Artificial Analysis 评测 Google 首个决策模型 Gemini Decision 1,Decision Index 得 66 分
Artificial Analysis 评测 Google DeepMind 发布的首个决策模型 Gemini Decision 1,在 Artificial Analysis Decision Index v2.1 得 66 分。
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。
Artificial Analysis 评测 Google DeepMind 发布的首个决策模型 Gemini Decision 1,在 Artificial Analysis Decision Index v2.1 得 66 分。
Google DeepMind 发布 AlphaProof Code,一个用数学方法证明软件符合安全规范的 AI 系统,并在 Signal 加密协议上完成验证,把通常需要数年的工作缩短到四周。
TSMC 董事会批准最多 10 亿美元投资:5 亿美元认购 OpenAI 大投资者预留的优先股,另 5 亿美元按 Anthropic 预期 IPO 价格购买其普通股。
Google 推出 Gemini Decision 1,定位为 frontier decision 模型,已在 Gemini API 开放。定价为每 100 万输入 token $0.10 且无额外费用,原生支持图像、音频、视频和 PDF,提供 256K 上下文窗口与 1K questions,可在 API 中免费试用。
Philipp Schmid 宣布 Gemini Decision 在 Google DeepMind 内部原型孵化 6 周后,正式随新 API 一起发布 Gemini Decision 1 模型。作者本人参与了 API 与模型的设计、构建和评估,并提供文档、博客和 Playground 入口供试用。
Google DeepMind 的 Philipp Schmid 发布 Gemini Decisions API,用于回答是非题、选择题和 rubric 问题,由新模型 Gemini Decision 1 驱动。
Sundar Pichai 宣布在 Google AI Studio 推出 Gemini Decisions API,由新模型 Gemini Decision 1 驱动,面向封闭集选择而非逐 token 生成文本。
从最初的概念到完成的创意素材,fal ChatGPT 插件将图像和视频生成直接带入你的对话中。 无需离开 ChatGPT,即可使用 GPT Image 2.6、FLUX 3 Max 及其他领先模型进行生成、编辑和迭代。 安装 fal 插件:https://openai.com/business/plugins/fal/
我们还尝试了不同演员,无需重拍。 通过 fal ChatGPT 插件使用 fal Recast,我们制作了同一场景的三个版本,角色各不相同,同时保留了乘客、环境和整体构图。
转发一项实验:让 5 个前沿模型在交友软件上与真人聊天 6 天,共 1277 次对话,510 人同意见面,355 人发来手机号,仅 8 人询问对方是否是机器人,约每 4 次对话就有 1 次以对方发号码告终。作者补充,这些模型在被问到时会承认自己是 AI,但诈骗者不会。
Google 推出 Gemini Decisions API,由新模型 Gemini Decision 1 驱动,可在 150-250ms 端到端延迟内对文本、图像、音频、视频和 PDF(最多 256K tokens)一次性评估最多 1000 个是/否、多选和评分题。
fal 发布 ChatGPT 插件,把图像和视频生成能力带入 ChatGPT 对话。用户可在不离开 ChatGPT 的情况下,用领先的 AI 模型生成、编辑和迭代创意资产,从初始概念到成品。安装地址:https://openai.com/business/plugins/fal/。
我们还尝试了无需重拍即可重制角色。 使用 fal 插件,我们生成了同一场景的三个版本,由不同演员出演,同时保留了乘客、环境、镜头运动和光照。
使用 fal 插件,直接在 ChatGPT 中生成和编辑图像与视频。 我们用 GPT Image 2.6 生成了数百个关键帧,用 FLUX 3 Max 为 26 个镜头制作动画,并将这一切整合成一支 60 秒的广告。 🧵 以下是我们如何做到的。
借助 Memory,智能体能够记住信息。现在它们还能把事情跟进到底。 ElevenAgents 中的 Routines 负责处理对话前后的工作,例如对房贷申请人进行预筛选并在几分钟内回电,或在令人困惑的账单演变成纠纷之前发短信向客户解释。
Roma 2.0(YC F26)发布,定位为面向 AI 智能体的待办清单,让 Claude、ChatGPT、Grok 等不同智能体基于同一共享看板执行任务、共享上下文。推文称智能体各自为战、重复工具调用和循环任务会烧掉每周 100% 用量,而共享待办可让任务在智能体间交接而非空转。
独立游戏《Big Walk》开发商 House House 公开披露在开发末期少量使用 LLM 修复一个 Unity 引擎阴影 bug,相关代码仅占游戏代码的不到 0.1%。
Claude 发布视频教程,讲解在 Claude Code 中何时使用 Fable 5.2、Opus 5.5,何时降级到 Sonnet 5.5 或 Haiku 5.5,以及如何把一个任务拆分给多个模型。视频覆盖复杂编码与开放式技术工作、低成本明确任务等场景,并提供在自有任务上测量各模型表现的指南链接;可用性与用量限制因套餐而异。
MAI Transcribe 2 在 OpenRouter 上线以来请求量增长 12 倍。 上周转写量达 850 万次,而 9 月上线首周为 70 万次。 同期整个语音转文字类别的请求量增长了 3 倍。 更多:https://openrouter.ai/rankings/transcription
Arena 宣布 Claude Fable 5.2 (Max) 登顶 Agent Arena,净提升 +30.4%,约为第二名 Opus-5.5(+19.5%)的 1.6 倍,数据来自 4.7k 真实智能体会话。
Epoch AI 实验显示,开源权重模型 GLM 5.3 在离线沙箱中自主为六个 Firefox 版本构建可用漏洞利用,每个成本约 1000 美元。Anthropic 于 11 月 9 日发布的 Claude Fable 5.2 在 Epoch Capabilities Index 上得分 174,超过 GPT-6 Astra 的 169,创下新纪录。
据 The Information,OpenAI 向投资者通报第三季度营收增长近 50% 至 $10B,亏损扩大至 $10.9B。API 对 GPT 5.6、Astra 和图像模型的需求推动了较第二季度放缓的反弹。
Carnegie Mellon 与 JetBrains 的论文发现,token 消耗反映工程师使用 AI 智能体的程度,而非实际产出。研究关联了 404 名 JetBrains 工程师 5 周的编码智能体 token 使用与提交记录,并分析 412 名员工的问卷,约九成技术岗位评估中把智能体用于编码之外的任务。
Google DeepMind CEO Demis Hassabis 宣布发布新 DNA 序列模型 AlphaGenome 2,可预测 DNA 变异对不同特定细胞类型的影响,为理解复杂疾病提供关键信息。模型已通过 API 向学术研究开放,地址为 https://www.alphagenomedocs.com/。
等等,我让AI帮忙处理感恩节的事,结果它把火鸡都订好了? @Nori_FamilyAI 把聊天变成计划,然后它的智能体像人一样在屏幕上操作杂货App,在你批准后完成结账。 Nori的智能体像人一样使用App,在屏幕间切换并输入,无需任何商店集成。而且只有在家人确认后才会完成订单。
ERNIE 5.5 Flash Preview 已就绪。尽管拿最难的任务来考验它。👀
隆重介绍 Tabletop,这是来自 @GoogleLabs 的协作空间,你可以在这里创建自定义工具,与朋友、家人或社团一起构建、规划并完成更多事情。 向你的群组发送邀请,创建一个共享中心,让每个人都能同时为下一次旅行、聚餐或梦幻体育联盟贡献力量。你可以创建实时晚餐投票、旅行行程、费用分摊工具和专为你的群组定制的体育对阵表。
ComfyUI 官方博客讲解其对 Qwen3.x 文本生成热路径的重写,使相同 checkpoint 在相同 GPU 上 token 生成速度最高提升约一倍,改进已随 ComfyUI v0.45.0 提供。
Seedance 2.5 4K 现已登陆 Krea。 迄今画质最高的 AI 视频模型。 立即体验 👇
AlphaGenome 2 今日起可通过 AlphaGenome API 用于非商业研究 https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/