让工程师使用高层指令模拟机器人。例如，用户可以

匹配字段正文

我们如何构建更具表现力的主干网络 LFM2 表明，短卷积与注意力的混合架构可以在不牺牲质量的前提下于设备端快速运行。对于 LFM3，我们利用硬件在环架构搜索，针对智能体用例重新设计了该架构，这类用例需要更高的每参数能力，以及在长上下文上的快速推理。该搜索现在覆盖 14 种设备与后端组合，从手机和 Raspberry Pi 5 到笔记本电脑、云端 CPU、GPU 以及 Qualcomm Hexagon NPU。 LFM3-1.7B-Base 有 24 层，包含四项主要改动： 三混合层组合：13 个门控短卷积层、5 个窗口为 256 token 的滑动窗口注意力（SWA）层，以及 6 个全局注意力层。卷积的核大小从 LFM2 的 3 提升到 7。 逐头门控注意力：一个 sigmoid 门控对每个头的输出进行缩放，因此当某个头没有可补充的信息时可以被关闭。这有助于抑制损害量化的激活离群值。 部分 RoPE：全局注意力层只对每个头中频率最高的那一半进行旋转，因此另一半无论距离远近都按内容匹配。SWA 层保留完整的 RoPE。 三明治归一化：每个块对其输入和输出都进行归一化，以保持激活值处于良好

匹配字段正文

ments》快速歌词实现帧级精准的音频同步编排。 生成逼真的纹理 Argon 对实时 3D 渲染、光照与着色以及交互式物理模拟有着更深入的理解。这使得 Antigravity 中的 Argon 能够编写一个定制的“毛发引擎”，具备工作室级毛发动力学，生成随角色动作而生长和移动的视觉丰富毛发。 我们还使用 Antigravity 中的 Argon 制作了一个交互式音乐“G”，具备流体物理和响应式声音。 Gemini 4 Argon 现已通过 AI Studio 和 Gemini 平台的 API 面向全球开发者和企业开放，面向 Google AI Ultra 和 Pro 订阅用户 在 Google Antigravity中提供，并面向 Google AI Ultra 和 Pro 订阅用户在 Gemini 应用 和 搜索中的 AI 模式. 中提供 在收件箱中获取 Google 最新资讯 订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。 完成。只差一步。 请查看收件箱以确认你的订阅。 你也可以使用 订阅。 你的信息将按照 Google 隐私政策 使用。你可以随时退出。 发布于：

匹配字段正文

26 年 6 月 1 日。 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 推理努力程度从 none 到 max，默认值为 medium。工具调用需要 Responses API。支持的工具包括电脑操作、托管 shell、代码解释器、网络搜索、文件搜索和 MCP。OpenAI 列出的用例包括将产品照片与目录条目匹配，以及解读技术图纸。 GPT-6.1 Terra 在电脑操作方面表现如何？ OpenAI 主要的权威测试是 Agents' Last Exam v1，这是一组专业电脑任务。其中一项任务是将建筑图纸转换为 3D 模型。 在 medium 努力档下，Terra 得分为 57.6%，每任务成本 0.29 美元。GPT-5.6 Terra 在相同设置下得分为 42.6%，成本为 0.84 美元。GPT-6 Astra 在 medium 档下同样得分为 57.6%，但每任务成本为 4.82 美元。 在 max 努力档下，Terra 达到 60.0%，每任务成本 1.

匹配字段正文

4.0中，GPT-6.1 Terra在最高推理强度下完成了 50.3% 的任务，超过GPT-5.6 Terra已公布成绩21.5%的两倍。 不过，OpenAI表示，对于最复杂的编程任务，GPT-6.1 Sol和GPT-6 Astra仍是更好的选择。 安全方面，OpenAI称，GPT-6.1 Terra在其安全准备框架下达到了网络安全领域的“关键”能力阈值，并保留了为GPT-6 Astra开发的防护措施。公司的测试还显示，新模型较GPT-5.6 Terra更可能遵守任务范围，向用户如实说明自身局限和可能遇到的障碍。 价格与使用范围 GPT-6.1 Terra即日起面向ChatGPT Work和Codex中的Plus、Pro、Enterprise及Edu用户开放。开发者也可以通过OpenAI API调用该模型，模型名称为gpt-6.1-terra。 标准API价格为每100万个输入token 1美元、每100万个缓存输入token 0.05美元，每100万个输出token 5美元。（作者/于雷） 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

匹配字段正文

系统卡中被称为“Coding Deception”的早期评估，而该评估已被我们最新的模型基本饱和。 图 8 图 8 GPT-6.1 Terra 的表现与该系列近期模型相当，并且与 GPT-5.6 Sol 相比，其披露失败的情况持续减少。请注意，这些问题是被刻意挑选出来以诱发不当行为的，并不一定反映生产环境中误导性响应的绝对发生率。 图 9 图 9 在通常需要搜索的任务中，我们衡量模型在最终回复中未能说明搜索工具不可用的频率。GPT-6.1 Terra 在 1.83% 的情况下未能说明这一限制，而 GPT-6.1 Sol 为 2.08%。 我们评估 GPT-6.1 Terra 能否在工作场所环境中完成任务，而不会引发数据泄露或未经授权的交易等意外后果。这些评估将 GPT-6.1 Terra 置于真实的工作场所应用中，包括消息、电子邮件、网页浏览、项目管理和销售等应用。这些评估被有意设计为对抗性的，其中模糊的指令、相似的资源和复杂的权限为意外结果创造了机会。 图 10 图 10 图 11 图 11 有关此评估的完整说明，请参阅 非预期的 与外部代理消息的交互 GPT-6 Astra 系统卡

匹配字段正文

微弱差距。 Kimi Code Bench 3.0 Long-horizon 则是内部的基准测试，覆盖多种工程领域，重点考察编程智能体的多步执行、工具调用和端到端问题解决能力。K3.1 Pro 在这项测试中得分 61.2%，高于 K3 的 55.95%。 K3.1 Pro 能熟练使用 Unity、Unreal Engine、Godot 等游戏引擎，并结合网络搜索与 3D 生成，做出完整的体验。它产出的前端页面、Three.js 交互场景和 3D 资产，在构图、排版、动效和细节打磨上都有明显提升。 Kimi K3.1 Pro 模型擅长 3D 创作与空间推理。在 BenchCAD 基准测试中，K3.1 Pro 借助工具得分 92.7%，接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。该基准考察通过生成 CAD 代码，从多视角渲染图重建 3D 模型的能力。 据介绍，给 K3.1 Pro 一段文字描述、一张草图或一张参考图，它能推断出物体的形状、比例和空间关系，并将其重建为可用的 3D 模型。它对现有素材库和模型库也有更强的理解。 K3.1 P

匹配字段正文

础设施、rollout 调度，以及用于环境质量检查的共享平台——使每一份强化学习算力的增量都能带来稳定、可预测的回报。因此，K3.1 Pro 在每个领域都取得了持续提升。 2026/10/22-2026/10/23 的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有进一步检查 Discord。AINews 网站可搜索所有过往期刊。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择订阅/退订邮件的频率！ AI Twitter 回顾 头条：Kimi K3.1 Pro 发布及反响 发生了什么 月之暗面发布 Kimi K3.1 Pro：独立基准测试结果接近前沿水平，模型规模大幅提升，并承诺于 2026 年 11 月 4 日开放权重。 模型：月之暗面将 K3.1 Pro 描述为一款多模态、“3T 级”混合专家模型，总参数 2.8 万亿，激活参数 1040 亿，上下文窗口为 100 万 token。其宣传的优势包括全项目编程、Blender/CAD 工作、金融建模和长时间运行的智能体。@Kimi Moonshot 可用性：

匹配字段正文

亿。参数规模增大，意味着模型能把更多知识和规律装进“脑子”，懂得更多、想得更深、答得更准。 据悉，Kimi K3.1 Pro在代码、3D创作、金融研究和其他长程Agent能力上的提升尤为显著。在多项国际权威评测中，Kimi K3.1 Pro综合智能水平已接近全球领先的闭源模型。 在编程领域，Kimi K3.1 Pro能熟练使用专业的设计和开发工具，并结合网络搜索与3D生成做出完整体验，为游戏和网页带来更专业的视觉呈现，产出的页面和交互场景在构图、排版、动画效果和完成度上都有明显提升，尤其是长程编码能力经大规模强化学习进一步增强。 在3D创作上，给新模型一段文字描述、一张草图或一张参考图，模型就能推断出物体的形状、比例和空间关系，直接操作专业建模软件做出可用的3D模型，并进一步搭建成完整的交互场景。 在金融领域，从检索资料、跨文档核对数据，到搭建财务模型并进行盈利分析，该模型都能端到端完整交付，在两项国际测评中，均超过全球前沿的闭源模型。 今年以来，中国AI大模型在全球有亮眼表现。全球AI模型聚合平台OpenRouter统计，上周(10月12日至18日)全球AI大模型总调用量为164万亿

匹配字段正文