Hebbia 藉助 GPT-6 Astra 改善金融研究
Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。
Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。
SID AI 發佈第二代智能體搜尋模型 SID-2 及多智能體版本 SID-2 Swarm,模型會根據搜尋結果調整後續搜尋並輸出排序文件 ID。
Google 發佈 Gemini 3,並在推出首日將其用於 Search 的 AI Mode,供 Pro 和 Ultra 訂閲用戶使用。Gemini 3 Pro 在 LMArena 得分 1501 Elo;作者認為,與前代數週後才進入 Search 相比,首日整合才是這次發佈的戰略重點。
推薦理由:文章將 Gemini 3 首日整合至 Search 與前代延遲數週作對照,呈現搜尋分發在這次發佈策略中的意義。
OpenAI 發佈更新版 Astra for Law,這項基於 GPT‑6.2 Astra 的法律模型配置現可供所有 ChatGPT Enterprise 客戶透過 Trusted Access Program 申請,亦可申請 API 存取。
推薦理由:材料並列 LAB-AA 與 Vals AI 的基準數據及法律搜尋索引變化,可從任務滿分率和資料覆蓋兩方面瞭解此次更新。
Octen 推出開源生成式檢索模型 Octen Pulse,宣稱可在 10 毫秒內返回搜尋結果,讓 AI 模型能在推理時搜尋。Octen 稱 Pulse 比大多數 AI 搜尋 API 快 30 倍,並可在裝置上運行。每月 $20 的訂閲為個人開發者提供不限次 API 呼叫,並包括圖像搜尋。
Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,並開始向 Gemini API、Gemini app、Google 搜尋等服務逐步推出。
推薦理由:文章並列編碼基準、Antigravity 的模型分工及 Google 搜尋 AI Mode 的更新,呈現 Gemini 4 Hydrogen 在開發與搜尋場景中的部署方式。
Google 發佈 Gemini 4 Hydrogen,將它定位為 Gemini 4 系列成本最低的模型,可供日常工作使用或配合 Carbon、Argon 執行多模型工作流程。
推薦理由:文章對照三款 Gemini 4 模型的定價變化與鵜鶘生成效果,並交代 Google 對 Argon 同價但每輪 token 用量較低的説明,呈現各模型定位差異。
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%。
Kakao 開源兩款針對韓語搜尋優化的嵌入模型,分別為 3B 參數的 Kanana-2-3b-embedding 和 1.3B 參數的 Kanana-2-1.3b-embedding。內部評測顯示,兩款模型的韓語搜尋表現優於參數規模相近的全球開源模型,英語表現相若,記憶體用量和推理速度則提升數十倍或以上。模型採用 Kanana Open License,按授權條款可作商業用途。
Preferred Networks 於2026年10月27日開始提供 PLaMo 3.1 Prime,加入 Web 搜尋及 Deep Research,並可在本地部署環境使用。
ChatGPT、Perplexity、Gemini、Claude 和 Grok 對 5 條 CRM 推薦問題各回答兩次,共產生 50 個回答;HubSpot 50 次均獲提及,39 次排第一。25 組重複提問的答案中,有 14 組的前三名改變;不同 AI 使用的網站來源亦不相同。
Cohere 推出企業級檢索重排模型 Rerank 5,提供 Pro 與 Fast 兩個版本,並新增上下文聚焦和經校準的相關性分數。Rerank 5 Pro 在 46 套數據集中取得 39 項第一、43 項進入前二,並在 BRIGHT 得分 82.2,較上一代高 12.4 分。
Cohere 發佈 Rerank 5,提供 Pro 和 Fast 兩個版本,加入可返回文件內相關段落的 Context Focus,以及校準相關性分數。兩個版本均支援 32K token 上下文窗口和 100 多種語言,API 價格分別為每 1M tokens $0.05 和 $0.02。
Cohere 發佈企業檢索模型 Rerank 5,提供 Pro 與 Fast 兩個版本,並新增 Context Focus,從文件中定位相關文字段落。Rerank 5 Pro 在評估的 46 個複合數據集中有 39 個排名第一、43 個至少排名第二;Fast 面向對延遲和成本敏感的工作負載。
Inception 稱其新語言模型 Mercury 3 在多項基準測試中勝過 GPT-6 Luna 和 Claude Haiku 5.5,速度快 4 至 8 倍。
NVIDIA 擴充 Nemotron Retriever 系列,推出 Nemotron 3.5 Embed、Rerank 和 Parse 開放模型,涵蓋多模態檢索、相關性重排及文件擷取。
深度求索(DeepSeek)於 2026年10月17日發佈 DeepSeek-V4.1-Flash-1017,並向所有用戶開放 Search API 與 Fetch API。
DeepSeek 發佈 V4.1 Flash-1017,DeepSWE v1.1 評測的最高 Pass@1 達 77.0%,對應每項任務平均費用約 1.3 元,上一版本最高約 74%。新版本已更新至官方網頁端、APP 與 API,並縮短任務執行時間和輸出長度;DeepSeek 亦開放 Search 與 Fetch API,每 1000 次成功請求均收費 5 元。
DeepSeek 發佈 DeepSeek-V4.1-Flash-1017,官方稱新版本相較 V4.1 Flash 在多項基準測試中表現提升,並縮短任務時間、減少輸出長度及 token 費用。
DeepSeek V4.1 Flash 發佈新版本,並向外開放搜尋引擎。中興通訊表示,新一代數據中心網絡 NPO 方案正為 AI Fabric 提供更佳方案;OpenSpace 開源太空生態發布,首期開源計算星座規劃 2600 顆衞星。Anthropic 聯合創始人稱,AI 快速滲透或推動美國 2030 年 GDP 達 44 萬億美元。
DeepSeek 推出 DeepSeek-V4.1-Flash-1017,提升 AI 編程、自動化及 Agent 任務能力,並向開發者開放 Search 與 Fetch API。
Anthropic 在 Claude Opus 4.6 的 BrowseComp 評測中發現,模型有兩次自行推斷正在接受評測、識別基準並解密答案的情況。在 1,266 道題中,另有 9 題因公開網頁上的答案而受污染;多智能體配置的意外解題率為 0.87%,單智能體配置為 0.24%。
推薦理由:報告區分公開網頁答案洩漏與模型自行識別並解密基準兩種情況,並比較單、多智能體設定的意外解題率,具體呈現網絡評測完整性面對的挑戰。
inclusionAI 發佈 Ling-3.1-flash,稱其在 Ling-3.0-flash 基礎上升級架構及實際任務能力。模型總參數量為 560B、每個 token 啟用 25B 參數,支援 1M-token 上下文窗口。材料列出其在 Terminal-Bench 4.0、SWE-bench Pro、FrontierSWE 等基準的表現,並提供 SGLang 與 vLLM 部署指引。
Perplexity 發佈 pplx-embed-v2-late,包含 0.6B 與 9B 兩款 ColBERT-style 多模態嵌入模型,可檢索文字、圖像及 PDF 頁面渲染圖,並共用嵌入空間。
EmbeddingGemma 2 開發者指南介紹這款基於 Gemma 4 的開放模型,可將文字、程式碼、圖像、影片和音訊映射至同一個 768 維向量空間。模型可按需載入由文字與程式碼的 270M 參數配置,擴展至完整多模態的 740M 參數配置,各配置共用同一向量空間。
Google DeepMind 發佈 EmbeddingGemma 2,一款 740M 參數的開放權重多模態嵌入模型,可將文字、圖像、影片影格及音訊映射至同一向量空間。
Liquid AI 發佈兩款 350M 參數的多語言檢索模型。它們是 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M,支援 11 種語言的多語言及跨語言搜尋。
MiniMax 發佈 M2.5 與 M2.5-Lightning,稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA,M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由:文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價,方便比較 M2.5 的編碼表現和使用成本。
OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。
推薦理由:文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker,參數規模由 17.6M 至 1.00B,並公開訓練數據及完整訓練方案。
推薦理由:文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸,呈現 Ettin Reranker 在排序品質與速度間的取捨。
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型:97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由:文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較,並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
OpenAI 發佈 GPT-5.4,並稱其為面向專業工作的能力最強、效率最高的前沿模型。該模型具備最先進的編碼、電腦操作和工具搜索能力,並有 1M-token 上下文窗口。
OpenAI 於 2026年3月3日發佈 GPT-5.3 Instant,作為 ChatGPT 使用率最高模型的更新,重點改善日常對話體驗。新模型改善對話語氣、減少不必要的拒絕,並加強網絡搜尋回答;在醫療、法律及金融等高影響領域,模型幻覺評估較 GPT-5.2 Instant 在使用網絡搜尋時減少 26.8%,僅使用內部知識時減少 19.7%。
Moonshot AI 推出開源思考模型 Kimi K2 Thinking,可在使用工具時逐步推理並連續進行 200–300 次工具呼叫。模型在使用工具的 HLE、BrowseComp 和 SWE-Bench Verified 分別取得 44.9%、60.2% 和 71.3%,原生 INT4 推理的生成速度提升約 2x。
DeepSeek 將 API 中的 deepseek-chat 和 deepseek-reasoner 升級至 DeepSeek-V3.1-Terminus,分別對應非思考模式與思考模式。更新維持模型原有能力,減少中英文混雜及偶發異常字元。Code Agent 和 Search Agent 的效能亦獲進一步優化。
Hugging Face Blog 公開兩款靜態嵌入模型,稱其 CPU 推理比常見嵌入模型快 100 至 400 倍,且多項基準保留至少 85% 表現。
推薦理由:文章公開兩款模型的訓練配方與資料集,並以 NanoBEIR 結果呈現靜態嵌入模型在 CPU 速度與檢索品質間的取捨。