Gemini 4 Hydrogen 在 GitHub Copilot 正式可用
Google 最新的 Flash 模型 Gemini 4 Hydrogen 已在 GitHub Copilot 正式可用,面向快速高效的智能体编程、工具调用和多步工作流,指令遵循能力较 Gemini 3.8 Flash 有所提升。
推荐理由:Gemini 4 Hydrogen 进入 GitHub Copilot 多端模型选择器,可了解其面向智能体编程的定位与计费方式。
Google 最新的 Flash 模型 Gemini 4 Hydrogen 已在 GitHub Copilot 正式可用,面向快速高效的智能体编程、工具调用和多步工作流,指令遵循能力较 Gemini 3.8 Flash 有所提升。
推荐理由:Gemini 4 Hydrogen 进入 GitHub Copilot 多端模型选择器,可了解其面向智能体编程的定位与计费方式。
GitHub 将于 2026 年 12 月 14 日在所有 Copilot 体验中弃用 Claude Fable 5、Claude Haiku 4.5、Gemini 3.8 Flash、Gemini 4 Argon、Grok 4.6 和 Kimi K3 等模型,并给出对应替代型号。
Revolut 转向自托管 GLM。该讨论在 Hacker News 获得 153 分、110 条评论。
一篇质疑「Astra 能读写权重改进 Qwen」的文章指出,该实验并非仅靠读取原始权重完成。真正仅读取原始权重的实验只覆盖 17K–172K 参数的小网络;Qwen3.5-0.8B 的数学提升实验使用了 Python 并让模型在最多 50 批练习题上运行,通过修改 0.016% 权重把 MATH-500 从 7.9% 提升到 48.1%。
百度 Apollo 在深圳 AI Day 上首次披露面向物理 AI 的智能体驱动全模态世界模型 Apollo World,并提出世界模型“2+3”判断标准。该模型已用于萝卜快跑全球化测试与验证,百度强调世界模型的重点是忠实还原现实物理规律与行为因果,而非渲染画质。
qModel 算法模型平台开源版发布 v1.4.3,支持通过 API 获取输入参数,并提升模型输出可读性。该版本针对多角色调用场景,减少反复对照接口文档填写参数、确认多层 JSON 字段含义的负担。
Canva 发布视觉语言模型 Canva Brush,面向 Canva Pro 用户,不生成图片而是理解设计结构与修改意图,写出并执行小段代码完成编辑后自检结果。该模型基于一个未具名开放权重模型做后训练,结合设计专业经验与用户授权匿名数据,并采用大规模强化学习。Canva 称其比此前设计智能体快至多 69%、单任务成本低 46%,该数据为自报且仅与自家旧智能体对比。
OpenAI GPT-6.1 Terra 已在 Amazon Bedrock 正式可用,输入输出 Token 价格至少比 GPT-6.1 Sol 和 GPT-5.6 Terra 低 50%,支持最多 100 万输入 Token 的文本与图像输入。
Mistral 开放 Mistral Large 4(内部代号 Le Chonk)的权重,该模型为 1 万亿参数、原生多模态,被称为开放权重中编码能力最强,并在欧洲基础设施上从零训练。Mistral 称其在 Cognition 的私有基准 FrontierCode 2.0 上以更少的 token 打平最高分,该基准测试端到端代码质量与仓库维度表现。
推荐理由:开放权重阵营出现万亿参数级模型,且以更少 token 在代码基准上追平最高分,可观察开源与闭源的能力差距。
InclusionAI 的 Ling 3.1 Flash 1019 已在 Vercel AI Gateway 上线,免费开放至 2026 年 11 月 3 日,之后按公布价格计费。
OpenAI CEO Sam Altman 透露,公司曾考虑对下一代模型放弃按 Token 计费,改为开发者提交提示词后直接返回一个价格、像 AWS 一样事后账单结算,但因客户反馈极为负面而放弃。客户表示必须知道钱花在哪里,甚至宁愿接受虚高的 Token 数量以换取计费透明度。Altman 承认 Token 是"某种虚假的单位",但 OpenAI 目前仍无更好的替代方案,Token 定价继续沿用。
Microsoft Research Focus 第 97 期介绍了多项研究进展:自改进智能体框架 ForkPilot 在六个基准和主流 AI 模型上测试,效果比肩现有最佳方法,同时将 AI 处理开销降低最多 59%。
OpenAI 更新 Model Spec,提出五项核心价值观,用于引导能力更强的 AI 做出合理判断、尊重人类自主性并忠实于人类意图。
Mistral 在 Hugging Face 发布前沿开放模型 Mistral Large 4(ML4)的权重,称其为全球最佳开放智能体编程模型。
推荐理由:Mistral Large 4 开放权重发布,在智能体编程基准上以 1 个百分点领先 GLM-5.3,并强调更低的 Token 消耗。
OpenAI 采用分层监控来检测前沿模型失准和 AI 智能体的未授权行为,使响应人员能在事件升级前介入。
Mistral Large 4 在 Vercel AI Gateway 上启用更新后的权重,输入、缓存输入和输出 Token 价格均下调。据 Mistral 发布公告,新权重提升了智能体编程与防御性网络安全能力,编程任务 Token 效率更高,并改善了表格创建编辑、网络调研和抗提示注入能力。
推荐理由:Mistral Large 4 在 AI Gateway 上更新权重并下调价格,可对照其智能体编程与提示注入防护的改进。
Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长周期任务上能力最强,在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由:Gemini 4 Carbon 在漏洞发现、利用验证与补丁生成三项安全基准上同时领先,并给出长周期智能体任务的实测表现。
OpenAI 与 ServiceNow 扩大合作,把 OpenAI 模型和智能体引入 ServiceNow,同时将 ServiceNow 工作流接入 ChatGPT 和 Codex。
Particle AI 的 Particle-1 已在 Vercel AI Gateway 上线,该模型基于 DeepSeek V4.1 Flash 后训练,主打用更少 Token 完成软件工程任务。
Google DeepMind 发布世界模型 Genie 4,可实时生成带原生音频与交互对话的仿真世界,并支持用自然语言实时修改场景。Genie 4 借助 Gemini Omni 锚定真实外观与行为,由 Gemini 3.8 Flash 作为引导智能体拆解多步任务,并与 Gemini 4 Argon 合作模拟机器人操作。
推荐理由:Genie 4 把原生音频与实时语言操控并入世界模型,为机器人和智能体训练环境提供新路径。
Retell 使用 OpenAI 模型支撑每月 1 亿次通话,GPT-6 Astra 在其语音智能体基准测试中排名第一。Codex 帮助 Retell 实现每位员工 160 万美元的年化营收。
OpenAI 公布其在 Kakeya 猜想、指数时间假设(ETH)和量子色动力学三个问题上的模型结果,并说明研究人员如何验证和在此基础上继续推进。
CodeRabbit 使用 GPT-6.1 Sol 排查复杂代码库中的安全风险。其安全智能体帮助开发者审查发现的问题与建议修复方案。
OpenAI 发布 GPT-6.1 Terra,官方称其可在规模化场景下提供快速且具备能力的计算机操作。目前公开信息仅有这一句定位描述,具体能力与可用范围尚未披露。
推荐理由:OpenAI 推出 GPT-6.1 Terra,主打大规模场景下快速且可用的计算机操作能力。
OpenAI 的 GPT-6.1 Terra 已在 Vercel AI Gateway 上线,这是一款面向视觉推理、计算机操作和写作的快速模型,在视觉推理、事实准确性和编程方面较上一代 Terra 有所提升。
推荐理由:OpenAI 新模型经 Vercel AI Gateway 上线,可了解其在视觉推理与计算机操作上的定位及接入方式。
月之暗面 Kimi K3.1 Pro 与更快的 Highspeed 版已在 Vercel AI Gateway 上线,K3.1 Pro 是 K3.1 系列首个模型。
推荐理由:Kimi K3.1 Pro 在编码与智能体任务上升级并保留 1M Token 上下文,权重计划于 11 月 4 日开放。
OpenAI 发布 Decisions API,可为任意应用提供快速、聚焦、低成本的决策能力。该 API 面向需要响应速度的应用场景,主打低开销的决策调用。
Terminal X 的 Eval Agent 使用 GPT-6.1 Sol,按 54 项标准评分,对基金投资指令偏差的检出率提升 25%,与资深投资人判断的匹配度达 88.6%。
OpenAI 推出 Rosalind 学术计划,为符合条件的学术实验室提供 GPT-Rosalind 及配套工具的赞助访问,用于推进生命科学研究。该计划面向学术研究场景,具体申请资格与工具细节尚未在摘要中展开。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 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。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步发布安全与安全报告,说明其在网络安全和生物领域的前沿防护措施。该模型在 12 个端到端模拟网络攻击场景中全部通关,上一代为 5 个;在 Gray Swan 间接提示注入基准的 15 次自适应尝试中,攻击成功率降至 0.7%。
推荐理由:Google 披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计,含提示注入攻击成功率降至 0.7% 等实测数据。
Google DeepMind 发布 Gemini 4 Argon for Robotics,这是 Gemini 4 系列中面向机器人场景的版本。目前仅有标题信息,具体能力与可用范围尚未披露。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和科研人员开放,API 定价为每百万输入 Token 2 美元、每百万输出 Token 10 美元。
推荐理由:Gemini 4 Argon 在编码、科研与安全场景给出具体实测数据,可观察前沿模型在长程任务上的能力边界。
Google DeepMind 发布 EmbeddingGemma 2,将文本、代码、图像、视频和音频映射到统一嵌入空间,采用 Apache 2.0 许可,参数量 740M。
推荐理由:Gemma 4 架构上的端侧多模态嵌入模型,参数量与内存占用数据对本地 RAG 选型有直接参考价值。
StarSkirmish 平台让 AI 自制 StarCraft 机器人互相对战,OpenAI 的 GPT-6 Astra 与 Claude Opus 5.5 表现基本持平,但都打不过人类制作的顶级机器人 Stardust。
Aleph Alpha 发布英德双语 MoE 模型 Kolibri,总参数 78B、激活 3B,支持最长 1M Token 上下文,权重已在 Hugging Face 以 Apache 2.0 许可开放下载。
TypeSafe AI 发布决策模型 Jev,它不生成文本,而是并行评估输入并返回带概率分数和置信度的类型化输出。该公司由前 OpenAI 研究者 Diogo Almeida 创办,Jev 已被 Vercel、Netlify 等平台集成。
Chatham Financial 使用 Codex 和 GPT-5.6 构建技术并重新设计工作流程,将交易验证时间从 30 分钟缩短到 4 分钟以内。
OpenAI 发布 GPT-6 系列模型选型指南,面向初创公司讲解如何选择 GPT-6 模型、调整推理强度、优化提示词与技能、协调工具调用,并为生产环境准备相关工作流。
AWS 发布 Strands Decider 2B 决策模型,基于 Qwen3.5-2B 构建,可下载模型权重及训练数据和脚本。该模型移除生成文本的语言模型头,换成对候选答案打分的指针头,参数量略超一百万,主干使用 rank-16 LoRA 适配器,用于路由请求、选择工具和校验智能体动作。