谷歌高管演示 Gemini 4 Carbon 驱动 iPhone Duo 运行 Win11 并开源
谷歌高管 Ammaar Reshi 发布视频,演示在苹果 iPhone Duo 上运行 Windows 11 系统,并开源 WindowsiOS 项目。 该项目借助谷歌 Gemini 4 Carbon 模型开发,通过虚拟机在 iPhone Duo 上运行 Windows 11 on Arm 24H2 系统镜像,支持触控操作,且在半折叠状态下可呈现迷你笔记本形态。
谷歌高管 Ammaar Reshi 发布视频,演示在苹果 iPhone Duo 上运行 Windows 11 系统,并开源 WindowsiOS 项目。 该项目借助谷歌 Gemini 4 Carbon 模型开发,通过虚拟机在 iPhone Duo 上运行 Windows 11 on Arm 24H2 系统镜像,支持触控操作,且在半折叠状态下可呈现迷你笔记本形态。
Amazon Bedrock AgentCore runtime V2 采用环境快照机制,将会话启动时的镜像拉取与初始化前置,从而加速恢复过程。 V2 在创建或更新运行时生成快照,新会话通过恢复快照启动,仅按需从镜像加载文件。 该版本支持构建钩子以预热依赖,并通过 CloudWatch 指标区分平台开销与代码执行时间。
据VC和创始人称,Nvidia首席执行官Jensen Huang离职,Nvidia对AI初创企业的支持将大幅减弱。
澳大利亚审慎监管局(APRA)警告,Anthropic、OpenAI 等前沿 AI 模型演进将导致业务与消费者中断。 明年起,APRA 将首次针对 AI 驱动风险运行压力测试,假设最坏情景可能影响金融稳定。 报告指出,此类模型正提升网络攻击的规模与复杂性,监管机构需加强应对。
Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。
推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。
Hugging Face 发布 XYBench 基准,测试 AI 解决基于错误前提的“XY 问题”能力,该成果获 EMNLP 2026 最佳资源论文奖。 评测对象包括 Claude Sonnet 4.6、GPT-5 等 5 个模型,基准包含 8,115 个真实及生成问题。
NPR分析指出,Google将Search与AI Overviews捆绑可能与其近期赢得的反垄断诉讼有关,法院认定两者为整合产品,提供“仅关闭学校AI”的选项将破坏该法律优势。这一“AI或无”策略引发家长愤怒及多地教育者担忧,Common Sense Media此前已给该产品“不可接受风险”评级。
Meta 的 Muse 智能体现在可以为美国付费用户给美国企业打电话。该功能在9月测试,现已对美国付费用户开放。它可处理给有线公司、DMV(车辆管理局)和餐厅的繁琐电话,未来还将提供免费邮箱。
无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。
推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。
谷歌 DeepMind 开放 WeatherNext 3 气象模型依托的 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水再分析数据集,支持天气、水文与气候建模。
Gentle Monster 和 Warby Parker 宣布将于 12 月 10 日正式发售基于 Android XR 平台打造的智能眼镜,该产品由三星与谷歌联合参与开发。
谷歌发布 Gemini 4 Hydrogen,面向所有用户开放,主打速度和执行效率。在默认 High 推理档位下,其完成任务速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编造事实情况减少超 80%。
推荐理由:新模型向全员开放且部分指标超过自家高端型号,读者可快速了解它在搜索和工具调用上的实际差异。
英国财政大臣 John Healey 在财政部特别委员会上表示,英国数据中心监管不会采用美国式自由放任策略,不想看到美国的数据中心辩论在英国重演。他称会准备对那些不能带来社区利益的数据中心说不,并强调主权 AI 基础设施对该国韧性与独立性的重要性。英国计划到 2030 年实现 6GW 算力容量,这一水平是当前的 3 倍。
Apple 推出售价 299 美元的 HomeView,首款搭载 Siri AI 的智能显示屏及智能音箱。 评测称其智能家居控制、厨房助手与照片功能出色,但 Siri AI 响应偶尔迟缓;新款 Apple TV 4K 及 iOS 27.3 亦集成 Siri AI 控制。
黄仁勋的离开可能让英伟达的竞争对手博通、AMD 和谷歌看到机遇。客户正寻求替代方案并抵制英伟达的高价,但 AI 计算需求依然强劲。 彭博智能指出,新客户交易放缓和对中国市场的严格审查对英伟达构成的风险比领导层变动更大。是否会有被黄仁勋关系锁定的买家进行多元化选择,目前仍不确定。
Google 和三星推出的 Gemini 智能眼镜开启预购,Warby Parker 三款镜框在美区起价 $395,Gentle Monster 六款在美区和韩国起价 $449。眼镜支持 Gemini 翻译、录音和问答功能;Google 以隐私为主要卖点,早期评测称其功能接近 Meta 眼镜。
NVIDIA 宣布 CEO Jensen Huang 在执掌 33 年后离职,Colette Kress 兼任临时 CEO。同期 Anthropic 提交 IPO 注册文件,Google 发布 Gemini 4 Hydrogen 模型,社区重点讨论 NVIDIA 权力交接对开源生态及算力出口管制的影响。
同一新闻,精选展示《Jensen Huang丑闻致Nvidia市值一个月蒸发超1万亿美元》
作者认为 AI 目前的热点集中在模型和编码工具等基础设施层面,尚未出现真正改变普通人生活或商业模式的杀手级应用。复盘历史发现,技术平台的普及通常需要 4-5 年才会催生第一波杀手级应用,目前 AI 仍处于等待类似 HTTPS 和按点击付费等关键机制成熟的阶段。
来自 OpenAI 和 Anthropic 等前沿实验室的员工组建联盟,旨在通过跨公司合作应对 AI 军事化及监控风险。该组织自今年二月起举办独立研讨会,并协助员工在合规范围内向政策制定者提供技术简报,以塑造 AI 发展轨迹。
该研究提出多层指纹框架,通过结合 TLS/HTTP 网络特征与浏览器交互行为,以 100% 准确率精准区分 AI 网页智能体、人类及传统爬虫。 框架分析了 AutoGen、Browser Use、Claude、Gemini、ChatGPT 及 Skyvern 六大智能体系统,揭示了其在 HTTP 请求组装及连接建立上的潜在结构差异。 该跨层追踪方法为内容保护与网络安全策略执行提供了稳健方案。
LEAP是一个代理框架,利用通用基础模型的推理和迭代自我优化能力,通过持续与Lean编译器交互实现形式化定理证明的最先进水平。在2025年Putnam竞赛中,LEAP解决了全部12道题目;在作者新提出的Lean-IMO-Bench基准上,LEAP将通用LLM的一次性形式化解题率从不足10%提升至70%,显著超过了专业IMO系统48%的成绩。
研究通过旋转、镜像等变形测试评估 6 款 LLM 在象棋中的评估一致性。所有模型在 180 度旋转测试中稳定性失败,一致率最高仅 10.6%,常误判合法局面为非法。
研究指出,WER相同的ASR系统在流式听写下故障模式不同。Zoom Scribe与OpenAI GPT-Live-Transcribe在安静英文下WER分别为7.4%和7.3%,但在耳语英文下分别为34.7%和8.8%。
drydock-eval 本地评估套件可在单张 RTX 5090 上以约 250 次/小时速度测试 Gemma 4 E4B 编码智能体,通过容器隔离与无网络环境保障安全,且通过 200 项逃逸测试。
研究人员提出名为 Fikiria 的斯瓦希里语数学推理模型,采用 SFT+GRPO 两阶段训练策略。在 AfriMGSM 斯瓦希里语测试中,Fikiria-AfriqueQwen-14B 取得 79.2% 准确率,高于 GPT-4o 的 68.0%。
研究团队推出 Neuro-VL,这是一个基于近百万例神经影像数据训练的多模态模型。在内部及国际数据集评估中,Neuro-VL 在异常诊断、定位及生成放射学报告方面,表现优于 OpenAI 和 Google 的前沿通用及专用医疗模型。该模型还支持对连续影像检查进行对比,以评估疾病进展,并能更可靠地抵御误导性临床假设。
推荐理由:Neuro-VL 在多项任务上超越了 OpenAI 和 Google 的前沿模型,展示了通用医疗 AI 的纵向监测能力。
对 GPT、Claude、Gemini 等 17 个模型的 1,386 次对比未检测到疼痛管理中的显著种族或性别偏见。 研究采用 6 个急性疼痛案例和 50 个临床 Q-Pain 案例进行反事实审计,结果显示所有疼痛严重程度差异在 0-10 分制内小于 1 分,且模型间及设置间的差异远大于患者间的差异。
该研究通过引导 Llama-2-7B-Chat 和 Qwen2.5-7B-Instruct 并仅使用良性数据进行蒸馏,量化了无意识行为迁移比例。在 100 条 JailbreakBench 提示词上由 GPT-4.1 评估,结果显示 Llama-2 存在锐利阈值,而 Qwen2.5 表现为连续且高达 0.61 的迁移水平。 这项研究为理解教师模型向学生模型传递潜在不良行为提供了系统性的量化证据。
研究提出多阶段评估框架 SAGE-QA,在 10,000 条 SQuAD 2.0 验证样本上,结合语义等价评分(SES)和重验证评分(RVS),以区分生成式 LLM 的词法差异与事实错误。
审计显示5个开源医疗VLM在气胸检测上暴露严重缺陷,聚合准确率掩盖了单病种诊断的完全失败。 HuatuoGPT-Vision和Qwen2.5-VL在气胸病例上检测率为零,而MedGemma检测率为38%,该失败在独立数据集上复现且非由提示词或模型规模导致。 需报告各病种的召回率与特异性,以区分模型是否真正识别了特定医疗发现。
提出基准 MLIRBench,包含 1,768 个经执行验证的 torch 与 linalg 程序变异对,评估 9 个 LLM 的语义推理能力。 Gemini 3.1 Pro 在 1,768 对测试中取得 92.65% 的硬标签准确率及 5.04/10 的行为评分,结果显示语义分类能力与详细执行行为预测间存在差距。
Sophon 是一个开源程序化诊断工具,揭示开放权重视觉-语言模型在剥离先验后空间推理准确率骤降至47-52%,远低于前沿模型的77-83%。 研究发现瓶颈在于路由机制而非能力缺失,通过针对中间层工作区的LoRA微调,可使7B级模型达到前沿模型的聚合准确率。
DistDebug-Bench 是一个包含 120 个来自 11 个生产级分布式系统真实故障的基准测试,旨在评估 LLM 智能体在缺乏完整堆栈跟踪的情况下定位致错代码块的能力。
谷歌 Gemini 任务自动化功能适配应用名单被曝光,截至 11 月 12 日,稳定版安卓 17 QPR2 的目标应用列表包含 114 款 App,Android Canary 额外覆盖 20 款。
推荐理由:原文给出了134款适配应用的范围和实际边界,读者可以据此判断谷歌任务自动化功能当前的落地程度。
Anthropic 在 IPO 材料中称,其 Mythos 模型协助将 Claude 适配至 AMD MI355X GPU,仅耗时三天即实现 prompt 处理阶段的可用性能,此前该工作通常需数月。
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》
百度文心一周内完成开源 ERNIE 5.5 Flash Base、披露自动研究系统、发布 Preview 三步动作,八项基准中 AutomationBench 61.9 与 SpreadsheetBench V2 36.4 两项第一。
推荐理由:BAT在一个月内的密集动作与张一鸣对前沿追平时间表的判断,给行业提供了重新理解国内头部阵营位置的一层比较。
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。
启境 GT7 Ultra 舒享版今日上市,提供增程、纯电两版本,限时权益价分别为 22.19 万元和 23.19 万元。 车型全系标配华为乾崑智驾 ADS 5 及 896 线双光路图像级激光雷达,支持 L3 级自动驾驶架构;座舱搭载 Harmony Space6 系统。