OpenAI 推出 ChatGPT Wallet,智能体代付不接触真实卡号
OpenAI 推出 ChatGPT Wallet,让 ChatGPT 中的 AI 智能体代用户完成购买,智能体不会拿到用户的真实卡号,每笔交易都需通过安全验证。
OpenAI 推出 ChatGPT Wallet,让 ChatGPT 中的 AI 智能体代用户完成购买,智能体不会拿到用户的真实卡号,每笔交易都需通过安全验证。
OpenAI 上线 ChatGPT Wallet,其 dots 智能体可帮用户挑选商品并完成购买,首批面向美国 18 岁以上 ChatGPT Pro 订阅者开放,需绑定美国发行的 Visa、Mastercard 或 American Express 卡。
OpenAI 推出 ChatGPT Wallet,让 dot 智能体在用户批准后代替用户完成购买。每次购买前用户需核对商品、金额和所选卡片,并通过 Face ID 或指纹等安全验证;支付网络随后提供替代真实卡号的支付 token,ChatGPT Wallet 不会把用户的真实卡片信息交给商家或智能体。
OpenAI 推出 ChatGPT Wallet,让 ChatGPT Work、Codex 和 dots 中的智能体在用户批准后完成购买,并沿用现有卡片保护机制。
ElevenLabs 本周发布实验性应用 ElevenAI,把会议记录、听写和智能体集成合为一体,目前仍处预览阶段,需申请早期访问。该应用可跨会议记录并提示参会者正在录音,支持在会议中实时查询历史内容,听写功能覆盖 90 多种语言并能识别行业术语。公司还允许企业接入 ElevenAgent,根据会议记录起草邮件等后续操作。
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。
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。
谷歌发布 Gemini 4 Hydrogen 模型,主打更快响应、更低成本和更强的 AI Agent 执行能力,已接入 Gemini App、Google Search、Google AI Studio 等平台,免费用户也可体验。
Google 为 AI 创作工作室 Flow 发布 5 款由视觉艺术家打造的新工具。Character Arc 可让同一角色跨越不同年龄保持核心外观,Pocket Studio 能把手机单条素材生成多机位并提升画质,同时保留演员原始表演。
Google 发布 Gemini 4 Hydrogen,取代此前的 Flash 命名,原生支持 100 万 token 输入和最多 100 万 token 输出。
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。
Google 发布 Gemini 4 Hydrogen,面向开发者的日常编码与智能体工作流,支持仓库级编码与调试、交互式 Web 开发和多模态工作流。该模型可独立运行并提供四档可配置思考级别,也可与 Gemini 4 Carbon、Gemini 4 Argon 等前沿模型搭配使用,官方称其指令遵循更紧、编造内容更少。
Google 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,与主打深度推理的 Gemini 4 Carbon、Gemini 4 Argon 形成分工。
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。
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。
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。
OpenAI 在 ChatGPT 中推出 Businesses,用户可管理企业信息、查看企业在 ChatGPT 中的展示情况,并将关注转化为行动。
千问办公 2.0 于 11 月 9 日正式发布,主打业内首个面向团队协作的 Team Agent,把多人协作、文档共创和自动任务整合进同一个 Agent 产品。
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。
Thinking Machines Lab 于 11 月 5 日发布第二代开放权重模型 Inkling 2 Small,总参数 594B、每次推理激活 17B,支持 100 万上下文与图像输入。
OpenAI 发布网络安全模型 GPT-6 Cyber,用于发现可利用漏洞并开发修复方案。该模型经过训练,被限定在授权范围内运作。
推荐理由:OpenAI 推出面向漏洞发现与修复的安全模型,并强调训练时限定在授权范围内。
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。
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。
Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini 平台的 API 向开发者与企业开放,Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。
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。
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。
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。
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。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由:两款语音对话模型分别面向规模化成本与高复杂度任务,并给出语音智能体基准上的具体分数与开放渠道。
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。
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。
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。
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。