跳到正文
11月11日周三
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 模型

    Google DeepMind 正式向开发者、企业、科学家及消费者开放 Gemini 4 Carbon 模型。该模型在网络安全能力、长程代理工作流及复杂知识工作领域表现前沿,输入价格 2 美元/百万 token,输出 10 美元/百万 token。模型在 CursorBench 4.0 等基准中排名第一,支持多模态知识代理及 3D 设计等任务,并强化了安全性与对齐机制。

    推荐理由:官方给出了价格与性能对比,读者可判断它在长程代理任务与网络安全场景中的优势。

11月10日周二
  1. IT之家79

    MiniMax 开源 H3-Image 生图模型,10 秒生成 4K 图像

    MiniMax 正式发布并开放权重,推出衍生自 H3 的图像生成模型 H3-Image,具备文生图、参考图和图像编辑能力。该模型在 10 秒内生成一张 4096 x 4096 像素(16MP/4K)图像,官方称其指令遵循能力最强且支持 16 张参考图,发布首周针对 16MP 及以上规格请求提供官方价格的五折优惠。

    同一新闻,精选展示《MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理》

  2. Ars Technica · AI64

    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 模型及开源安全基准 ASIMOV-jailbreak,旨在支持机器人与人类协同工作。在超过 200 项任务的评估中,新版本在夹取食物和使用移液器等高灵巧性操作上表现显著,并实现了为 Apptronik Apollo 2 机器人打蝴蝶结的功能。部分机器人已在梅赛德斯-奔驰工厂完成实际工作。

  3. Google DeepMind73

    DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型

    DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,在 200 项任务评估中较基线成功率提升 30% 至 100%、完成任务快 20% 至 30%。Apptronik Apollo 2 在奔驰匈牙利与德国产线完成零件排序试点,成功率达 96%;同时发布的 ASIMOV-Jailbreak 基准测试中,Gemini 4 Argon 实现 99.5% 越狱抗性。

    推荐理由:Gemini Robotics 2.5 在 200 项任务中最高提速 30%、成功率最高提升 100%,并配合奔驰产线 96% 成功率的试点与 99.5% 越狱抗性基准。

  4. TLDR AI60

    Claude Fable 5.2、Meta Ember 及 Google 新 TPU 架构发布

    Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,具备更快的生成速度和更低的价格,并在编码、推理和视觉能力上有所提升。Meta 推出小型推理模型 Muse Ember,主要用于工具调用和文档解析,宣称性能对标 Claude Haiku 5.5。Google 发布 TPU 8i Max 以支持长上下文窗口,以及用于安全推理的 TPU 8tx。

  5. 36氪74

    字节跳动发布 Seedream 5.5 图像模型,支持 100 轮连续编辑与透明素材生成

    字节跳动 Seed 团队发布图像创作模型 Seedream 5.5,重点升级多轮编辑、原生RGBA透明素材生成及复杂文字渲染能力。实测显示模型支持针对同一画面最多 100 轮修改,单张 2K 方图编辑成本约 0.28 元,较上代成本减半。

    同一新闻,精选展示《字节跳动 Seed 团队发布图像创作模型 Seedream 5.5》

  6. 量子位50

    蚂蚁灵波开源LingBot-Touch触觉基础模型,实现机器人跨硬件“一脑多手”

    蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。

  7. Seven Minute Feed67

    字节跳动 Seedream 5.5 实现百次编辑像素级稳定

    ByteDance Seed 发布图像模型 Seedream 5.5,支持多达 100 轮编辑且未修改区域像素保持一致、无颜色漂移,并原生输出带透明背景的 RGBA 图像。该模型据称在文本结构和真实感(包括密集小字)上优于 GPT Image 2.5 Sunburst,将通过即梦、豆包和火山引擎 Ark 开放,Pro 版本正在规划中。

  8. arXiv · NLP39

    MNN-Pocket-0.3B 技术报告发布

    MNN-Pocket-0.3B 开源发布,这是专为端侧部署设计的 3 亿参数稠密语言模型。 该模型支持 32K 上下文,INT4 部署体积仅 173MB,在 iPad Pro M5 上解码吞吐量达 466 tokens/s。 基于约 4.1 万亿中英文 token 预训练,其在同类开源模型中表现领先,并优于部分 0.5B 参数模型。

  9. 美团技术团队80

    美团正式开源 1.6 万亿参数 LongCat-2.5:多模态模型在国产算力上实现高效推理

    美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。

    推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。

  10. 量子位75

    Seedream 5.5 发布:优化多轮编辑一致性与图层拆分能力

    字节发布Seedream 5.5模型,显著提升多轮编辑稳定性与图层拆分能力。实测显示该模型在100轮连续图像编辑中保持高保真度,优于GPT-Image 2.6,并支持小字多语言渲染、透明图生成及GIF制作。新模型已在即梦、豆包等平台上线,API成本降低至单张2K图约0.28元,速度较前代版本加快。

    同一新闻,精选展示《字节跳动 Seed 团队发布图像创作模型 Seedream 5.5》

  11. IT之家64

    蚂蚁灵波开源触觉基础模型 LingBot-Touch,补齐机器人触觉感知能力

    蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理。该模型可将不同传感器信号转化为统一的触觉表征,支持跨传感器、跨灵巧手、跨模型和跨任务复用。在 26 项真机测试中,接入该模型后四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。

  12. IT之家48

    波士顿动力为 Atlas 人形机器人加装轮子,实现跳跃与横向移动

    波士顿动力发布视频展示加装轮子的 Atlas 人形机器人,其通过定制转接器在踝关节执行器上安装标准电动滑板车轮子,测试持续高速移动与重载表现。 改装未进行重大硬件改动,工程师在仿真环境中将脚部替换为轮子。演示显示 Atlas 能跳起来转一圈并横向冲刺,其轨迹跟踪控制器首次尝试即完成动作。 该带轮机器人并非商业化产品,而是被选作研究平台,用于测试加速、转向及停止时对执行器的负载。

  13. R/ArtificialInteligence84

    Claude Fable 5.2 编码基准超越 Opus 5.5,新增 2.5 倍快速模式

    Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2,该模型在编码基准上超越 Opus 5.5,并提供 2.5 倍速的 Fast 模式。此次发布是 METR 报告指出 Anthropic 接近递归自我改进之后的首个模型更新,报告称内部模型使 AI 研发速度提升约 2 倍。

    同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》

  14. The Decoder51

    字节跳动发布 Seedream 5.5 图像生成模型

    Bytedance 发布 Seedream 5.5 图像生成模型,支持最多 100 轮多轮编辑,未修改区域保持像素级稳定且无颜色偏移。模型原生生成带透明背景的 RGBA 图像,无需手动抠图即可作为设计素材使用,并优化了光影、材质、皮肤质感及密集小字的渲染准确性,将在即梦、豆包等产品逐步上线。