Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,首发价每百万 input token 2 美元、output token 10 美元,缓存 input 降价 95%。
推荐理由:官方给出 Argon 的定价、1M token 窗口和多项落地案例,读者可据此判断其在长程编码与科研任务上的定位。
Google DeepMind 开始广泛推送 Gemini 4 Argon,同时扩大 Fairwind Program 的可信网络防御者范围。该模型在模拟网络攻击测试中解出全部 12 个端到端场景,上一代仅解出 5 个;在 Gray Swan 的间接提示注入(IPI)基准上,15 次自适应尝试的攻击成功率降至 0.7%。
推荐理由:官方公开了 Argon 在高危能力上的测试数字与三层实时防护机制,可据此了解前沿模型安全部署的具体做法。
AI Engineer NYC 大会次日约两万人参与,Latent Space 汇总了当周 AI 动态。Google 的 Gemini 4 Argon 面向编程、知识工作、企业流程和网络防御全局开放,API 入门价 $2/$10 每百万 token,Artificial Analysis 称 11 月 30 日后将涨至 $4/$20。
谷歌正式面向全球上线 Gemini 4 Argon,官方称其历经六个月打磨、超过 10 万名内部用户测试,重心放在编程、金融、法律等多步骤真实世界任务上。
推荐理由:从官方工程数据到多方实测,完整呈现 Gemini 4 Argon 在长程任务与成本上的定位变化。
苹果 10 月 13 日发布首款家庭中枢 HomeView、第四代 Apple TV 4K 与 HomePod mini 2,HomeView 搭载 A18 芯片和 7 英寸 Liquid Retina 屏幕,售价 299 美元。
Google 从今天起面向开发者、企业和消费者全球上线旗舰模型 Gemini 4 Argon,可通过 AI Studio 与 Gemini 平台的 API 调用,AI Ultra 订阅者还可在 Google Antigravity 中使用。
推荐理由:梳理了 Gemini 4 Argon 的开放渠道、定价与分档变化,以及自报的编码与安全数据。
Google 发布久等的 Gemini 4 Argon,称其具备前沿推理能力并减少冗余与套话,在编码、网络安全、科学、金融、法律等基准上称优于 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推荐理由:报道梳理了 Argon 的定价与订阅分层,可据此判断 Google 在前沿模型竞争中的位置变化。
Google 开始向付费用户推送 Gemini 4 Argon,覆盖 Gemini app 和 Antigravity,低档套餐用户无法获得完整访问权限。Google 称模型能力未变,仍以此前公布的基准表现说明其推理与智能体编码能力,并设置了拒绝恶意指令的训练和自动失准监控。
Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体,其中 Carbon 已在内部编程平台 Jetski 部署数日,编程任务表现据称超过 Argon,一名员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论,但仍需更多测试。
Google DeepMind 发布 EmbeddingGemma 2,把文本、图像、音频、视频统一映射到同一嵌入空间,基于 Gemma 4 架构,参数 740M,采用 Apache 2.0 许可,面向端侧推理。
推荐理由:官方给出参数量、模块化设计与存储压缩细节,读者可据此判断端侧多模态检索的落地成本。
Simon Willison 对 EmbeddingGemma 2 采用 Apache 2.0 许可表示赞赏。他指出嵌入模型涉及存储成千上万甚至数百万条嵌入向量,若模型闭源托管,厂商一旦停服,用户就得付费重新计算所有存量向量,而 OpenAI 在 2024 年 4 月的补偿承诺并不可普遍依赖。他更愿付费使用托管版本,同时保留自行运行开放权重或另寻供应商的余地。
Google 发布图像生成与编辑模型 Nano Banana 2.1,取代 2026 年 2 月发布的 Nano Banana 2,并称其在各方面均有提升。价格约为上一代的一半,1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 740M。Google 称其在多模态嵌入基准上超越参数量最高达其两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,比前代 68.76 提升近 10 分。
Google 发布新一代前沿模型 Gemini 4 Argon,Google DeepMind SVP Koray Kavukcuoglu 称其在软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中具备前沿性能。
推荐理由:Google 发布 Gemini 4 Argon 却先只向受信任网络安全方开放,读者可关注前沿模型的受限发布路径。
Google 母公司 Alphabet 发布 Gemini 4 Argon,可用于编码、研究和写作,并称其在防御性网络安全任务上尤为擅长,能自主发现、验证并修补软件漏洞。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作和网络防御,先在 Fairwind 计划中向政府用户和可信网络防御者开放。
推荐理由:梳理 Gemini 4 Argon 的完整基准表现与定价,可对比它和 GPT-6 Astra 在成本与 token 效率上的取舍。
Google 正式发布 Gemini 4 Argon,目前仅通过 Fairwind 计划向少量网络安全合作伙伴开放,官方称后续先向付费 API 用户和 Google AI Ultra 订阅者开放。
Google 宣布推出 Gemini 4 Argon AI 模型,但目前用户还无法使用。原文仅一句提及此前传闻的 Gemini 3.5 Pro 就此作罢,未给出参数、基准分数或开放时间等更多细节。
Google DeepMind 宣布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络防御者开放,随后逐步扩展至开发者、企业和消费者。
推荐理由:官方披露了 Gemini 4 Argon 的能力、基准与分阶段开放方式,读者可据此判断前沿模型在企业工作流和网络防御中的落地节奏。
Anthropic 本周发布 Opus 5.5,在 SimpleBench 上以 88.4% 领先,被多位评测者视为 Anthropic 迄今最强视觉模型,成本约为 Fable 5.1 的 40%。
推荐理由:汇总一周内多个前沿模型与基础设施的实际评测和部署信号,可用来对照各家模型在编码与检索场景的取舍。
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐行表演指导,后者面向高并发、低成本配音场景。
推荐理由:两个 TTS 模型把语音生成从固定预设转向自然语言定制,并给出 Hume AI 基准成绩与开放入口,便于判断创作与规模化配音的能力边界。
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking,前者主打规模化与成本效率,后者面向高复杂度任务,支持边推理边说话。
推荐理由:官方给出两款语音模型的基准分数、价格定位与开放渠道,可据此判断语音智能体的选型与部署时机。
智谱 GLM-5.3 从 GLM-5.2 及更早版本的 MIT 许可证转为自定义许可证:若被许可方或其关联方运营 Model as a Service 业务且连续 12 个月总收入超过 100 亿美元,须先通过 Z.AI 安全审查,方可商用。
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas,这是一个在线仓库,预先计算了参考人类基因组全部 90 亿种单碱基变异的 AlphaGenome 预测结果。
Google DeepMind 与 Google Research 发布 WeatherNext 3 全球天气模型,直接学习实时对地静止卫星观测数据,每小时输出一次预报,温度等关键地表变量分辨率达 5 公里,较上一代 WeatherNext 2 的 25 公里、6 小时更新提升约 5 倍。
推荐理由:官方披露了分辨率、更新频率与训练数据来源的变化,可对比上一代判断天气模型精度提升的路径。
Google DeepMind 发布 Gemini 3.8,包含两个变体:Gemini 3.8 Flash 面向软件工程、智能体任务和多步推理,定价与 3.7 Flash 相同,为每百万输入 token $0.75、输出 token $3.75;Gemini 3.8 Flash Cyber 面向漏洞检测与自动修补,通过新的 Fairwind Program 向受信任防御方开放。
推荐理由:官方给出 3.8 Flash 与 Cyber 两个变体的定价、基准表现和开放入口,便于对照 3.7 判断升级幅度。
Google DeepMind 发布 Gemini Omni 1.1 Flash,面向开发者提供更可控的生成视频能力,通过 Gemini API 在 Google AI Studio 等平台开放。
推荐理由:原文列出场景延展、首尾帧指定、4K 放大等具体能力与开放入口,可据此评估生成视频在开发流程中的可控性。
Google DeepMind 发布 Gemini 3.5 Transcribe,一款面向实时转写的语音转文字模型,已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由:官方给出 WER、延迟提升和两套 API 入口,读者可据此判断语音转写能否接入现有工程链路。
Google DeepMind 发布 Gemini 3.7 Flash,称其为面向编码和智能体最智能的主力模型,距 Gemini 3.6 Flash 仅三周,首发价为 3.6 Flash 每百万 token 成本的一半,即 $0.75/1M 输入 token、$3.75/1M 输出 token,优惠持续到年底。
推荐理由:相较 3.6 Flash 的编码与知识工作基准提升和限时半价定价,是判断其性价比的直接依据。
Google DeepMind 发布多语种手语转文本模型 SL2T,并在 Pixel 11 的 Gboard 与 Live Transcribe 中以 ASL 转英文的听写功能首次进入消费产品,训练数据超 10 万小时、覆盖 50 多种手语。
推荐理由:官方给出了 SL2T 的数据规模、基准成绩和隐私处理方式,可据此判断手语翻译在消费端落地的可行边界。
Google DeepMind 在 Nature 发表论文,称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA,平均比分先模型多出超过一整天的预警提前量,三天预报精度相当于过去两天。
推荐理由:原文给出气旋路径与强度预报的量化领先幅度,以及模型权重开源的具体范围,读者可据此判断气象预报的 AI 替代空间。
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2,作为高层“大脑”负责对话、理解物理世界并规划多步任务,再把电机执行交给底层 VLA 模型。
推荐理由:Gemini Robotics ER 2 给出了多机器人协作与视频进度追踪的能力细节和开发者接入方式。
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5,并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制上有提升,包括更复杂自然的主旋律结构、提示词遵循与结构感知更好的歌词、更具情感细节和发音更准的人声,以及更易控制输出tempo和时长。
推荐理由:官方给出 Lyria 3.5 在旋律、歌词、人声与节奏控制上的具体升级点,可据此判断音乐生成的可用边界。
Google DeepMind 发布 Gemini Robotics 2,通过 VLA 模型、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2 三个模型,实现人形机器人全身控制、灵巧操作与多机器人协作。
推荐理由:原文给出三个模型的职责分工与开放入口,读者可据此判断机器人智能层在全身控制与本地部署上的实际进展。
Google DeepMind 发布三款 Gemini 新模型:3.6 Flash 主打编码与知识工作,在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由:三款 Flash 新模型同时给出 token 效率、价格与基准对比,可据此判断智能体工作流的成本变化。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型,称其在相关任务上优于主线 Flash。
推荐理由:轻量网络安全模型通过多次调用代替昂贵大模型,给出 CyberGym 与 Chrome 流水线上的可验证对比。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型给出明确的延迟、单价与可用入口,读者可据此判断图像与视频生成流水线的成本变化。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次性生成 256 个 token,在专用 GPU 上文本生成最高提速 4 倍,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 4x 推理加速的实测数字与本地低并发场景边界,读者可据此判断它适合哪些交互式工作流。
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate,支持 70 多种语言的近实时语音到语音翻译,能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate 把语音翻译从轮流应答改为连续输出,并给出开发者、企业与普通用户的接入路径。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本的 12B 多模态模型,性能接近 26B MoE 模型,可在 16GB VRAM 或统一内存上本地运行。
推荐理由:Gemma 4 12B 去掉视觉与音频编码器,16GB 内存即可本地跑,可看轻量多模态模型的新做法。