Google Gemini 4 Carbon 结果登入 ARC Prize 排行榜
ARC Prize 宣布 Google Gemini 4 Carbon 的评测结果已收录至 arcprize.org/leaderboard 排行榜。作者同时提供了复现公开结果的 GitHub 仓库、测试政策和 Gemini 4 Carbon 完整结果页面链接。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
ARC Prize 宣布 Google Gemini 4 Carbon 的评测结果已收录至 arcprize.org/leaderboard 排行榜。作者同时提供了复现公开结果的 GitHub 仓库、测试政策和 Gemini 4 Carbon 完整结果页面链接。
ARC Prize 公布 Gemini 4 Carbon 在 ARC-AGI (Verified) 的成绩。ARC-AGI-3 标准评测得 65.1%,成本 $7.2K;ARC-AGI-2 得 49.6%,$0.10/task;ARC-AGI-1 得 98.5%,$0.16/task。
FT 发文披露 Alice Huang 与秘密男友兼商业伙伴 Kang Wei 运营新加坡公司 Megaspeed,用阿里巴巴的资金向被美国出口规则限制的中国客户出租 Nvidia 芯片。
Redwood Research 发文称 Gemini 4 安全报告(第 114 页)似乎暗示 GDM 用辅助奖励在链式思考上训练,与 GDM 此前“不因链式思考内容惩罚模型”的说法相矛盾,但 GDM 员工否认在 CoT 上训练且未解释细节。
OpenAI 推出测试版功能 Businesses in ChatGPT,将企业档案直接放进对话式 AI 界面,被视为对标 Google MyBusiness。
llm-gemini 0.36 发布,Gemini 4 Carbon 在两周前面向部分网络防御者后现已向所有人开放,首发定价 $2/百万输入、$10/百万输出,12 月 1 日起涨至 $4/$20。
Latent Space 播客访谈 Resend 联合创始人兼 CEO Zeno Rocha,探讨为何 Claude Code 在 102 次邮件服务推荐中 64 次首选 Resend。
Duke 和 Princeton 的论文发现,在相同算力下,许多小的智能体团队并行运行的表现同时优于 solo-agent best-of-N 和单个大团队:同样 100 个智能体的预算,10 个共享论坛的 10 智能体小团队并行并保留最佳团队结果,胜过 100 个 solo 智能体和 1 个 100 智能体团队。
Muse 官方推出邮箱功能,支持美国和加拿大付费订阅用户使用,将邮件内容自动转化为可操作形式。
Anthropic 的 S-1 文件显示,七位联合创始人每人将出售 3,378,378 股,按 70 至 78 美元的发行价区间,每人套现约 2.36 亿至 2.64 亿美元。IPO 估值可能达到 1.4 万亿美元,七人通过 Class F 超级投票权股份合计控制 51.1% 的投票权。
ByteAsk 的 C/C++ 编码智能体通过上下文引擎在模型读取前定位修改位置,将每次运行的 token 从 1,795K 降至 395K,减少 78%,修复 bug 数量不变且成本降低 68.1%。在冷门项目和难题上节省约 80%。
Anthropic 为 Claude 应用新增多项协作功能:Claude Sheets 支持 AI 辅助创建和编辑含公式与多标签页的表格,Claude Whiteboards 支持头脑风暴并让 Claude 总结,Claude Data(原 Dashboards)可连接 Snowflake、Salesforce 构建仪表盘。
OpenRouter 官方宣布正式并入 Stripe,称超过 1000 万开发者和公司在使用 OpenRouter。OpenRouter 提供跨模型和供应商的 AI 运行基础设施,包括新模型接入、故障期间的可用性和团队级的支出与数据策略;加入 Stripe 后将加速建设。官方承诺保持中立,模型和供应商仍按质量、可靠性和价格竞争。
作者总结视频剪辑 AI 化的实践经验,提出按风格拆解 Skill、用专家反馈训练模型,最终实现人类从操作转向品味引导。
本文探讨软件开发瓶颈已从构建专业软件转向 Agent 友好化,提出视频编辑器应采用简单界面配合 AI 标记,而非传统 Timeline 设计。
Anthropic 发布 workplace 软件:Claude Sheets 可用自然语言生成可协作编辑的表格,Claude Data 连接 Snowflake、Salesforce 等数据自动生成仪表盘,Adobe、Atlassian 和 Box 可在聊天内直接打开编辑。
Arena 的 Agent Arena 分析发现,Google DeepMind 的 Gemini 4 Carbon 随任务难度提升成本竞争力增强。
Oura 宣布以 6.25 亿美元收购 AI 原生初级护理公司 Counsel Health,交易预计在 2027 年底前完成。
Meta Muse 工程副总裁 David Singleton 宣布 Muse 拥有自己的邮箱地址,可代用户收发邮件。该功能已向美国和加拿大的付费订阅用户开放,并将很快对所有用户开放,用户可决定它联系的对象,Muse 在用户批准下通过自己的收件箱工作。
Amazon 发布了一款安防摄像头无人机,警报触发时会自动飞往家中预设位置,Ring 门传感器或警报被触发后,无人机或地面机器人会自行前往,用户打开警报时视频可能已在直播。Ring 无人机停靠时摄像头关闭、仅在飞行时录制,螺旋桨故意设计得响亮,两款机器人的视频默认采用 Ring 最强加密。
OpenRouter 官方宣布正式并入 Stripe。OpenRouter 称有超过 1000 万开发者和公司使用其平台,它为多模型、多 provider 的 AI 运行提供基础设施,包括访问新模型、故障期间保持可用,以及为团队执行支出和数据策略。
你委派的智能体需要一个人们能联系到的地址,以及一台能在任务之间保持状态的机器。 @inkbox_ai 已经为智能体提供了 email、电话、iMessage、WhatsApp 和 A2A。从今天起,它还负责运行智能体,基于 Hermes 或 Codex,带调度功能和持久化计算机。 祝贺他们完成 530 万美元融资,让 AI 智能体拥有可运行的计算机
Cursor 宣布 Gemini 4 Carbon 现已在 Cursor 中可用。官方称在高努力(high effort)档位下,该模型以 60.4% 的成绩位居 CursorBench 榜首,配图显示其成本为 $9.22。作者推荐试用该模型。
fal 宣布 LTX-2.5 系列模型上线,提供 Alpha Gen、Reframe、Upscale 和 SDR to HDR 四个入口链接。模型由 Lightricks 提供,用户可通过 fal.ai 平台直接体验。
用 Reframe 将现有素材适配到新的宽高比,无需重拍。 智能扩展并重新构图场景,同时保留原始主体与视觉一致性。
LTX 的全新 VFX 能力现已在 fal 上线。 用四款强大工具生成并编辑达到制作水准的视频: - AlphaGen:生成边缘细节精细的透明蒙版,最高支持 4K - SDR → HDR:将标准视频转换为 HDR…
Anthropic 再次修订 IPO 申请文件 S-1(Amendment No. 2),宣布已越过其 Responsible Scaling Policy 设定的阈值,即 AI 正大幅加快 AI 研究速度、需更强安全检查。这一判断基于其对未来模型的预期而非现有模型的表现,一周前的文件还只说"可能即将"越过。
英伟达 CEO 黄仁勋承认与一名疑似中国间谍的女性有染,事件可能冲击整个美国 AI 产业并危及国家安全。专家向 The Verge 表示,若中国借此获得英伟达芯片,美国在 AI 上的领先优势"可能在数周或数月内消失";与这名疑似间谍有关联的公司据称已促成至少 70 亿美元的英伟达芯片销往中国。消息曝光后英伟达股价下跌。
PSI 实验室的 David Turturean 借助 Anthropic Fable 5.2 模型早期访问权限解决了存在 18 年的量子计算问题 Aaronson-Ambainis 猜想,证明经 Lean 自动形式化验证。
Google 宣布 Gemini Intelligence 扩展到更多设备,包括 motorola signature 27(美国 11 月 19 日开启预售)和通过 Pixel Drop 获得新功能的 Pixel 10 系列。