AI 情报文章归档

Google 宣布 Gemini 4 Carbon 正式可用，称其为最强模型，面向深度挖掘、长程任务和多步推理。官方表示 Argon 适合复杂任务，Carbon 则用于解决最难的问题。

MiniMax H3 Image 现已获得 ComfyUI 原生支持，模型开源权重、6 步采样、最高可输出 4096×4096 分辨率，单个 checkpoint 同时覆盖文生图和参考图编辑。

Logan Kilpatrick 宣布 Gemini 4 Carbon 上线，可通过 Gemini API 使用，Ultra 订阅用户也可用。他表示该模型在 Argon 发布几周后推出，针对 Argon 的多项反馈做出显著改进，并在网络安全、知识工作和代码方面推进前沿水平。

Google DeepMind 正式向开发者、企业、科学家和普通用户开放 Gemini 4 Carbon，定位为其最强前沿模型，主打网络安全能力与复杂知识工作、软件工程、科学推理中的长程智能体工作流。

Wiz Research 介绍其 Cyber Model Arena v3.9 的基准设计方法，该基准覆盖 26 个模型、59 个智能体和 327 道挑战，分代码漏洞、API 安全、Web 安全和云安全四类。

fal 发帖推介 MiniMax 的图像编辑功能，可通过精确的指令式编辑变换图像。该功能支持添加、移除或替换物体，更改风格与环境，并可渲染复杂文字、信息图和 UI 布局，同时保留重要的细节。

@MiniMax_AI 将多张参考图合成为一张连贯统一的结果。 把来自不同来源的角色、物体和环境融合在一起，同时保持视觉一致性，并掌控最终构图。

fal 发文介绍 MiniMax H3 Image 图像模型，称其图像质量达到前沿水平且速度出色。该模型支持任意宽高比的原生 16MP 分辨率，并可在约 15 秒内完成 2K 图像编辑。

fal 宣布 MiniMax 的开源权重图像模型 MiniMax H3 Image 现已在 fal 平台可用。该模型支持原生 4K 图像的生成与编辑，可结合多张参考图，并能精确渲染复杂文字，视觉质量高且生成速度快。

Krea 宣布 Seedream 5.5 现已在 Krea 平台可用。新版本支持对同一图像最多编辑 100 次而不损坏画面，可原生生成透明 PNG，并改进了文字生成效果。

NVIDIA 在 KubeCon 上宣布将用于安全和治理自主智能体的开源运行时 OpenShell 捐赠给 CNCF 作 Sandbox 项目，并参与 Google 发起的 Agent Substrate 项目，支持与 NVIDIA Dynamo 和 KAI Scheduler 集成。

Flash plays a rhythm-runner level from raw pixels. So I hid speedrun-style skips in it: a pad fling over a spike pit, a ghost ship, spike surfing. Nothing on screen gives them away. Here's how I built them, and what they're worth.

Preferred Networks 设计开发的小鼠尾静脉自动注射系统 AUTiv 在第12届机器人大奖中获“日本机械工业联合会 会长奖”，评审认可其高精度给药、降低穿刺失误与实验者针刺事故风险。AUTiv 通过 4K 立体相机图像与深度学习识别尾静脉位置，可自动完成约 0.3mm 尾静脉穿刺与给药，国内已交付约 20 台并决定追加生产。

LlamaParse 介绍如何用 Trace 的 agentic DAST 对 LlamaParse 的 AI 功能做渗透测试，覆盖全部十类 OWASP LLM 风险及标准 Web 风险，灰盒方式持续 4 天。测试发现白底白字隐藏行发票能让提取返回篡改后的总额和银行账号，团队据此划分平台与客户的安全职责边界，并建议对第三方文档限制共享索引权限、对高敏文件使用 do_not_cache=true。

Tessl 博客将 AI 智能体驱动的软件工厂拆为三种循环：跑步机循环只维持当下工作流转，学习循环把一次调查沉淀为下次可复用的知识，梦想循环则腾出空间尝试长期搁置的改造。

SGLang 推出 --enable-unified-memory，让全注意力 KV、滑动窗口 KV 与循环状态共用一个 GPU 内存 arena，容量随需求动态分配，无需在启动时设定切分比例。

百度发布 ERNIE 5.5 Flash Preview，是基于此前 Base 模型的首个后训练版本，总参数 280B、激活参数 14B，支持 1M 上下文。模型 API 已在千帆平台上线，权重将于 11 月 25 日前开源；官方展示了游戏开发、3D 建模、知识工作、视频创作等 Agent 场景成果，并称该版本为后训练中间版本，正式版仍将持续优化。

Google 发布生成式 UI 开放协议 A2UI 1.0，这是首个稳定版本，让 AI 智能体用表单、图表等交互界面而非纯文本回复，并提供 Web、Android、iOS 渲染器 SDK 和 Python、TypeScript、Dart 智能体 SDK。

Google 将 Gemini 4 Carbon 向公众开放，此前两周仅提供给部分网络安全防御者，并在 Antigravity 平台预览 swarm 功能，可将单个提示词变成协作的智能体团队。

NVIDIA AI Cluster Runtime（AICR）新增经过验证的 AIBOM 组件，集成 Google 开源的 k8s-aibom，用于追踪 Kubernetes 集群上实际运行的 AI 工作负载。

Google 发布第八代 TPU 的两款新变体 TPU 8tx 和 TPU 8i Max，分别面向机密推理与大内存负载场景。TPU 8tx 与 AMD 合作设计，基于 TPU 8t，将安全能力做进硬件层以保护敏感数据和模型权重，并支持在训练同时进行推理。TPU 8i Max 则将两颗 TPU 8i 合入单一封装，内存容量、算力和带宽翻倍。

Robbyant 开源 Apache 2.0 许可的 LingBot-Touch，将指尖传感器读数转为机器人控制软件可用的触觉信号。三个同尺寸编码器各 5.46M 参数，在 4000 小时数据上 JEPA 版本触觉→视频检索 top-5 达 49.3%，MAE 低于 9%，VAE 仅 3.1%。

MiniMax 发布开源图像模型 MiniMax H3-Image，支持 10 秒内生成 1600 万像素（4K）图像，具备精准提示词遵循与编辑能力，最多支持 16 张参考图。模型开放权重，已通过 API、MiniMax Code 和 Hailuo AI 提供，上线首周 16MP 以上生成享五折优惠，权重已上架 Hugging Face。

Zyphra 发布开源 TTS 模型 ZONOS3-Mini，采用稀疏 MoE 架构，总参数 800M、每 token 约 100M 激活，权重以 Apache 2.0 开源，支持零样本声音克隆和词级韵律控制。

MiniMax 发布开源权重图像生成模型 MiniMax H3-Image，主打 10 秒内生成 1600 万像素（16MP）4K 图像，支持精准提示词跟随、编辑和最多 16 张参考图。

Google DeepMind 发布 AlphaProof Code 多智能体形式化验证框架，并首次对广泛部署协议 Signal 的生产机器码完成形式化安全验证。

Amazon 发布第二代表格基础模型 Mitra-v2，支持分类与回归，分类和微调版本及代码以 Apache-2.0 许可开源于 Hugging Face。

Meta 周一宣布，其 AI 智能体 Muse 上线 Apple Watch 和 Android Wear OS，用户可在智能手表上通过语音通话、短信或听写与助手交互。这是继一个月前推出 iPad 版 Muse 后的又一次设备扩展，Muse 于 9 月首次登陆 App Store。上线后不久，Muse 成为 12 款在 App Store 前 40 天内美国下载量突破 1000 万的移动应用之一。

MiniMax 宣布 H3-Image 图像生成模型正式发布并开放权重，该模型衍生自 H3，具备文生图、图像参考和图像编辑能力。它可在 10 秒内生成 4096×4096 像素（约 16MP）的高分辨率图像，官方称速度达市面主流水平的 5 倍，支持最多 16 张参考图，并提供官方五折限免、Hugging Face 权重和 API 入口。

In my previous post, I took you behind the scenes of Google Agent Skills, covering how the project...

An agent crashes after email 40 of 100. Our first fix for it was taken apart in dozens of comments. Here are the two mistakes they exposed, the five decisions we made, and the first tasks open to contributors.

MiniMax 正式发布并开放权重的 H3-Image 是衍生自 H3 的图像生成模型，支持文本生成图像、图像参考和图像编辑。它可在 10 秒内生成 4096×4096 像素约 16MP 的图像，官方称速度达市面主流的 5 倍，指令遵循能力为开源模型中最强并最多支持 16 张参考图。

随着机器人进入更多真实场景，它们需要更强的安全措施。我们内置了新方法，让机器人能够识别危险、避开人类，并针对越狱攻击进行测试。 了解更多关于 Gemini Robotics 2.5 → https://goo.gle/4zBBUA6

在与 @Apptronik 和 @MercedesBenz 的概念验证中，Gemini Robotic 2.5 帮助 Apollo 2 机器人以 96% 的准确率挑选并整理用于装配的汽车零件。

Google DeepMind 介绍 Gemini 4 Argon 辅助构建 Gemini Robotics 2.5，将数月训练时间缩短。该方法从单个摄像头视角创建虚拟练习空间，并通过回看自身错误来修正技术，从而提升真实机器人上的表现。

Google DeepMind 发布 Gemini Robotics 2.5，定位为最新物理 AI，可学习数百项日常技能，示例包括叠衣服、上餐点以及在工厂自主分拣汽车零件。

Google DeepMind 发布新一代 Gemini Robotics 平台 2.5 版本，并准备开源安全基准 ASIMOV-jailbreak，为机器人与人类协同工作做准备。

Pragmatic Engineer 与 Antithesis 杰出工程师、Pony 语言核心贡献者 Sean Allen 对谈软件正确性与供应链安全。Sean 认为应在语言层面禁止非法状态表达，而非依赖手工测试，并主张用可反复执行的“workload”替代单元测试。他指出供应链攻击没有单一解法，流行语言默认生态可信，而防御更强的语言如 E 并不流行。

Sakana AI 宣布美国退役海军上将 Michael Rogers 与前 CIA 支局长 Tom Moran 出任高级顾问，围绕防务能力与网络安全两条线提供建议。

LiveKit 发布 LiveKit Portal for ROS 2，一个独立 ROS 2 节点，将 ROS 图连接到 LiveKit 房间，让 ROS 与非 ROS 参与者通过 WebRTC 交换 topics、服务调用和视频，无需跨网络暴露 DDS 或自建传输层。