谷歌 Gemini 4 Argon 全球上线,跑分追平 GPT-6 主打长流程工业任务
谷歌正式面向全球上线 Gemini 4 Argon,提供统一的 100 万 Token 上下文,在 Vals Index 取得综合第一,high 推理档位追平 Claude Fable 5.1 与 GPT-6 Astra,Agent Arena 进入全球前五。
谷歌正式面向全球上线 Gemini 4 Argon,提供统一的 100 万 Token 上下文,在 Vals Index 取得综合第一,high 推理档位追平 Claude Fable 5.1 与 GPT-6 Astra,Agent Arena 进入全球前五。
NVIDIA 发布开源 120B 参数模型 Nemotron 3.5 Super VL,面向多模态智能体任务,并同步推出面向端侧的 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB。
推荐理由:原文列出了三款模型的参数规模、性能对比与部署入口,读者可据此为从数据中心到端侧的智能体选型。
英伟达发布开放多模态模型 Nemotron 3.5 Super VL,采用 MoE 架构,总参数 1200 亿、激活参数 120 亿,面向持续运行、执行多步骤任务的 AI 智能体,单张 GPU 智能体任务吞吐量最高为同规模其他开放模型的 5 倍。
一张 AI 生成的 Mia Goth 假照片在 Instagram 上获得近 50 万点赞,Meta 在 The Verge 询问后移除了部分涉事账号。Meta 允许账号付费购买蓝标认证,且静态图片不受其 AI 标注规则约束,使此类假图得以无披露传播;相比之下 YouTube 的形象检测机制在 2026 年上半年移除了超过 95% 被举报的视频。
Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。
推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。
阶跃今日正式开放 Step 5 Preview 模型权重,同步发布技术博客与配套开源开发工具。模型面向长程 Agent 任务,采用稀疏 MoE 架构,总参数量 600B、每 token 激活参数 27B,支持 100 万 token 上下文窗口,原生支持文本与视觉输入,近期在 OpenRouter 周调用量与日调用量榜单均位居全球第二。
推荐理由:原文给出了 600B 稀疏 MoE 与百万 token 上下文的关键设计,读者可据此判断它在长程 Agent 场景中的适用性。
10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。
推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。
YouTube Music 周三宣布推出新的标签系统,听众可在播放器页面识别由 AI 参与作曲或演唱的歌曲,点击标签可查看 AI 的具体作用,标签也会延伸到 YouTube 主应用。
Simon Willison 发布 llm-gemini 0.35,为 llm 工具新增对 Gemini 4 Argon 的支持,该模型可通过 Gemini API 和每月 100 美元的订阅计划使用。
Google Research 公布 Earth AI 地理空间推理智能体的三项更新,涵盖技术报告、合作伙伴实测结果与早期访问扩展。技术报告在 GeoExpertQueries、GeoKTools、CBGB、UnivEARTH 四个基准上对比四种智能体配置,表明领域专用技能与前置规划显著优于开箱即用的 LLM,两个新基准的开发集已全部开放。
推荐理由:报告用四档配置在四项基准上对比表明,领域技能与前置规划是通用 LLM 应对真实空间推理任务的关键。
基于 Amazon Bedrock AgentCore 的 AI 智能体系统可将季度报告、合规文件等企业文档自动生成客户演示文稿,内部测试 90 秒内完成。
欧洲多座城市正基于 NVIDIA 加速计算部署物理 AI 智能体与数字孪生,优化城市运营与公共服务。NVIDIA Cosmos、Nemotron 与 Metropolis VSS 蓝图支持智能体分析视频、识别交通拥堵与安全隐患;法国 Côte-d'Or 在 500 多栋公共建筑落地后,文档检索从数周缩至数分钟,运营成本降低 10%。
商汤大装置全面升级"云宇星空大模型",支撑上海市规划资源局落地量子城市首批政务智能体,其中"禹智河洛""大略之眼""详规小工单"三大智能体由商汤大装置自研交付。升级后的模型已形成1.3万对高质量问答和15亿Token语料,专业空间推理与复杂任务执行能力进一步强化。"禹智河洛"落地后,空间智算、动态模拟、智能调度效率分别提升65%、70%、80%。
谷歌正式发布旗舰模型 Gemini 4 Argon,在 Vals Index 榜单排名第一,API 统一输入输出 Token 上限达 100 万,首发优惠期每百万输入 Token 售价 2 美元、输出 10 美元,缓存输入折扣高达 95%。
Higgsfield 借助 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上。GPT-Image-2.5 为创作者提供更精准的画面,GPT-Live 则开辟了语音电影创作的路径。
Google DeepMind 发布 Gemini 4 Argon,一款覆盖整个机器人生命周期的通用物理推理模型,在 ERQA 基准上以纯推理取得 87%,超过其他所有前沿模型。
苹果发布带屏中控 Apple HomeView、HomePod mini 2、第四代 Apple TV 4K,并联合 LG 与施耐德推出涵盖门锁、门铃、摄像头和温控器的 Apple Home Collection 配件。
SpaceXSI(SpaceX Super Intelligence)将 X Premium、Grok 与 Cursor 等订阅整合为单一套餐 X Subscription,以在付费 AI 订阅市场与 OpenAI、Anthropic 等竞争。
苹果发布 7 英寸智能屏幕 Apple HomeView,美国售价 299 美元,10 月 13 日开放预订、11 月 13 日上市,同场还发布第四代 Apple TV 4K 和 HomePod mini 2,三款产品都以新一代 Siri AI 为卖点。
哈啰 Robotaxi 宣布推出生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述需求或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测。研发人员可借此插入横穿行人、调整前车路线,并切换雨雪与昼夜等条件,构造真实采集难以充分覆盖的长尾情境。
面壁智能 10 月 13 日发布新一代端侧多模态大模型 MiniCPM-V 4.7,提供 35B-A3B 与 1B 两种规格,35B-A3B 是该系列首个 MoE 模型。
10 月 12 日,模思智能宣布完成超 10 亿元 Pre-A 轮融资,由华控基金领投,距天使轮官宣约半年。公司由复旦大学特聘教授邱锡鹏创立,成立不到两年,定位情境智能,2026 年以来围绕语音、视觉和实时多模态连续发布 20 多个模型,其中 7 月开源的 MOSS-VL-Realtime 已能持续接收视频流并随画面变化更新判断。
Meta 发布前沿模型 Muse Wonder 的两个版本,Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 得 56 分跻身顶级模型行列,Muse Wonder 得 52 分。
同一新闻,精选展示《Meta 发布首款前沿模型 Muse Wonder》
小鹏汽车今日在巴黎车展宣布,2026 年底实现人形机器人量产,2027 年上半年开启交付,率先落地门店、商场等商业场景。小鹏机器人生产线已正式启用,IRON 具备多模态交互能力,支持中、英、德三语切换;小鹏 Robotaxi 启用中文名小鹏悠游,打车小程序同步上线。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense(HSS)基准,测试模型对视觉场景中隐含信息的直觉推理能力,含 522 道题、288 张图片与 234 段共 17.6 小时的视频。
Arena 发布 2026 年第 41 周 AI 大模型排行榜,Anthropic Claude Opus 5.5 Max 新入榜即以 15.53% 净提升度登顶智能体榜第一。gemini-4-argon-high 继续稳居综合榜榜首,ELO 1525 分。国产模型整体处于中上游,kimi-k3-max 位列第 16,qwen3.8-max、mimo-v2.6-pro 等排名稳定。
Cloudflare 发布开放权重决策模型 Clef-omni,单次 API 调用可处理文本、图像、音频与视频输入,模型权重已在 Hugging Face 开放。
生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出。该模型最多支持 3 段参考音频与 15 张参考图,单次最长可生成 16 秒视频,支持 10bit 色深,首发优惠价 0.09 元/秒起,覆盖 540P 至 4K 多种规格,面向 AI 短剧、广告营销、社交互动和影视创作等场景。
豆包工作任务模式新增画布功能,可将素材、方案和创作成果铺在同一张无限画布上随时查看与对比,并支持生成后继续调整文字、配色与布局。豆包 2.1 Lite 模型已上线豆包工作,更省额度、更快交付,覆盖文档撰写、表格处理、PPT 制作等高频场景。豆包工作同时支持全新图片模型 Seedream 5.0 Flash,为生图创作带来更多风格与视觉表达选择。
Liquid AI 发布并开源 d1 系列两款开放权重决策模型,d1-3B 与 d1-omni-600M 已在 Hugging Face 公开,可下载、微调并部署。
Anthropic 宣布 Claude 上线 Claude Dashboards 数据仪表板和 Claude Motion 解释性动画两项新功能。
Anthropic 为 Claude 推出两项测试新功能:Dashboards 可连接 BigQuery、Databricks、Snowflake、Salesforce 等数据源。
Latent Space 专访 Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk,阐述其合成超级智能路线:让模型在自有高通量实验室的真实物理实验中做强化学习,而不是只训练于互联网数据。
谷歌云在 Gemini at Work 2026 发布会上推出面向企业客户的 Gemini Agent,定位“通用工作智能体”,支持 Gemini Enterprise、Workspace 以及第三方服务。
MIT Technology Review 的分析指出,尽管马斯克等人宣称通用人形机器人即将到来,当前 AI 驱动的机器人仍只能在训练范围内完成有限任务。Google DeepMind 的 Gemini Robotics 和 Physical Intelligence 的 π0.7 展示了进展,但 VLA 模型在超出训练集的任务上大多失败,世界模型被视为新的技术路径。
OpenAI 宣布面向所有 ChatGPT 用户推出 GPT-6 系列模型与智能用户界面,其全球周活用户已超 12 亿。GPT-6 Astra、GPT-6 Sol 和 Luna 过去几个月陆续发布,此前仅限 ChatGPT Work 和 Codex 使用;新界面可根据问题灵活组合文本、图像和交互元素生成回复,例如通过互动视觉效果教用户打麻将。
马斯克 10 月 7 日在 X 平台宣布,Grok Bot 不再局限于自研 Grok 系列模型,将根据用户任务自动选择「最好的后端模型」,可调用 Claude Opus 5.5、Midjourney、Suno 等领先 API。
OpenAI 在 ChatGPT 中推出 Intelligent UI,让模型在回复中结合图表、图示、表单和可点击按钮等交互视觉元素,该功能随 GPT-6 一同推出。
OpenAI 推出名为 Intelligent UI 的新界面,ChatGPT 将在对话中加入可点击按钮、任务专用计算器、可编辑图表等可交互视觉元素。该界面随 GPT-6 模型向 Pro、Plus、Business 和 Enterprise 用户开放,免费及 Go 用户周四可用,用户也可按需减少视觉呈现。
OpenAI 宣布 GPT-6 在 ChatGPT 全球推出,并带来 Intelligent UI。新版本提供更快响应,支持可视化内容与可直接探索和使用的交互体验。
推荐理由:官方宣布 GPT-6 在 ChatGPT 全球推出并带来 Intelligent UI,读者可据此了解响应速度与可视化交互的变化。