跳到正文

#模型发布

今日 4 条
11月12日周四
  1. 人人都是产品经理67

    谷歌 Gemini 4 Carbon 全面开放,三项真实工作评测居首,优惠期价格约为 Fable 5.2 四分之一

    谷歌 Gemini 4 Carbon 全面开放,官方称其在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 三项真实工作评测中均列第一。

    决策要点

    谷歌借 Carbon 把竞争从跑分推向真实任务完成度和成本控制,按任务复杂度和预算路由模型成为它主推的用法。

    • 影响企业选模型的考量从总榜转向任务匹配;Carbon 低价窗口只到 11 月 30 日,且 Token 单价低不等于单任务总成本低;多 Agent 并行会改变开发分工,也带来任务边界、权限和审计的管理成本。
    • 参考可考虑用文中的单任务总成本公式,先算出自己复杂任务的 Token、工具调用和返工开销,再决定 Carbon 与轻量模型的分层路由;安全类 Agent 试点值得预设目标白名单、隔离网络、动作审批和完整审计。
  2. 人人都是产品经理67

    腾讯混元Hy4同福客栈实测:视觉理解与电脑操作能力表现如何

    腾讯11月4日发布混元Hy4正式版,首次具备视觉理解与电脑操作能力,总参数770B、激活49B,同日接入WorkBuddy、CodeBuddy、元宝、ima、企业微信智能助理等自家产品和OpenRouter,权重计划近期开源。

    决策要点

    Hy4把视觉理解与电脑操作接进自家产品,走场景化路线而非刷榜,独立测评显示能力有亮点也有明显缺口。

    • 影响视觉理解与电脑操作已接入企业微信和腾讯云ADP等入口,客服、知识问答场景可直接试用搭建智能体;89%的不知答案硬答率提示识别汇总类输出需要保留人工复核;视频渲染成本远高于模型调用,预算要按任务类型分开测算。
    • 参考可考虑在客服或知识问答选一个固定流程接入Hy4做小范围试点,并记录复核工作量;值得用WorkBuddy和CodeBuddy的限免额度先跑一次真实业务任务,把模型调用与视频渲染的积分消耗分开记账。
  3. 人人都是产品经理46

    千问 Qwen4-Max 预览版上线,实测质量对标 Kimi K3.1 但生成速度偏慢

    千问 Qwen4-Max 预览版已在 Token Plan 上线,定价 19.5 元 2 万积分、限时最低 1 折,千问办公、Qoder、千问 APP、QwenStudio 同步可体验。

    决策要点

    千问旗舰预览版把竞争力放在工程质量与 token 成本上,独立实测质量能进入第一梯队,短板集中在生成速度。

    • 影响编码类任务多了一个低成本候选,积分定价与 0.1x 倍率折扣降低了试用门槛;实测速度约 33 tokens/s 会拖慢交互式开发节奏;预览版能力与价格都未定版,选型结论需等正式版。
    • 参考可考虑用团队同一套真实编码任务跑一次 Qwen4-Max 与现有模型的耗时和积分对比;值得先算出单任务 token 成本,再决定是否趁 1 折囤积分或等正式版定价。
  4. 36氪·AI69

    谷歌发布首款决策模型 Gemini Decision 1,9 项基准测试拿下 7 项第一,准确率最高 92.2%

    谷歌发布决策专用模型 Gemini Decision 1 及配套的 Gemini Decisions API,模型不逐字生成文本,而是通过单次前向传播对预设候选答案直接返回判断结果、概率和置信度,CEO Sundar Pichai 在 X 平台宣布了这一消息。

    决策要点

    谷歌在生成式路线之外另开决策专用模型品类,把分类、评分这类判断从大模型逐字生成流程中剥离出来,做成低成本低延迟的独立组件。

    • 影响用大模型做分类、路由和审核的企业多了一个更便宜的专用选项,官方称成本约为 Flash-Lite 的五分之一;Agent 系统可把简单判断下沉给专用模型,把复杂任务留给生成式大模型;现有对比成绩均为谷歌官方口径,切换前需在自有场景复测。
    • 参考可考虑盘点现有靠生成式大模型做分类、打分或路由的场景,按调用量和延迟要求测算更换收益;值得先取真实业务样本在测试环境对比准确率与置信度,再决定是否接入。
  5. IT之家·人工智能46

    谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2,基因表达变异识别能力近乎翻倍

    谷歌 DeepMind 于 11 月 11 日发布新一代基因组 AI 模型 AlphaGenome 2,能预测 DNA 序列变异对特定细胞类型和状态的影响,识别基因表达相关遗传变异的数量接近上一代两倍。

    决策要点

    DeepMind 把基因组变异预测从组织层推进到单细胞层,科研机构先拿到开放入口,商业使用仍留在预览阶段。

    • 影响医药和基因检测企业的研发端多了一个可申请的变异解读工具,靶点研究可参考其单细胞层预测;模型仅限科研用途,距临床或诊断合规还有距离;商业使用需走私有预览,可获得性和成本尚不明确。
    • 参考生物医药企业的研发团队可评估申请私有预览,用自有单细胞数据小规模对比现有变异解读流程;也可先用非商业 API 做方法验证,再决定是否投入预算。
  6. The Decoder:AI News67

    Google 发布 Gemini Decision 1 决策模型,单次可评 1000 个问题

    Google DeepMind 发布 Gemini Decisions API 与底层模型 Gemini Decision 1,专用于是否、多选、评分类闭合判断,单次可处理最多 1000 个独立问题,150 到 250 毫秒返回概率和置信度。

    决策要点

    Google 把封闭式判断拆成独立模型品类,用概率打分替代生成式回答,主打低延迟、低成本的规模化判定场景。

    • 影响审核、评分、模型路由这类高频判断任务可重新核算调用成本,官方口径下输入价格约为 Gemini 3.5 Flash-Lite 的五分之一;概率和置信度输出便于按阈值做兜底,但效果目前只有官方数据。
    • 参考可考虑盘点业务里是与否、多选、打分类的调用清单,估算改用该 API 的成本和延迟;值得在 Google AI Studio 用真实题库小规模对比现有生成式方案的准确率后再决定接入。
11月11日周三
  1. IT之家·人工智能45

    谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型:识别致病变异能力提升近一倍

    谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,可预测 DNA 变异对特定人体细胞类型的影响,官方称相比此前最优模型能识别近两倍数量的可改变细胞内基因表达的变异。

    决策要点

    变异效应预测从组织平均细化到单细胞粒度,生命科学研究工具能力明显升级,但商业应用只处于私密预览,落地价值暂时集中在科研侧。

    • 影响医药与基因研究团队可用它缩小候选变异筛选范围,减少早期研究的大规模自建计算;商业研究尚未开放,企业短期只能申请私密预览或寻求合作;官方明确未经临床验证,不能进入诊断流程。
    • 参考可考虑让生信或研发团队先用 API 在非商业课题上验证预测质量,再评估是否申请商业私密预览;值得盘点现有 GWAS 变异筛选流程,看预计算评分能否替代部分自建计算。
  2. Google DeepMind:Blog46

    Google DeepMind 发布 AlphaGenome 2,DNA 变异影响预测细化到数百种细胞类型

    Google DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,能预测 DNA 变异如何影响特定人类细胞类型的基因活动,官方称在 TenK10K 数据集上识别出的因果变异数量约为上一代的两倍(30% 对 16%),方向性基因效应为 43% 对 23%。

    决策要点

    基因变异解读从组织平均推进到单细胞精度,生物医药研究获得了能定位因果变异及其作用细胞的新工具。

    • 影响药企与生物科技公司可借此在疾病相关细胞中定位因果变异,减少实验筛选的试错成本;商业使用目前仅限私密预览,接入节奏取决于官方开放进度;模型明确限研究用途,不能支撑诊断类产品宣称。
    • 参考生物科技与药企可考虑申请商业私密预览,在自有管线场景对比现有变异解读流程;值得先测试官方预计算的 GWAS 变异分数能否替代部分 CRISPR 筛选工作量。
  3. The Verge · AI46

    Google DeepMind 发布 AlphaGenome 2,可预测基因变异对不同细胞的影响

    Google DeepMind 发布基因预测模型 AlphaGenome 2,可预测基因变异对不同细胞类型和状态的影响,训练数据覆盖 68 种组织、超 1 亿个细胞画像。

    决策要点

    DeepMind 把静态细胞图谱变成了基因变异的预测引擎,把遗传学分析的粒度细化到具体细胞类型,为药物研发上游的靶点与机制研究提供了新工具。

    • 影响医药与生物科技企业验证靶点、解读人群基因数据时多了一个细胞级粒度的工具;但商业使用仅有限量私有预览,短期难以进入常规研发流程;其推理成本高于前代,全基因组规模扫描仍要依赖旧模型。
    • 参考生物科技或药企可考虑申请商业私有预览,选一个具体靶点或细胞类型的变异解释任务与现有方法做对比;值得先盘点管线中哪些环节适合细胞粒度预测,而非直接替换全基因组级工具。
  4. IT之家·人工智能44

    DeepL 推出语音 AI 翻译模型 Aure,实时复现说话者语气与情绪,暂不支持中文

    DeepL 于 11 月 11 日推出语音 AI 翻译模型 Aure,官方称这是其迄今最具动态感、表现最逼真的语音 AI 模型,暂不支持中文。Aure 是 DeepL Voice 的底层驱动核心,能实时复现说话者的语气起伏、情绪流转、重音及语速,建立在 DeepL 近期推出的声音保留技术之上。

    决策要点

    DeepL 把语音翻译的比拼点从传达字面词句推进到保留说话者的语气与情绪,不过暂不支持中文,对国内场景的直接价值有限。

    • 影响有跨语言会议或外语客服场景的企业,在已支持的 8 个语种内可获得更接近真人语感的翻译体验;中文暂未覆盖,涉中文场景无法直接受益;未支持语言自动回退旧模型,同一产品体验会因语种而不同。
    • 参考有跨国会议或外语客服需求的团队可考虑试用网页会议版或语音 API,与现有方案对比自然度和响应表现;涉中文业务的可暂缓接入,留意官方后续的语种拓展进度。
  5. The Decoder:AI News49

    DeepL 新语音模型 Aure 让实时翻译保留语气、情绪和语速

    DeepL 推出新语音模型 Aure,让 DeepL Voice 的实时翻译把原说话人的语气、情绪、重音和语速带入目标语言。旧版依赖对话开始时的静态声音样本,无法跟上情绪变化或讽刺;Aure 持续分析译文和原音频,训练时分离音色、语调旋律与内容三个成分,并用强化学习避免输出带口音。

    决策要点

    实时语音翻译的竞争从译准词句转向保留语气和情绪,跨语言会议沟通的可用度被抬高了一档。

    • 影响跨国会议和跨语言沟通中,情绪与讽刺可随语音传达,只看译文的误读风险来源减少;功能在 DeepL Voice 和 API 中自动生效,已使用该产品的团队无需额外接入;Block 同向推出 Dessa,语音层体验正成为翻译工具的比拼点。
    • 参考可考虑让跨语言会议较多的团队试用线上会议翻译,对比新旧版本的语气传达效果;已通过 DeepL API 集成的企业值得核对上线语言清单是否覆盖自己的主要业务市场。
  6. 36氪·AI46

    蚂蚁灵波开源触觉基础模型LingBot-Touch,统一三类触觉传感器信号

    蚂蚁灵波科技开源触觉基础模型LingBot-Touch,将磁触觉、视触觉、压阻式三类异构传感器信号统一成同一套触觉Token,供不同灵巧手和动作模型复用。灵波介绍的真机测试中,Sharpa Wave拧瓶盖成功率从无触觉模型的56.25%提升至90%;灵波主张不照搬通用大模型路线的具身原生策略,大脑2.0按空间感知、动态交互、触觉感知、操作执行四层组织模型。

    决策要点

    蚂蚁灵波以开源触觉基座回应通用大模型路线之争,实质是争夺机器人软硬件解耦后的中间基础设施位置。

    • 影响若跨硬件复用成立,机器人换传感器、灵巧手或任务时不必重训触觉模型,零售分拣、物流、工业装配等场景有望减少逐任务调试;本体与传感器厂商可专注硬件;但效果数据均为灵波自报,跨硬件迁移稳定性尚无第三方验证。
    • 参考计划部署精细操作机器人的企业,选型时可将换传感器或灵巧手是否需重训列为考察项;有自研团队的可评估用该开源触觉表征替代自训模块的适配成本;试点场景可参照乐聚、钛虎等合作测试的公开结果再定。
  7. 量子位62

    百度发布文心5.5 Flash Preview,主打端到端编程并宣布即将开源

    百度发布文心5.5 Flash Preview,总参数2800亿、单次推理激活140亿,支持百万Token上下文,生成速度超过每秒200 Token,宣布将以Apache 2.0许可证开源并支持SGLang和vLLM部署。

    决策要点

    百度以端到端编程为主打、开源加低价为手段推出文心5.5 Flash Preview,实质是把竞争焦点推向模型独立交付完整项目的能力。

    • 影响开源和限时五折降低了试用与私有化部署的门槛,编程和内容生产类任务的模型预算可按新价格重算;官方展示的动画、游戏、3D产出若能在自身场景复现,原型制作的流程和人力投入可能压缩。
    • 参考可考虑从自身业务挑一两个编程或内容生成类小项目,分别用开源权重自部署和千帆API实测对比效果;值得把忙时翻倍的输入输出单价折算进试点预算,再决定是否扩大试用范围。
  8. 36氪·AI57

    谷歌DeepMind发布机器人模型Gemini Robotics 2.5,奔驰产线分拣验证成功率达96%

    谷歌DeepMind发布新一代机器人基础模型Gemini Robotics 2.5,官方称这是谷歌首个借助Gemini 4 Argon加速研发、具备自主改进能力(RSI)的机器人模型。

    决策要点

    这次发布的实质是把具身研发里最耗人力的环节交给AI,自动搭建仿真训练场、设计练习并复盘失败,让机器人模型加速自我改进。

    • 影响零件分拣这类固定工序出现了进入真实产线概念验证的机器人方案,用工密集的分拣环节多了一个自动化选项;衣物丝带等柔性物体任务成功率在40%至70%之间,复杂场景距稳定上岗仍有差距;文中成功率与安全数字均为官方口径,引入决策前需独立复核。
    • 参考制造或仓储企业可考虑先盘点与零件分拣相似度高的固定工序清单,对照96%的概念验证场景评估适配空间;值得把恶意指令抵御和物理避险表现列入机器人方案验收指标,可参考ASIMOV-Jailbreak这类公开基准。
  9. IT之家·人工智能57

    百度文心发布 ERNIE 5.5 Flash Preview,11 月 25 日前开源权重

    百度文心于 11 月 11 日发布 ERNIE 5.5 Flash Preview,这是基于此前发布的 Base 模型的首个后训练版本,权重将于 11 月 25 日前开源,API 已上线千帆平台。

    决策要点

    百度把后训练中途的预览版本提前开放 API,并承诺 11 月 25 日前开源权重,以预览迭代方式参与模型竞争。

    • 影响权重开源后企业可自行部署评估,编程与内容创作等场景可低成本试点;官方自认预览版可能存在能力缺陷,生产环境直接采用需留有余地。
    • 参考可考虑在千帆平台用自有业务样本测试,与在用模型对比得分和响应速度;值得把 11 月 25 日开源节点纳入选型时间表,再评估自部署方案。
  10. 36氪·AI75

    谷歌Gemini 4 Carbon旗舰模型全面开放,官方称多项基准排名第一

    谷歌宣布旗舰模型Gemini 4 Carbon正式向开发者、企业和消费者全面开放,可通过Google AI Studio和Gemini for business调用API。

    决策要点

    谷歌用尝鲜价和全面开放把旗舰模型推入实际工程与安全场景,与Claude的竞争从榜单成绩延伸到企业工作流的实测选择。

    • 影响尝鲜价11月30日后输入输出价格翻倍,重度使用需按自身任务重算Token成本;官方基准成绩暂无独立复测,切换模型前值得小规模对比;其安全扫描与分诊能力为安全团队提供了新的排查工具选项。
    • 参考可考虑在11月30日前用API按真实业务任务跑对比测试,记录耗时、Token消耗与需人工复核的比例;值得评估Argon与Carbon式的分层用法,把日常开发与高难度调试、安全扫描分开选模型。
  11. 36氪·AI61

    MiniMax 发布并开源生图模型 H3 Image,支持 4K 生成与 16 张参考图

    MiniMax 发布生图模型 H3 Image,当天开源权重并同步开放 API,官方定位其为开源图像模型 SOTA、整体效果处于全球第一梯队。模型最多支持 16 张参考图和 7500 字符提示词,可直接生成 4096×4096 的 4K 图像,文中称一张 4K 图只需 10 到 20 秒,而主流模型多在百万到四百万像素、分钟级出图。

    决策要点

    MiniMax 把视频模型 H3 的开源打法复制到生图,主打指令遵循而非画质,用宽松商用许可先换开发者生态,再向规模化企业收授权费。

    • 影响电商图、游戏资产、分镜等高频图像生产多了一个可自部署的开源选项,多参考图一致性可减少反复抽卡的人力;收入超 2000 万美元或在美欧英韩部署的企业需要预留单独授权预算。
    • 参考可考虑让设计或电商团队用真实业务素材对比现有生图工具,重点测多参考图一致性和画面小字准确率;先核对年收入与部署地区是否落在免费商用范围内,再决定走 API 还是自部署。
  12. IT之家·人工智能48

    阿里千问 Qwen4 即将发布,Qwen4-Max 预览版已上线 Token Plan

    阿里巴巴 11 月 11 日官宣,全新一代千问大模型 Qwen4 即将发布,Qwen4-Max 预览版已在阿里 Token Plan 首发上线,限时最低 1 折即可体验。官方称新模型知识理解更深入、世界感知更立体,Coding 与智能体(Agentic)能力持续进阶;千问办公、Qoder、千问 App、QwenStudio 等已第一时间接入新模型。

    决策要点

    千问进入 Qwen4 世代迭代,官方以宣传语和预览版先行,未公布具体性能数据,预览需通过付费 Token Plan 获取。

    • 影响限时 1 折降低了试用门槛,代码生成与智能体相关业务可在低价窗口低成本试测;正式版定价与开放范围未公布,采购和迁移决策暂缺完整依据。
    • 参考可考虑在 1 折期间用自有业务场景对比测试 Qwen4-Max 与现用模型在代码和智能体任务上的表现;同时盘点依赖千问生态产品(千问办公、Qoder 等)的升级安排。
  13. 爱范儿74

    谷歌 Gemini 4 Carbon 正式上线,普通消费者需订阅 Google AI Ultra 才能用上

    Google DeepMind 正式上线旗舰模型 Gemini 4 Carbon,向开发者、企业、科研人员和订阅了 Google AI Ultra 的普通消费者开放,主打复杂编程、网络安全、科学推理和多智能体长任务。

    决策要点

    谷歌把 Carbon 定位为承接高消耗智能体长任务的旗舰,日常任务仍留给 Argon,上线期的优惠 API 价格 12 月 1 日起翻倍。

    • 影响复杂编程、漏洞研究和多智能体长任务有了明确的商用入口;API 优惠价 12 月 1 日起翻倍,评估和试点有一段低价窗口;普通消费者需订阅 Google AI Ultra,能力强项现阶段主要面向企业和开发者。
    • 参考可考虑在 12 月 1 日前用优惠价,选一个真实代码库修复或漏洞扫描场景,算清单任务成本与解决率再决定采购;值得盘点内部适合多智能体长时运行的高难任务清单。
  14. 36氪·AI72

    谷歌旗舰模型Gemini 4 Carbon全球开放,Antigravity同步上线/swarm蜂群模式

    谷歌官宣新一代旗舰模型Gemini 4 Carbon面向全球开放,付费API开发者、企业与Google AI Ultra用户可在AI Studio、Gemini应用与Antigravity中使用。

    决策要点

    前沿模型竞争的重心正从榜单分数转向智能体编排与单位任务成本,谷歌用蜂群模式和低价把这套组合推给了开发者。

    • 影响每百万Token输入2美元的定价继续压低前沿模型调用成本,模型选型的可比维度从分数扩展到单任务开销;蜂群模式把多智能体协作做成平台功能,工程与科研类复杂任务的交付方式可能随之改变;多数成绩来自官方或合作方口径,采购参考需打折看待。
    • 参考可考虑用自有生产任务对比Carbon与现用模型的质量和单任务成本;值得评估Antigravity的/swarm模式能否承接长周期工程或研究类任务;采购前先核对各榜单的评测口径与利益关系。
  15. 36氪·AI74

    Google DeepMind 全球开放 Gemini 4 Carbon,四周生成 650 万行数学证明验证 Signal 代码安全

    Google DeepMind 于发布当天将 Gemini 4 Carbon 全球开放,官方称其为目前能力最强、最适合复杂长周期任务的模型,开放渠道覆盖订阅用户、开发者、企业与科研人员,科研人员可申请 6 个月免费使用资格。

    决策要点

    Google 把旗舰模型的竞争点从答题速度转向完成复杂工作,并用形式化验证案例把 Agent 价值延伸到软件安全保障。

    • 影响形式化验证这类高成本安全手段可能因 Agent 接手繁重环节而降低门槛,核心系统的安全预算结构值得重估;官方称单项任务成本低于次优外部模型两倍以上,若属实长周期任务的算力预算需重算;关键能力与成本数据均为官方口径,暂缺独立评测。
    • 参考可考虑盘点自身核心代码中有无值得形式化验证的资产,评估这类能力与安全预算的匹配度;值得通过 AI Studio 的 API 小规模试用长周期任务,先算出实际单位成本,再与现有工具和人力方案比较。
  16. 36氪·AI58

    Anthropic发布Fable 5.2、英伟达推出GR00T 2,同日加码机器人控制

    Anthropic与英伟达于当地时间11月9日同日发布面向机器人的模型新品。Anthropic官方数据显示,通用大模型Fable 5.2在RoboDojo双臂仿真基准平均成功率达64.9%。

    决策要点

    通用大模型在机器人控制上的能力跃迁,正在动摇具身智能必须依赖专用垂直模型的主流行业判断。

    • 影响具身智能商业化预期升温,物流与工业制造等场景的应用节奏可能加快;机器人整机及零部件厂商被视为边际受益方;若技术路线转向通用大模型,垂直具身模型厂商的竞争位置需要重估。
    • 参考可考虑梳理物流与工业制造环节中机器人可替代的场景,先跟踪通用大模型方案与专用具身模型的成功率和成本对比;在第三方复测出现前,宜把官方基准数据当参考值而非采购依据。
  17. IT之家·人工智能79

    谷歌正式开放 Gemini 4 Carbon 模型,主打复杂编程、科研与网络安全

    谷歌 11 月 10 日宣布正式开放 Gemini 4 Carbon 模型,面向开发者、企业、科研人员和消费者,定位为谷歌目前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究和网络安全,已通过 Gemini API 和 Google AI Studio 向付费开发者及企业客户开放。

    决策要点

    谷歌把旗舰线拆成按任务复杂度分层的双档结构,Carbon 以更高推理投入承接长周期复杂任务,与 Argon 形成分工。

    • 影响承担大型迁移、架构重构或安全审计的企业多了一个高推理档位可选;首发价仅为正式价一半,预算测算需区分 2026 年 11 月 30 日前后的两档价格;日常软件工程与知识工作可按分工继续交给 Argon。
    • 参考可考虑把跨包迁移、复杂调试或漏洞排查类任务列入试点清单,与现有模型跑分对比;值得先按正式价而非首发价测算长期成本;有并行开发需求的团队可关注 Google Antigravity 中的 /swarm 预览。
  18. The Decoder:AI News52

    NVIDIA 发布机器人基础模型 GR00T 2,从人类视频学习动作并迁移给机械臂

    NVIDIA 发布机器人基础模型 GR00T 2,可从人类操作视频学习动作并迁移给机械臂,减少训练新任务所需的遥操作,官方称其为同时预测动作与未来画面的世界动作模型(WAM)。

    决策要点

    NVIDIA 用人类视频替代遥操作来降低机器人训练的数据成本,但 10% 到 80% 的任务成功率和等待延迟说明系统仍在实验室阶段。

    • 影响若迁移方法在目标机型上可用,机械臂新任务培训的数据成本有机会下降,减少逐机型遥操作投入;当前 10% 到 80% 的成功率与三分之一闲置时间说明距离产线级可靠性还有距离;拥有机器人资产的企业需要考虑演示数据的采集方式。
    • 参考可考虑盘点现有自动化环节中依赖人工示教或遥操作的任务,估算其培训人时成本;值得评估数据手套、夹持器等演示工具与现有设备的兼容性;试点宜选容错较高的分拣或搬运类场景。
  19. The Decoder:AI News69

    Gemini 4 Carbon 正式开放,发布两周即被 Anthropic Fable 5.2 反超

    Google 的 Gemini 4 Carbon 在两周定向安全测试后正式开放,付费档可经 Gemini API、Google AI Studio 或 Gemini for Business 调用,介绍价为每百万输入 token 2 美元、输出 10 美元。

    决策要点

    单款模型的领先窗口已缩到两周级别,选型逻辑正从追榜单名次转向按任务成本与场景匹配做持续评估

    • 影响同等 token 单价下 Carbon 消耗更多 token,复杂任务实际账单可能高于 Argon;各家轮流登顶,绑定单一供应商的理由变弱;多智能体并行的成本收益连 OpenAI 与 Anthropic 都持谨慎态度
    • 参考可考虑用 Artificial Analysis 的单任务成本口径重算自有场景预算,在代码修复或安全扫描场景做小规模对比试点;值得盘点现有工作流对单一厂商接口的依赖与迁移成本
  20. The Decoder:AI News53

    Google DeepMind 发布 Gemini Robotics 2.5,奔驰产线试点分拣金属零件成功率达 96%

    Google DeepMind 发布机器人控制模型 Gemini Robotics 2.5,官方称在 Mercedes-Benz 位于匈牙利凯奇凯梅特和德国辛德尔芬根的活跃产线试点中,Apptronik Apollo 2 人形机器人分拣金属零件成功率达 96%。

    决策要点

    机器人基础模型从演示视频走向活跃产线,装配分拣类任务的成功率已进入厂商可用区间,但核心数字全部出自官方自评。

    • 影响汽车装配中的分拣装箱环节出现了可用的人形机器人方案,相关工位的人力配置可按任务重算;官方成功率未经独立验证,采购决策不能直接引用;开源越狱基准让机器人模型的安全性多了一个第三方检验渠道。
    • 参考制造业企业可考虑盘点分拣、装箱等固定工序的耗时与故障率基线,再对照官方 96% 数据评估差距;值得向 Agile、Apptronik 等合作方了解落地条件与部署成本,先选一个低风险工位试点。
  21. 爱范儿63

    实测开源图像模型 MiniMax H3 Image,4K 生图进入十几秒时代

    MiniMax 发布图像生成模型 H3 Image 并在发布当天开放权重,目标是开源图像模型中的 SOTA。爱范儿实测生成一张 4096×4096 的 4K 图片只需 10~20 秒,模型支持最多 16 张参考图,并可通过 API 接入 MiniMax Code、Claude Code、Codex 等 Agent Harness。

    决策要点

    开源图像模型把 4K 级生成速度与风格化审美拉到可用水平,视觉内容生产多出一个可自部署的选择。

    • 影响设计、游戏与品牌内容团队获得可私有部署的高规格生图选项,4K 素材放大裁切后仍有细节可用;开放权重支持按自身美术风格微调,降低对封闭 API 的依赖;接入 Agent 工作流后反复改提示词的次数有机会减少。
    • 参考可考虑让设计团队用同一组提示词对比 H3 Image 与现有生图工具的风格把控和文字准确性;值得评估自部署与 API 两条接入路径的成本;先在海报、概念图一类素材上小范围试点。
  22. Google DeepMind:Blog82

    Google DeepMind 发布 Gemini 4 Carbon,主打网络安全与智能体任务

    Google DeepMind 发布最新前沿模型 Gemini 4 Carbon,面向开发者、企业和消费者开放,API 定价与 Gemini 4 Argon 相同,为每百万输入 token $2、输出 token $10。

    决策要点

    Google 把最强模型按与 Argon 相同的单价开放,靠更高 token 用量换取深推理,比拼焦点正从模型单价转向单任务成本。

    • 影响深推理模型单价未涨但 token 用量会上升,技术预算宜按单任务成本而非单价估算;安全团队按官方口径可让模型承担漏洞初筛;基准与成本优势目前仅有厂商口径,采购评估应留独立验证空间。
    • 参考可考虑选一个多步编码或漏洞排查场景做小规模试点,记录 token 用量与人工耗时对比;采购前先算出自家典型任务的单任务成本,再与官方宣称逐项对照。
  23. The Verge · AI77

    Google 发布 Gemini 4 Carbon,并预览 swarm 多智能体协作功能

    Google 将新模型 Gemini 4 Carbon 向公众开放,官方称其为迄今最强模型,主打复杂多步编码与开放式科研等任务。

    决策要点

    Google 用约为对手几分之一的定价重新站上前沿竞争,Anthropic 与 OpenAI 的双雄格局变成三方角力。

    • 影响前沿模型 token 单价降到竞品几分之一,企业采购的成本基线需要重算;介绍价 11 月底翻倍,比价时应按长期价格计算;不同模型完成同一任务耗用的 token 数不同,单价低不必然等于总成本低。
    • 参考可考虑把 Carbon 纳入模型比价清单,用自身真实任务测算 token 消耗与总成本而非只看单价;高难度多步编码或科研类任务值得小范围试点,常规工程与知识工作可对照官方对 Argon 的推荐;swarm 预览可用来评估多智能体协作是否适配长周期任务。
11月10日周二
  1. IT之家·人工智能55

    MiniMax 开源 H3-Image 生图模型,10 秒生成一张 4K 图像

    MiniMax 发布图像生成模型 H3-Image 并开放权重,模型衍生自 H3,支持文生图、图像参考和图像编辑。

    决策要点

    开放权重生图模型开始把高分辨率与生成速度当作核心竞争维度,但各项优势数据均出自官方宣传。

    • 影响16MP 高清生图的试用成本短期被五折拉低,适合低成本先试效果;权重开放给数据敏感团队留出私有化部署的选项;性能对比暂无独立评测,选型依据需要自建。
    • 参考可考虑趁首周五折用自有业务素材实测 16MP 生成的细节与指令遵循;需要内网部署的团队值得核对 Hugging Face 权重与部署文档,先算清单张生成成本。
  2. 量子位60

    英伟达发布机器人世界动作模型GR00T 2并宣布将开源,Jim Fan称不是寒冬是机器人夏天

    英伟达GEAR团队在CoRL大会发布新一代机器人世界动作模型GR00T 2,能同时预测未来画面与机器人动作,官方1分半演示覆盖裁标签、装显卡、做早餐等任务;朱玉可透露模型、数据、仿真环境和采集硬件将陆续开源,首批10万小时人类数据已开放,项目页为 research.nvidia.com/labs/gear/gr00t-2/。

    决策要点

    英伟达开放的其实是一套机器人开发体系而非单一模型,用人类视频降低示教成本,同时大模型厂商已开始直接比拼机器人执行能力。

    • 影响机器人新任务的适配成本可能从逐机型采集示范数据,转向几分钟人类示范加约30分钟微调;开源模型与配套工具链降低了自建机器人能力的门槛;大模型厂商入场使技术路线竞争加剧。
    • 参考有机器人部署规划的企业,可考虑盘点现有依赖专用示教的环节,估算改用人类示范迁移能省多少采集预算;值得先读官方白皮书,确认X-Adapt对自身机型和任务形态的覆盖范围。
  3. 36氪·AI74

    Meta 发布最小模型 Muse Ember,百万输入 Token 定价 0.10 美元,性能追平 Claude Haiku 5.5

    Meta 发布轻量级模型 Muse Ember,官方称其为迄今体积最小、效率最高的模型,主打 Agent 高频执行任务,已通过 Meta Model API 和 Muse Code 上线。

    决策要点

    小模型竞争的焦点从旗舰性能转向单次执行成本,Meta 把 Agent 高频任务的成本账作为切入点。

    • 影响Agent 系统的成本瓶颈从单次推理转向高频调用的累计支出,企业可用低成本模型承担工具调用、代码修改等固定任务;规划与执行分离的双模型搭配提供了新的架构选项;复杂工程任务仍要靠高能力模型补位。
    • 参考可考虑盘点现有 Agent 流程中调用次数最多、结构固定的任务,试点改由低成本模型承担执行;值得按单任务成本重算 Agent 项目预算,并为复杂工程任务设置回退到高能力模型的策略。
  4. IT之家·人工智能54

    豆包图片设计能力升级,接入新图像创作模型 Seedream 5.5

    豆包官方宣布图片设计能力升级,正式接入字节跳动 Seed 团队的新一代图像创作模型 Seedream 5.5。官方介绍的三项核心升级包括,多轮编辑实现非编辑区域像素级保持,可围绕同一作品最多 100 轮持续创作;原生输出带 Alpha 通道的透明或半透明素材,省去后期抠图修边;光照、材质与皮肤纹理更贴近真实拍摄,复杂字形与密集小字的文字渲染更准确。

    决策要点

    此次升级的实质是把图像生成能力向设计生产环节推进,多轮编辑稳定性与透明素材直出都指向可复用素材而非单张成图。

    • 影响依赖透明素材与多轮改稿的设计团队,抠图修边和连续修改中的画质损耗这两项工序有望压缩;含密集小字的物料生成可用性提高。
    • 参考可考虑拿现有改稿流程实测多轮编辑下的画质保持情况;值得用一批含密集小字和透明素材需求的物料做对比测试,再决定是否接入。
  5. 36氪·AI77

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,上千个 Agent 连续8天写出操作系统原型

    Anthropic 于11月9日发布 Claude Fable 5.2 与 Claude Mythos 5.2,两款模型基于同一底层模型,Fable 5.2 向所有用户开放,Mythos 5.2 面向经审核的网络安全和生物医学研究机构。

    决策要点

    这次发布的实质是模型分层供应策略,日常任务留给 Opus,同源最强模型按安全风险分级开放,同时用降价提速压低重 Agent 工作流的成本门槛。

    • 影响API 价格降20%且输出提速,同等预算可支撑更多 Token 消耗,多 Agent 长任务的成本压力减轻;官方建议日常开发仍用 Opus 5.5,企业需按任务难度建立模型调度规则;Mythos 5.2 需通过审核项目或 Claude Security 获取,并非开放订阅。
    • 参考可考虑先测算自家 Agent 或代码生成工作流在新价格下的单位成本变化;值得评估代码顾问与多智能体编排两类用法能否接入现有研发流程;安全团队可先确认 Cyber Verification Program 与 Claude Security 的申请条件再决定是否投入。
  6. 人人都是产品经理76

    Claude Fable 5.2 实测,78 分钟做出能开机的简版操作系统

    作者用新发布的 Claude Fable 5.2 在 78 分钟内做出一个能在浏览器开机的简版操作系统,连同另外 3 个 case 和 3 个日常任务共耗掉周额度的 21%。

    决策要点

    这次的实质是模型分层使用的确立,重任务有分数持平、价格减半的 Fable 5.2 接手,千级 agent 协作成为官方展示的作业方式。

    • 影响重任务换用 Fable 5.2 的成本约为 Opus 5.5 的一半,预算可按任务难度重算;订阅内 Fable 只能用一半额度,用量配比要提前规划;API 存在 thinking block 与模型 ID 变更,升级前需要留出回归测试时间。
    • 参考可考虑把现有任务按难度分两档试点,重档跑 claude-fable-5-2 记录耗时与费用;值得按迁移指南排查 thinking block、computer use 和 advisor 配置;小模型搭配可先试 advisor 或 orchestrator 结构。
  7. 量子位42

    蚂蚁灵波开源触觉基础模型LingBot-Touch,为机器人补齐触觉感知

    蚂蚁灵波科技于11月10日开源触觉基础模型LingBot-Touch,基于近5000小时真实触觉数据预训练,将磁触觉、视触觉和压阻式信号统一编码为触觉Token,供不同灵巧手和动作模型复用。

    决策要点

    触觉感知被做成可跨传感器和灵巧手复用的基础模型层,意在降低机器人硬件与动作算法更换组合时的重复适配成本。

    • 影响机器人整机与自动化团队可把触觉感知当作独立模块接入,传感器、灵巧手与动作策略可分开选型;轻量版约530万参数、接入仅增0.13%至0.16%参数量,端侧算力门槛较低,试点成本可控。
    • 参考可考虑在精细操作环节小范围测试该开源模型与自有动作策略的组合,记录成功率与算力开销;值得盘点在用触觉传感器类型,评估已有触觉数据能否经统一表征复用。
  8. 量子位55

    蚂蚁灵波开源触觉基础模型LingBot-Touch,机器人拉拉链成功率从15%升到59%

    蚂蚁灵波开源触觉预训练基础模型LingBot-Touch,将磁触觉、视触觉、压阻式三类传感器信号统一编码成动作模型可理解的触觉Token。实验显示直接喂原始触觉会拖累模型,π0.5拉拉链成功率从39%降到15%,接入LingBot-Touch后升到59%;在传感器型号未出现在预训练数据的XHand上,六项任务平均成功率从48.00%升到74.17%。

    决策要点

    机器人触觉的难点不在传感器而在读数可用性,蚂蚁灵波把传感差异做成统一翻译层并开源,试图让接触经验跨硬件复用。

    • 影响边接触边调整的精细操作多了一条补上触觉的可行路径,分拣和工业场景已有商业化测试在推进;传感器厂商可保留自有技术路线,整机厂接入不必更换硬件;动作模型侧参数开销仅0.13%到0.16%,改造成本低。
    • 参考做灵巧操作落地的团队可考虑复刻文中三组对照,即不用触觉、直接喂原始信号、接统一编码层,先算出自己场景的成功率差再定预算;传感器与整机厂商值得拿开源权重在自己硬件上复测接触精度。
  9. 36氪·AI69

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,机器人仿真成绩达 GPT-6 Astra 两倍并真机对弈 62 步跳棋

    Anthropic 发布新一代旗舰模型 Claude Fable 5.2 与 Mythos 5.2,官方 RoboDojo 机器人仿真中 Fable 5.2 平均成功率 64.9%,为 GPT-6 Astra 29.8% 的两倍以上,该组结果由 Anthropic 内部运行。

    决策要点

    Anthropic 在 IPO 关口把叙事从软件助手转向物理生产力,用机器人成绩和成本账本回应增速放缓与估值质疑。

    • 影响高难度工程任务的成本核算需从 Token 单价转向单任务总成本,相关预算口径可能要重算;具身业务短期难成业绩支柱,但制造产线与科研仪器调度多了一个新入口;官方跑分缺独立复测,选型评估应以第三方实测为准。
    • 参考可考虑在高难度工程试点中,把一次通过率与人工介入时长折算成单任务总成本,再与现有主力模型对比;有机械臂或科研仪器需求的企业可关注 MHS 接口规范,先等第三方真机复现再排试点。
  10. 人人都是产品经理63

    字节 Seedream 5.5 实测连改20轮人像仍是同一个人,附GIF表情包教程

    字节昨天发布图片生成模型 Seedream 5.5,更新首条是多轮编辑,官方称未修改区域像素级不动、同一张图可连改上百轮。作者实测连改20轮再逐一改回,人脸、痣和徽章文字基本保持,小改动前后SSIM为0.983到0.995;706字航线海报逐字核对无错,透明背景可直接生成免抠图。

    决策要点

    图片生成的竞争点从一次生成质量转向多轮可控编辑,营销物料的改稿流程开始能由模型直接承接。

    • 影响封面、海报、表情包等高频物料可按改稿方式迭代,抠图与逐字校对工序可以省掉;单张2K编辑约0.28元、不到上一代一半,改稿成本随之下降;角色和道具素材能跨图复用,内容团队的素材沉淀方式会跟着变。
    • 参考可考虑拿一套真实海报做20轮改稿对比,记录细节保持和错字情况;值得盘点现有抠图、换底色类工序先迁移试跑;做角色类内容可参考文中三步提示词或安装其Skill试做一套表情包。
  11. IT之家·人工智能66

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,官方跑分编码超 GPT-6 Astra

    Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿模型,官方称编码、推理、科学研究、网络安全及机器人等领域显著提升,输出速度最高提高 30%,成本下降 20%。

    决策要点

    Anthropic 以官方跑分宣告编码反超,同时成本下降 20%,对使用方而言价格与速度的变化比榜单名次更直接。

    • 影响现有 Claude 用户的 API 成本和输出速度可能直接受益;编码类场景的模型选型出现新对比对象;长程多智能体协作被官方作为主打能力展示;选型参考暂只有官方口径。
    • 参考可考虑用自有任务复测 Fable 5.2 与现用模型的差距再定迁移;值得按新价格重算月度 API 预算;智能体协作需求多的团队可评估长程任务场景。