XYBench:帮助解决提问背后的真实问题
XYBench 旨在帮助解决提问背后的真实问题,它提供 8K+ 真实问题评测大模型能否识别用户错误前提并导向真实目标。测试显示 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 多聚焦表面请求而非真实目标,该基准获 EMNLP 2026 最佳资源论文奖。
XYBench 旨在帮助解决提问背后的真实问题,它提供 8K+ 真实问题评测大模型能否识别用户错误前提并导向真实目标。测试显示 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 多聚焦表面请求而非真实目标,该基准获 EMNLP 2026 最佳资源论文奖。
Meta 的 Muse 现已向美国付费订阅用户开放代拨企业电话功能。Meta AI 负责人 Alexandr Wang 称该 agent 拥有超 10 million 用户,可处理繁琐呼叫并将获免费邮箱,而 Google Gemini、xAI Grok Bot 等已能打电话,OpenAI 与 Anthropic 对应产品尚不能。
英伟达CEO黄仁勋辞职,或给Anthropic预计11月18或19日的IPO增添变数。英伟达同意在同步私募配售中认购约100亿美元股份,分析师认为可能动摇AI行业信心但Anthropic基本面未变。此次IPO原被视为检验AI投资热情的重要考验。
推荐理由:黄仁勋卸任与Anthropic下周IPO时间相近,原文集纳分析师观点,有助于理解资本对AI热潮信心的敏感程度。
谷歌 DeepMind 开放 WeatherNext 3 所用 SatWeave 与 PARDIG 数据集,提供实时流与历史归档。SatWeave 整合5颗静止卫星每小时更新影像,PARDIG 采用球形图网格 Transformer 架构生成15分钟降水再分析,评估显示其优于 NASA IMERG-Final 等基线。
Gentle Monster 与 Warby Parker 将于下月推出首款 Android XR 智能眼镜,搭载高通 Snapdragon AR1 Gen 1 芯片并接入谷歌 Gemini。两款眼镜配备 1200 万像素摄像头,支持实时翻译、导航等功能,12 月 10 日发售,起售价 449 和 395 美元。产品由三星与谷歌联合开发,未采用 Meta AI。
NVIDIA宣布Jensen Huang辞去CEO、总裁及董事职务,CFO Colette Kress出任临时CEO。通讯同时涵盖Anthropic IPO文件提交及Google Gemini 4 Hydrogen发布等AI领域动态。
谷歌 Gemini 任务自动化功能适配应用清单被曝光,共计 134 款 App,覆盖外卖、打车、购物、旅行及办公等场景。该功能让 Gemini 在虚拟屏幕中打开应用,代用户完成搜索、选择商品、加入购物车等操作,并在结账前停下由用户确认付款。截至 11 月 12 日,稳定版安卓 17 QPR2 包含 114 个应用,Android Canary 额外覆盖 20 款应用。
Google今日发布Gemini 4家族最低价模型Hydrogen,输入定价$1.50/M tokens、缓存输入$0.075、输出$7.50。Hydrogen当前比同族Carbon和Argon便宜25%,12月后折扣达75%,并作为免费层驱动Google Search的AI功能。Carbon与Argon同价且12月1日翻倍至$4.00/$0.20/$20.00。
四家非营利组织于11月12日起诉 OpenAI、Anthropic、谷歌、Meta 等五家 AI 巨头,要求法院叫停 ChatGPT、Gemini、Claude 等先进模型开发。原告援引被告高管自身风险警告及 DeepMind 论文为证,指其明知潜在毁灭风险仍推进研发商业化。此前佛罗里达州已提起类似诉讼,本次原告寻求紧急禁令暂停下一代模型训练与部署直至证明人类可控。
Google 发布 Gemini 4 Hydrogen 快速模型,面向编码与智能体任务,并向 AI Studio、API、Gemini 应用及搜索等全球推送。该模型输入每百万 token 收费 1.5 美元、输出 7.5 美元,支持 100 万 token 上下文与多档思考级别,默认 high 在智力指数获 51 分。
Google 新 Gemini 4 Hydrogen 模型更擅长理解复杂问题,今日在搜索与 Gemini app 等全线可用。它成为 AI Mode 默认模型,可分解回答多部分提问并附多样视觉,相比 Gemini Flash 3.8 速度和智能提升,官方称匹配 Claude Sonnet 5.5 与 GPT-6.1 Terra。
Google推出Gemini 4 Hydrogen替代Gemini 3.8 Flash,已在公司产品中全面替换并立即开放访问。
Google发布Gemini 4 Hydrogen通用模型,在Artificial Analysis智能指数默认高层级以51分超越Gemini 4 Argon的50分,并提供百万token上下文与四档思考层级。该模型每百万输入token收费1.50美元、输出7.50美元,相比Gemini 3.8 Flash速度提升2.5倍且幻觉减少五倍,已在全球平台开放使用。
Google研究员Pietro Miotti用48个AI智能体筛查NASA激光雷达数据,误将去年已发表的玛雅遗址当作新发现。考古学家指出该遗址一年前已见刊,批评业余AI科考缺乏专家验证。事件反映强大工具降低门槛却易重复已有研究。
Google Search 借助新发布的 Gemini 4 Hydrogen 模型升级,能更准确理解多部分复杂提问与错字。该模型比 Gemini 3.8 Flash 快2.5倍且在某智能基准超过 Gemini 4 Argon,正面向全球搜索用户推出。
谷歌正式推出 Gemini 4 Hydrogen 模型,主打日常编码与智能体工作流,输入每百万 Token 1.5 美元且提供百万上下文窗口。该模型在 Artificial Analysis 智能指数高思考档得分 51 高于 Gemini 4 Argon 的 50,配套 Orchestrator 调度功能在 Terminal-Bench 4.0 上配额减 24% 提速 19%。
Google因Gemini校园试点遭抵制面临学校AI暂停呼吁,青少年诉讼将Gemini称为自杀教练,家庭正直接对抗Google。
Google DeepMind 今日发布 Gemini 4 Hydrogen 模型,面向 Google AI Studio、Gemini API、Gemini app、Search 等全员开放,默认高思考层级在 Artificial Analysis Intelligence Index 获 51 分超越 Argon 的 50 分。
推荐理由:Gemini 4 Hydrogen以统一价格和四档思考层级面向全员开放,开发团队可据此权衡不同智能体任务的成本与延迟。
Podqi研究测试ChatGPT、Gemini、Perplexity购物问答,发现三者均会推荐仿冒或风险零售网站,Perplexity在15%答案中出现风险链接。测试涉及151个品牌6795条回答,Gemini风险率最低为4%,ChatGPT为8%且对风险站警告概率24%。相关AI公司回应称正提升信息质量与防护。
谷歌为 Android XR 智能眼镜推出隐私保护机制,包括录制指示灯、人脸模糊及 Gemini 图像数据使用后立即删除。单次视频录制时长限制在 90 秒以内,且禁止应用利用摄像头进行实时人脸识别。此前 Meta 智能眼镜因隐私争议被贴上“偷拍眼镜”标签,谷歌此举旨在消除消费者不信任。
Google 联合三星及眼镜厂商推出 Gemini 智能眼镜,起售价395美元并开启预购。Warby Parker 与 Gentle Monster 分别在美国和韩美发售三款及六款镜框,Google 负责软件并强调隐私。这是 Google 自 Google Glass 以来再次尝试智能眼镜。
三星11月12日开启首款智能眼镜 Intelligent Eyewear 预售,售价395至489美元,运行 Android XR 并整合 Gemini 与 Bixby。该眼镜配备1200万像素摄像头与骁龙 AR1 Gen 1,支持实时翻译、逐步导航及白板笔记总结到三星 Notes。这是三星第一代智能眼镜,12月10日起可在指定门店试用。
ElevenLabs Scribe v3 Live 利用对话上下文判断说话人是否结束,避免语音智能体中途切断通话。该模型与 Scribe v3 录音版已通过 ElevenAPI 和 ElevenAgents 上线,独立基准显示 Scribe v3 准确率领先但速度价格居中。
Google DeepMind 发布 AlphaGenome 2 基因组学 AI 模型,以条件模型输入特定细胞状态预测基因效应,较初代发现近两倍相关基因变化。模型训练于超过 107 million 个来自 68 tissues 的细胞画像,在 TenK10K 基准识别约 30 percent 因果变异,现已开放非商业研究 API。
Anthropic正式启动IPO路演,拟以每股70—78美元发行8.25亿股,最高募资约643.5亿美元,估值较预期缩水6000亿美元至1.4万亿美元。三季度营收169.56亿美元但算力支出占收入58%,已签下约9000亿美元采购租赁承诺。同日Claude发布Sheets等办公产品,将Coding模式向知识工作场景复制。
推荐理由:Anthropic启动IPO路演但估值较此前预期缩水约三成,反映全球AI板块近期面临的估值回调压力。
Google 发布 Gemini Decision 1,这是一款支持多模态输入的校准决策模型,单次请求可处理 1000 个问题,端到端延迟约 200ms。其输入价格为每百万 token 0.10 美元,输出免费,官方称比 Flash-Lite 便宜 5 倍。此前该项目为 Google DeepMind 内部原型,小团队在六周内完成了模型与 API 的发布。
Anthropic 筹备 IPO 之际,其 Claude 10 月网站访问量约 13 亿次,环比增长 23.8% 创历史新高。Similarweb 统计 Claude 成第三大 AI 聊天网站,次于 ChatGPT 约 60 亿次和 Gemini 约 26.4 亿次,DeepSeek 约 3.279 亿次。Anthropic 已提交上市文件,该访问量数据成为观察其市场表现的窗口。
英国AI芯片初创企业Fractile当地时间昨日宣布完成超7.2亿美元C轮融资,获英国政府支持估值达70亿美元。其目标构建更快的AI推理硬件而无需在吞吐、模型尺寸、上下文长度上权衡,Anthropic有意2027年部署其模拟内存计算芯片。英国人工智能大臣表示支持此类企业旨在加强本土AI核心技术自主能力。
谷歌11月12日发布 A2UI 1.0 稳定版,这一生成式 UI 开放协议首个稳定版让智能体直接回复原生 UI 界面。开发者可搭配开源网页、Android 和 iOS 渲染器 SDK 及 Python 等智能体 SDK 使用,新增双向功能调用与可访问性支持。A2UI 于 2025 年底公布,目前 Atlassian、字节跳动等公司已开始利用它开发。
谷歌昨日宣布推出 Gemini Decisions API,由 Gemini Decision 1 模型驱动,单次可处理多模态内容最多 1000 项决策。该 API 延迟 150 至 250 毫秒,输入每 100 万 Tokens 0.10 美元,目前已在 Google AI Studio 提供免费额度。
谷歌 DeepMind 于 11 月 11 日推出新一代基因组 AI 模型 AlphaGenome 2,能针对特定细胞类型预测 DNA 变异影响,识别基因表达变异能力接近上代两倍。新模型使用超 1.07 亿单细胞图谱训练,在 TenK10K 免疫细胞测试致病变异识别达 30% 优于上代 16%,并支持未训练细胞分析与跨模态推断。这是继 AlphaGenome 后深入单细胞分析的升级。
Stripe 于 11 月 11 日宣布 OpenRouter 正式并入旗下,双方将优化 Token 路由和用量。交易据报约 75 亿至 80 亿美元,OpenRouter 2026 年 10 月处理约 790 万亿 Token 且 76% 来自 Agent 调用。Stripe 早于 2026 年 8 月同意收购,本次为完成交易。
谷歌宣布苹果 CarPlay 接入 Gemini,即日起面向全球 iOS 用户逐步推送,覆盖 Gemini Live 已支持的全部语言。用户可通过车机屏幕使用 Gemini 语音模式进行免提对话,连接 Gmail、Google 日历等应用获取简报或总结邮件,聊天记录将同步至 iPhone。此前该功能仅支持手机端使用,此次接入实现了车内场景的无缝延伸。
Google于2026年11月11日发布Gemini Decision 1决策模型API,加入Jev和OpenAI的决策模型类别。该模型支持yes/no、choice和rubric-scoring三类问题,覆盖文本、图像、音频、视频与PDF全模态,输入每百万token 10美分且输出免费。作者用视频测试返回概率值,Jev仅文本最便宜,OpenAI支持文本与图像。
eyvindn 使用 Gemini、ChatGPT、Claude 和 Grok 等 AI 智能体分析 NASA lidar 数据,在墨西哥识别出一处未获 INAH 登记的玛雅遗址,后证实已被 Estrada-Belli 等 2025 年测绘过。
Lenore Palladino 发文指出,退休储蓄正通过私募信贷流入AI数据中心融资,助长泡沫且储户承担未披露风险。文章引用 S&P 预警超大规模厂商信用因预计2030年前7万亿美元支出而弱化,得州等地选举结果可能放缓建设。
Google Research 提出结合可穿戴数据与语言模型智能体的个性化健康教练框架,包含可教练健康年龄模型和 SensorWM 世界模型。该框架模拟 12 周习惯改变轨迹并由语言模型智能体生成教练计划,盲测中生活方式教练偏好反事实方案达 71.4% 且 99.2% 符合安全强度。模型为回顾性研究原型而非临床诊断工具,为未来前瞻试验奠定基础。
Google Deepmind 推出 Gemini Decisions API 与模型 Gemini Decision 1,单次可处理最多 1000 条跨文本图像音频视频PDF的闭式决策并返回置信度。
Google DeepMind 发布 AlphaProof Code,在四周内完成 Signal 加密核心代码的形式化验证,传统方式需数年。系统基于 Gemini Carbon 的 AI agents 写下超 600 万行 Lean 证明语言,标出约 1% 代码供人工审查并捕获两个测试用漏洞。DeepMind 计划将方法扩展至电网与医疗设备,此前验证仅停留在理论设计阶段。
Google 推出名为 Tabletop 的实验性 AI 工具,允许用户通过描述生成自定义协作中心,如储蓄追踪器、家务表或活动计划。该工具支持通过提示词或模板创建交互式应用,并可通过邀请链接实现多人实时协作,类似 Google Doc。目前 Tabletop 处于 Beta 测试阶段,仅限美国 18 岁以上用户通过候补名单申请访问。