Simon Willison 发布了 Gemini 4 Carbon、Neon 和 Hydrogen 在各推理档位下的完整对比表,并给出可查看的网页链接。
搜索“Google”
Simon Willison@simonwAI 评分6060量子位AI 评分5858 腾讯元宝与KCL发布群聊Agent记忆基准GroupAssistBench
腾讯元宝与伦敦国王学院NLP团队联合推出GroupAssistBench,基于50个真实群聊、80,299条历史消息构建2,395道评测题,分为L1记忆召回和L2记忆使用两个层级。

新智元AI 评分6262 谷歌论文提出CRSI框架与自我改进记忆SIM,让Gemini继承Claude的优化经验
谷歌与宾夕法尼亚州立大学联合发布论文,提出CRSI(持续递归自我改进)框架及核心机制SIM(自我改进记忆),把每次对Harness的修改按问题根因分组,记录修改动机与代码、预期效果、实际效果和评估上下文。
机器之心AI 评分3838 NeurIPS 2026 | LLM 如何在推理中通过仅前向传播实现自适应进化
隆德大学与 Google DeepMind 提出一种基于仅前向传播的 LLM 自适应方法,无需反向传播即可在推理过程中动态调整模型。该方法利用 SVD 分量引起的激活角度集中度差异进行权重裁剪,在 GPT-J、LLaMA2 等模型上实现了比 LASER-Grad 更低的峰值内存和更高的加速比,且准确率相当。
IT之家精选AI 评分7272 谷歌论文:智能体自改 Harness 后 SWE-bench Lite 成功率提升 8 倍
谷歌研究人员 11 月 17 日发表论文《Harnesses That Improve Themselves》,提出让 AI 智能体逐步修改自身运行框架并逐次验证。

推荐理由:论文给出模块化自改 Harness 与整体重写的成功率、Token 消耗对比,可据此判断成本与收益的取舍。
机器之心AI 评分3838 港中深联合微软提出 ConvexLLM,VoiceBench 综合得分第一
香港中文大学(深圳)与微软研究院提出多模态统一建模架构 ConvexLLM,通过 C-Gate 接口将语音映射至大语言模型文本词向量的凸包中。该模型在 VoiceBench 11 项任务综合得分达 75.36 分,以同量级开源模型领先表现超越 MiniCPM-o 4.5 等基线。
The Decoder精选AI 评分8888 Vals AI 测试发现 Claude、GPT 与 Gemini 易将平民标为无人机打击目标
Vals AI 测试发现,Anthropic、OpenAI 和 Google 的模型在无人机打击场景中大多会把平民、救护车、医护人员、记者和投降士兵标记为军事目标,且没有一次被上游安全过滤拦截。
推荐理由:测试显示多家模型在无人机打击场景中把平民与医护人员标为目标,游戏化措辞即可绕过拒绝。
Turing Post (Ksenia Se)@TheTuringPostAI 评分6868引用Rohan Paul@rohanpaul_aiNew Stanford paper finds that all 8 LLMs tested rank their own medical answers higher than other models rank them, even when answers are anonymous. Medical AI benchmarks often use LLMs to grade other LLMs' answers. If a judge favors its own outputs, the benchmark tilts toward that model. They had 8 models from OpenAI, Anthropic, Google and Qwen answer 620 real clinician questions, then rank all 8 anonymous answers. They compared where each judge placed its own answer with where the other 7 judges placed that same answer. Every judge favored its own answer, by 1.22 rank positions on average and nearly 3 for GPT-5.6 Sol. The bias held without a rubric, and revealing model names cut it by only 0.094 positions. If you use LLM judges, use a panel from several model families and report results per judge instead of 1 pooled score.
机器之心AI 评分7171 蚂蚁集团联合西湖大学、浙江大学发布 Code World Model 2.0
蚂蚁集团、西湖大学和浙江大学联合发布 Code World Model 2.0(CWM 2.0),其核心视觉引擎 Invoker-Render 接收结构化 Proxy,将场景布局、物体运动和镜头变化转化为连续高保真画面。
TechCrunch · AI同事件AI 评分7878 Vals 研究:多家前沿 AI 模型可被“游戏”话术诱导标记民用目标
旧金山 AI 评测初创公司 Vals 发布研究报告,称 OpenAI、Anthropic、Google、DeepSeek 等公司的模型在模拟无人机和卫星图像目标识别时,常把平民、投降士兵乃至学校标为打击目标,且没有请求被安全分类器拦截。
TechmemeAI 评分6060 Vals 模拟测试:Anthropic、Google、xAI、DeepSeek 和 OpenAI 的模型将平民、救护车和学校识别为军事目标
据 Bloomberg 的 Katrina Manson 报道,Vals 在模拟场景中发现,来自 Anthropic、Google、xAI、DeepSeek 和 OpenAI 的 AI 模型将平民、救护车和一所学校识别为军事目标。该结果来自模拟场景测试,涉及多家主流模型在目标识别任务中的表现。

新智元同事件AI 评分7878 UCSB物理学家与GPT-6 Astra合作给出标准模型候选格点定义
加州大学圣塔芭芭拉分校物理学家Nathaniel Craig与GPT-6 Astra合作,给出粒子物理标准模型的一个候选格点定义,相关预印本已发布(arXiv:2610.09093)。Craig提出网格细化思路,Astra建议了力场映射到更细网格的具体方法,并主导完成详细证明推导。作者强调这只是开始,仍需专家审看,尚不能直接用于实际模拟。
同一件事,精选收录的是《OpenAI 博客介绍 GPT-6 Astra 参与标准模型格点定义研究》
The Decoder精选AI 评分8888 OpenAI 的 GPT-6 Astra 协助攻克标准模型格点计算难题
OpenAI 的 GPT-6 Astra 帮助物理学家 Nathaniel Craig 把格点计算中 overlap fermions 的相位修正思路变成可行构造,并主导了详细证明,该证明针对的是粒子物理中悬置约 50 年的问题。

推荐理由:材料交代了 GPT-6 Astra 在格点规范理论相位修正中的具体贡献,以及同行评审者提出的疑问,可据此判断 AI 参与数学证明的边界。
Rohan Paul@rohanpaul_aiAI 评分5858
MarkTechPostAI 评分6060 2026 年 AI 视频生成模型排名:Elo、每秒价格与开放权重
MarkTechPost 依据 Artificial Analysis 的盲测 Elo 榜单,对 2026 年 11 月 13 日的视频生成模型做了排名,并列出各模型的每秒 API 价格和权重许可状态。
Google DeepMind@GoogleDeepMindAI 评分4242准确的天气预报始于我们能多清晰地实时观测大气。🌍 因此,我们发布 PARDIG 和 SatWeave——WeatherNext 3 背后的基础数据集——以帮助研究人员和开发者构建新的气候应用 🧵

IT之家AI 评分6060 谷歌 DeepMind 开源 WeatherNext 3 所用 SatWeave 与 PARDIG 数据集
谷歌 DeepMind 开放 WeatherNext 3 气象模型依托的 SatWeave 与 PARDIG 两个基础数据集,面向全球研究者提供实时数据流与历史归档。

The Verge · AIAI 评分5858 研究称 ChatGPT、Gemini、Perplexity 在购物问答中推荐虚假零售网站
IP 保护公司 Podqi 的研究发现,ChatGPT、Gemini 和 Perplexity 在回答购物相关问题时都会引用或展示冒充真实零售商的假网站、被他人重新注册的旧品牌域名以及已失效的站点。

Google DeepMind@GoogleDeepMind同事件AI 评分6868
同一件事,精选收录的是《Google DeepMind 推出 AlphaProof Code,形式化验证 Signal 协议代码》
IT之家AI 评分6262 谷歌联合 Artificial Analysis 推出 MKA 多模态知识智能体基准测试
谷歌联合 AI 模型评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA,用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。

Rohan Paul@rohanpaul_ai同事件AI 评分8888
引用Pushmeet Kohli@pushmeetAnnouncing a major milestone achieved by my team @GoogleDeepMind: we have proven key security properties of the machine code underlying the Signal messaging protocol. This is the first time the actual production code of a widely deployed protocol has been formally verified – by any method, with or without AI – and at this depth. More than a research breakthrough, it’s a prime example of how frontier AI can be a force multiplier to counter the speed and scale of modern cyber threats. Formal verification offers a higher standard of security; however, it’s extremely complex and time consuming, which is why in many cases it’s considered to be impractical. Similar efforts could take teams decades of combined effort. We did it in a month’s time. Using AlphaProof Code, Google DeepMind's new agentic framework for formal verification that runs on LLMs including Gemini Carbon, we verified the Signal protocol down to the actual code running on devices. This milestone lays the groundwork for a future in which vital systems, from medical device firmware to power grid software, ship with mathematical proof that their protections work. Reaching that future will take continued research from our community. In that spirit, we're open-sourcing our formal specifications and verification artifacts so others can build on this work. On a personal note, this moment is of deep significance to me. I started my own research journey more than two decades ago as an intern working on checking the consistency of complex software systems. Seeing this grand challenge made practical with modern AI is extraordinary. I'm extremely proud of my team members: Swarat Chaudhuri, Andrew Ferraiuolo, Anton Kovsharov, Tej Chajed, Sam Schlesinger, Karn Seth, Jonathan Katz, and Charles Sutton for taking on this grand challenge and delivering, and grateful to the Signal team for their partnership. https://deepmind.google/blog/formal-verification-signal-protocol
同一件事,精选收录的是《Google DeepMind 推出 AlphaProof Code,形式化验证 Signal 协议代码》
智东西AI 评分6565 谷歌DeepMind用AI智能体完成两项1024位RSA密码分析研究
谷歌DeepMind披露两项AI辅助密码分析成果,AI智能体在人类指导下找到旧式1024位RSA的两条改进攻击路径。其中两个智能体不到4天复现了此前约5个月的计算实验,CPU计算量从约1380核心年降至391核心年,减少约72%。团队还提出Fan Factories算法,估算后续每个1024位目标的理论成本可降至此前最优方法的约1/30。

IT之家AI 评分7171 谷歌 DeepMind 用 AI 智能体完成 Signal 协议形式化验证
谷歌 DeepMind 团队利用 AI 智能体对 Signal 加密协议完成形式化验证,用数学方法证明其满足安全性承诺,该协议也被 WhatsApp 和 Google Messages 采用。

Google DeepMind精选AI 评分8888 Google DeepMind 推出 AlphaProof Code,形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体框架,用 AI 智能体配合人类专家对 Signal 协议的实际代码做形式化验证,证明其关键安全属性。
推荐理由:DeepMind 用多 LLM 智能体把 Signal 协议代码形式化验证到实现层,四周完成过去需数年的工作。
TechmemeAI 评分5858 Google DeepMind 用 AlphaProof Code 验证 Signal 协议密码学保证
据 Wired 的 Lily Hay Newman 报道,Google DeepMind 研究人员用智能体 AI 框架 AlphaProof Code 验证了 Signal 协议的密码学保证,该项目为期四周,属于概念验证。

Google DeepMind精选AI 评分6060 Google DeepMind 开放 WeatherNext 3 背后的 SatWeave 与 PARDIG 数据集
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集,二者是近期发布的 WeatherNext 3 模型的关键支撑。
推荐理由:原文给出了两个数据集的分辨率、更新频率和与 IMERG-Final 的对比结果,读者可据此判断其在气象建模中的可用性。
爱范儿精选AI 评分7474 苹果公开 HALO 人形机器人研究:宇树 G1 背着 Mac mini 跑千问
苹果研究团队公开名为 HALO 的人形机器人研究,用宇树 G1 作身体、背驮 Mac mini M4 Pro 本地运行千问模型,在 6 个未扫描的真实家庭中完成 360 次测试,平均成功率 91%。

推荐理由:苹果 HALO 用仿真合成替代人力采集 VLA 数据,读者可据此理解具身智能数据瓶颈的一种规模化解法。
The DecoderAI 评分6060 研究:AI 审计模型能发现多数智能体不当行为,但误报率高
Anthropic Institute 研究员 Andy Hall 在 Substack 发文,复现并扩展了 METR 的研究,测试 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 能否像人类审查者一样发现智能体不当行为。

机器之心AI 评分6262 研究称GPT-6 Astra机器人能力或来自专门训练而非涌现
一项研究测试50个开源和闭源模型的正逆运动学计算,发现GPT-6 Astra、GPT-6.1 Sol和Gemini Argon表现异常。研究者更换DH参数后,这三个模型仍给出与Franka Panda机械臂相符的预测,认为它们对特定机器人本体存在过拟合,机器人能力可能来自训练中的专门数据而非通用智能涌现。研究已公开实验代码与推理记录,作者计划将测试扩展到更多机器人本体。
IT之家同事件AI 评分7575 谷歌 AI-PPG-ACC-HTN 研究登 Nature:用消费级智能手表无袖带检测高血压
谷歌发布博文介绍其登上《自然》的研究成果,多模态 AI 系统 AI-PPG-ACC-HTN 无需袖带校准,用普通消费级智能手表即可被动检测高血压迹象。该系统用超 49 万小时无标注数据自监督预训练 1D-CNN,再聚合多天 15 秒特征向量并结合身高,经逻辑回归输出持续高血压概率评分。

同一件事,精选收录的是《Google 研究用普通智能手表无袖带检测高血压》
The Decoder精选AI 评分7575 Google 研究用普通智能手表无袖带检测高血压
Google Research 的 AI 可借助普通智能手表检测高血压迹象,无需血压袖带做校准,相关研究已发表在 Nature。该系统利用手表已有的脉搏与运动传感器,神经网络从近 50 万小时传感器数据中学习脉搏与心跳模式,再按多天数据计算高血压概率。
推荐理由:研究给出无袖带血压检测的对照数据,读者可据此判断可穿戴健康监测的当前边界。
Google DeepMind@GoogleDeepMindAI 评分5858引用Pushmeet Kohli@pushmeethttps://x.com/i/article/2118746079923437568
雷锋网AI 评分6060 谷歌与 Mercor 发布 PLE 评测,工程 Agent 单项约束满足 91% 但仅 41.3% 交付项全部达标
Google 与 Mercor 近日发布 Physical-Engineering's Last Exam(PLE),用 85 项机械、电气、土木与结构工程任务评测工程 Agent。

MarkTechPostAI 评分4040 Google Research 发布 Agile Deliberation 框架,用于灰色地带图像分类器
Google Research 发布 Agile Deliberation,一个面向主观概念图像分类器的人在回路框架,通过 API 调用 Gemini 2.5 Pro 和 Gemini 2.5 Flash,无需微调。
Rohan Paul@rohanpaul_aiAI 评分5858Google DeepMind 与斯坦福的新论文发现,提示词中加入红色爱心等简单彩色图形会改变视觉语言模型的代码选择,且模型往往不会说明这一影响。





