跳到正文
10月29日週四
  1. DoNews33

    谷歌發布 Gemini 4 Carbon 大模型,主打網絡安全與長程任務

    谷歌於2026年10月29日發布 Gemini 4 Carbon,該模型在 Artificial Analysis Intelligence Index v5.0 中以綜合分59排名第一。模型提升漏洞發現、利用驗證及根因修復能力,首發期每百萬 Tokens 輸入價格為2美元,並提供緩存輸入95%折扣。目前僅定向開放予部分網絡安全人員,之後會透過 Fairwind 計劃分階段擴大存取範圍。

  2. DEV Community27

    Meta 發佈首個前沿模型 Muse Wonder

    Meta 發佈首個前沿模型 Muse Wonder,文章指出它在程式碼和推理 benchmark 的分數較高。文章亦以 VR 視覺訓練應用 AmblyoPunch 為例,介紹其治療弱視的四階段流程及按表現調整訓練的方式。

  3. DEV Community47

    建構阿爾及利亞 Darija 語音合成:LoRA、語碼轉換與 Natiq-dz-ARG

    Natiq Studio 開放權重發佈 Natiq-dz-ARG,這款 LoRA 適配器以 Higgs TTS 3.4B 為基礎,針對阿爾及利亞 Darija 語音合成。模型以 300 小時以上、來自 100 多位講者的語音微調,支援阿拉伯語與法語語碼轉換及零樣本聲音條件控制,生成 24 kHz 音訊。適配器採用 CC BY-NC 4.0 授權,商業用途須另行取得授權。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)72

    Google 宣佈推出 Gemini 4 Carbon,主打網絡安全與長時程任務能力

    Google 宣佈推出 Gemini 4 Carbon,稱其為旗下最強模型,並強調其網絡安全及長時程任務能力。它在 SEC-bench Pro、ExploitGym 和 CWE-bench 分別取得 88.2%、54.8% 和 71.0%,對應漏洞發現、利用驗證及修補。Google 表示本週起會向部分網絡防禦人員開放,逐步擴至其他可信合作夥伴,並在完善防護措施後盡快向開發者、企業及消費者提供。

  5. Unite.AI78

    NVIDIA 發佈 Nemotron 3.5 Transcribe 開放權重語音模型及 Granary v2 數據集

    NVIDIA 於 2026 年 10 月 28 日發佈開放權重語音模型 Nemotron 3.5 Transcribe,並同步推出 Granary v2 語音數據集及整理流程。

    推薦理由:Nemotron 3.5 Transcribe 將多語轉錄、説話者標註、翻譯與音訊問答整合於單一檢查點;Granary v2 公開清單涵蓋 48 種語言及 463,062 小時,呈現模型功能與數據集範圍。

10月28日週三
  1. Hugging Face Blog76

    NVIDIA 推出 Nemotron 3.5 Transcribe,並公開 Granary v2 多語言語音資料及整理流程

    NVIDIA 推出開放權重的 Nemotron 3.5 Transcribe,並公開 Granary v2 多語言語音資料及整理流程。模型支援 40 種語言轉錄,其中 31 種可與英文互譯,並支援 13 種語言的説話者標註;Granary v2 公開清單涵蓋 48 種語言、463,062 小時及 16 個來源語料庫。醫療語音案例中,微調令留出説話者的 WER 較最佳提示詞基線相對下降 45.8%。

    推薦理由:文章串連提示詞控制、資料整理與微調流程,並以留出説話者的醫療語音評估呈現 WER 相對下降 45.8% 的結果。

  2. TechCrunch · AI63

    Nvidia 發佈 Nemotron 3.5 Transcribe 開放權重音訊轉錄模型

    Nvidia 發佈 Nemotron 3.5 Transcribe 開放權重模型,可轉錄最多 40 種語言的音訊,並推出開源語音數據集 Granary version 2。Nvidia 表示,模型可將 31 種語言與英文互相翻譯、處理最長一小時的錄音,並分辨最多 8 位説話者。Nvidia 稱這個 30 billion parameters 模型可在單一晶片上運行,但只支援錄音、不支援即時串流。

  3. 新浪科技31

    AI進化速遞|谷歌推出大模型 Genie 4

    谷歌推出大模型 Genie 4。其他科技消息包括豆包就「15萬名羣演肖像聲音餵給大模型」傳聞闢謠,宇樹將與紅杉中國成立「杉宇·創計劃」,智元升級 Genie Sim 仿真平台;豪威集團發布 OG05D 傳感器,大眾中國發布 VEGA 技術矩陣,山大華天軟件與阿里雲達成合作。

  4. 第一財經30

    谷歌推出大模型Genie 4

    谷歌推出大模型Genie 4。速遞亦報道豆包就「15萬名羣演肖像聲音喂給大模型」一事闢謠,以及宇樹與紅杉中國成立「杉宇·創計劃」、智元升級Genie Sim模擬平台等消息。

  5. MarkTechPost68

    Google DeepMind 發佈 Genie 4 即時世界模型研究預覽,支援原生音訊

    Google DeepMind 已向受邀測試者提供 Genie 4 研究預覽,這款即時世界模型可根據文字和圖像提示生成可探索環境。它同時生成環境聲、音樂及角色對話,Gemini 3.8 Flash 則在模擬循環中規劃步驟、檢查畫面並修訂計劃。互動每次僅持續數分鐘,複雜提示詞編輯後可能出現物件漂移;Google DeepMind 未公開參數、解像度、幀率或基準測試數據。

  6. 小眾軟件54

    Google DeepMind 發佈 Genie 4,可即時生成可互動的虛擬世界

    Google DeepMind 發佈 Genie 4,這款 AI 模型可即時生成讓用戶進入並探索的虛擬世界。用戶可在場景中行走、轉向,並以提示詞改變天氣、加入人物或動物;模型亦可即時生成聲音及物理效果。目前 Genie 4 只向少量測試者開放,虛擬世界只能持續互動數分鐘,時間較長可能出現物體漂移或物理效果異常。

  7. 第一財經69

    Google 發佈 Genie 4,「一句話生成世界」更近一步

    Google 發佈新一代世界模型 Genie 4,可即時生成可探索的動態 3D 世界,並同步生成音樂、環境音及互動對話。用戶可用自然語言修改場景;Gemini 3.8 Flash 會觀察畫面、拆解目標,並因應世界變化或用戶介入調整計劃。Genie 4 目前僅以研究預覽形式向受信任測試者開放,長時間模擬中的視覺細節和物件持續存在狀態仍可能改變或偏移,複雜物理互動亦仍待解決。