Gemini 4 Argon 全球推出,成為 Google 能力最強的前沿模型
Google 開始在全球推出 Gemini 4 Argon,取代 Gemini Pro 成為其新的前沿系列,並按訂閲級別及渠道開放使用。
推薦理由:文章對照不同訂閲級別的使用渠道、推出初期價格與外部基準排名,呈現 Gemini 4 Argon 的可用範圍及競品位置。
Google 開始在全球推出 Gemini 4 Argon,取代 Gemini Pro 成為其新的前沿系列,並按訂閲級別及渠道開放使用。
推薦理由:文章對照不同訂閲級別的使用渠道、推出初期價格與外部基準排名,呈現 Gemini 4 Argon 的可用範圍及競品位置。
Google 已向 Google AI Pro 和 Ultra 訂閲者開放 Gemini 4 Argon,並將這款旗艦模型加入 Gemini app。Google 表示,模型在複雜任務上的表現有所提升,回答更直接、較少使用保留措辭及重複內容,處理長任務時也會更頻繁地分享進度。
Liquid AI 於 2026 年 10 月 13 日發佈開放權重推理模型 LFM2.5-24B-A2B,面向裝置端智能體。模型卡列出 24.0B 總參數、2.45B 活躍參數及 131,072-token 上下文窗口;Liquid AI 稱其在 8 項工具使用及智能體基準中有 5 項領先或持平,並在 3 項指令遵循基準全數領先。
Liquid AI 發佈 LFM2.5-24B-A2B,這款 24B 參數推理模型每個 token 僅啟用 2B 參數,面向在裝置上運行智能體。它在 LiveClaw 得分 48.09,高於 Qwen3.6-35B-A3B 的 38.19,並在 Apple M5 Max 上達到 184 tokens/s。
推薦理由:LFM2.5-24B-A2B以2B活躍參數面向本機智能體,並列出工具使用基準及CPU、GPU推理速度,呈現模型效能與本機部署的取捨。
Liquid AI 發佈 LFM2.5-24B-A2B,這款 24B 參數、每個 token 僅啟用 2B 參數的推理模型,面向快速端側智能體。相較 LFM2-24B-A2B,新模型把上下文窗口由 32,768 擴至 131,072 tokens、預訓練規模由 17T 增至 33T tokens,並改為在最終答案前輸出明確鏈式推理。
Google DeepMind 發佈 Gemini 4 Argon,今日起按用戶類別透過 Gemini API、AI Studio、Google Antigravity、Gemini app 及 Search 的 AI Mode 提供使用。
推薦理由:文章並列 Argon 的跨領域基準表現、使用入口、定價與工程及科研案例,讀者可據此瞭解其能力定位和實際應用範圍。
Google DeepMind 推出 Gemini 4 Argon,作為適用於整個機械人生命週期的通用物理推理模型。它在 Embodied Reasoning(ERQA)基準上以純推理取得 87%,勝過所有其他前沿模型;文章亦展示其在機械人控制、Real2Sim、物理理解及研究與自我改進方面的用例。
推薦理由:文章以機械人控制、Real2Sim、物理理解及自我改進案例,呈現 Gemini 4 Argon 涵蓋的機械人工作流程。
Google 發佈 Gemini 4 Argon,稱其在編碼、網絡安全、科學、金融及法律等基準測試中勝過 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推薦理由:文章並列 Argon 的基準測試主張、內部用途與分階段定價,並交代目前開放的訂閲層級,呈現其競爭定位與可用範圍。
Google 於 2026 年 10 月 13 日開始全球部署 Gemini 4 Argon,主打軟件開發、金融、法律、網絡安全及科研等長時間、多步驟任務。
Google 已向全球企業及 Google AI Ultra、Pro 訂戶開放 Gemini 4 Argon;模型亦可在 Gemini app、Android Studio、Google AI Studio 和 Google Antigravity 使用。
推薦理由:文章交代 Gemini 4 Argon 從最初僅限網絡安全防禦者使用,擴至全球企業及付費訂戶,並列明 11 月 30 日後的 token 定價變化。
Google 宣佈 Gemini 4 Argon(gemini-4-argon)正式開放使用,並稱其為面向複雜編碼、智能體、數學及科學任務打造的能力最強模型。API 變更、定價及遷移指引見 What's new in Gemini 4 Argon。
Google 今日開始在 Gemini app 和 Antigravity 推出 Gemini 4 Argon,目前只供付費用戶使用,較低級別方案亦未能完整使用。
Google 發佈 Gemini 4 Argon,作為可應用於整個機械人生命週期的通用型物理推理模型。在 Embodied Reasoning (ERQA) 基準上,Argon 以純推理取得 87%,高於所有其他前沿模型。
Meta 的 2026 年一代 GEM 把各廣告版位與優化目標整合到單一中央推薦基礎模型,並將總訓練 FLOPs 擴大 4x。GEM 在 Meta 的廣告版位及優化目標中帶來 18.9% 轉換提升和 12% 廣告點擊率(CTR)提升;端到端訓練效率翻倍至 20-25% MFU。
Google 開始向公眾推出 Gemini 4 模型 Argon,Gemini app 訂戶及開發者可使用。Gemini app 的 Pro 和 Ultra 訂戶須至少支付 $19.99 per month 才可使用,亦可在 Google 搜尋的 AI Mode 使用 Argon;開發者亦須付費。
NVIDIA 宣佈,DLSS 5 的 3D 引導神經渲染模型將於 2026 年 10 月 16 日更新,性能為 9 月版的 2 倍,GPU 開銷降低 50%,顯存佔用減少 20%,參數量縮至 1.18 億。
俄羅斯和美國企業已開始就柴油供應交易進行談判,韓國KOSPI指數開盤下跌3.1%,報6186.08點。微軟計劃自2027年起擴大Azure Maia系列AI晶片系統部署,Maia 300計劃於2027年開始部署。Meta推出Muse Wonder,開發者可透過Meta模型API和Muse Code接口調用。
鐘南山團隊與金域醫學聯合開發的肺癌病理基因多模態大模型 DeepGEM 2.0 正式發佈,可利用常規數碼病理切片圖像進行基因預篩。模型涵蓋國內已獲批肺癌靶向藥對應的 12 個基因,預測精確度最高可達 90%,最快 1 分鐘輸出結果。採用「AI 初篩+特定基因靶向驗證」模式,有望將肺癌基因檢測費用降至數百元。
Meta 行政總裁 Mark Zuckerberg 表示,公司已達 AI 能力前沿;Meta 於週一發布最新 Muse 模型。Zuckerberg 稱達到這一階段需要大量算力和投資,並承諾增加支出;Meta 去年向 Scale AI 投資 $14.3 billion,其創辦人已成為 Meta 的 AI 負責人。
Meta 發佈 Muse Wonder 系列 AI 模型,並稱其已追上 Anthropic 和 OpenAI 等實驗室。系列包括面向日常工作的較小、較快 Muse Wonder,以及規模更大、能力更強的 Wonder Full;Meta 表示,這些模型可處理複雜多步任務,並具備記憶和嘗試替代方案的功能。
Microsoft 發佈 Decision-1,這款模型會為預設答案選項輸出校準概率,讓軟件直接用於分類、排序和核查等決策,而非處理大語言模型的自由文本回覆。
Z.ai 的法律 AI 模型 GLM-Legal 在 Harvey Legal Agent Benchmark(LAB)取得 19.17% 全通過率,高於 Kimi K3 的 12.92% 和 Claude Fable 5 的 11.25%。
哈囉 Robotaxi 昨天宣佈推出生成式駕駛世界模型 HelloWorld,整合場景控制、連續生成、多感測器觀測與高效推理能力。模型可根據自然語言描述或編輯車輛、行人及運動軌跡,生成多視角影片與激光雷達觀測;施工、密集交通、雨雪、霧天及不同光照條件均可用來引導生成。
Meta Superintelligence Labs 發佈第二代 Muse 模型系列 Muse Wonder 與 Muse Wonder Full,分別定位為快速前沿模型及完整版本。
推薦理由:第三方評測列出 Muse Wonder 與 Wonder Full 在多項基準的分數差異,並交代兩者的使用入口,方便比較兩個版本的定位。
Meta 於 10 月 13 日發佈 Muse Wonder 和 Muse Wonder Full 兩款模型,加入 Active Memory 和 Active Focus,並提升智能體處理複雜任務的能力。
推薦理由:Muse Wonder 系列將可透過 SDK 或 API 接入的版本,與限於 Meta 專用環境、適合長期複雜任務的版本分開,清楚呈現兩者的使用邊界。
面壁智能發布新一代端側多模態模型 MiniCPM-V 4.7,包含 35B-A3B 與 1B 兩個版本。官方稱,35B-A3B 是可在端側無損流暢運行的開源 MoE 模型,總參數 350 億、每次推理啟用 30 億,約需 3GB 記憶體,iPad Pro 實測解碼速度達 15+ token/s。
哈囉於2026年10月13日在深圳發佈生成式駕駛世界模型 HelloWorld,可按自然語言指令或手動編輯車輛、行人及運動軌跡,生成多視角影片與激光雷達觀測數據。研發人員可構建行人橫過、前車變道、雨雪天氣及晝夜切換等長尾測試場景,補足真實路測對罕見情境的覆蓋不足。該模型旨在加快自動駕駛演算法迭代及安全驗證。
跨維智能(DexForce)於10月12日發布 UNITAS,這款機器人任務原生 3D 世界模型在統一三維物理空間中聯合建模觀察、行動與世界變化。它以1.7B參數在LIBERO取得99.8%平均成功率、在LIBERO-Plus達到89.1%,並在RoboTwin 2.0雙臂操作Clean及Randomized設定分別取得92.94%及93.04%;真實機械人操作任務平均成功率為85%。
面壁智能發布端側多模態大模型 MiniCPM-V 4.7,提供 35B-A3B 和 1B 兩種規格。官方稱,35B-A3B 是 MiniCPM-V 系列首個 MoE 模型,在 iPhone 17 Pro Max 上僅用 3GB 記憶體即可達 13+ token/s 解碼速度,並支援 iOS、Android 和鴻蒙。
自然意志發佈 Natura-1,這款 500 億參數的物理世界通用基礎模型以 100 萬小時第一人稱人類經驗完成預訓練。模型以語言和視覺為輸入,可在 100 毫秒控制迴路中驅動 20 自由度靈巧手。在自建的 12 維度基準中,Natura-1 的 Base 和 Agentic 綜合得分分別為 53.4% 和 59.1%;Agentic 在全部 12 個維度取得最高或並列最高得分。
Meta 超級智能實驗室發佈 Muse Wonder 和 Muse Wonder Full,標誌該公司首次進軍前沿模型領域。Meta 的測試顯示,兩款模型的基準測試得分與 Fable 5.1、GPT-6 Astra 不相上下;Muse Wonder 在 MemoryBench 的得分高於 Fable、Opus 和 Astra。
Meta 發佈閉源模型 Muse Wonder,並稱其在部分技術基準測試中超越 Anthropic 和 OpenAI 的同類模型。模型可解讀租賃合約、整理財務或健康相關資訊;基礎調用費用最低為每百萬 token 0.2 美元,Muse Wonder Full 每月最高收費 200 美元。Meta 計劃將模型接入 Muse 應用,並向企業銷售性能最強的版本。
Meta 於2026年10月12日發佈 Muse Wonder 及 Muse Wonder Full,稱這是其首個明確對標行業前沿模型的 AI 產品系列。該系列在推理、寫作與程式編寫能力上接近 Anthropic 頂尖水平,並將用於 Muse 智能體應用及 Muse Code 程式編寫工具。
Meta 於10月12日發佈 Muse Wonder AI 模型,稱可用於執行複雜任務,包括理解租約及解讀財務或健康資訊。報道指,該模型在部分技術基準測試中表現優於 Anthropic 的 Claude Opus 5.5 和 Fable 5.1,以及 OpenAI 的 GPT-6 Astra;Meta 亦不再優先發展開源模型。
Meta 發佈 Muse Wonder 與 Muse Wonder Full 兩款旗艦 AI 模型;Meta 提供的數據顯示,兩者在推理、寫作及編碼能力測試中的得分已接近 Anthropic 的頂尖模型。Muse Wonder 將於不久後為 Muse 應用的部分功能提供底層能力;性能更強的 Muse Wonder Full 僅向 Muse Code 訂閲用戶開放。
Meta 發佈 Muse Wonder 和 Muse Wonder Full 兩款付費 AI 模型,聲稱可處理個人及專業智能體任務。Muse Wonder 新增 Active Memory,可記住並在不同對話間沿用資訊;Active Focus 則可在遇到技術障礙時改用其他方法、從錯誤中恢復或向用戶尋求澄清。
Meta 發佈 Muse Wonder 和 Muse Wonder Full,稱兩款模型是其目前最擅長執行個人及專業 AI 智能體任務的模型,目標是處理較長的多步驟工作。
Meta 於 2026 年 10 月 12 日宣佈 Muse Wonder 系列,推出面向個人及專業智能體任務的 Muse Wonder 和 Muse Wonder Full,並稱兩款模型是其迄今能力最強的模型。
Meta 發佈 Muse Wonder 和 Muse Wonder Full,兩者在 Artificial Analysis Intelligence Index v4.3 的最高推理力度下分別得 52 分和 56 分,高於 Muse Spark 1.3(48 分)。
推薦理由:十項評測呈現兩款模型的整體表現差異,Agent 評測、token 用量與任務成本資訊亦提供能力與成本的比較依據。
Meta 發佈兩款前沿模型 Muse Wonder Full 和 Muse Wonder,分別在 Artificial Analysis Intelligence Index v4.3 得 56 分和 52 分,前代 Muse Spark 1.3 得 48 分。
推薦理由:文章將編碼、數學及模型幻覺率的改善,與事實知識表現及任務成本並列,呈現 Muse Wonder 系列相對前代的能力取捨。