Google DeepMind 推出 Gemini Robotics 2.5,梅賽德斯-奔馳產線分揀任務成功率達 96%
Google DeepMind 推出 Gemini Robotics 2.5,並向 Google 的機械人合作夥伴開放;該模型在梅賽德斯-奔馳生產線的汽車零件分揀任務中達到 96% 成功率。
Google DeepMind 推出 Gemini Robotics 2.5,並向 Google 的機械人合作夥伴開放;該模型在梅賽德斯-奔馳生產線的汽車零件分揀任務中達到 96% 成功率。
inclusionAI 公開 ZoomGain-4B、ZoomGain-9B 模型檢查點,以及 ZoomGainBench 評測基準和 RL 訓練數據。ZoomGainBench 涵蓋 941 張圖片、1,000 條問題;論文中參與評測的 28 個模型,最佳得分為 61.08,ZoomGain-9B 在多項細粒度感知及一般感知基準上表現較佳。
ZoomGain 發布 ZoomGain-4B、ZoomGain-9B 模型檢查點、ZoomGainBench 評測基準及 RL 訓練數據集,利用全圖與放大局部之間的視覺感知差異,為視覺語言模型構建細粒度監督。論文中,28 個模型的最佳 ZoomGainBench 成績為 61.08;基準涵蓋 941 張圖像及 1,000 條問題,訓練數據則有 9,000 條記錄和 7,713 張來源圖像。
inclusionAI 提供以 llama.cpp 轉換的 ZoomGain-4B GGUF 格式權重,語言模型、視覺編碼器及投影器均有 FP16、Q8_0 和 Q4_K_M 版本。輸入圖片時,須同時提供語言模型和相應的 mmproj 檔案;量化可能影響準確度。
ZoomGain-9B 的權重已轉換為 GGUF 格式,語言模型及視覺編碼器與投影器均提供 FP16、Q8_0 和 Q4_K_M 版本。處理圖片輸入時,須同時提供語言模型和相應的 mmproj 檔案,並使用支援 Qwen3.5 多模態功能的 llama.cpp;量化可能影響準確度。
MBZUAI 旗下 Institute of Foundation Models(IFM)發佈 PAN 2,一款面向物理智能的 29B 開源世界模型,權重、訓練程式碼及推理程式碼採 Apache 2.0 授權。
DeepSeek R1 在已公佈的推理基準測試中整體匹配或超越 OpenAI o1-preview,但 AIME 2024 的準確率優勢來自較長的推理鏈,並不代表 token 用量相同。
Google DeepMind 於11月10日發佈 Gemini Robotics 2.5,稱其在200多項任務測試中,部分任務成功率較此前基準相對提升30%至100%,執行速度提高20%至30%。
百度於 11 月 11 日發佈文心 5.5 Flash Preview,總參數量達 2800 億,每個 Token 啟用 140 億參數,支持最長 100 萬 Token 上下文。
作者以同一個包含程式碼缺陷分析、合約欄位抽取及需求驗證的企業任務,測試八個 Kimi API 型號;只有 kimi-k2.7-code-highspeed、kimi-k2.7-code 和 kimi-k2.5 回傳完整 JSON。
百度文心大模型發佈 ERNIE 5.5 Flash Preview,這是基於此前 Base 模型的首個後訓練版本。模型總參數為 280B、激活參數為 14B,支援 1M 上下文;官方稱其在編程、3D 建模、知識工作及內容創作等方面表現出色,API 已在千帆平台上線,權重將於 11 月 25 日前開源。
Ziva.sh 測試 GPT-6 Luna 對 10 個 Godot 初學者問題的 150 個普通聊天回答,未發現 Godot 3 API 錯誤。其中 4 個回答有解析錯誤、3 個有隻在執行時出現的錯誤,另有 2 個提供錯誤設定指示。
阿里於 2026 年 11 月 11 日發佈 Qwen4-Max 預覽版,首發於 Token Plan,並接入千問辦公、Qoder 等入口。官方列出的升級方向包括知識理解、世界感知、編程與 Agentic,面向複雜編程、專業辦公、前端設計及專業軟件操作;預覽期至 11 月 25 日 24:00(UTC+8),期滿後模型標識下線。
Claude Fable 5.2 以視覺輸入和通用推理規劃雙臂操作,文中列出的 RoboDojo 平均成功率為 64.9%,高於 Fable 5.1、Opus 5.5 和 GPT-6 Astra。
百度文心發布 ERNIE 5.5 Flash Preview,這是此前發布的 Base 模型首個後訓練版本,總參數為 280B、激活參數為 14B,支援 1M 上下文。模型 API 已在千帆平台上線,權重將於 11 月 25 日前開源。官方稱模型在多項基準測試中取得具競爭力的分數並保持極致解碼速度;後訓練仍在進行,Preview 可能存在因訓練不足導致的能力缺陷,正式版本將再作優化。
inclusionAI 發佈基於 Qwen3.5 的 Sing VL S1 多模態決策模型,可處理文字或 JSON,以及最多四張圖片,並就指定問題輸出選項、是非判斷或分級評分。Decision Index 0.3 公開評測中,Vision 指數為 73.94;Text 加權總分為 77.26(Non-Skill)及 69.76(Skill)。
Google 向公眾發佈 Gemini 4 Carbon,稱其為旗下迄今最強模型,主打複雜、長週期任務,但普通付費用戶暫時無法使用。付費開發者及企業可透過 Gemini API 和 Gemini for Business 使用;一般消費者則須訂閲 Google AI Ultra,才可在 Gemini 應用及搜尋 AI 模式使用。
推薦理由:文章對照 Gemini 4 Carbon 的任務成本、模型排名與訂閲門檻,呈現企業採用成本優勢和一般付費用戶體驗限制之間的落差。
Baseten 與 Genspark 將 Qwen3.5-397B 後訓練為深度研究模型,在 Genspark 評分器上得分 0.759,高於 Opus 5.5 的 0.738。
百度發佈 ERNIE 5.5 Flash Preview,這是基於早前發佈的 ERNIE 5.5 Flash Base 構建的首個後訓練模型,總參數量為 280B、啟用參數量為 14B,並支援 1M-token 上下文窗口。
Google 宣佈 Gemini 4 Carbon(gemini-4-carbon)正式開放使用,並稱其為面向持續智能體編碼、多模態知識工作、科學推理及網絡安全防禦的能力最強推理模型。
Tether AI Research 介紹 BotPsy,一款基於 Qwen3.5-0.8B、面向工具調用和智能體工作流的 0.8B 參數端側個人助理模型。在六項工具使用及智能體基準中,它勝過所有受測 ≤1.2B 模型,並在五項基準高於 2.5 倍大小的 Qwen3.5-2B-Think;Claw-Eval 則由後者領先。
推薦理由:文章以六項工具使用基準比較 BotPsy 與同級及較大模型,並列出多輪任務、推理效率和安全限制,呈現小型端側智能體的能力範圍。
TIER IV 於 2026 年 11 月 11 日宣佈開發並開源五款面向 Autoware 的端到端自動駕駛 AI 模型,涵蓋純相機及加入 LiDAR、雷達和高清地圖的配置。
Fish Audio 發佈 Live 3,這款面向即時語音智能體的全雙工語音模型可同時聆聽和説話,並在語音模型內處理對話輪次時機。短促回應的決策最快可在 186 ms 內完成,這不是完整回答的首段音訊延遲;Fish Audio 尚未公佈基準分數。
Claude Fable 5.2 每百萬輸入及輸出 tokens 收費 $8 及 $40,是 Claude Opus 5.5 的兩倍;Anthropic 公佈的基準中,Opus 5.5 在 AA-Briefcase Elo 項目得分較高。
作者以 68 條客服問題,分別對 GPT-6 Luna、GPT-6 Sol 和 GPT-5.6 Terra 各測三輪;Luna 在 204 個評分項目中有 187 項完全答對或妥善處理邊界情況。
MiniMax 開源 H3 Image 圖像生成模型,官方公佈可在 10 秒內生成 4096×4096 原生圖像。模型權重已公開,ComfyUI 有現成模板,最多支援 16 張參考圖。文章亦介紹本地使用方式,ComfyUI 需為 0.45.0 或更新版本,模板包需為 0.11.104 或更新版本。
阿里雲百煉 Token Plan 正式上線 Qwen4-Max 預覽版,主打理解、多模態、程式開發及 Agent 能力升級。活動期間,新客套餐低至 5 折,調用 Qwen4 模型可享限時 2 折;Lite 套餐 19.50 元/月起,Essential 套餐 39.50 元/月起。
阿里千問 Qwen4-Max 預覽版上線 Token Plan,雙 11 活動提供套餐折扣及模型調用優惠。Lite 套餐每月 19.50 元起,Essential 套餐每月 39.50 元起;Qoder CN 專業版新客首次訂閲每月 19.90 元起。
阿里千問將 Qwen4-Max 預覽版上線 Token Plan,並推出雙 11 優惠,涵蓋模型訂閲、辦公及開發產品。活動期間 Token Plan 新客套餐低至 5 折,調用 Qwen4 模型可享限時 2 折;Lite 套餐由 19.50 元/月起,Essential 套餐由 39.50 元/月起。千問辦公首月 29.9 元起,Qoder CN 專業版新客首次訂閲由 19.90 元/月起。
阿里雲雙十一活動推出 Qwen4-Max 預覽版,並上線 Token Plan。Token Plan 新客套餐低至 5 折,調用 Qwen4 模型限時享 2 折;Lite 套餐由每月 19.50 元起,Essential 套餐由每月 39.50 元起。Qoder CN 專業版新客首次訂閲由每月 19.90 元起。
Vidraft_lab 根據 SuperClue 2026 年 11 月數學與科學推理軸的 9 個分數,推算最簡單的題數解釋為 38 題,每題約 2.63 分;SuperClue 並未公佈題數。
Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,兩款模型在編程、推理及視覺等方面改進,輸出速度較 5.1 快 30%。Fable 5.2 API 每百萬個 Token 的輸入及輸出收費分別為 8 美元及 40 美元,較上一代下調兩成;Fast Mode 分別收費 16 美元及 80 美元,Token 生成最高提速 2.5 倍。
推薦理由:文章並列 Fable 5.2 的速度、收費與基準表現,亦交代 Mythos 5.2 的申請限制及隱蔽行為風險,呈現新模型能力與安全議題的不同面向。
Scantist 的 GLM-5.3-SLIM-GGUF 以複製位元組方式,從 Unsloth 的 256 專家 UD-IQ2_M 裁減至 192 個專家,並未重新量化。
Google 宣佈 Gemini 4 Carbon 面向全球開放,付費 API 開發者、企業及 Google AI Ultra 用戶可開始體驗。用戶可透過 AI Studio、Gemini 應用程式與 Antigravity 使用;文章並展示其三維復原阿波羅登月艙及 /swarm 多 Agent 蜂羣模式。文中列出每百萬 Token 輸入 2 美元、輸出 10 美元,快取折扣 95%。
阿里巴巴宣佈全新一代千問大模型 Qwen4 即將發布,並稱其知識理解、世界感知,以及 Coding 與 Agentic 能力持續進階。Qwen4-Max 預覽版已首發上線阿里 Token Plan,限時最低 1 折即可體驗;千問辦公、Qoder、千問 App、QwenStudio 等亦已接入新模型。
谷歌更新 Android Bench 2.0 榜單,Kimi K3.1 Pro 任務通過率達 24.0%,是 Kimi K3 的兩倍;DeepSeek V4.1 Flash 1017 完成一輪測試的成本為 9.9 美元。兩者分別搭配 kimi-code 和 opencode;該基準測試面向 Android 應用開發,設有 30 項長週期任務。
QuickSilver Pro 使用 OpenCode 比較 Kimi K3.1 Pro 與 Claude Opus 5.5 執行六項 Python 任務,兩者在各自 12 次測試中均通過全部隱藏測試。
Kimi K3.1 Pro Highspeed 現已可在 Amazon Bedrock 使用;它是 Kimi K3 的後訓練版本,採用相同的 3T-class 開放權重架構及 1-million-token 上下文窗口,Moonshot AI 稱其輸出速度是 Kimi K3.1 Pro 的 2–3 倍。
谷歌公開 GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 基準成績,評估模型完成 Android 開發任務的能力。
谷歌首次公佈 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 跑分。