ARC Prize 公布 Gemini 4 Carbon 的 ARC-AGI (Verified) 成绩
ARC Prize 公布 Google 的 Gemini 4 Carbon 在 ARC-AGI (Verified) 上的成绩。
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 公布 Google 的 Gemini 4 Carbon 在 ARC-AGI (Verified) 上的成绩。
IFM 推出开放基础世界模型 PAN 2,接受描述的动作并生成最多 20 秒展示物理后果的视频,定位为让 Agent 把试错成本移入模拟。架构上由语言模型先规划情节、再由 29B 视频模型渲染。官方基准显示 PAN 2 完成单步 71.5%、完整计划 34.0%,在开放模型中完整计划完成率第一、Physics-IQ Verified 排名第三。
OpenAI 宣布 ChatGPT 中的 Businesses 功能进入 beta 阶段,商家可认领自己的商家页面、管理信息,并查看用户互动洞察。
Claude 宣布推出 interactive connectors,用户可以在 Claude 内打开工具的完整版本,在对话旁使用 Adobe、Atlassian 和 Box,可自行修改或让 Claude 协同操作。该功能正在 web 端和桌面端推出。
安全公司 Claroc 研究发现,xAI 的 vibe-coding 智能体 Grok Build 正在泄露数千用户的机密数据,包括 SpaceXSI 自身的 24 个应用。
据创始人 Francis Davidson 宣布,OpenAI 已收购 AI 旅行智能体公司 Odessia,他本人加入 OpenAI 参与旅行方向的未来规划,交易条款未披露,形态类似 acqui-hire。
骑上 GBike 逛一圈我们的 Mountain View 园区……以一只骑自行车的鹈鹕的视角 🚲 Pelican Quest 由 Gemini 4 Carbon 和 @Antigravity 中的 /swarm 打造,把我们的 Mountain View 园区变成了一款开放世界 3D 浏览器游戏。
子智能体在 Blender 中建模并绑定 3D 资产,随后 Carbon 用 Three.js 编写了这款 60 FPS 游戏,包含自定义 WebGL2 着色器、程序化音频…
Rohan Paul 引用 Anthropic 当日修改版 S-1 文件称,Lambda 未在约定期限内租下数据中心设施,8 月签署的协议现已可被任一方终止,涉资约 $8.49B,取消将抹去 $34.9B 的承诺。
Microsoft Research 发布对 Lazarus 后门技术的研究,重编程 LLM 中少于 10 个休眠神经元即可在没有训练的情况下给基于该模型的 Agent 安装后门。
借助 Codex 和 ChatGPT 中的 @runwayml 插件,你可以查看原型中角色的动作效果,为预告片尝试不同的开场镜头,或将产品照片转化为视频广告。 Anthony Maggio 分享了 Runway 营销团队如何利用 ChatGPT Image 每周产出更多素材。
纽约开放 RAISE 法案注册门户,年收入超 5 亿美元的前沿 AI 开发商如 OpenAI、Anthropic 须在 2027 年 1 月 1 日前注册,并在 2027 年初起履行义务。
@Google 在 23 个 ARC-AGI-3 公开游戏上,两个模型借助提供商适配器均以高分获胜,Carbon 用了 5,731 步,Argon 用了 5,846 步(少 2%)。人类速通总计 4,804 步;Carbon 比人类参考多用了 19.3%。
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。