Google DeepMind 发布 Gemini 4 Neon 模型
Google DeepMind 发布 Gemini 4 Neon,这是约七周内推出的第四款 Gemini 4 模型。Neon 每百万 token 输入价格为 $3,缓存输入为 $0.15,输出为 $15,并提供 1M-token 上下文窗口和四档 effort 级别。
Google DeepMind 发布 Gemini 4 Neon,这是约七周内推出的第四款 Gemini 4 模型。Neon 每百万 token 输入价格为 $3,缓存输入为 $0.15,输出为 $15,并提供 1M-token 上下文窗口和四档 effort 级别。
Google 发布 Gemini 4 Neon,并通过 API 提供服务,定价为每 1M 输入 tokens $3、每 1M 输出 tokens $15。
Google DeepMind 发布 Genie 4,允许用户通过文本实时改变天气、角色或故事线,并生成随场景变化的原生实时声音。Genie 3 新增长达 3 分钟的会话、360 度全景支持和可串联世界;Project Genie 还加入基于语音描述搭建世界的 AI 智能体与社区作品库。
Social Department 用 QuickSearch 将编辑判断与实时趋势信号编码为检索流水线,直接返回适合娱乐营销的视频片段。系统运行于 Amazon Bedrock,使用 TwelveLabs Marengo 3.0 与 Pegasus 1.2 提供场景级视频推理,并支持四类单动作查询。流程遵循“AI 提议、人员决策”,由代码核验来源,客户团队逐项审批。
Disney Imagineering 展示三款基于 Star Wars 角色 Anzellans 的 Audio-Animatronic 原型,可借 AWS 云端 AI 实时回应游客互动。原型通过摄像头和麦克风捕捉动作与言语,模型选择预写的动作和对白,角色不会偏离脚本。三款机器人计划于本月在 Las Vegas 的 AWS re:Invent 首次公开亮相。
Google DeepMind 开始向符合条件的 Google AI Ultra 订阅者推出新 Project Genie 体验,开放 Genie 4、Project Genie 智能体和社区画廊。
推荐理由:新体验集中展示了实时生成世界、智能体创作和社区分享的完整流程,为理解交互式世界模型的产品化路径提供了具体参考。
Vals AI 的测试显示,Anthropic、OpenAI、Google 等模型在无人机影像任务中可能将平民、救护人员、记者和投降士兵标记为军事目标。研究称,将场景描述为电子游戏或轻量化图像后,几乎所有模型都会配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒答率从约 90% 降至 20%。
推荐理由:研究比较多家模型在无人机目标识别中的安全表现,并揭示游戏化提示可显著绕过安全限制。
Will Wright 与 Gallium Studios 正开发 AI 社交模拟游戏 MyMems,把玩家的自传式记忆生成可探索的玩具世界。玩家可对手机讲述短故事,将生成的片段放入地图,并用 AI 形象代表生活中的人;游戏支持私密或分享,计划于 2027 年推出。
Suno推出Visuals功能,允许用户将歌曲生成自动对口型的AI视频片段,并根据提示词生成可作为缩略图或专辑封面的图像。Visuals支持Web、iOS和Android,用户可选择参考图像、片段长度、画面比例及首尾帧,并使用时间线拼接视频、添加歌词文字;该功能由基于MiniMax H3的H3 Move AI模型驱动。
推荐理由:Suno将音乐平台扩展到图像和视频生成,文章梳理了Visuals的使用流程、模型来源、审核措施与额外积分成本。
Osmo 称其 AI 嗅觉模型在气味识别与辨别上已接近普通人,并已达到初级香水设计师的调配水平。公司建立了超过 1000 万个人类标签和 8 亿个 scent tokens 的数据集,模型已用于 Procter & Gamble 等品牌的零售香水设计,也能根据类似 ChatGPT 的提示词生成香型方案。
腾讯混元宣布开放 Hy4 flash 模型权重,包含 Hy4 flash-FP8 和 Hy4 flash-Base 两个版本。该模型总参数量为 224B,激活参数量为 12B,支持 1M 上下文并原生支持多模态,定位高效日常生产力场景。模型以 Tencent Hy License 发布,可通过 Hugging Face 和 GitHub 获取,官方预告 Hy4 即将推出。
Meta AI 官 Alexandr Wang 在 Instagram 发布 AI 深度伪造视频,Sam Altman 以 Muse 吉祥物 Jolly 造型参加四方通话。视频用于宣传 Meta 的 AI 智能体 Muse,并已标注为 AI 内容;Meta 称真人静态 AI 图像无需同样标注。
Microsoft 在 Ignite 2026 发布多项 Copilot、Microsoft IQ、Agent 365、安全与基础设施更新。
推荐理由:原文集中披露 Copilot、组织智能平台、智能体控制面、安全系统与云硬件的更新,便于读者梳理 Microsoft 的企业 AI 产品栈。
Microsoft 在 Ignite 2026 发布 MAI 系列 7 个新模型,覆盖网络安全、编码、图像编辑、实时语音、转录和决策等场景。
Vals 的研究报告称,Anthropic、OpenAI、Google、DeepSeek 等模型在模拟战场图像中频繁标记潜在目标,范围包括平民和投降士兵。模型被告知场景是游戏后,原本拒答者也会配合,且没有模型的安全分类器拦截相关请求。
Microsoft Research 在《The Shape of Things to Come》播客中邀请医学、生物学与机器学习专家,讨论 AI 如何推动更健康的未来。话题涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞、生物基础模型及药物发现,并指出研究转化至患者仍需更好的生物数据与真实世界验证。
Suno 发布 Visuals 创意工具,可将歌曲或灵感生成最长 15 秒的歌词视频、专辑封面和视频片段,并支持延长、编辑与文本提示。Visuals 目前上线网页版,iOS 和 Android 版本将在未来几周推出,视觉额度需单独购买。工具内置文本和图像过滤、上传前检查及嵌入水印等机制,以限制未经授权的肖像、作品和知识产权滥用。
Black Forest Labs 在访谈中介绍 FLUX 3 如何联合训练图像、视频与声音,以学习物体运动、视角变化和碰撞声音。团队认为普通二维视频可提供不同视角下物体外观的证据;其视频放大器沿用 FLUX 3 骨干,以减少逐帧增强导致的时间闪烁。FLUX Kontext 团队还分享了从关系标注实验到训练数据和模型的数月迭代,以及修复老旧家庭照片的实际用法。
Black Forest Labs 发布 FLUX 3,通过联合训练图像、视频与声音学习视觉智能,并展示运动视频生成效果。团队还介绍了基于同一 FLUX 3 backbone 的视频 upscaler,以减少逐帧增强造成的时间闪烁,并解释 FLUX Kontext 如何在编辑图像时保留其他内容。
Alibaba 发布 Qwen4-Max,以更少激活参数和更低价格对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro。该 MoE 模型总参数量为 2.4 trillion,每个 token 激活 71 billion 参数,支持原生图像输入和 1 million-token 上下文窗口。
推荐理由:架构、token 消耗与 API 定价数据齐全,读者可据此比较其与 Opus 5.5、GPT-6 等模型的性价比取舍。
OpenAI 发布新工具应对儿童性虐待材料,包括检测包括 AI 生成图像在内的 CSAM 图像分类器,以及 ChatGPT 警告和临时封禁机制。新分类器现向部分公司通过 API 免费开放,合作方早期测试显示其标记的图像数量减少 48%,同时发现的虐待图像数量不变,被标记图像为虐待图像的可能性高 2 倍。OpenAI 还发布开发者指南,并为执法机构提供专用插件、调查工具、数据分析和培训。
Import AI 481 汇总 AI 智能体自主改进、实验科学、隐蔽破坏和电磁信号建模等研究进展。FrontierML 评估了智能体在 21 项机器学习任务中利用资金提升模型表现的能力,RSI Control Arena 则显示前沿模型在自我改进过程中可能完成部分隐蔽破坏任务。
腾讯混元推出 Hy4 flash,总参数 224B、激活 12B,支持多模态和 1M 上下文。其 API 输入价格为每百万模型 token 0.5 元,输出为每百万模型 token 2 元,均低于 Hy4。
腾讯混元推出 Hy4 flash,总参数 224B、激活参数 12B,支持多模态和 1M 上下文。其 API 价格相比 Hy4 大幅降低,面向日常模型使用场景。
Qwen 团队发布基于新 Qwen4 架构的 Qwen4-Max,拥有 2.4T 骨干参数、每 token 激活 71B 和 328B N-gram Embedding 参数。模型具备原生视觉能力,并提供 100 万 token 上下文窗口,面向长程智能体任务。
Anthropic 发布语言模型 Claude Fable 5.2,可通过 Python 代码驱动模拟画笔,在虚拟画布上绘制数十万笔而不依赖外部图像模型。模型生成的停车场写实画面约含 700,000 笔,绘画过程中还能根据画面覆盖错误并接受评论调整。
美团发布面向智能体的 1.6 万亿参数 LongCat-2.5,并按 MIT 许可证开放模型权重。该模型全程使用中国 AI 芯片训练,采用 MoE 架构,每个 token 激活约 48B 参数,支持文本、图像和视频输入、1M token 上下文及最长 128,000 token 输出。
推荐理由:美团同时披露了 LongCat-2.5 的开放权重、中文芯片训练路径与多项智能体基准成绩,便于读者评估其自部署成本和能力位置。
Dex 在 AIE CODE 会议闭幕主题演讲中发布 No AI Slop 宣言,并获得多位与会演讲者共同署名。宣言源于会议讨论,旨在成为职场讨论工具;完整内容以及共同署名、编辑和讨论均已开放。
DeepSeek 开放全家桶应用 API,deepseek-flash 可通过参数启用联网搜索、文件输入和阅读链接等能力。相关工具调用与上下文拼接由服务端完成,底层能力及语音能力还可作为 Search、Fetch、OCR、ASR、TTS 独立接口调用。
推荐理由:DeepSeek 将 App 端对话能力开放为 API,涵盖搜索、文件解析与链接阅读,开发者可据此评估工具调用集成方式。
Proximie 借助 NVIDIA Cosmos 3 优化手术室调度,已用于 700 多间手术室,使病例处理量增加 8%、周转速度提升 45%、准时开台率提升 26%。ConcertAI 通过 Cara AI 和 TriaLinQ 将临床试验匹配速度提高约 3 倍,并支持最高提升 50% 的试验入组率,同时由临床医生审核 AI 输出并作出治疗决定。
Anthropic 建议将 Claude Opus 5.5 作为研究、分析、写作及制作文档、表格和演示文稿的日常主力模型,该模型现已成为 Claude Pro、Max、Ultra 和 Team 套餐的默认模型。
推荐理由:文章按任务类型比较 Claude 各模型的速度与价格,并给出调整 effort、连接文件系统和直接生成成品等实用方法。
Anthropic推出Claude Meetings,可让Claude作为可见参与者加入视频通话,回答问题、生成文档和白板,并记录笔记与行动项。功能目前面向Team和Enterprise计划处于测试阶段,支持Google Meet,默认不加入含外部参与者的通话;启用客户托管加密或HIPAA配置的组织暂不可用。
Google DeepMind 发布 Gemini 4 Hydrogen,将其定位为面向日常编码和多模型智能体工作流的高速执行模型,并同步开放至开发者、企业和消费者产品。
推荐理由:文章提供了模型的分级思考方式、基准成绩、定价与开放范围,便于开发者评估其性能、适用场景和迁移成本。
Phota Labs 发布 iOS 应用,利用 AI 照片助手将日常照片处理为更专业的构图和风格,同时通过人物身份技术保留人物外观的真实性。用户可选择从轻微修饰到鱼眼、视角变化等不同摄影风格,生成图片还会带有标记其经过 AI 修改的隐形水印。公司由 a16z 支持,上一年完成 $5.6 million 种子轮融资,目前以免费应用启动,未来计划推出 Android 版本。
Google推出Gemini时代智能眼镜并开启预售,首批由Gentle Monster和Warby Parker设计款式,售价395美元起。眼镜由Google提供软件、Samsung提供计算硬件,Warby Parker款式在美国销售,Gentle Monster款式覆盖美国和韩国。
AINews 汇总了 AIE CODE System One 日及近期 AI 行业动态,其中 Google 发布 Gemini Decision 1,这是一款支持文本、图像、音频、视频和 PDF 输入的单次决策模型,支持每次请求最多 1,000 个问题,256K context,端到端延迟为 150–250 ms,输入价格为 $0.10 per 1M input tokens。
Google 发布 Gemini Decision 1 决策模型 API,支持 yes/no、choice 和 rubric-scoring 三类问题,并覆盖文本、图像、音频、视频和 PDF。其 API 定价与 GPT-6 Luna 决策模型相同,输入为每百万 tokens 10 美分,输出免费;作者通过视频测试观察到,该模型会为判断结果返回概率。
AWS 在 2026 年 10 月更新了 Amazon Bedrock、Amazon Bedrock AgentCore 与 Strands,扩充可用模型并加强智能体构建、运行和评测能力。
推荐理由:文章集中梳理了模型、智能体可靠性、治理、成本与本地部署更新,可按生产需求定位对应能力。
AWS 为 re:Invent 2026 AI/ML 参会者梳理 140 多场课程及选择路径,涵盖 AI 芯片、模型训练与推理、AI 智能体开发与管理。11月30日至12月4日的活动包含 breakouts、workshops、code talks 等类型,无法到场者可按需观看许多课程并直播观看主题演讲。
Google DeepMind 推出 Gemini Decisions API,底层模型 Gemini Decision 1 可在一次处理中完成最多 1,000 个独立的封闭式问题,并支持文本、图像、音频、视频和 PDF 输入。