Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon,通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放,定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由:官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现,可据此判断前沿模型在长程任务中的实际边界。
Google DeepMind 发布 Gemini 4 Argon,通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放,定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由:官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现,可据此判断前沿模型在长程任务中的实际边界。
Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,后续再向开发者、企业和消费者推出。
推荐理由:官方披露了 Argon 的输出上限、定价与多项基准成绩,可据此判断前沿模型在长任务上的能力边界。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步发布安全与安全报告,说明其在高风险领域的防护设计。该模型在 12 个端到端模拟网络攻击场景中全部完成,上一代为 5 个;在 Gray Swan 的间接提示注入基准上,15 次自适应攻击的成功率降至 0.7%。
推荐理由:原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层,以及智能体越界行为的监控数据。
OpenAI 与 Google Cloud 宣布,OpenAI 的前沿模型和 Codex 工作流将接入 Gemini 的 Model Garden,并通过 Google Cloud Marketplace 提供。原文未披露具体模型版本、上线时间和定价。
推荐理由:OpenAI 模型与 Codex 工作流接入 Google Cloud 的 Gemini Model Garden,读者可了解企业采购与部署路径的变化。
Google Cloud 与 NVIDIA 宣布 NVIDIA Vera Rubin 基础设施正式可用,A5X 实例将于下月开放,并计划扩展至欧洲。
推荐理由:Google Cloud 与 NVIDIA 公布 A5X 实例的可用时间与欧洲扩展计划,读者可据此判断大规模强化学习负载的部署节奏。
Google DeepMind 发布 EmbeddingGemma 2,这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数嵌入模型,可将文本、代码、图像、音频和视频映射到统一嵌入空间。
推荐理由:原文给出参数量、内存占用和基准提升,可据此判断端侧多模态检索的落地条件。
Google DeepMind 发布 SynthID Bio,把水印技术引入合成生物学,将不可感知的签名嵌入生物代码,在实验室测试中保持蛋白质生物功能不变。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标,并在 AlphaFold 3 扩散网络中微调部分权重,使预测坐标自带可检测签名。
推荐理由:Google DeepMind 把 SynthID 水印扩展到合成生物学,读者可了解其在蛋白质设计与结构预测中的嵌入方式及生物安全用途。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020,把全球每块 10 米×10 米土地归入六类森林与土地利用类型,并同步给出 2017 至 2025 年的逐年变化时间序列。
NVIDIA 扩展机密计算能力,新增 Confidential Bare Metal 部署选项,让前沿模型构建方在第三方裸金属基础设施上运行敏感负载时仍掌控模型与数据。
Google DeepMind 展示生物学家如何用智能体开发平台 Google Antigravity 在 Streptococcus pseudopneumoniae 中寻找并计算验证新型抗菌肽,候选分子已进入湿实验验证阶段。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量 Gemma 模型微调出可在设备端运行的诈骗检测模型,用于识别冒充公职人员、银行等本地化诈骗对话。
字节发布 UniVR,一个基于 Emu3.5(34B)的视觉推理框架,直接在视觉空间生成推理轨迹,不依赖中间文本链。模型经 VR-X 数据集 SFT 冷启动和 VR-GRPO 强化学习训练,在 VR-X 基准上较 Emu3.5 基线最高提升 25%,整体得分 58.2,接近 Gemini 3 Pro + Nano Banana 2 的 66.1。
推荐理由:字节开源 34B 视觉推理模型,在自建 VR-X 基准上较 Emu3.5 基线提升最多 25%,并给出可下载权重与训练脚本。
月之暗面发布开源权重模型 Kimi K3,总参数 2.8T、激活参数 104B,基于 KDA 与 AttnRes 架构,原生支持文本、图像、视频并具备 100 万 token 上下文窗口。
推荐理由:月之暗面开源 2.8T 参数原生多模态模型,给出完整架构参数与多榜单对比,可据此判断开源前沿模型的当前水位。
月之暗面发布开源原生多模态智能体模型 Kimi K2.6,采用 MoE 架构,总参数 1T、激活参数 32B,上下文长度 256K,视觉编码器为 400M 参数的 MoonViT。
推荐理由:模型卡给出完整架构、评测对比和部署方式,可据此判断开源多模态智能体模型的当前水平。
月之暗面发布开源原生多模态智能体模型 Kimi K2.5,在 Kimi-K2-Base 上以约 15 万亿视觉与文本混合 token 持续预训练而成。模型采用 MoE 架构,总参数 1T、激活参数 32B,上下文长度 256K,配备 400M 参数的 MoonViT 视觉编码器,支持即时与思考两种模式。
推荐理由:月之暗面开源原生多模态智能体模型,1T 总参数与 Agent Swarm 设计给出了与闭源旗舰对比的完整基准。
月之暗面发布 Kimi K2,这是一个总参数 1T、激活参数 32B 的 MoE 语言模型,在 15.5T token 上预训练,采用 Muon 优化器,并针对工具调用与自主问题求解做了优化。
推荐理由:原文给出 1T 总参数、32B 激活的 MoE 架构与完整评测对照,可据此判断开源模型在编码和工具调用上的位置。