全部 AI 动态

Google DeepMind 发布实时世界模型 Genie 4

Google DeepMind 发布 Genie 3 的继任者 Genie 4，这是其首个直接生成声音的实时世界模型，可逐帧计算场景并响应用户输入。Gemini 模型在后台规划模拟走向，Gemini 3.8 Flash 负责把目标拆成步骤并检查执行结果，Gemini 4 Argon 则被用于把 Genie 与 Gemini Robotics 的机器人研究结合。

英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe

英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步更新开源语音数据集 Granary 至第 2 版。

Gemini 4 Carbon 登顶多项榜单，首批面向网络安全防御者开放

Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science、AA-Omniscience 和 AutomationBench 四项评测中领先。

Google 发布 Gemini 4 Carbon，称网络安全能力显著跃升

Google 发布前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有明显提升。该模型在 Artificial Analysis Intelligence Index（v5.0）上排名第一，Claude Opus 5.5 和 GPT-6 Astra 位列其后，并在 SEC-bench Pro 和 ExploitGym 两个基准上居首。

同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周》

Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。

Google 发布前沿模型 Gemini 4 Carbon，暂不对外开放使用

Google 发布 Gemini 4 Carbon，称其在编码、智能体任务和科学分析上达到新水平，但延续分阶段发布策略，暂不对外开放使用。Google 称该模型在漏洞检测、验证与修复上有显著提升，生成无漏洞代码的概率是 Argon 的两倍；Chrome 团队称其生成高质量补丁的能力是非 Google 模型的 10 倍。

Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别

Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可用文本指令控制，支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，单段录音最长 1 小时、最多 8 位说话人。

Artificial Analysis 改版 Intelligence Index，开放与闭源模型差距扩大至 12 分

Artificial Analysis 改版 Intelligence Index，Kimi K3.1 Pro 从第 4 名降至第 9 名，排在 8 个闭源模型之后。

DeepMind 发布 Genie 4 世界模型，称物理与人物模拟更真实

Google DeepMind 发布 Genie 4 世界模型，称其在几乎各方面都优于 Genie 3，模拟的物理效果和人物更真实。该模型无需预渲染环境或编写交互逻辑，用户描述需求后即可实时逐帧生成可探索的虚拟世界，部分改进来自 Google 更新的 Gemini 模型。DeepMind 将世界模型视为通往 AGI 的关键环节，并称该技术可用于为实体机器人构建训练环境或加速创意领域的原型设计。

OpenAI 发布 GPT-6.1 Terra 模型

OpenAI 发布 GPT-6.1 Terra，官方强调其详细视觉推理与精确电脑操作能力，并称其写作更清晰自然，相比 GPT-5.6 Terra 有明显提升。该模型定价为每百万输入 token 1 美元、每百万输出 token 5 美元，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半，约为 GPT-6 Luna 的 10 倍。

月之暗面发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活，权重定于 11 月 4 日开放

月之暗面发布 Kimi K3.1 Pro，这是一个多模态 MoE 模型，总参数 2.8T、激活参数 104B、上下文窗口 100 万 token，官方承诺 11 月 4 日开放权重，目前仅 API 可用。