Google 發佈旗下首個決策模型 Gemini Decision 1,單次最多回答 1000 道題
Google 發佈旗下首個決策模型 Gemini Decision 1,單次最多回答 1000 道是非題、選擇題或打分題。Google 公佈的 9 項比較評測中,Gemini Decision 1 有 7 項得分最高,JevBench 高 Jev 2.2 個百分點;Artificial Analysis 給予 66 分,與 Jev 1.14 持平。
Google 發佈旗下首個決策模型 Gemini Decision 1,單次最多回答 1000 道是非題、選擇題或打分題。Google 公佈的 9 項比較評測中,Gemini Decision 1 有 7 項得分最高,JevBench 高 Jev 2.2 個百分點;Artificial Analysis 給予 66 分,與 Jev 1.14 持平。
Google DeepMind 推出 AlphaGenome 2,可按目標組織、細胞類型或細胞狀態,預測 DNA 序列及其變異的影響。模型以超過 1.07 億個人類及小鼠單細胞圖譜訓練,覆蓋 68 種組織;在 28 種原代免疫細胞的 TenK10K 測試中,致病因果變異識別率為 30%,上一代微調後為 16%,基因表達變化方向識別率則為 43%,上一代為 23%。
百度發佈文心5.5 Flash Preview,重點升級程式編寫、遊戲開發、3D建模及內容創作能力。模型總參數量為2800億,每個Token啟用140億參數,支援最長100萬Token上下文,官方稱生成速度超過每秒200Token。模型已在百度智能雲千帆平台上線並可透過API調用,權重計劃於11月25日開放;API每百萬Token輸入繁忙時段2元、閒時1元,輸出繁忙時段8元、閒時4元。
Runway 開源機械人模型 Praxis-1,採用影片預訓練,並以 Apache 2.0 授權發布。Runway 公佈的 RoboLab-120 成功率為 46.2%,高於 FLUX 3 Action 的 42.9%、Nvidia Cosmos3 Nano 的 36.8% 及 Physical Intelligence π0.5 的 28.0%;這些基準數字尚無獨立核實。
Google 推出 Gemini Decision 1 決策模型 API,支援是非題、選擇題及評分準則題,並沿用 Jev 對是非題的稱呼 Noul。其價格與 GPT-6 Luna 相同,每百萬個輸入 tokens 收費 10 美仙,輸出免費;Jev 每百萬個 tokens 收費 4.2 美仙。
Google DeepMind 發佈 DNA 模型 AlphaGenome 2,按指定細胞狀態預測變異效應,輸入為 1 Mb DNA 序列。在 TenK10K 單細胞 eQTL 評測中,模型於 90% precision 下召回 30% 因果變異,高於微調版 AlphaGenome 1 的 16%;它亦可利用原始 scRNA-seq counts 建立新細胞狀態嵌入,無需微調。
Google DeepMind 推出 Gemini Decisions API,底層模型 Gemini Decision 1 可在單次處理中評估最多 1,000 個互相獨立的問題。
字節 Seed 發布 Seed Audio 1.0 音訊創作模型,在統一框架下聯合建模人聲、音效及環境聲,以生成完整聲音場景。模型支援 100ms 間隔精度的時間控制、單次約 2 分鐘音訊生成及 20+ 語種,並已在火山方舟體驗中心上線。
Seed 團隊正式發佈新一代影片創作模型 Seedance 2.5,單次影片生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型單次最多可輸入 30 張圖片、10 段影片及 10 段音訊作參考,並支援時間戳精準編輯。Seedance 2.5 正陸續上線即夢 AI、豆包專業版,API 服務近期將上線火山方舟。
推薦理由:Seedance 2.5 將單次生成時長由 15 秒提升至 30 秒,並支援多輪延長及多模態參考,交代長敍事創作的主要能力變化。
字節 Seed 正式推出 SeedRealtime 原生音影片全雙工大模型,將音訊、影片與文字整合於統一架構,並支援連續多模態資訊流即時互動。它可進行音影片聯合理解、主動介入及對話節奏判斷;端到端人工評測顯示,相較級聯模型,音影片對話節奏問題減少一半。SeedRealtime 已在豆包 App 全量上線,更新至最新版本後,可在對話框選擇「打電話」進入影片通話體驗。
Seedream 5.5 正式發佈,提升多輪編輯穩定性、圖像真實感及文字渲染,並新增原生 RGBA 透明素材生成。模型支援同一作品最多 100 輪連續編輯,評測中的嚴重及輕微文字崩壞率分別降至 0.4% 和 1.7%。與 Seedream 5.0 Pro 相比,六類場景的生成效果評分和可用率均有提升,影視與辦公場景的可用率均達上一版本的兩倍以上。
Gemini API 發佈 Gemini Decision 1(gemini-decision-1)及 Decisions API。兩者支援文字、圖像、音訊、影片和 PDF 的快速、經校準二元、類別及評分規準判斷,輸出 tokens 為零。更新日誌亦連結至定價及速率限制頁面,以及 Decisions API 入門指南。
葬AI與小藍使用 Claude code 實測 LongCat-2.5,認為它可完成多類前端、長程編碼及辦公任務,但長程執行後期可能陷入思考死循環。測試包括持續約 5h 的小遊戲逆向工程,以及 Excel DCF 建模;前者在後期關卡有復刻缺口,部分題目則因過度思考、上下文窗口過長而無法輸出。
Decagon 推出 Decagon Labs 模型 Alto,負責控制雙向語音智能體的對話層,決定何時發言及説甚麼。Decagon 表示,Alto 在實際客戶通話中令問題解決率提升超過五個百分點,平均回應時間約 700 毫秒。模型推出前曾以超過 90 million 次模擬通話進行測試,並在實際流量中以影子模式評估。
Runway 發佈 Praxis-1,這款 27B 參數開放權重模型以影片基礎模型預測未來畫面,並據此生成機械人動作,採用 Apache 2.0 授權。在 NVIDIA RoboLab-120 的 1,200 次測試中,DROID 微調版解決 555 次(46.2%),在世界動作模型及開源機械人基礎模型中排名第一。
Google DeepMind 發佈 Gemini Robotics 2.5,並宣佈 AlphaGenome 2,分別更新機械人操作及 DNA 序列功能預測。Gemini Robotics 2.5 在不同任務的評測成功率為 30% 至 100%,完成任務的速度較前一版本快 20% 至 30%;在 Mercedes-Benz 的實際概念驗證中,汽車零件包裝成功率為 96%。
Google 已透過 Gemini API 向所有付費開發者開放 Gemini 4 Carbon,11 月 30 日前每百萬 input tokens 收費 $2、output tokens 收費 $10。12 月 1 日起,兩項價格升至 $4 和 $20;Google 將 Carbon 定位於複雜多步編碼與除錯、長時間 Agent 工作流程及開放式研究,Argon 則適合日常編碼和知識工作。
推薦理由:文章把 Gemini 4 Carbon 的限時定價、任務定位與 Gemini 4 Argon 的日常用途並列,呈現開發者在高難度工作與成本之間的取捨。
Google 正讓員工在內部開發平台 Jetski 測試代號為 Hydrogen 的新模型,內部工程師形容它「能力很強、速度快且效率高」。一名員工稱 Hydrogen 類似 Google 過往的 Flash 模型;目前尚不清楚這款模型推出後會免費還是收費。
Google DeepMind 發佈 AlphaGenome 2,預測遺傳變異對個別細胞類型及狀態的影響,提供比 AlphaGenome 更細緻的分析。模型以超過 100 million 個細胞剖面訓練,涵蓋 68 種組織;Google 稱它識別出可改變細胞基因表達的變異數量,接近前一個最先進模型的兩倍。
Google DeepMind 發佈 AlphaGenome 2,預測 DNA 序列及其變異對特定人類細胞類型的影響,連接單細胞生物學與人類遺傳學。模型以來自 68 種組織、超過 1.07 億個細胞的單細胞資料訓練,可按指定細胞類型或狀態預測基因表達等讀數,並新增 DNA 甲基化預測。
推薦理由:AlphaGenome 2 在 TenK10K 數據集上將因果變異識別率由 16% 提升至 30%,呈現其針對特定免疫細胞解析變異效應的改進。
Runway 的 Praxis-1 將 27B 參數影片基礎模型轉為開放權重世界動作模型,可同步預測未來畫面與機械人動作。DROID 微調版本在 RoboLab-120 排名世界動作模型及開源機械人基礎模型第一;RT-1 微調版本在 SimplerEnv 四項任務的平均成功率為 80.0%。
Runway 現已向所有人開放 Praxis-1,並以 Apache 2.0 授權提供模型權重。這款 27B 參數的 MoE 擴散 Transformer 同時預測影片與動作,在 RoboLab-120 的 1,200 個測試回合中成功率為 46.2%,高於 FLUX 3 Action 的 42.9%、Cosmos3 Nano 的 36.8% 及 π0.5 的 28.0%。
Google DeepMind 於 2026年11月11日發佈 AlphaGenome 2,按指定組織、細胞類型或細胞狀態預測 DNA 變異對基因調控的影響。
Google DeepMind 發佈 DNA 序列模型 AlphaGenome 2,從寬泛組織平均預測轉為按單一細胞類型或狀態進行條件式預測。模型以超過 1.07 億個單細胞圖譜訓練,較此前最優模型可識別近兩倍數量、能改變細胞基因表達的變異。目前模型透過 AlphaGenome API 開放非商業研究,商業研究仍處於私密預覽階段;模型僅供研究,未經臨牀或診斷用途驗證與審批。
Google DeepMind 發佈新一代 DNA 序列模型 AlphaGenome 2,可預測 DNA 序列及其變異對特定人體細胞類型的影響。在 TenK10K 數據集測試中,模型識別因果變異的比例為 30%、基因效應方向判斷準確率為 43%,初代 AlphaGenome 分別為 16% 和 23%。
Google DeepMind 推出 AlphaGenome 2,使用逾 100M 個、涵蓋 68 種組織的細胞特徵檔案進行訓練,以預測遺傳變異的影響。模型供非商業研究使用。
Valory 發佈開放權重模型 Olas-Predict-Qwen3.8-27B,在真實預測市場測試中取得 67.3% 平衡準確率,與 GPT-5.6 的 68.5% 相差 1.2 個百分點。兩者在 6,824 個可研究預測市場上使用相同提示詞及證據,結果來自 Valory 內部評估。與未經領域訓練的版本相比,微調後模型的平衡準確率提高 0.9 個百分點,Brier error 下降約 5%。
DeepL 推出語音 AI 翻譯模型 Aure,稱其是迄今最具動態感、表現最逼真的語音 AI 模型,能在即時翻譯中重現説話者的語氣、情緒、重音及語速變化。Aure 已支援 DeepL Voice 網頁會議版、DeepL Voice 面對面交談版及 DeepL 語音 API,首發支援英語、德語、西班牙語、法語、意大利語、日語、葡萄牙語及韓語。
Google DeepMind 的 AI 模型可令氣象預報平均提早一天達到原有模型的準確度,並已納入美國國家颶風中心(NHC)部分路徑和強度預測輔助系統。預測伊薩亞斯時,模型在風暴形成前一週識別出它可能發展為熱帶氣旋,並可為每個氣旋生成 1000 種發展情景,同時預測降雨、路徑和強度。單一模型可能在不同預報時段大幅調整判斷,專家仍須綜合模型結果,並結合飛機和衞星即時觀測判斷風暴結構。
MiniMax 開源 H3-Image 圖像模型。Qwen4-Max 預覽版已在阿里 Token Plan 首發上線,百度文心 5.5 Flash Preview 正式發布;均勝電子向宇樹科技交付首台機器人高算力大腦背包。DeepMind 發布 Gemini Robotics 2.5,並在 Mercedes 工廠試點分揀,成功率達 96%。
o3、Claude 4.5 Opus 與 Gemini 2.5 Flash 的比較顯示,三者分別擅長深度推理、分析寫作,以及速度與成本效率。評測涵蓋50道數學題、30項編碼任務、20道邏輯題及10項商業分析;o3 解決23/30項編碼任務,並在高推理力度下答對全部邏輯題,Claude 在商業分析得分最高。
MiniMax 開源 H3-Image 圖像模型。其他 AI 動態包括 Qwen4-Max 預覽版首發上線阿里 Token Plan、百度文心5.5 Flash Preview 正式發布,以及 DeepMind 發布 Gemini Robotics 2.5;該模型在奔馳工廠試點分揀的成功率為 96%。
作者在 16GB GPU 上比較 Claude Code 與 OpenCode:Qwen3.6-35B-A3B 用 3 分鐘 44 秒完成編碼任務,Sonnet 5.5 用 2 分鐘 42 秒,兩者都產出可用程式碼。
Salesforce 在 Dreamforce 2026 宣佈 Koa,這是一款專為 CRM 工作打造、供 Agentforce 智能體使用的推理模型。Salesforce 內部測試中,Koa 的多步 CRM 任務完成率為 87%、單步得分為 0.87,均高於 GPT-4.1,但略低於 GPT-5.5;「錯誤少三倍」的説法未見於論文。
Anthropic 的 IPO 路演材料顯示,Claude Mythos Preview 約用 3 天摸索出讓另一個模型在 AMD MI355X GPU 上運行的方法,傳統平台適配通常需要 6 至 12 個月。
百度正式發佈文心5.5 Flash Preview,並已在百度智能雲千帆平台提供 API 調用。模型覆蓋從真實代碼庫修復迭代到完整構建複雜應用的編碼場景;每百萬 Token 輸入忙時 2 元、閒時 1 元,輸出忙時 8 元、閒時 4 元,限時五折。模型權重將於 11月25日 面向全球開源社區發佈。
阿里推出 Qwen4-Max 預覽版,首發在千問 AI 平台 Token Plan 開放體驗。文中列出雙十一 5 折優惠,並稱 Token Plan 用戶可限時以 2 折體驗,新用戶再享折上 5 折、最低 1 折;千問辦公、Qoder、千問 APP、QwenStudio 亦可體驗。文章稱 Qwen4 的世界知識、感知、編程及智能體能力升級,開發者提前內測成果提及 3D 建模、網頁設計和互動表現。
百度發佈 ERNIE 5.5 Flash Preview,總參數 2,800 億、每 token 啟動 140 億參數,支援最長 100 萬 token 上下文。API 已在百度智能雲千帆推出,高峯時段輸入限時價為每百萬 token 人民幣 1 元;權重將於 11 月 25 日前以 Apache 2.0 授權開源。官方表示這是仍在後訓練中的中間版本,正式版本會再作改良。
NTT 推出以物理為基礎的世界模型,在機械人執行動作前評估候選方案;小型機械人貨架裝載測試的任務成功率由 73.1% 提升至 92.3%。模型從影片估算物件的物理量,預測碰撞、物件掉落及貨物倒塌。NTT 計劃與 Mujin 試行行李處理,測試相關成效能否應用於機場行李裝卸。
Hamza Ahmad Aslam 評測 Gemini 4 Carbon,對照 Google 的主張、外部實測與早期用戶回饋,指出它在多個獨立排行榜靠前,但未居大多數榜首。
推薦理由:文章分開整理 Google 自行測試、外部排行榜與早期用戶回饋,呈現 Carbon 在排名、速度、幻覺率及使用成本上的取捨。