AI 模型发布与更新

Gemini 4 Carbon，我们前沿模型的下一代即将到来。 在 Argon 基础上构建，编码和网络安全能力更强。价格不变，输入 $2 / 输出 $10*。在 AA v5 上得分 59。 正与可信合作伙伴测试中。将尽快开放开发者访问。期待与大家分享！https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Google AI 宣布发布 Gemini 4 Carbon，称其为最强的旗舰模型，具备最先进的网络安全和长程能力。Carbon 在多数基准上有所提升，在自主编码和网络防御方面表现强劲。模型先向 Fairwind 计划中的部分可信网络防御者开放，之后将尽快扩大访问范围。

⚡以闪电般的速度迭代！Gemini 4 Carbon 在关键基准上达到 SOTA，将前沿能力与深入的安全与保障研究相结合。

Google 发布最新前沿模型 Gemini 4 Carbon，称其跨领域性能提升，在 Artificial Analysis Intelligence Index v5.0 排名第一，并在网络安全与长程能力上创下新 SOTA。模型本周起通过 Fairwind Program 向网络防御者开放，后续将扩大访问范围。

Sundar Pichai 宣布 Google 推出 Gemini 4 Carbon，称其在更新后的 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。

Artificial Analysis 评测了 AssemblyAI 发布的首个语音合成模型 AssemblyAI-TTS-1。该模型在 Provider Voice Arena 以 Elo 1,227 排名第 12，在 Controlled Voice 排名第 10，发音鲁棒性得分 81.7% 排名第 16。

Artificial Analysis 发布 AA-Video-I2V v2.1 与 AA-Video-I2V-Silent v2.1 图像生视频评测基准，在 1080p 下按 10 类用例、10 项能力和多种视觉风格对模型排名。

Addy Osmani 引用 Felix Rieseberg 关于 Anthropic 团队取消编程面试的文章，称其原因是新工程师的表现正在超过更强的资深工程师。作者认为执行已不再昂贵，公司内部的信号是选一个能推动业务的想法并做出原型，外部则靠一小组原型的作品集；他还提到 Claude Code Desktop 最初是两位新工程师的周末原型。

Artificial Analysis 在 Coding Agent Index v2.0 中评测 GitHub 新发布的 Copilot Fusion，该系统在 Anthropic 与 OpenAI 模型间动态编排，得分比 Claude Code 中的 Opus 5.5 低 2 分。

OpenMOSS 发布开放权重图像生成模型 MOSS-Image，采用 5B 参数单流 DiT 从零预训练，支持最长 4K token 提示词、中英文长文本渲染和可编辑的 JSON Layout。

面壁智能 OpenBMB 发布 MiniCPM-OCR 1.0，主打 1B 规模下的 SOTA OCR 性能与速度，在 Real5-OmniDocBench 得 93.68、OCRBench v2 得 54.7，并演示在 iPhone 和 iPad 上本地运行。

Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、在 31 种语言与英语间互译、识别最多 8 个说话人，支持最长 1 小时的录音，并能通过提示词控制输出或回答音频内容问题。

NVIDIA 发布开放权重语音转文本模型 Nemotron 3.5 Transcribe，在 Artificial Analysis 非流式榜单上以 2.8% WER 与 Mistral Voxtral Small 并列开放权重第一，总参数 30B、激活 4B。

Artificial Analysis 改版其 Intelligence Index 至版本 5，Kimi K3.1 Pro 从第 4 降至第 9，开源模型与榜首差距从 3 分扩大到 12 分，Grok 4.7 也下跌 12 分。

Nvidia 发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，可处理最长 1 小时的录音并区分最多 8 个说话人，还同步发布了第 2 版开源语音数据集 Granary。

NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，现已在 Hugging Face 和 ModelScope 提供，单一模型支持 40 种语言转写、31 种语言翻译、13 种语言说话人分离和音频问答，可处理最长一小时、最多 8 个说话人的录音。

商汤发布并开源 SenseNova 6.8 Code2Video 轻量级模型，通过生成可执行代码来创作和渲染短视频。模型权重和 Skill 已在 Hugging Face 和 GitHub 开放下载，并附上每条演示视频的提示词与完整生成轨迹；官方称未来将探索视频编辑、动画和 3D 创建。

OpenBMB 开源 MiniCPM-OCR 系列模型，把文档解析与 OCR 结果可靠性评估配套提供。MiniCPM-OCR 1.0 是 1.3B 参数的中英文文档解析模型，支持扫描页、拍照文档、倾斜和弯曲页面，可处理表格、公式、PDF 和关键信息抽取，并支持查看 Markdown 源码与预览解析结果；MiniCPM-OCR Jev 是独立模型，用于评估 OCR 结果可靠性，帮助识别需要人工复核的输出。模型权重开放在 GitHub 和 Hugging Face，支持多种部署…

OpenBMB 转发并感谢 @atomic_chat_hq 的演示：该演示在 M5 Max MacBook 上本地运行 MiniCPM-OCR 1.0，处理 Anthropic S-1 文件全部 415 页，1.2GB 模型约每页 4 秒，数据全程不离开设备。GGUF 权重已发布在 huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF。

面壁智能发布并开源 MiniCPM-OCR 系列。MiniCPM-OCR 1.0（1.3B）在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分的 SOTA，经 DSpark 加速后吞吐达 1.217 页/秒，端到端效率提升 55%。

Anthropic 工程经理 Felix Rieseberg 认为小型编程测试已无意义，因为 Claude 做得比候选人更好，他在招聘中改看能体现品味、同理心和原则性思考的小原型。

Voxtral Mini Transcribe 3 在 Voice Arena 的说话人分离 + ASR 榜单上排名第 2。

Liquid AI 于当地时间 27 日发布 LFM3 模型家族，采用全新的三混合层架构，在 22T 词元上预训练。首批包括 LFM-1.7B（文本）、LFM3-VL-2B（视觉）、d1-2B（决策）、LFM3-Audio（音频）、LFM3-Omni-2B（全能）和 d1-Omni-2B（全能决策），均基于 LFM3-1.7B-Base。

Artificial Analysis 上线 Intelligence Index v5，新增 2 个基准（Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science）并升级 3 项，60% 的指数基于私有测试集。

试试 Grok @Bot

Grok @Bot 太棒了 （引用推文要点：Gavin Baker 称 Grok Bot 是他及其公司迄今用过最具影响力的 AI 产品，并表示自己已用到 17 个 Grok Bot。）

雇用 Grok @Bot，你不会后悔的

Google DeepMind 发布 Genie 4 世界模型研究预览，可从文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。架构上由 Gemini Omni 锚定世界外观，Gemini 3.8 Flash 在模拟循环内解释提示、拆解目标、校验帧并重规划。

Grok @Bot 就像聘请了一位出色的员工

面壁智能 OpenBMB 转评 @wikiwayne 对 MiniCPM-OCR 的评测，感谢其透明对比并分享了结果与注意事项，表示期待该模型在 GX10 上的本地测试表现，称这类真实反馈会推动模型持续改进。引用内容提到 MiniCPM-OCR 1.0 为开源 13 亿参数 OCR 模型，与评估结果可靠性的 MiniCPM-OCR Jev 配套，权重已开放于 GitHub 和 Hugging Face。

Vals AI 最新估算显示，Anthropic 大概会在 2027 年 7-8 月达到完全的递归自我改进（RSI）。Rayan Krishnan 称其 RSI Index 正收集代表 AI 实验室研究人员在预训练、后训练和框架级工程方面工作的智能体任务，而最陡峭的增长曲线来自 Gemini，Google 似乎已开始优先推进 RSI。

我也买了个新域名

Anthropic 团队 Felix Rieseberg 表示其团队招聘流程本月正式移除编程面试，认为小 React/算法题测不出真正有冲击力的人，Claude 在这些题上更强。

到底谁会去用斯洛文尼亚语跟机器人聊天啊🫪

Anthropic 招聘经理、Claude 相关产品工程负责人 Felix Rieseberg 表示已在本月团队招聘流程中取消传统编程题面试，称编程面试已死、不再能传递信号。

Ethan Mollick 转发 Artificial Analysis v5 智能指数，该版本改用封闭基准（告别 GDPval-AA）后测得开源权重模型差距进一步拉大。领先的 Kimi K3.1 Pro（权重未发布）得 46 分，落后榜首 12 分，而 v4.3 时差距为 3 分；已发布权重中 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）最高 32 分。HLE-Diamond 与 Terminal-Bench-Science 差距…

Indigo 在 Indigo Talk EP53 中提出，AI 不必真正掌权，只要人凡事都得问它就够了，并以法王凡事问黎塞留作类比。他认为 Ego 越强的大老板、大国领导人越容易陷入这种处境，总统大事小事都问 Claude 和 Grok 后，究竟是 AI 治国还是总统治国已说不清。他据此预计 AI 会这样一步步接管人类社会。

微软于 10 月 27 日推出图像编辑模型 MAI-Image-2.7-Preview，在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。

Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集。

谷歌更新评估安卓编程辅助能力的 Android Bench 榜单，新增 GPT-6 Sol、GPT-6.1 Sol、Claude Sonnet 5、Claude Sonnet 5.5 和 Gemini 4 Argon 的成绩，并标注各模型推理等级。