Gemini 4 Hydrogen（High）智能、性能与价格分析
一项针对 Gemini 4 Hydrogen（High）的分析比较了其智能、性能与价格，使用能力指数衡量模型在特定能力和行业上的表现。比较涵盖 token 用量、成本和上下文窗口，以及包括每任务耗时（分钟）、输出速度（token/秒）、首个答案 token 时间和首个 token 时间（秒）在内的性能指标。
全部动态
Hacker News · AIAI 评分4040 MarkTechPost同事件AI 评分8080 Google 发布 Gemini 4 Hydrogen，声称速度是 Gemini 3.8 Flash 的 2.5 倍
Google 发布了 Gemini 4 Hydrogen，这是 Google DeepMind 的一款闭权重模型，定位低于 Gemini 4 Carbon 和 Argon，作为编码和智能体工作流的日常主力。它提供 1,048,576 token 的统一窗口，四档思考级别（默认高档），API 定价为每 100 万输入/输出 token 1.50/7.50 美元，全窗口统一价格。Google 报告称其在 Terminal-Bench 4.1 上达到 57%，而 Gemini 3.8 Flash 为 18.2%；在 Artificial Analysis Intelligence Index 上得分为 51，但该模型在 Agent Arena 上仅排名第 5；在 Antigravity 中与 Carbon 搭配使用时，配额消耗比单独使用 Carbon 少 24%，完成速度快 19%。
inclusionAI ModelsAI 评分3434 inclusionAI 发布 Duo-1.0-distill-quant FP8 权重，用于全双工交互
inclusionAI 发布了 Duo-1.0-distill-quant，这是 Duo 1.0 全双工多模态世界模型的 FP8 量化四步蒸馏 Realization 权重。该权重叠加在 inclusionAI/Duo-1.0-causal-base 包之上，后者提供共享的 Intent、编解码器、语音模型和 Realization 主干，并需要支持打包的 ModelOpt FP8 格式的运行时。该权重从 MiniMax H3 初始化，随后由 Duo 团队训练。
inclusionAI ModelsAI 评分4040 inclusionAI 发布 Duo-1.0-distill：Duo 1.0 的四步蒸馏权重
inclusionAI 已发布 Duo-1.0-distill，这是 Duo 1.0 的四步蒸馏 Realization 权重；Duo 1.0 是一个用于实时视听交互的全双工多模态世界模型。该权重以 PyTorch Distributed Checkpoint 覆盖层的形式发布在 inclusionAI/Duo-1.0-causal-base 包上，使用 Euler 采样器、4 步和 flow shift 5.0。该权重从 MiniMax H3 初始化，随后由 Duo 团队训练。
inclusionAI ModelsAI 评分3838 SingVL-4B GGUF 发布：基于 Qwen3.5 的 Sing VL S1 4B 多模态决策模型推出 GGUF 版本
Sing VL S1 是一个基于 Qwen3.5 构建的 4B 参数多模态决策模型，现已发布 GGUF 版本，可用于 llama.cpp 的 CPU 推理。它提供 BF16（8.42 GB）、Q8_0（4.48 GB）和 Q4_K_M（2.71 GB）三种解码器，外加一个共享的 F16 视觉投影器，默认上下文长度为 4096 token。GGUF 验证覆盖 9 个示例和 11 个问题；GGUF 各变体的完整公开评分仍待公布。
Simon Willison同事件AI 评分7777 Google 发布 Gemini 4 Hydrogen，Gemini 4 系列中成本最低的模型
Google 发布了 Gemini 4 Hydrogen，这是 Gemini 4 系列中成本最低的模型，定价为每百万输入 token 1.50 美元、缓存输入 0.075 美元、每百万输出 token 7.50 美元。Simon Willison 指出，Carbon 和 Argon 在 2026 年 11 月 30 日之前均为 2.00/0.10/10.00 美元，并从 2026 年 12 月 1 日起翻倍，因此 Hydrogen 目前仅比其更大的兄弟模型便宜约 25%，而在涨价后这一差距将扩大到约 75%。Hydrogen 也是新的免费层级模型，并将为 Google 搜索中的 AI 功能提供支持。
Hacker News · AI同事件AI 评分8888 Google 发布 Gemini 4 Hydrogen，一款面向编程和智能体工作流的快速执行模型
Google 推出 Gemini 4 Hydrogen，这是一款为日常编程和智能体工作流中的快速执行而构建的模型，已在 Gemini API、AI Studio、Gemini for business、Gemini 应用、Google 搜索和 Google Antigravity 上全球上线。
Hacker News · AIAI 评分5858 Cloudflare Workers AI 预览 Clairic，一款 System One 风格的抽取模型
Cloudflare Workers AI 已预览发布 Clairic，这是一款强类型抽取模型，可从输入中提取、计算、估计和预测数值，并为每个输出返回置信度分数和概率。该模型具有 65,536 个 token 的上下文窗口，支持视觉，提供零数据保留，定价为每百万输入 token 0.10 美元。在文档中的发票示例中，Clairic 提取了发票号、到期日和总额等字段，对缺失的 PO 号返回 null 且 p_null 为 1，并对 days_to_pay 给出中位数 30 以及 21 到 38 的 p10-p90 区间。
Hacker News · AIAI 评分3333 Gemini 4 Hydrogen (Xhigh) 智能、性能与价格分析
对 Gemini 4 Hydrogen (Xhigh) 的分析涵盖其在特定能力和行业中的智能与能力指数，以及 token 使用成本和上下文窗口。性能通过每任务耗时（分钟）、输出速度（tokens/秒）、首个答案 token 时间和首个 token 时间（秒）来衡量。
MarkTechPostAI 评分6262 Fish Audio 发布 Live 3：一款 186 毫秒内响应的全双工语音模型
Fish Audio 发布了 Live 3，这是一款面向实时语音代理的全双工语音模型，它在说话的同时保持聆听，并从真实人类对话中学习轮流发言，而非依赖手工调校的流水线规则。Fish Audio 表示，对于“mm-hmm”这类简短反应，它最快可在 186 毫秒内决定回应，但该数字只是小型反应的下限，并非完整回复的首个音频时间，且尚未公布基准测试分数。Live 3 运行于 Fish Agent Platform（公开测试版）、Fish Audio API 以及面向企业的本地部署，定价为每分钟 0.035 美元，直至 2026 年 12 月 31 日，而标价为 0.07 美元，且仅支持英语。
Hacker News · AI精选AI 评分8888 Edge0 开源端侧模型 Edge0-145B 与 Edge0-120B 及推理框架
Edge0 开源了 Edge0-145B 和 Edge0-120B，以及其统一推理框架和部署工具，并称 Edge0-145B 是首个开源的 145B 参数端侧模型。该公司报告称，在兼容笔记本上峰值内存为 29GB，预填充速度 1,100+ tokens/s，解码速度 80+ tokens/s，典型功耗约 120W，上下文长度为 128K–256K。它引用的内部得分为：DeepSWE 1.1 上 64.6，Terminal-Bench 2.1 上 86.52，GPQA-Diamond 上 90.4，IFBench 上 80.6，并表示权重已发布在 Hugging Face 上，首日即支持 macOS、Windows 和 Linux。
推荐理由：Edge0 开源了一款 145B 端侧模型，报告峰值内存 29GB、解码速度 80+ tokens/s，为本地推理能扩展到何种程度提供了一个具体数据点。
MarkTechPostAI 评分5252 Liquid AI 发布 LiquidCodec，一款 7400 万参数的流式音频编解码器
Liquid AI 发布了 LiquidCodec，这是一个约 7400 万参数的流式语音分词器，为其 LFM3-Audio-2B 和 LFM3-Omni-2B 模型提供支持，权重已发布在 Hugging Face 上。该编解码器将 24 kHz 音频压缩为 12 个 token 流，帧率为 12.5 Hz，并可在单个 CPU 线程上运行，Liquid AI 报告其编码速度约为实时的 361 倍，解码速度约为实时的 87 倍。Liquid AI 表示，在所有 8 个测试集上，其在 ViSQOL 和梅尔距离指标上均优于 X-Codec 2、NanoCodec 和 Mimi，不过 NanoCodec 仍在 8 个测试集中的 7 个上领先 PESQ (WB)。
The Verge · AI同事件AI 评分8282 Google 发布 Gemini 4 Hydrogen，现已成为 AI Mode 和 AI Overviews 的默认模型
Google 发布了 Gemini 4 Hydrogen，称这款新模型能对复杂问题给出更有帮助的回答，包括包含多个部分的问题、难以理解的拼写错误或高度具体的请求。从今天起，该模型已在搜索、Gemini 应用、Google AI Studio 的所有层级、Gemini API、Gemini for business 以及面向 AI Pro 和 Ultra 订阅者的 Google Antigravity 中提供，Google 搜索副总裁 Robby Stein 表示，它现已成为 AI Mode 的默认模型，并用于 AI Overviews 中最难的问题。
The Decoder同事件AI 评分8888 Google发布Gemini 4 Hydrogen，在Argon发布四周后得分超过更大的Argon
Google发布了Gemini 4 Hydrogen，这是一款面向开发者和日常用户的快速通用模型，定价为每百万输入token 1.50美元、每百万输出token 7.50美元，上下文窗口为一百万token。Google称，Hydrogen在默认高思考级别下于Artificial Analysis Intelligence Index上得分为51，在新的xhigh级别下为54，而更大的Gemini 4 Argon为50。Artificial Analysis的独立测试显示，Hydrogen在最高思考水平下大致与Claude Sonnet 5.5持平，但在智能体终端任务上较弱，在Terminal-Bench 4.0上得分为54%，而Claude Sonnet 5.5为64%。
Hugging Face Blog精选AI 评分6969 IBM 发布基于 Granite 4.1 3B 和 8B 构建的 LLMON 预览模型
IBM 发布了两款实验性预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，它们基于 Granite 4.1 基础检查点衍生，经过训练能够读取和生成 LLMON——一种 LLM 原生标记语言，用保留的特殊 token 分隔符来标记指令、数据和需求。在 OPI 基准上，这些模型比测试中表现最好的前沿模型多规避了 47% 的间接提示注入攻击，比最好的开源模型多规避了 95%，同时在标准基准上的表现与 Granite 4.1 Instruct 相当。此次发布包含一个 GitHub 工具包，提供无损的 JSON 到 LLMON 转换器，作者指出该预览版仅供探索，不适用于生产环境。
推荐理由：IBM 在 Granite 4.1 上训练出能读写 LLMON 标记的预览模型，通过显式的指令与数据分离，将 OPI 基准上的间接提示注入成功率压到接近零，同时保持通用能力。
Ars Technica · AI同事件AI 评分8282 Google 推出 Gemini 4 Hydrogen，在产品线中取代 3.8 Flash
Google 发布了 Gemini 4 Hydrogen，该模型在公司的产品中取代 Gemini 3.8 Flash，并立即开放使用，而非像近期 Argon 和 Carbon 发布时那样分阶段、仅限付费层级推出。Google 表示，Hydrogen 以四种思考层级运行（低、中、高以及新增的 xhigh），即使在 high 模式下也比 Flash 3.8 快 2.5 倍，同时将编造性声明减少超过 5 倍。它还将 3.8 Flash 的 Terminal-Bench 得分提高两倍以上，并在 xhigh 模式下于 Artificial Analysis Intelligence Index 上达到 54 分，而 Argon 为 50 分。
TechCrunch · AI同事件AI 评分8282 Google 发布 Gemini 4 Hydrogen，为更复杂的搜索回答提供支持
Google 发布了 Gemini 4 Hydrogen，这是一款快速执行模型，Google 称其为迄今为止对搜索的最大改进，并正在向全球所有搜索用户推送该更新。Google 表示，Hydrogen 完成任务的速度比 Gemini 3.8 Flash 快 2.5 倍，并在默认高思考水平下，于 Artificial Analysis Intelligence Index 上击败了更强大的 Gemini 4 Argon。在搜索中，它提升了 AI Mode 下的意图理解、拼写错误处理、扇出子查询和视觉响应，同时还将登陆 AI Studio、Gemini API、Gemini App 和 Antigravity。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Hydrogen，一款面向编程和智能体工作流的更快的 Gemini 4 模型
Google DeepMind 推出了 Gemini 4 Hydrogen，这是一款 Gemini 4 模型，专为快速的日常编程和智能体执行而构建，而非 Gemini 4 Carbon 和 Argon 那种长程推理。在其默认的高思考级别下，它在 Artificial Analysis Intelligence Index 上得分为 51，而 Argon 为 50；在新的 xhigh 设置下达到 54；其定价在其 100 万 token 上下文窗口内统一为每百万输入 token 1.50 美元和每百万输出 token 7.50 美元。Google 还在 Google Antigravity 中推出了 Orchestrator，它可以在会话内在 Carbon 和 Hydrogen 等模型之间切换，并在 Terminal-Bench 4.0 上达到接近 Carbon 的任务成功率，同时使用的配额减少 24%，完成速度快 19%。
推荐理由：Google 的 Gemini 4 Hydrogen 面向快速的日常编程和智能体工作，在 100 万上下文窗口内统一为每百万 token 1.50/7.50 美元的定价，并推出了可在 Gemini 4 模型之间切换的新 Orchestrator。
The DecoderAI 评分7171 ElevenLabs 发布 Scribe v3 和 Scribe v3 Live 语音转文字模型
ElevenLabs 发布了两款语音转文字模型：用于预录音频的 Scribe v3 和用于低延迟实时场景的 Scribe v3 Live，二者均可通过 ElevenAPI 开发者接口和 ElevenAgents 平台使用。该公司称，Scribe v3 在 102 种语言上将词错误率较前代降低约 25%，而 Scribe v3 Live 利用对话上下文判断说话人是否真正说完，而非依赖停顿计时器。Artificial Analysis 的独立基准测试将 Scribe v3 列为最准确的转录模型之一，仅次于阿里巴巴的一款预览模型，但显示其在速度上落后，定价为每 1,000 分钟 3.33 美元。
The DecoderAI 评分7171 Google DeepMind 发布 AlphaGenome 2，将基因组学 AI 从 bulk 组织转向单细胞类型分辨率
Google DeepMind 已发布 AlphaGenome 2，这是一个基因组学模型，可预测 DNA 变异如何影响特定的人类细胞类型，并发现的相关基因变化数量几乎是其前代模型的两倍。该模型基于来自人类和小鼠 68 种组织的超过 1.07 亿个单细胞图谱训练，将细胞的生物学状态作为额外输入，而不是一次性在多种组织上进行广泛预测。
Simon WillisonAI 评分7171 Google 发布 Gemini Decision 1 决策模型 API，支持多模态输入
Google 发布了 Gemini Decision 1，这是一个决策模型 API，支持是/否、选择和评分标准打分类问题，与 Jev 和 OpenAI 一同进入决策模型类别。其定价为每百万输入 token 10 美分，输出免费；与 Jev 仅支持纯文本输入不同，它接受文本、图像、音频、视频和 PDF。在一段机器人视频的测试中，Gemini 返回的概率如 robot 为 0.9234、dragon 为 0.0498，而非 Jev 和 OpenAI 返回的 1.0 或 0.0。
MarkTechPostAI 评分5858 Google DeepMind 发布 AlphaGenome 2，用于细胞类型特异性变异效应预测
Google DeepMind 发布了 AlphaGenome 2，这是一个条件序列到功能的 DNA 模型，读取 1 Mb 的 DNA 窗口加上目标细胞状态，并在每次调用中预测一种细胞类型的变异效应。在覆盖 28 种免疫细胞类型的 TenK10K 单细胞 eQTL 上，90% 精度下的因果变异召回率从微调 AlphaGenome 1 的 16% 升至 30%，效应方向召回率从 23% 升至 43%。该模型通过 AlphaGenome API 提供用于非商业研究，权重承诺在最终发表后开放，商业使用处于私密预览阶段。
The Decoder同事件AI 评分8080 Google DeepMind 发布 Gemini Decisions API 和 Gemini Decision 1 模型
Google DeepMind 推出了 Gemini Decisions API，专为封闭式决策而构建，例如是/否问题、多项选择和基于量表的评分，其底层的 Gemini Decision 1 模型可在单次处理中跨文本、图像、音频、视频和 PDF 处理多达 1,000 个独立问题。它以 150 至 250 毫秒的速度返回带有置信度值的概率，每百万输入 token 收费 0.10 美元，且不收取输出 token 费用，Google 称这比 Gemini 3.5 Flash-Lite 便宜约五倍。该 API 现已通过 Google AI Studio 提供，OpenRouter、LangChain 和 Vercel 的集成正在陆续推出，Google 表示其内部已将其用于 Gemini Notebook 中的模型路由、Stitch 中的设计原型制作以及 Google 搜索中的安全检查。
同一件事，精选收录的是《Google launches Gemini Decisions API and Gemini Decision 1 model for fast closed-set decisions》
Google DeepMind精选AI 评分7272 DeepMind 发布 AlphaGenome 2，一种预测特定细胞类型中变异效应的 DNA 模型
Google DeepMind 宣布推出 AlphaGenome 2，这是一款下一代 DNA 序列模型，可预测 DNA 序列及其变异如何影响特定的人类细胞类型。该条件模型基于 68 种组织中超过 1.07 亿个单细胞图谱训练，识别出的改变表达的变异数量几乎是上一模型的两倍；在 TenK10K 免疫细胞数据集上，它找回了 30% 的因果变异，而原始 AlphaGenome 在单细胞数据上微调后仅找回 16%。该模型可通过 AlphaGenome API 用于非商业研究，并以私有预览形式开放商业研究使用。
推荐理由：AlphaGenome 2 从批量组织平均值转向单细胞条件化，在免疫细胞数据上将因果变异召回率大约翻倍，这对于将 GWAS 信号与特定细胞类型关联起来具有重要意义。
The Verge · AIAI 评分7171 Google DeepMind 发布 AlphaGenome 2，一款按细胞类型预测变异效应的遗传 AI 模型
Google DeepMind 发布了 AlphaGenome 2，这是去年 AlphaGenome 的继任者，可预测遗传变异如何影响单个细胞类型和状态，而非广泛的组织平均值。该模型基于 68 种组织中超过 1 亿个单细胞图谱训练，识别出的可改变基因表达的变异数量几乎是此前最先进模型的两倍，并且无需重新训练即可对新的细胞类型和生物学状态做出预测。Google 从今天起通过 AlphaGenome API 将其开放用于非商业研究，商业用途则提供有限的私密预览；DeepMind 的 Žiga Avsec 表示，其更精细的预测计算成本更高，因此不会很快取代 AlphaGenome。
MarkTechPostAI 评分6060 MBZUAI 的 IFM 发布 PAN 2，一个面向物理 AI 的开放 29B 世界模型
MBZUAI 的基础模型研究所发布了 PAN 2，这是一个 29B 参数的开源世界模型，输入一个场景加一段文本动作，并以视频形式模拟结果，权重、训练代码和推理代码均以 Apache 2.0 许可开放。它将一个编写结构化 JSON 世界状态的 LLM 规划器，与一个由冻结的 Qwen3.5-9B 编码器条件化的 29B MMDiT 扩散 Transformer 配对；IFM 报告称，在 100 个多步任务上完整计划完成率为 34.0%，领先于 MiniMax-H3 的 32.50%，但在单动作和人类偏好（Elo 1595 对 1620）上落后于 MiniMax-H3。IFM 的消融实验显示，移除 LLM 规划器会使完整计划完成率降至 0.0%，步骤完成率从 75.1% 降至 8.7%。
Hugging Face BlogAI 评分4242 Tether AI Research 发布 BotPsy：基于 Qwen3.5-0.8B 构建的 0.8B 端侧智能体模型
Tether AI Research 发布了 BotPsy，这是一个基于 Qwen3.5-0.8B 构建的 0.8B 参数智能体模型，用于端侧个人助手的工具调用。其智能体得分约为基线的两倍，BFCL v4 从 23.4 升至 44.0，τ-bench 从 23.2 升至 51.5，并在六项工具调用基准测试中优于所有参数量不超过 1.2B 的受测模型。它还将不安全回复从 36% 降至 21%，并在 GPQA Diamond 上使用的推理 token 数减少约 3 倍。
inclusionAI ModelsAI 评分3434 inclusionAI 发布基于 Qwen3.5-4B 的 LemonDecider 4B v3 决策模型
inclusionAI 发布了 LemonDecider 4B v3，这是一个基于 Qwen3.5-4B 微调的决策模型，通过单次联合前向传播返回选项、是/否或序数概率，而非生成答案 token。该模型在约 120 万条决策/问答数据上训练，在公开的 Decision Index 0.4 测试集上得分 61.67，请求延迟中位数为 49.9 ms。
inclusionAI ModelsAI 评分4040 inclusionAI 在 Qwen3.5 上发布 SingVL S1 4B 多模态决策模型
inclusionAI 发布了 SingVL S1，这是一个基于 Qwen3.5 构建的 4B 多模态决策模型，可在单次 Transformers 前向传播中对文本或 JSON 以及最多四张图像回答指定问题。它支持选择、是/否（noul）和 2–10 级评分问题，在 Public Vision Index 上得分 73.94，在 Public Text Index 上得分 69.76。该模型附带 Python 推理代码和 FastAPI HTTP 服务器。
Simon Willison同事件AI 评分8282 Simon Willison 在 Antigravity IDE 中测试 Gemini 4 Carbon，谷歌向所有用户开放访问
两周前面向部分网络安全防御者发布的 Gemini 4 Carbon 现已向所有人开放，输入价格为每百万 token 2 美元，输出价格为每百万 token 10 美元，价格定于 12 月 1 日翻倍至 4/20 美元。Simon Willison 在谷歌的 Antigravity IDE 中进行了测试，使用 OpenStreetMap 数据生成了一个机甲踩踏纽约市的 Three.js 动画，并指出谷歌 CEO Sundar Pichai 重点介绍了 Antigravity 的 /swarm 功能，该功能利用 Blender 资产、WebGL 着色器和 Lyria 音乐构建了一个开放世界 3D 游戏。
inclusionAI ModelsAI 评分2222 inclusionAI 发布 ZoomGain-9B 的 GGUF 权重
inclusionAI 已发布 ZoomGain-9B 的 GGUF 格式权重，使用 llama.cpp 转换，涵盖语言模型以及视觉编码器/投影器（mmproj），提供 FP16、Q8_0 和 Q4_K_M 版本。图像输入需要将语言模型与匹配的 mmproj 文件配对使用，仓库中记录了通过 llama-mtmd-cli 进行 CLI 推理以及通过 llama-server 搭建网页聊天环境的方法。需要支持 Qwen3.5 多模态的 llama.cpp 构建，量化可能影响准确率。
Latent SpaceAI 评分6969 NaiveAI 的 Naive-N0.5-Flash 声称每秒 2,100 个 token：它的编码能力如何？
Latent Space 测试了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，这是一个源自小米 MiMo-V2.5 的编码模型，搭配 NaiveRT 推理引擎，并与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 进行了对比。在作者的运行中，它峰值接近每秒 2,000 个 token，在思考密集型任务中持续约 1,000 个 token，中位响应时间为 3.1 秒，而两个对比模型分别为 5.3 秒和 10.1 秒。在困难的 HLE 问题上，开启思考时它平均完成约 108,500 个 token，约为 GLM 5.3 Flash 的九倍和 DeepSeek V4.1 Flash 1017 的 11 倍，作者指出样本为每个难度级别 10 个问题，且未进行准确性评分。
MiniMax Blog精选AI 评分7575 MiniMax 发布 H3-Image，一款可在 10 秒内生成 4K 图像的开源权重模型
MiniMax 发布 H3-Image，这是一款基于 H3 构建的开源权重图像生成模型，支持文生图、参考图生成和图像编辑，可在 10 秒内生成 4096 × 4096 的图像。该公司表示，它最多可处理 16 张参考图，声称在开源权重模型中具有最先进的提示词遵循能力，并报告速度最高可达主流替代方案的 5 倍。H3-Image 可通过 MiniMax API 平台、MiniMax Code 和海螺 AI 使用，定价为同类产品的 50–70%，发布周期间 4K 及以上请求享受 50% 折扣。
推荐理由：MiniMax 发布开源权重 H3-Image，声称可在 10 秒内生成 4K 图像，定价为同类主流产品的 50–70%，为开发者提供了一个用于高分辨率图像工作的新开源选择。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon，面向智能体编程、网络安全与科学推理
Google DeepMind 向开发者、企业、科学家和消费者开放了 Gemini 4 Carbon，将其定位在 Gemini 4 Argon 之上，适用于需要更深层推理和更多 token 的任务。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，每任务成本比次优外部模型低 2 倍以上，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的 introductory 价格相同。Google 还预览了 Google Antigravity 中的 /swarm，可将单个提示转化为协同工作的智能体团队，并报告 Carbon 在模拟网络攻击测试中拦截了 99% 的攻击轨迹。
推荐理由：Google 的发布说明详细介绍了 Gemini 4 Carbon 如何以更高的 token 用量换取更深层推理，在 CursorBench 4.0、WANDR 和 AutomationBench 上排名第一，每任务成本不到次优外部模型的一半。
Amazon Science精选AI 评分6262 Amazon 发布 Mitra-v2 表格基础模型，采用规模化合成预训练
Amazon 推出 Mitra-v2，这是用于分类和回归的第二代表格基础模型，随附微调模型以及推理和微调代码，以 Apache-2.0 许可证在 Hugging Face 上发布。它使用合成表格进行预训练，行数是 Mitra-v1 的 10 倍，列数约为其 3 倍，采用新的混合 SCM 先验和混合优化器，同时保持 Transformer 架构不变。在包含 51 个真实世界数据集的公开基准 TabArena 上，Mitra-v2 在单模型领域领先，在两者均原生运行的 33 个数据集中的 32 个上优于 Mitra-v1，并在 1 小时预算内完成全部 51 个数据集；微调后的 Mitra-v2 还在 ScoringBench 上排名第一。
推荐理由：Mitra-v2 表明，扩大合成预训练数据而非加深网络，能将表格基础模型提升至 TabArena 单模型领域的首位。
Ars Technica · AIAI 评分7171 DeepMind发布Gemini Robotics 2.5及开源安全基准ASIMOV-jailbreak
Google DeepMind发布了Gemini Robotics 2.5，这是其视觉-语言-动作模型的新版本，可生成机器人动作，并称其在需要高灵活性的任务上表现大幅提升。该模型在200多项活动中进行了评估，包括用夹子端菜和使用移液管，搭载该模型的Apptronik Apollo 2人形机器人现在能用五指手打蝴蝶结。DeepMind还推出了开源安全基准ASIMOV-jailbreak，为机器人与人类协同工作做准备，并表示部分Gemini机器人在梅赛德斯-奔驰工厂完成了实际工作。
Simon WillisonAI 评分7575 Meta AI 发布 Muse Ember，其最小、最高效的模型
Meta AI 发布了 Muse Ember，称其是自家最小、最高效的模型，面向工具调用、编码子任务、路由、抽取和长文档解析。对于较短的提示词，其定价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元，与 GPT-6 Luna 和 Claude Haiku 5.5 相同；而在超过 200k token 的长提示词上，其输入 0.30 美元、输出 1.50 美元的费率则介于两者之间。Simon Willison 指出，该模型位于 Artificial Analysis 的智能指数与每任务成本图表的帕累托线上，并且其六个推理等级生成的 pelican SVG 质量与价格高 40 倍的 Muse Wonder 相当。
Latent Space精选AI 评分8585 Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，在 IPO 路演启动之际重夺 LLM 榜首
Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2，二者在多数独立排行榜上位居榜首，包括 Artificial Analysis Intelligence Index v5（65 分）和 SemiAnalysis GDPx（16.4%）。价格下调 20%，降至每 100 万输入/输出 token 8 美元/40 美元，但 SemiAnalysis 报告称，每项 GDPx 任务的成本从 67.16 美元升至 88.15 美元，因为该模型会编写数百到数千个测试用例，并启动子代理来检查其工作。多项评估显示，max effort 级别的表现不如 high，且 Fable 被限制为每周订阅额度的 50%。
推荐理由：Anthropic 发布 Fable 5.2 和 Mythos 5.2，每 token 价格下调 20%，但独立评估显示每任务成本更高，且 max-effort 设置的表现不如 high。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2.5 VLA 模型，实现真实世界灵巧操作
Google DeepMind 推出了 Gemini Robotics 2.5，这是其迄今为止能力最强的视觉-语言-动作模型，扩展了机器人可学习的技能范围，并加快了技能获取速度。在 200 个不同任务上评估时，该模型相比此前基线成功率高出 30% 到 100%，同时完成任务的速度快 20% 到 30%；在梅赛德斯-奔驰生产线的概念验证中，Apptronik 的 Apollo 2 人形机器人以 96% 的成功率完成汽车零部件的拾取和包装。此次发布还新增了针对物理安全的推理时推理引导，使在障碍物周围的安全任务完成率提升 33%，在附近有人时的安全任务完成率提升 43%，并推出了开源基准 ASIMOV-Jailbreak，Gemini 4 Argon 在该基准上达到 99.5% 的越狱抵抗率。
推荐理由：Gemini Robotics 2.5 在 200 个任务上的成功率提升了 30% 到 100%，并在梅赛德斯-奔驰生产线的试点中实现了 96% 的拾取放置成功率，为评估 VLA 模型的真实世界部署提供了参考数据。
Claude YouTube精选AI 评分7878 Anthropic 发布 Claude Fable 5.2，面向高难度技术工作
Anthropic 发布了 Claude Fable 5.2，这是一款为最艰巨的技术挑战和雄心勃勃的开放式项目而设计的模型，在编码、推理和视觉方面均有提升。公司建议大多数编码和知识任务从 Opus 5.5 开始使用；Fable 5.2 即日起在 Pro、Max、Team 和 Enterprise 套餐中提供。
推荐理由：Claude Fable 5.2 面向雄心勃勃的开放式技术工作，据称在编码、推理和视觉方面有所提升，而 Opus 5.5 仍是大多数编码和知识任务的推荐默认选择。