跳到正文
今天11月15日周日1 条
11月14日周六
11月13日周五
  1. TechCrunch58

    ElevenLabs 发布实验性应用 ElevenAI,整合会议记录、听写与智能体

    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。

  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。

  5. Google Blog78

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

    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。

11月12日周四
  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。

11月11日周三
  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。

11月10日周二
11月6日周五
11月5日周四
10月29日周四
  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。

10月28日周三
  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。

10月14日周三
10月7日周三
  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。

10月1日周四
9月25日周五
  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。

9月23日周三
  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。

9月16日周三
9月8日周二
  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。

9月3日周四
  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。

9月2日周三
  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。