跳到正文
只看人工智能#新品发布
  1. cnBeta70

    OpenAI 推出 ChatGPT Wallet，AI 代理可代用户完成在线支付

    OpenAI 宣布推出支付功能 ChatGPT Wallet，允许 AI 代理在获得授权后代表用户完成在线购物和付款流程。该功能与 American Express、Mastercard 和 Visa 等主流支付网络合作实现，OpenAI 希望借此推动 AI 代理从信息助手转向实际执行任务的工具。

    推荐理由：OpenAI 把 AI 代理的支付环节接入三大卡组织，读者可据此判断代理代付的落地边界。

  2. 爱范儿78

    李飞飞 World Labs 开放世界模型 Atlas，实测一句话生成重庆山城

    World Labs 正式开放世界模型 Atlas，同步上线网页应用和开发者 API，新用户注册送 10000 积分。平台包含 Viewfinder、Chisel、Relight 和 Splat to mesh 四款工具，覆盖图片生成场景、智能体搭白模、重新打光到导出 GLB 的流程。

    推荐理由：作者实测 Atlas 从一句话生成重庆山城场景，并梳理了四款工具的分工与积分定价，可看清世界模型落地为工作流的具体形态。

  3. 少数派78

    Google 发布 Gemini 4 Hydrogen 模型、Gemini Decisions API 与 A2UI 1.0 稳定版

    Google 于 11 月 12 日推出 Gemini 4 Hydrogen 模型，主打快速执行、日常编程和 AI 智能体工作流，首次将 Gemini 4 系列能力扩展至免费用户，支持最高 100 万 Token 上下文，API 输入每百万 Token 1.50 美元、输出 7.50 美元。

    推荐理由：Google 一次性放出模型、决策 API 与界面协议三条线，可看清其智能体布局的完整拼图。

  4. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流

    Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的快速执行模型，与偏重长程推理的 Gemini 4 Carbon、Gemini 4 Argon 形成分工。

    推荐理由：官方给出 Hydrogen 与 Carbon、Argon 的分工定位，以及定价、思考档位和多项基准对比，可据此判断它在多模型工作流中的位置。

  1. Google Blog66

    Google 推出 Gemini Decisions API，单次前向即可完成多模态判定

    Google 发布 Gemini Decisions API，由新模型 Gemini Decision 1 驱动，可在一次前向计算中对文本、图像、音频、视频和 PDF 输入评估最多 1000 个是/否、多选和评分问题。

    推荐理由：原文给出新模型的定价、延迟与基准表现，读者可据此判断它是否适合替代逐 token 生成的调用方式。

  1. Google DeepMind78

    Google DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异影响

    Google DeepMind 发布 AlphaGenome 2，可按特定细胞类型和状态预测 DNA 序列变异的影响，在 TenK10K 数据集上识别出的因果变异比例从 16% 提升到 30%。

    推荐理由：相比上一代，新模型在单细胞层面识别致病变异的召回率接近翻倍，并能在未训练过的细胞状态上直接预测。

  2. Google DeepMind85

    Google DeepMind 开放 Gemini 4 Carbon，主打智能体编程与网络安全

    Google DeepMind 向开发者、企业、科研人员和消费者开放 Gemini 4 Carbon，这是其前沿模型家族的新成员，在网络安全与长程智能体工作流上表现最强。

    推荐理由：官方给出 Carbon 与 Argon 的定位差异、跑分排名和每百万 token 定价，可据此判断该选哪个模型。

  1. Google DeepMind75

    Google DeepMind 发布 Gemini Robotics 2.5，奔驰产线试点抓取成功率达 96%

    Google DeepMind 发布视觉-语言-动作模型 Gemini Robotics 2.5，在 200 项任务评测中成功率比此前基线高 30% 至 100%，完成任务速度快 20% 至 30%。

    推荐理由：官方给出 200 项任务评测与奔驰产线 96% 成功率的实测数据，可据此判断 VLA 模型离真实工位还有多远。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长周期任务能力

    Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。

    推荐理由：原文给出 Carbon 在网络安全与长周期编程任务上的多项基准成绩和定价，可对照两周前发布的 Argon 看迭代幅度。

  1. Google DeepMind75

    Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时交互

    Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并支持用自然语言实时修改场景。Genie 4 首次在实时世界模型中原生生成音频，包括环境声与可随输入变化的角色对话，同时借助 Gemini 3.8 Flash 作为循环中的引导智能体完成多步事件推理。

    推荐理由：官方披露 Genie 4 的原生音频、实时文本操控与 Gemini 协同推理能力，并说明当前局限与开放节奏。

  1. Google DeepMind67

    Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的端侧多模态嵌入模型，参数量 740M，可将文本、图像、音频和视频映射到统一嵌入空间。

    推荐理由：原文给出 740M 参数、分模块参数与量化后内存占用，可据此判断端侧多模态检索的部署门槛。

  1. Google DeepMind83

    Google 发布 Gemini 4 Argon 前沿模型，输出上限提至 100 万 token

    Google 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再向开发者、企业和消费者推出。

    推荐理由：官方披露 Gemini 4 Argon 的输出上限、定价与多项基准成绩，可据此判断前沿模型的阶段性能力边界。

  1. Google DeepMind62

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为企业对话加入实时虚拟形象

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与实时语音对话结合，生成带精准唇形同步和自然表情的动态虚拟形象，即日起在 Gemini Enterprise 提供。

    推荐理由：官方披露了 Live Avatar 的多语言同步、异步工具调用与 SynthID 水印等能力边界，可据此判断企业级虚拟形象对话的落地条件。

  1. Google DeepMind62

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音生成模型

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐句表演指导，后者面向高吞吐、低成本的配音与语音智能体场景。

    推荐理由：两款 TTS 模型把语音生成从固定预设变成可逐句导演的创作工具，并给出第三方基准排名与多语言盲测结果。

  1. Google DeepMind78

    Google DeepMind 发布 AlphaGenome Atlas，覆盖人类基因组全部 90 亿个单碱基变异预测

    Google DeepMind 发布 AlphaGenome Atlas，这是一个包含人类基因组全部约 90 亿个单核苷酸变异效应预测的平台，数据集规模达 1PB，超过 AlphaFold 数据库 30 倍。

    推荐理由：AlphaGenome Atlas 把 90 亿个单碱基变异的预测结果做成可检索数据集，规模是 AlphaFold 数据库的 30 多倍，并配套推出 AVI 评分。

  1. Google DeepMind74

    Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型，分辨率提升至 5 公里

    Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，直接使用实时地球静止卫星数据，每小时生成一次预报，关键地表变量分辨率达 5 公里，整体比 WeatherNext 2 的 25 公里网格精细约 5 倍。

    推荐理由：官方给出与前代的分辨率、更新频率和降水精度对比，可据此判断 AI 天气预报的实际进展。

  2. Google DeepMind80

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型，前者面向长程编程与自主智能体，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。

    推荐理由：原文给出两款模型的定价、基准成绩与真实部署案例，可据此判断 Flash 系列在智能体与安全场景的定位。

  1. Google DeepMind73

    Google DeepMind 为 Gemini 3.7 Flash 等模型推出 agentic 视频理解功能

    Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出 agentic 视频理解功能，模型可动态搜索、扫描并检查视频片段，而非按固定帧率处理。

    推荐理由：官方给出 token 消耗降 88%、成本降 66%、准确率升 7% 的对比数据，可据此判断长视频分析的成本变化。

已经到底了