Gemini 4 Hydrogen 发布:百万 token 输入 1.5 美元,Artificial Analysis 指数 51 分
Google 昨日发布 Gemini 4 Hydrogen,其在 Artificial Analysis Intelligence Index 默认高思考级别下得分为 51,略高于 Gemini 4 Argon 的 50 分。定价为每百万输入 token 1.5 美元,输出 token 7.5 美元,在完整的 1M token 上下文窗口内价格保持恒定。
Google 昨日发布 Gemini 4 Hydrogen,其在 Artificial Analysis Intelligence Index 默认高思考级别下得分为 51,略高于 Gemini 4 Argon 的 50 分。定价为每百万输入 token 1.5 美元,输出 token 7.5 美元,在完整的 1M token 上下文窗口内价格保持恒定。
Google 发布 Gemini 4 Hydrogen,官方称其默认高配速度比 3.8 Flash 快 2.5 倍,提供 low、medium、high、xhigh 四个思考级别,上下文窗口为 1M,输入价格 $1.50、输出价格 $7.50 每百万 tokens。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
谷歌DeepMind发布新一代DNA基础模型AlphaGenome 2,并公布了78页技术报告。该模型能基于超1.07亿个单细胞数据精确预测基因突变的影响,在28种免疫细胞基准测试中的致病突变识别率从16%提升至30%。文章介绍了其零生物实验复现Nature数年成果、通过新增细胞编码器处理未见病变样本的能力,并预告模型将作为Skills接入Gemini 4。
Google发布Gemini 4家族中成本最低的模型Gemini 4 Hydrogen。Hydrogen 当前价格为 $1.50/1M input 和 $7.50/1M output,而更大规模的 Carbon 与 Argon 在 12 月 1 日后价格翻倍,使 Hydrogen 的折扣意义才凸显。
MiniMax 正式发布新一代开源图像生成模型 H3-Image。实测显示其高速版约 10 秒即可生成 4096x4096 像素的 4K 图像,耗时约为主流模型的 1/5。该模型支持 16 张参考图融合,并展现出处理复杂指令的能力,例如生成三视图一致的 CAD 设计、拆解机械爆炸图,以及制作包含百字级中文的排版海报。
Edge0 开源了 Edge0-145B 和 Edge0-120B 模型及统一推理框架,称其为全球首个可运行在个人计算机上的 145B 参数开源端侧模型。
推荐理由:原文给出了端侧大模型的关键性能数据和全栈开源细节,读者可以据此判断本地运行 145B 模型的可行性边界。
Google 发布新模型 Gemini 4 Hydrogen,能够拆分复杂提问、带有难辨认拼写错误或多层具体要求的请求,并分别回应各部分。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 发布了名为 Gemini 4 Hydrogen 的通用型大语言模型,其 100 万 token 的上下文窗口输入输出能力与 1.50 美元 / M 输入、7.50 美元 / M 输出的定价使其成为高性价比选择。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 发布 Gemini 4 Hydrogen,立即取代 Gemini 3.8 Flash 且不再限制付费订阅层级。该模型支持 low、medium、high 和 xhigh 四种思考模式,其中 high 模式速度比 3.8 Flash 快 2.5 倍,幻觉率降低 5 倍以上。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 发布 Gemini 4 Hydrogen 模型并全面升级 Search,该模型专为快速执行智能体工作流设计,比 Gemini 3.8 Flash 快 2.5 倍。Search 将利用该模型提供更精准的多部分意图理解、更复杂的拼写错误容忍度,并增加图像、对比表格等视觉响应。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
谷歌发布 Gemini 4 Hydrogen 模型,主打快速执行与高效运行,面向日常编码和智能体工作流场景。模型输入定价为每百万 Tokens 1.50 美元,输出 7.50 美元,支持 100 万 Token 原生输入与输出。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google DeepMind 发布 Gemini 4 Hydrogen,提供 1M token 上下文,定价为 150 美元 / M input token 和 750 美元 / M output token。
MiniMax 开源 SOTA 图像生成模型 H3-Image,支持 16MP 原生 4K 分辨率及最多 16 张参考图输入。该模型具备显著的逻辑推理能力,可自动生成 CAD 三视图、机械爆炸图以及正确解答微积分试卷。官方 API 定价约为主流竞品的 50% 到 70%,首周 16MP 请求享五折优惠。
推荐理由:实测显示该模型能精准生成CAD图纸与解题步骤,且支持原生4K分辨率,展示了其在逻辑推理与细节还原上的双重突破。
Google Deepmind 发布了基因组学 AI 模型 AlphaGenome 2,该模型通过接收特定细胞生物状态作为条件输入,实现了从组织级预测向单细胞类型分辨率的跨越。
作者发布 Anneal v1 Core 显式模型,确认此前分享为时过早,现已完善核心结构。 该模型采用 CC0 协议开源,代码库位于 GitHub,目前处于实验阶段,结构较为混乱。 作者建议将核心方程喂给 capable model 进行解析,以便应用到具体项目或用途中。
DeepL 发布语音 AI 模型 Aure,用于驱动实时语音翻译产品 DeepL Voice。Aure 可连续分析说话者的音调、情绪、语速和重音变化,并将这些表达特征带入目标语言的翻译语音中。
李飞飞在CoRL 2026演讲中介绍统一世界模型Atlas,该模型采用多模态自回归扩散Transformer架构,支持从零像素生成到稠密3D重建的多种模式,并在Rapidata相机运动基准中排名第一。AMD CEO苏姿丰随后在对话中预测机器人物理AI未来规模达数千亿美元,强调AI算力与通用模型及专用模型协同演进的重要性。
推荐理由:李飞飞阐释Atlas统一世界模型架构,提供从生成到3D重建的核心技术思路及机器人应用潜力参考。
Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。
推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。
字节火山引擎正式发布 Seedance 2.5 flash 视频模型,官方称其生成速度较 Seedance 2.5 提升一倍且价格更低,是效果最接近 Seedance 2.5 的模型。
谷歌正式发布 Gemini Decision 1,同时推出由该模型驱动的 Gemini Decisions API。与传统逐 Token 生成不同,该模型通过单次前向传播对最多 1000 个预设候选问题进行评分,支持文本、图像、音频、视频和 PDF 等多模态输入,覆盖二元判断、多项选择和有序标准评分三类决策任务。
推荐理由:谷歌给出 Gemini Decision 1 的基准与校准对比,并说明它如何通过模型路由和工具选择缩短 Agent 决策链路。
百度发布文心5.5 Flash Preview模型,总参数2800亿,单次推理激活140亿参数,支持百万Token上下文,生成速度超过每秒200 Token。该模型重点强化端到端编程能力,实测可通过Python代码生成3D动画、网页游戏及Blender模型,并计划近期以Apache 2.0许可证开源,API支持限时折扣。
推荐理由:原文给出了端到端编程能力的关键指标与实测案例,读者可以据此判断该模型在复杂开发任务中的实际表现。
MiniMax 正式发布 H3 Image 模型并同步开源权重,支持最高 4K 分辨率、16 张参考图输入及 7500 字符提示词,生成速度仅需 10 到 20 秒。在测试中该模型表现出极强的指令遵循能力,能准确理解建筑蓝图、具身智能合成数据、机械爆炸图等复杂工程场景,且在多参考图一致性任务中避免了常见的特征混杂错误,目前开放了 API 并集成于 MiniMax Code 等平台。
谷歌 DeepMind 宣布推出新一代基因组 AI 模型 AlphaGenome 2,能够预测 DNA 序列及其变异对特定人类细胞类型和细胞状态的影响,帮助研究人员从细胞层面识别与疾病相关的遗传变异。
Google 发布了 Gemini Decision 1 决策模型 API,支持文本、图像、音频、视频和 PDF 等多模态输入。该模型定价为每百万输入 token 10 美分,输出免费,比 OpenAI 的 GPT-6 Luna 贵但功能更全面。Simon Willison 实测显示,该模型对二元问题返回概率值而非 0/1,例如识别视频中 robot 的概率为 0.923。
Google DeepMind 推出 AlphaProof Code,验证 Signal 加密核心的安全性,该过程在四周内完成,而传统方式通常需要数年时间。AlphaProof Code 基于 Gemini 构建的 AI 代理在 Lean 证明语言中生成了超过 600 万行代码,并将约 1% 的代码库标记为需人工审查。
Gemini Decisions API 正式发布,依托新的 Gemini Decision 1 模型,可在一次前向传播中评估多达 1000 个是/否、多选及评分问题,并直接处理文本、图像、音频、视频和 PDF 等混合多模态输入。
谷歌 DeepMind 发布了新 AI 模型 AlphaGenome 2,该模型能解析 DNA 变化对不同细胞的影响。基于超过 1 亿个细胞档案和 68 种组织进行训练,该模型在识别能改变基因表达的变异方面,表现几乎达到了其前身及先有技术的两倍水平。谷歌表示,AlphaGenome 2 现可通过 AlphaGenome API 用于非商业研究,商业化研究则提供有限的“私人预览”。
Google DeepMind 发布下一代 DNA 序列模型 AlphaGenome 2,该模型通过条件化架构实现了对数百种人体细胞类型的基因表达预测。AlphaGenome 2 在识别改变基因表达的变异方面性能显著提升,在 TenK10K 数据集上发现的因果变异比例从 16% 提升至 30%。
推荐理由:新架构将基因变异预测从组织平均扩展到单个细胞类型,为定位复杂疾病关键变异提供更高精度工具。
NVIDIA 发布 Alpamayo 2 Edge 模型。Embedl 称其优化版在 AGX Thor 边缘硬件上运行比 PyTorch 快 10 倍以上。 该模型采用 RL 训练,输入 6 个摄像头及近期运动数据。 用户可在 AGX Thor 设备上直接运行该模型。
谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2,相比此前的最优模型能识别出近两倍数量的、可改变细胞内基因表达的变异。
DeepL 推出旗下最具动态感的语音 AI 翻译模型 Aure,能够实时复现说话者的语气起伏、情绪流转及重音强调。该模型建立在声音保留技术之上,已支持 DeepL Voice 网页会议版、面对面交谈版及语音 API,首发覆盖英语、德语、法语等 8 种语言。
谷歌正式向开发者、企业和科研工作者开放其最新模型 Gemini 4 Carbon。在 CursorBench 4.0 等测试中排名第一,在 Artificial Analysis 测试中位居第二,主打网络安全与长程 Agent 工作流。API 输入价每百万 Token 暂定为 2 美元,输出 10 美元。
Nvidia Research 发布了机器人基础模型 GR00T 2,该模型通过从视频转移人类动作到机械臂,大幅降低了对昂贵遥操作的需求。作为“世界-动作模型”,它能预测下一步动作并生成摄像头视野的短期扩散视频,该模型基于超过 1000 块 GB300 芯片和约 40 万小时的任务视频训练而成。
Google 宣布 Gemini 4 Carbon 正式可用。它定位于 Gemini 4 Argon 之上,通过消耗更多 token 的深层推理和验证循环来处理多步编码和开放式科学问题。
百度文心发布基于 ERNIE 5.5 Flash Base 模型的首个后训练版本 ERNIE 5.5 Flash Preview。该模型总参数 280B,激活参数 14B,支持 1M 上下文,API 已在千帆平台上线,权重将于 11 月 25 日前开源。
Antalia-2 Mini 是参数量 7,620,931 的土耳其语 TTS 模型,在 Apple M5 上以 41 倍实时速度生成 48 kHz 音频。 训练数据源自约 300 倍大模型 VoxCPM2,保留约 1,790 小时合成音频;微调码器后 WER 降至 1.75%。 模型权重、推理代码及评测基准已在 Apache-2.0 协议下开源。
GSQ在Llama-3.1-8B/70B-Instruct模型上,以2-3 bits精度闭合了标量量化与QTIP前沿的差距,且兼容现有标量推理内核。 方法支持GGUF格式精度提升,并扩展至万亿级Kimi-K2.5 MoE模型,已公开源码并被NeurIPS 2026接收。
Tether AI 发布 BotPsy,一款基于 Qwen3.5-0.8B 构建的 0.8B 参数端侧智能体模型,采用 Apache 2.0 协议开源。通过在 BFCL v4 等六项工具调用基准上取得领先成绩(平均 45.0 分),并在推理 token 效率上较基座模型提升约 3 倍,该模型在低中难度任务场景中展现出优于 1.2B 以下规模模型的表现力。
推荐理由:0.8B 端侧模型通过蒸馏与两轮 RL 训练,在工具调用和多轮 Agent 基准上超越 2.5 倍参数量的模型,展示了小参数智能体路径。
Robbyant 开源了 LingBot-Touch 模型权重与推理代码,助力机械手通过触觉操控物体。该模型基于近 5000 小时三类触觉传感器数据训练,并通过了 26 项真实任务测试。
谷歌旗舰模型 Gemini 4 Carbon 正式面向全球开放,用户可通过 API、AI Studio 等渠道体验。该模型在 GraphWalks、CursorBench 4.0 等评测中跑出了前列成绩。实测表明,其多Agent蜂群模式配合 AlphaProof Code 框架在生成代码与工程还原方面显著降本。