Gemini 4 Neon 定價為每 1M input tokens $3、每 1M output tokens $15,並取代 Gemini app 中的 Argon
Gemini 4 Neon 的價格為每 1M input tokens $3、每 1M output tokens $15。該模型定位介乎 Hydrogen 和 Carbon 之間,並取代 Gemini app 中的 Argon。
Gemini 4 Neon 的價格為每 1M input tokens $3、每 1M output tokens $15。該模型定位介乎 Hydrogen 和 Carbon 之間,並取代 Gemini app 中的 Argon。
Google 推出 Gemini 4 Neon,主攻複雜編程、科學研究及企業工作流程,並已向開發者、企業及部分付費訂閲用戶開放。Neon 在最高 xhigh 檔位的 Artificial Analysis 編程智能體指數以 58.6 分排名第一,超越 Claude Opus 5.5;智能指數則以 61 分排名第三。
Google 於 2026年11月18日推出 Gemini 4 Neon,面向開發者、企業及付費訂閲用戶,主攻複雜編程、科學研究與企業工作流程。模型支援100萬token上下文,可處理多模態數據,推理級別分為 Low 至 xhigh 四檔;API 輸入/輸出費用分別為每百萬 token 3 美元/15 美元。
Google 推出 Gemini 4 Neon,主攻複雜編程、科學研究和企業工作流程,並已開始向開發者、企業及部分付費訂閲用戶開放。在最高 xhigh 檔位下,模型於 Artificial Analysis 編程智能體指數以 58.6 分排名第一,智能指數則以 61 分排名第三;預設 high 思考檔位下,相關測試的單任務成本比同系列 Carbon 低 32%。
推薦理由:材料把公開基準排名、相對 Carbon 的成本差異及早期內部速度比較分開呈現,讀者可辨別不同評估條件下的性能資訊。
地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,重建場景三維結構。訓練數據包括約 297 萬條有效序列及 9.62 億幀圖像記錄;在 SpatialBench、ClassicBench 和 VRBench 評測中,LoFT 多項深度估計指標達到 SoTA。
地平線機器人實驗室發佈原生視頻幾何基礎模型 LoFT,面向連續視頻建模,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復三維場景結構。模型採用雙循環 Transformer 架構,訓練數據集約有 297 萬條序列、9.62 億幀圖像。LoFT 在 SpatialBench 等三大評測體系中的多項深度估計指標達業界最優(SoTA),適用於機器人感知、自動駕駛及室內環境重建等場景。
地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,以恢復場景三維結構。LoFT 在 SpatialBench、ClassicBench 和 VRBench 評測中與 VGGT-Ω、DA3-Giant 等模型比較,並在多項深度估計指標上達到 SoTA。該模型面向連續影片建模,可用於機器人空間感知、環境理解與具身學習。
RadixArk 發佈首個模型 DaisyRose-27B,基於 Qwen3.8-27B,經強化學習訓練後,在 Terminal-Bench 4.1 的 pass@1 由 5.6% 提升至 12.0%。
VIDRAFT 開發的 AI 天氣預測引擎 Darwin-Prediction-Weather,在涵蓋 24 個城市、為期約 9 個月的研究中,於全部 28 個預測類別擊敗 8 款天氣預測模型。7 天最高氣温預測的 RMSE 為 2.08°C,較排名第二的 ECMWF AIFS 低 14.0%。目前尚未公開提供使用,亦未公佈 Hugging Face 模型卡、GitHub 儲存庫或公開 API。
谷歌發佈 Gemini 4 Neon,模型在 Artificial Analysis 智能指數以 xhigh 推理強度取得 61 分,總榜排名第三,比 Gemini 4 Carbon 高 1 分。
推薦理由:文章對照 Artificial Analysis、Arena 和 Vals AI 的排名,並列出 Neon 與 Carbon 的任務成本差異,提供模型表現與成本的比較依據。
Google 發佈 Gemini 4 Neon,並開放世界模型 Genie 4 使用。Neon 速度為 Carbon 的 3 倍、成本為其 60%,上下文窗口為 100 萬 token(https。
推薦理由:文章並列 Gemini 4 Neon 的速度、成本與評測數據,以及 Genie 4 的互動能力和開放安排,呈現 Google 兩項產品更新的不同重點。
Cloudflare 發佈 27-billion-parameter Clairic 與 9-billion-parameter Clairic-flash,開放模型權重並可在 Hugging Face 取得,同時提供 Workers AI 託管端點。
Google 於 2026 年 11 月 18 日發佈 Gemini 4 Neon,文章整理其價格、基準表現和轉用前的成本檢查方法。
GPT-6.2 發佈後,開發者與媒體指出 Astra、Sol 出現回答難懂、任務中止或停滯等問題,OpenAI 的使用指南則提供三段提示詞作補救。
推薦理由:文章並列開發者實測、第三方評測與 OpenAI 模型卡數據,呈現 GPT-6.2 Astra 的基準表現與開發者實測口碑之間的落差。
Google DeepMind 發佈 Gemini 4 Neon;Neon (xhigh) 的 Intelligence Index 得分為 61,較 Gemini 4 Carbon (high) 高 1 分。
Google DeepMind 發佈 Gemini 4 Neon,面向複雜軟件工程、知識工作及科學工作流程,主打快速端到端任務處理。它在 Artificial Analysis Intelligence Index 的 xhigh thinking level 排名第 3、得分 61,並在 Vals Index 排名第 2、得分 70.9%。
推薦理由:Gemini 4 Neon 同時面向編碼、企業分析、科學工作與網絡安全,並列出多項基準成績及不同思考層級的成本比較,呈現能力與效率的取捨。
Google 發佈 Gemini 4 Neon,主打在複雜軟件工程、知識工作及科學工作流程中快速完成端到端任務。
推薦理由:文章並列 Neon 在多項基準的表現與每項任務成本,對照 Carbon 及其他前沿模型,呈現不同 thinking level 下的能力與效率取捨。
Hacker News 討論帖分享了 blog.google 上的 Gemini 4 Neon 連結。留言有人稱它是中型模型,表現只遜於 fable;亦有人表示,不確定不同 Gemini 模型應如何按任務選用。
Google 推出 Gemini 4 Neon,主打在編碼、知識工作及科學領域快速完成端到端任務。Gemini 4 Neon 已在 API、Antigravity 及 Gemini app 提供。
Google 於 2026 年 11 月 18 日宣佈 Gemini 4 Neon 正式供應,面向軟件工程、知識工作及科學,收費為每百萬輸入 tokens $3、每百萬輸出 tokens $15。
SRE-1 是一個以強化學習訓練的 27B 模型,旨在找出生產環境警報的根本原因。在 49 宗困難的實際案例中,強化學習將單次調查的通過率由 6.9% 提高至 38.8%。5 次 SRE-1 調查組成的集成,通過率達 71%,與 Fable 5.2 相同,成本低 37%。
Google 發佈 Gemini 4 Neon,模型即日起透過 API 提供,輸入價格為每 1M tokens $3,輸出價格為每 1M tokens $15。
Google 已向符合資格的 Google AI Ultra 訂戶開放 Genie 4,供他們在瀏覽器原型 Project Genie 中試用。Genie 4 可讓用戶在生成過程中改變世界,並加入原生音訊;新版本亦加入可透過對話建構世界的 AI 智能體,以及供用戶分享和重混作品的社羣畫廊。
RadixArk 發佈其首個模型 DaisyRose-27B;該模型基於 Qwen3.8-27B,以強化學習訓練,Terminal-Bench 4.1 的 pass@1 從 5.6% 升至 12.0%。
Microsoft 在 Ignite 公佈七款新模型,涵蓋編碼、安全、圖像、語音和路由,主打以較低成本支援長時間運作的 AI 智能體。Microsoft 稱,MAI Code 2 在四項基準的平均表現達 GPT-6.1 Sol 的 98%,推廣價為其成本的 40%;對 Claude Opus 5.5 的表現達 96%,成本為其 5%。
推薦理由:七款模型橫跨編碼、安全、圖像與語音等用途,文中以多項基準和定價對照外部模型,呈現 Microsoft 將自家模型導入產品時的成本取向。
OpenAI 表示,其 AI 模型令 AMD 旗艦 GPU 設計的功耗、效能與面積指標改善最高 14%,部分改動已用於送交製造的晶片。模型改寫描述晶片電路的程式碼,並以 Synopsys 軟件檢查改動;OpenAI 稱這相當於不足五個月取得約一年的進展。
推薦理由:部分 AMD 旗艦 GPU 設計改動已進入製造,文章亦交代模型改寫電路描述程式碼並用 Synopsys 軟件逐項檢查,具體呈現 AI 參與晶片設計的流程。
Genie 4 現已開放使用。原文未提供其他產品資訊或可用方式。
OpenAI 報告,其模型改寫 AMD 旗艦 GPU 的 SystemVerilog RTL,與高度優化基線相比,功耗、效能及面積(PPA)改善最高達 14%,部分電路改寫納入送廠製造的設計。
一項具里程碑意義的審計試驗顯示,AI 智能體提出的問題比 KPMG 會計師更好。
OpenAI 表示,其模型已用於改進自研 Jalapeño、AMD GPU IP 及開源 RISC-V 核心的晶片設計,並提升 RISC-V 評測中的吞吐量。在 AMD 旗艦 GPU IP 上,相較高度優化基線,PPA 改善最高達 14%;Jalapeño warp engine 和 matrix unit 的標準單元面積則分別減少約 13% 和 10%。
推薦理由:文章並列量產設計中的 PPA 改善與兩款開源 RISC-V 核心評測,亦交代功能取捨和物理綜合檢查等限制,可對照模型測試分數與實際晶片設計要求。
NVIDIA 的 Kumo Tabular 是一組開放權重表格基礎模型,可在單次前向傳播中對新數據集分類或回歸,無需訓練、超參數搜尋或特徵工程。論文報告 Kumo Tabular-L 在 8 個表格基準均排名第一;模型以表格中已標記的資料列作上下文,預測未標記查詢列的結果。
Microsoft AI 宣稱推出七款兼具世界級水準、可擴展性與性價比的新模型。Hacker News 留言提及 MAI Code 2 Flash 和 Decision 1.1,並質疑以速度和價格比較模型是否有參考價值。
Anthropic 籌備 IPO 之際,Microsoft 發布七款新 AI 模型,OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol。兩款 OpenAI 模型在其基準測試中勝過同系列模型,現已於全球 ChatGPT 和 Codex 向付費訂戶提供。
網絡安全公司 Xint 表示,利用 GPT 6.1 Sol 和 GPT-6 Luna 在 Nginx 發現遠端程式碼執行(RCE)漏洞。Wiz 表示,自己亦曾獨立發現相同漏洞。
OCRia-1.5 已在 LlamaParse 上線,提供 OCRia-1.5-4B(Agentic)及 OCRia-1.5-2B(Cost Effective),提升複雜表格、圖表及表單的解析準確度和邊界框定位。
Hugging Face 的 harness-hub 團隊發佈 Qwen3.8-27B-pi-adapted LoRA adapter;在 pi harness、關閉 thinking 的 SWE-bench Pro(hard 51)測試中,Qwen3.8-27B 的分數由 39.2% 升至 64.7%。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,並將 Astra 的價格下調 20%。兩款模型已在 ChatGPT Work、Codex 和 API 上線;Astra 的 API 價格為 $8 per million input tokens、$40 per million output tokens。
推薦理由:文章對照 OpenAI 公佈的基準成績與 Epoch AI、開發者的測試反饋,呈現模型基準表現和實際工作體驗之間的差異。
GPT-6.2 Astra 與 Sol 發佈後,開發者實測反映兩款模型雖有亮眼榜單成績,穩定性、溝通及編程協作仍受批評。Astra 在 Artificial Analysis 綜合指數得 62 分、排名第二,但在編程智能體榜得 53 分;Sol 的該榜分數較上代下跌 3 分。
Rumble-2-Flash 以 Apache 2.0 授權開源,是支援 40+ 種語言的 0.5B 語音辨識模型。在 Open ASR Leaderboard 多語言賽道,它跨 9 種語言的平均錯誤率為 6.96%,優於 Meta 的 omniASR-LLM 7B 和 Whisper large-v3。
推薦理由:文章以多語言辨識榜單及真實客服通話基準比較 Rumble-2-Flash,呈現小型模型在不同語音條件下的錯誤率表現。
LlamaIndex 評比 2026 年 OCR 模型的表格處理能力,稱 4B 的 OCRia-1 在 ParseBench 表格維度得分 91.5,專用文件解析器較適合表格、圖表和複雜結構文件。