Gemini 4 Carbon 登顶 MathArena,测试成本约为 GPT-6.1 Sol 的 15 倍
Google 的 Gemini 4 Carbon 在 MathArena 数学基准中登顶,但在测试所用推理设置下,成本约为 GPT-6.1 Sol 的 15 倍。
Google 的 Gemini 4 Carbon 在 MathArena 数学基准中登顶,但在测试所用推理设置下,成本约为 GPT-6.1 Sol 的 15 倍。
Simon Willison 比较了 Gemini 4 Hydrogen 与 Carbon、Argon 的价格及鹈鹕生成样例,指出 Hydrogen 当前仅便宜 25%,生成质量却有明显差距。
推荐理由:把当前价差与调价后的价差分开比较,再结合相同题材的生成样例,提供了理解模型价格定位与输出质量差异的具体视角。
Google 表示,新模型 Gemini 4 Hydrogen 更擅长理解多部分问题、难以辨认的拼写错误和具体请求,现已成为 AI Mode 默认模型,并用于 AI Overviews 中最难的问题。
Google 推出 Gemini 4 Hydrogen,即日起在旗下产品中替换 Gemini 3.8 Flash,开放限制较此前的 Argon 和 Carbon 更宽松。
Google DeepMind 发布 Gemini 4 Hydrogen,主打快速执行日常编码与智能体任务,即日起向开发者、企业和消费者产品逐步开放。
推荐理由:通过区分深度架构判断与日常执行任务,材料展示了多模型工作流如何分配任务,并给出配额消耗与完成速度的对比数据。
Google 发布 Gemini Decision 1 及 Gemini Decisions API,以单次前向计算完成封闭选项决策,而非逐 token 生成文本。
Simon Willison 对比并实测 Google 的 Gemini Decisions API,其 Gemini Decision 1 支持是非题、选择题和量规评分。
Google DeepMind 发布 AlphaGenome 2,通过条件模型预测 DNA 序列及其变异对特定细胞类型和状态的影响,并可分析未见过的细胞状态。模型使用超过 107 million 个单细胞图谱训练,在 TenK10K 数据集上的因果变异识别比例为 30%,对比原版经单细胞数据微调后的 16%,并新增 DNA 甲基化预测。
推荐理由:从组织平均值转向细胞类型与状态的条件预测,有助于定位被组织层面分析掩盖的变异效应,将遗传关联落到具体细胞。
Google 宣布开放 Gemini 4 Carbon,面向开发者、企业、科研人员和消费者,主打复杂知识工作、长流程智能体编码、网络安全与科学推理。
推荐理由:Carbon 与 Argon 的任务定位和 token 消耗差异,为比较复杂任务中的推理深度、验证投入与使用成本提供了具体依据。
Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,提升机器人任务广度、灵巧性与安全性,并正向机器人合作伙伴开放。
推荐理由:从多任务评测到汽车产线试点,材料给出了机器人灵巧性提升与实际作业可靠性之间的对照,便于理解模型进展的落地范围。
Google DeepMind 发布 Gemini Omni 1.2 Flash,原生视频生成和编辑时长从 10 秒增至 15 秒,并在 Gemini API 和 Gemini for business 全面开放。
推荐理由:相较上一版,片长增加与降价之外,多轮编辑让局部修改不必重新生成整段视频,为批量制作广告变体提供了更灵活的工作流。