Google 讓員工測試速度更快的新 Gemini AI 模型 Hydrogen
Google 正讓員工在內部開發平台 Jetski 測試代號為 Hydrogen 的新模型,內部工程師形容它「能力很強、速度快且效率高」。一名員工稱 Hydrogen 類似 Google 過往的 Flash 模型;目前尚不清楚這款模型推出後會免費還是收費。
Google 正讓員工在內部開發平台 Jetski 測試代號為 Hydrogen 的新模型,內部工程師形容它「能力很強、速度快且效率高」。一名員工稱 Hydrogen 類似 Google 過往的 Flash 模型;目前尚不清楚這款模型推出後會免費還是收費。
Google DeepMind 發佈 AlphaGenome 2,預測遺傳變異對個別細胞類型及狀態的影響,提供比 AlphaGenome 更細緻的分析。模型以超過 100 million 個細胞剖面訓練,涵蓋 68 種組織;Google 稱它識別出可改變細胞基因表達的變異數量,接近前一個最先進模型的兩倍。
Google DeepMind 發佈 AlphaGenome 2,預測 DNA 序列及其變異對特定人類細胞類型的影響,連接單細胞生物學與人類遺傳學。模型以來自 68 種組織、超過 1.07 億個細胞的單細胞資料訓練,可按指定細胞類型或狀態預測基因表達等讀數,並新增 DNA 甲基化預測。
推薦理由:AlphaGenome 2 在 TenK10K 數據集上將因果變異識別率由 16% 提升至 30%,呈現其針對特定免疫細胞解析變異效應的改進。
Runway 的 Praxis-1 將 27B 參數影片基礎模型轉為開放權重世界動作模型,可同步預測未來畫面與機械人動作。DROID 微調版本在 RoboLab-120 排名世界動作模型及開源機械人基礎模型第一;RT-1 微調版本在 SimplerEnv 四項任務的平均成功率為 80.0%。
Runway 現已向所有人開放 Praxis-1,並以 Apache 2.0 授權提供模型權重。這款 27B 參數的 MoE 擴散 Transformer 同時預測影片與動作,在 RoboLab-120 的 1,200 個測試回合中成功率為 46.2%,高於 FLUX 3 Action 的 42.9%、Cosmos3 Nano 的 36.8% 及 π0.5 的 28.0%。
Google DeepMind 於 2026年11月11日發佈 AlphaGenome 2,按指定組織、細胞類型或細胞狀態預測 DNA 變異對基因調控的影響。
Google DeepMind 發佈 DNA 序列模型 AlphaGenome 2,從寬泛組織平均預測轉為按單一細胞類型或狀態進行條件式預測。模型以超過 1.07 億個單細胞圖譜訓練,較此前最優模型可識別近兩倍數量、能改變細胞基因表達的變異。目前模型透過 AlphaGenome API 開放非商業研究,商業研究仍處於私密預覽階段;模型僅供研究,未經臨牀或診斷用途驗證與審批。
Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,可預測 DNA 序列及其變異對特定人體細胞類型的影響。在 TenK10K 數據集測試中,模型識別因果變異的比例為 30%、基因效應方向判斷準確率為 43%,初代 AlphaGenome 分別為 16% 和 23%。
Google DeepMind 推出 AlphaGenome 2,使用逾 100M 個、涵蓋 68 種組織的細胞特徵檔案進行訓練,以預測遺傳變異的影響。模型供非商業研究使用。
Valory 發佈開放權重模型 Olas-Predict-Qwen3.8-27B,在真實預測市場測試中取得 67.3% 平衡準確率,與 GPT-5.6 的 68.5% 相差 1.2 個百分點。兩者在 6,824 個可研究預測市場上使用相同提示詞及證據,結果來自 Valory 內部評估。與未經領域訓練的版本相比,微調後模型的平衡準確率提高 0.9 個百分點,Brier error 下降約 5%。
DeepL 推出語音 AI 翻譯模型 Aure,稱其是迄今最具動態感、表現最逼真的語音 AI 模型,能在即時翻譯中重現説話者的語氣、情緒、重音及語速變化。Aure 已支援 DeepL Voice 網頁會議版、DeepL Voice 面對面交談版及 DeepL 語音 API,首發支援英語、德語、西班牙語、法語、意大利語、日語、葡萄牙語及韓語。
Google DeepMind 的 AI 模型可令氣象預報平均提早一天達到原有模型的準確度,並已納入美國國家颶風中心(NHC)部分路徑和強度預測輔助系統。預測伊薩亞斯時,模型在風暴形成前一週識別出它可能發展為熱帶氣旋,並可為每個氣旋生成 1000 種發展情景,同時預測降雨、路徑和強度。單一模型可能在不同預報時段大幅調整判斷,專家仍須綜合模型結果,並結合飛機和衞星即時觀測判斷風暴結構。
MiniMax 開源 H3-Image 圖像模型。Qwen4-Max 預覽版已在阿里 Token Plan 首發上線,百度文心 5.5 Flash Preview 正式發布;均勝電子向宇樹科技交付首台機器人高算力大腦背包。DeepMind 發布 Gemini Robotics 2.5,並在 Mercedes 工廠試點分揀,成功率達 96%。
o3、Claude 4.5 Opus 與 Gemini 2.5 Flash 的比較顯示,三者分別擅長深度推理、分析寫作,以及速度與成本效率。評測涵蓋50道數學題、30項編碼任務、20道邏輯題及10項商業分析;o3 解決23/30項編碼任務,並在高推理力度下答對全部邏輯題,Claude 在商業分析得分最高。
MiniMax 開源 H3-Image 圖像模型。其他 AI 動態包括 Qwen4-Max 預覽版首發上線阿里 Token Plan、百度文心5.5 Flash Preview 正式發布,以及 DeepMind 發布 Gemini Robotics 2.5;該模型在奔馳工廠試點分揀的成功率為 96%。
作者在 16GB GPU 上比較 Claude Code 與 OpenCode:Qwen3.6-35B-A3B 用 3 分鐘 44 秒完成編碼任務,Sonnet 5.5 用 2 分鐘 42 秒,兩者都產出可用程式碼。
Salesforce 在 Dreamforce 2026 宣佈 Koa,這是一款專為 CRM 工作打造、供 Agentforce 智能體使用的推理模型。Salesforce 內部測試中,Koa 的多步 CRM 任務完成率為 87%、單步得分為 0.87,均高於 GPT-4.1,但略低於 GPT-5.5;「錯誤少三倍」的説法未見於論文。
Anthropic 的 IPO 路演材料顯示,Claude Mythos Preview 約用 3 天摸索出讓另一個模型在 AMD MI355X GPU 上運行的方法,傳統平台適配通常需要 6 至 12 個月。
百度正式發佈文心5.5 Flash Preview,並已在百度智能雲千帆平台提供 API 調用。模型覆蓋從真實代碼庫修復迭代到完整構建複雜應用的編碼場景;每百萬 Token 輸入忙時 2 元、閒時 1 元,輸出忙時 8 元、閒時 4 元,限時五折。模型權重將於 11月25日 面向全球開源社區發佈。
阿里推出 Qwen4-Max 預覽版,首發在千問 AI 平台 Token Plan 開放體驗。文中列出雙十一 5 折優惠,並稱 Token Plan 用戶可限時以 2 折體驗,新用戶再享折上 5 折、最低 1 折;千問辦公、Qoder、千問 APP、QwenStudio 亦可體驗。文章稱 Qwen4 的世界知識、感知、編程及智能體能力升級,開發者提前內測成果提及 3D 建模、網頁設計和互動表現。
百度發佈 ERNIE 5.5 Flash Preview,總參數 2,800 億、每 token 啟動 140 億參數,支援最長 100 萬 token 上下文。API 已在百度智能雲千帆推出,高峯時段輸入限時價為每百萬 token 人民幣 1 元;權重將於 11 月 25 日前以 Apache 2.0 授權開源。官方表示這是仍在後訓練中的中間版本,正式版本會再作改良。
NTT 推出以物理為基礎的世界模型,在機械人執行動作前評估候選方案;小型機械人貨架裝載測試的任務成功率由 73.1% 提升至 92.3%。模型從影片估算物件的物理量,預測碰撞、物件掉落及貨物倒塌。NTT 計劃與 Mujin 試行行李處理,測試相關成效能否應用於機場行李裝卸。
Hamza Ahmad Aslam 評測 Gemini 4 Carbon,對照 Google 的主張、外部實測與早期用戶回饋,指出它在多個獨立排行榜靠前,但未居大多數榜首。
推薦理由:文章分開整理 Google 自行測試、外部排行榜與早期用戶回饋,呈現 Carbon 在排名、速度、幻覺率及使用成本上的取捨。
Google DeepMind 推出 Gemini Robotics 2.5,並向 Google 的機械人合作夥伴開放;該模型在梅賽德斯-奔馳生產線的汽車零件分揀任務中達到 96% 成功率。
inclusionAI 公開 ZoomGain-4B、ZoomGain-9B 模型檢查點,以及 ZoomGainBench 評測基準和 RL 訓練數據。ZoomGainBench 涵蓋 941 張圖片、1,000 條問題;論文中參與評測的 28 個模型,最佳得分為 61.08,ZoomGain-9B 在多項細粒度感知及一般感知基準上表現較佳。
ZoomGain 發布 ZoomGain-4B、ZoomGain-9B 模型檢查點、ZoomGainBench 評測基準及 RL 訓練數據集,利用全圖與放大局部之間的視覺感知差異,為視覺語言模型構建細粒度監督。論文中,28 個模型的最佳 ZoomGainBench 成績為 61.08;基準涵蓋 941 張圖像及 1,000 條問題,訓練數據則有 9,000 條記錄和 7,713 張來源圖像。
inclusionAI 提供以 llama.cpp 轉換的 ZoomGain-4B GGUF 格式權重,語言模型、視覺編碼器及投影器均有 FP16、Q8_0 和 Q4_K_M 版本。輸入圖片時,須同時提供語言模型和相應的 mmproj 檔案;量化可能影響準確度。
ZoomGain-9B 的權重已轉換為 GGUF 格式,語言模型及視覺編碼器與投影器均提供 FP16、Q8_0 和 Q4_K_M 版本。處理圖片輸入時,須同時提供語言模型和相應的 mmproj 檔案,並使用支援 Qwen3.5 多模態功能的 llama.cpp;量化可能影響準確度。
MBZUAI 旗下 Institute of Foundation Models(IFM)發佈 PAN 2,一款面向物理智能的 29B 開源世界模型,權重、訓練程式碼及推理程式碼採 Apache 2.0 授權。
DeepSeek R1 在已公佈的推理基準測試中整體匹配或超越 OpenAI o1-preview,但 AIME 2024 的準確率優勢來自較長的推理鏈,並不代表 token 用量相同。
Google DeepMind 於11月10日發佈 Gemini Robotics 2.5,稱其在200多項任務測試中,部分任務成功率較此前基準相對提升30%至100%,執行速度提高20%至30%。
百度於 11 月 11 日發佈文心 5.5 Flash Preview,總參數量達 2800 億,每個 Token 啟用 140 億參數,支持最長 100 萬 Token 上下文。
作者以同一個包含程式碼缺陷分析、合約欄位抽取及需求驗證的企業任務,測試八個 Kimi API 型號;只有 kimi-k2.7-code-highspeed、kimi-k2.7-code 和 kimi-k2.5 回傳完整 JSON。
百度文心大模型發佈 ERNIE 5.5 Flash Preview,這是基於此前 Base 模型的首個後訓練版本。模型總參數為 280B、激活參數為 14B,支援 1M 上下文;官方稱其在編程、3D 建模、知識工作及內容創作等方面表現出色,API 已在千帆平台上線,權重將於 11 月 25 日前開源。
Ziva.sh 測試 GPT-6 Luna 對 10 個 Godot 初學者問題的 150 個普通聊天回答,未發現 Godot 3 API 錯誤。其中 4 個回答有解析錯誤、3 個有隻在執行時出現的錯誤,另有 2 個提供錯誤設定指示。
阿里於 2026 年 11 月 11 日發佈 Qwen4-Max 預覽版,首發於 Token Plan,並接入千問辦公、Qoder 等入口。官方列出的升級方向包括知識理解、世界感知、編程與 Agentic,面向複雜編程、專業辦公、前端設計及專業軟件操作;預覽期至 11 月 25 日 24:00(UTC+8),期滿後模型標識下線。
Claude Fable 5.2 以視覺輸入和通用推理規劃雙臂操作,文中列出的 RoboDojo 平均成功率為 64.9%,高於 Fable 5.1、Opus 5.5 和 GPT-6 Astra。
百度文心發布 ERNIE 5.5 Flash Preview,這是此前發布的 Base 模型首個後訓練版本,總參數為 280B、激活參數為 14B,支援 1M 上下文。模型 API 已在千帆平台上線,權重將於 11 月 25 日前開源。官方稱模型在多項基準測試中取得具競爭力的分數並保持極致解碼速度;後訓練仍在進行,Preview 可能存在因訓練不足導致的能力缺陷,正式版本將再作優化。
inclusionAI 發佈基於 Qwen3.5 的 Sing VL S1 多模態決策模型,可處理文字或 JSON,以及最多四張圖片,並就指定問題輸出選項、是非判斷或分級評分。Decision Index 0.3 公開評測中,Vision 指數為 73.94;Text 加權總分為 77.26(Non-Skill)及 69.76(Skill)。
Google 向公眾發佈 Gemini 4 Carbon,稱其為旗下迄今最強模型,主打複雜、長週期任務,但普通付費用戶暫時無法使用。付費開發者及企業可透過 Gemini API 和 Gemini for Business 使用;一般消費者則須訂閲 Google AI Ultra,才可在 Gemini 應用及搜尋 AI 模式使用。
推薦理由:文章對照 Gemini 4 Carbon 的任務成本、模型排名與訂閲門檻,呈現企業採用成本優勢和一般付費用戶體驗限制之間的落差。