LFM2.5-2.6B Q4 在 livedoor 分類準確率為 10.8%,已作答答案有 93.1% 正確
LFM2.5-2.6B Q4 在 livedoor 日文新聞分類任務的整體準確率為 10.8%,但只回答 29/250 題,當中 27 題正確(93.1%)。測試以每項 250 題比較多個本地模型與 Jev 託管 API;在首 40 題把 token 預算由 512 提至 2,048 後,28 題有作答,11 題仍因達上限而無輸出,另有 1 題輸出無效標籤。
LFM2.5-2.6B Q4 在 livedoor 日文新聞分類任務的整體準確率為 10.8%,但只回答 29/250 題,當中 27 題正確(93.1%)。測試以每項 250 題比較多個本地模型與 Jev 託管 API;在首 40 題把 token 預算由 512 提至 2,048 後,28 題有作答,11 題仍因達上限而無輸出,另有 1 題輸出無效標籤。
GPT-6 Cyber 是 OpenAI 以 GPT-6 Astra 為基礎、加入額外後訓練的網絡安全專用版本,並透過多層部署控制限制超出授權範圍的行動。在 ExploitGym,GPT-6 Cyber 得分為 48.45%,高於 GPT-6 Astra 的 42.43%;但在 FrontierCyber 完成 90 項挑戰,少於 Astra 的 96 項。
推薦理由:文章並列漏洞利用基準、越界測試與部署控制數據,呈現 GPT-6 Cyber 在網絡安全能力與遵守授權範圍之間的取捨。
谷歌推出 Gemini 4 Hydrogen,面向日常編碼與智能體工作流,主打快速執行與高效運行。相較 Gemini 3.8 Flash,Hydrogen 在預設 high 思考檔位下任務完成速度提升 2.5 倍,Terminal-Bench 4.1 得分由 18.2% 升至 57%,虛構錯誤率降低 5 倍以上。
推薦理由:文中對照 Hydrogen 與 Gemini 3.8 Flash 的速度及基準成績,並列出 Orchestrator 的配額與速度變化,讓模型效能與智能體調度表現有可比較的數據依據。
Google 發佈 Gemini 4 Hydrogen,Gemini App 所有用戶可免費使用,開發者亦可透過 Google AI Studio 申請 API Key 免費調用。
推薦理由:文章並列 Gemini 4 Hydrogen 的評測分數、幻覺率、成本與速度,亦交代其免費使用入口及與 Carbon 協作的方式。
Google 發佈 Gemini 4 Hydrogen,主打更快的回應速度、更低的使用成本及更高效的 AI Agent 執行能力。Artificial Analysis 測得其 High 推理檔位得 51 分,高於 Gemini 4 Argon 的 50 分;API 每百萬輸入 Token 收費 1.5 美元,每百萬輸出 Token 收費 7.5 美元。
推薦理由:文章並列 Hydrogen 的評測表現、API 定價及 Gemini 產品入口,呈現高效率模型在能力、成本與普及使用上的取捨。
Google 發佈 Gemini 4 Hydrogen,稱其在預設 High 思考模式下,任務完成速度是 Gemini 3.8 Flash 的 2.5 倍。在 Terminal-Bench 4.1 中,Gemini 4 Hydrogen 得分為 57%,Gemini 3.8 Flash 為 18.2%;模型生成虛構內容的情況亦減少超過 5 倍。
推薦理由:文章提供 Gemini 4 Hydrogen 與 Gemini 3.8 Flash 的速度和編程基準對照,另列企業任務速度與 Token 消耗數據,呈現不同工作負載下的效能變化。
Google 發佈較低成本的 Gemini 4 Hydrogen,Google 表示它在 Artificial Analysis Intelligence Index 預設 high thinking level 得分 51,高於 Gemini 4 Argon 的 50;新增的 xhigh thinking level 下得分為 54。
推薦理由:文章同時列出 Hydrogen 與 Argon 的智能評分和定價,並以 Gemini 3.8 Flash 的編碼測試作比較,呈現效能與成本定位。
Liquid AI 發佈 LiquidCodec,這是一款約 74M 參數的串流語音 codec,可將 24 kHz 語音編碼為語言模型可預測的 token,再解碼還原音訊。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的表現接近 Claude Sonnet 5.5 和 GPT-6.1 Sol。其成本約為 Claude Sonnet 5.5 的三分之一,但約為 GPT-6.1 Sol 的 2.5 倍。
Google 推出 Gemini 4 Hydrogen,稱新模型能更有效理解複雜問題,並逐項回應多部分要求。
推薦理由:報道同時交代 Gemini 4 Hydrogen 的供應入口、複雜提問處理方式及新增思考級別,呈現這次模型更新的主要變化。
Google 發佈 Gemini 4 Hydrogen,這款面向編碼和 AI 智能體的快速低成本模型可在 Gemini app 和 Search 免費使用。開發者價格為每百萬個輸入 tokens $1.50、每百萬個輸出 tokens $7.50,並可一次處理最多 1 million tokens 的輸入。
推薦理由:文章以 Gemini 4 Argon 的價格和 Gemini 3.8 Flash 的速度作比較,並補充基準排名,呈現 Hydrogen 在成本與表現之間的定位。
Gemini 4 Hydrogen 已在 Google 旗下產品中取代 Gemini 3.8 Flash,並即時開放使用,存取限制較此前寬鬆。它提供 low、medium、high、xhigh 四種思考等級;Google 稱 high 模式速度比 Gemini 3.8 Flash 快 2.5 倍,虛構説法減少逾 5 倍。
推薦理由:文中並列 Gemini 4 Hydrogen 相對 Gemini 3.8 Flash 的速度、虛構説法及 Terminal-Bench 變化,並以 Artificial Analysis Intelligence Index 分數對照 Argon。
IBM 於 2026 年 11 月 12 日發佈兩款實驗性 Granite LLMON 模型,訓練目標是分辨可信指令與不可信資料。IBM 稱兩款預覽模型在 OPI benchmark 上比其測試的最佳 frontier model 多避開 47% 攻擊;後訓練論文報告,間接注入評測的攻擊成功率由 53%–100% 降至 0.02%–5.6%。
Google 發佈 Gemini 4 Hydrogen,模型在預設 high 思考級別的 Artificial Analysis Intelligence Index 得分為 51,高於 Gemini 4 Argon 的 50;xhigh 級別得分為 54。
推薦理由:文中並列 Google 公佈的基準成績與 Artificial Analysis 的獨立評測,呈現 Hydrogen 在能力分數、終端任務表現及不同思考級別成本上的差異。
Google DeepMind 宣稱 Gemini 4 Hydrogen 面向快速編碼、多模態整合及日常工作,完成任務的速度是 Gemini 3.8 Flash 的 2.5 倍。
LLMON 隨兩款基於 Granite 4.1 base models 的實驗預覽模型推出:granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview,支援讀取及生成 LLMON 標記文本。
推薦理由:文章説明 LLMON 如何以明確分隔指令與資料的方式應對靜態間接提示詞注入,並列出相對前沿及開源模型的基準比較。
Perplexity 發佈 Decider v1.3 和 Decider Flash v1.3,新增文字片段定位功能 Locate。
Google 推出 Gemini 4 Hydrogen,面向日常編碼及智能體工作流,支援最高 100 萬 Token 輸入及輸出。輸入每百萬 Token 收費 1.50 美元、輸出 7.50 美元,並設 low、medium、high(預設)及 xhigh 四檔思考深度。
推薦理由:材料並列收費、思考檔位和 Orchestrator 基準數據,亦與 Gemini 3.8 Flash 比較速度與錯誤率,呈現其日常編碼定位的成本及效能參考。
百度在百度世界2026主論壇發佈文心閃電深度思考模型及文心一鏡微表情大模型,並同步上線百度智能雲千帆平台,向企業客戶及合作夥伴開放 API 服務。
Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,定位為面向快速編碼及智能體工作的模型,並開始全球推出。Google Antigravity 的 Orchestrator 可讓 Carbon 規劃、Hydrogen 執行,並在需要時切回 Carbon。
推薦理由:Antigravity 團隊的測試呈現 Carbon 規劃、Hydrogen 執行的效率數據,包含接近 Carbon 的任務成功率、配額少用 24% 及平均快 19%。
Google 推出 Gemini 4 Hydrogen,並稱其較 Gemini 3.8 Flash 大幅升級。其 1M 上下文窗口的輸入價格為每 1M tokens $1.50,輸出價格為每 1M tokens $7.50。
Google 發佈 Gemini 4 Hydrogen,定位為面向日常編碼及智能體工作流程的高速、高效率模型,並開始向全球開發者、企業及消費者推出。在 Artificial Analysis Intelligence Index 的預設 high thinking level 下,Hydrogen 得分為 51,高於 Argon 的 50。
推薦理由:文章列出 Hydrogen 與 Argon 的基準分數差異,並交代其 1 million-token 上下文窗口定價,呈現模型表現與使用成本的比較。
Hacker News 出現一則標題為「Gemini 4 Hydrogen」的連結,來源網址為 blog.google。評論者提到 AI 產品名稱眾多,並開玩笑説要為自己取名「Oxygen」。
Google DeepMind 發佈 Gemini 4 Hydrogen,主打日常編碼及智能體工作流程中的快速執行,並即日起在開發者、企業及消費者產品渠道全球推出。
推薦理由:文章以 Gemini 3.8 Flash 為對照,列出 Hydrogen 在任務速度、Terminal-Bench 4.1 成績及多項安全指標上的變化,呈現更新涵蓋的能力範圍。
Google 發佈 Gemini 4 Hydrogen,模型現已正式可用,並成為 Gemini Managed Agents 中 Antigravity agent 的預設模型。
推薦理由:公告同時列出免費層級、付費 tokens 價格、思考等級及預設模型安排,可供評估 API 使用成本與 Gemini 3.8 Flash 遷移需求。
Podqi 對 ChatGPT、Gemini 和 Perplexity 的測試發現,三者都曾在購物相關回答中提及或展示高風險網站。測試涵蓋 6,795 個回答,Gemini、ChatGPT 和 Perplexity 出現高風險網站的比例分別為 4%、8% 和 15%。ChatGPT 在為這些網站提供警告方面表現最佳,比例為 24%。
Google 於 2026 年 11 月 11 日宣佈 Gemini Decision 1,可在單次 API 呼叫中對最多 1,000 個問題評分,並回傳概率及信心分數。
推薦理由:文章並列 Google 自家基準與獨立排行榜,呈現 Gemini Decision 1 的測試優勢及排名落差,説明它在不同評測口徑下的定位。
Anthropic 於 2026 年 11 月 9 日開放 Claude Fable 5.2,輸入/輸出價格為每百萬 tokens $8/$40,API 預設 effort 為 high。
推薦理由:文章並列 API 價格、預設 effort 與可能觸發 400 的遷移變更,讓開發者可按請求組裝方式檢查升級風險。
AI 初創公司 millionways 推出 Thorsten-4,聲稱可從人的言談中分析其意圖與動機。模型以心理學家訪問逾 7,000 人並手動標註的資料訓練,millionways 表示它可用於銷售及高管招聘,作為決策支援工具,而非最終決策者。公司同時表示已在美國籌得 $6 million。
百度發佈兩款文心應用模型:文心閃電深度思考模型與文心一鏡微表情大模型。科技快訊亦提及 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。
百度發布文心閃電深度思考模型與文心一鏡微表情大模型。其他 AI 動態包括 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。Google 推出基於 Gemini Decision 1 模型的 Gemini Decisions API,用於快速多模態決策。
Google DeepMind 發佈基因組研究 AI 模型 AlphaGenome 2,根據指定生物狀態預測 DNA 序列及變異對特定細胞類型的影響。
MiniMax 本週開源圖像模型 H3 Image,支援原生最高 4K 輸出和最多 16 張參考圖;4K 文生圖 P50 耗時方面,極速版約 10.3 秒,標準版約 16 秒。文章實測其文字渲染、人像生成、圖像編輯和設計類任務,並介紹 H3 Image 沿用 H3-Base 架構,核心為 331 億參數的擴散 Transformer(DiT)。
推薦理由:文章以界面、文字、人像和圖像編輯等實測案例,呈現 H3 Image 在真實感、指令遵循與設計任務上的表現,並交代其模型架構及生成耗時。
Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,將基因變異影響預測由組織平均層面推進至單個細胞類型與細胞狀態層面。模型以超過1億個單細胞圖譜數據訓練,涵蓋68個組織的人類與小鼠樣本;在28種原代免疫細胞測試集中,因果變異識別比例由16%升至30%,在90%精度下召回率翻倍。模型現免費開放予非商業研究,商業研究須申請私有預覽,且未獲臨牀或診斷用途許可。
Claude Fable 5.2 與 Opus 5.5 的選用建議是,一般工作使用 Opus 5.5,較艱鉅的長程、多步驟任務才改用 Fable 5.2。
推薦理由:文章並列兩款模型的價格、基準表現與 Claude Code 切換方法,提供按任務難度分配模型的具體選用框架。
華為雲宣佈,CloudRobo 具身世界模型發布會將於 11 月 16 日 14:00-15:30 在線上直播。會上將發布「行業 AI 夢工廠」首款昇騰原生世界模型,名稱為 CloudRobo-WM1.2。
程序員魚皮以三個相同提示詞的前端項目實測 Gemini 4 Carbon,認為其穩定性和成品細節不及 Claude Fable 5.2。Carbon 在卷軸和溶洞項目多次遇上服務端錯誤,溶洞任務加入單檔不超過 600 行的要求後才完成。Artificial Analysis 測試中,Carbon 每項任務平均花 7.76 刀,Fable 5.2 高檔為 9.08 刀,兩者實際耗費差距小於單價差距。
Chariot 發佈 Chariot-1-TTS-Multilingual,支援 11 種印度語言及英語,提供超過 50 種聲線、句內兩種支援語言混讀,以及用數秒參考音訊複製聲線。
AIHubMix 比較 Gemini Decision 1 與 Jev 1.14,主張評估路由政策時應看實際決策表現,而非單一基準分數。
作者以相同提示詞比較 6 個 LLM API,五個模型答對全部 3 道推理題,Codex 答對 2 題;六個模型在同三題上的延遲和輸出 token 數相差約 30 倍。