1. Google推出由Gemini Decision 1驱动的Gemini Decisions API,已通过Gemini API在Google AI Studio开放,面向有限选项决策,单次最多评估1000个问题。系统会直接为候选项打分并返回概率,输入每百万Token计费0.10美元,输出不计费,免费层级也可使用。
2. 阿里通义千问宣布Qwen4即将推出,官方称其知识与世界理解、编程、Agent及专业软件操作能力增强。预览版Qwen4-Max已登陆Token Plan,Qoduck升级为该预览版并全系可用,计费限时两折,Qwen Studio和千问办公可提前体验。Qwen Code 1.0 Preview同步亮相,将Qoder的Harness能力融入终端编程Agent,可嵌入开发者自有产品。
3. Google DeepMind发布DNA序列模型AlphaGenome 2,可预测DNA变异对特定细胞类型的影响。官方称,新模型识别出的改变基因表达变异数量接近前代两倍,目前已经面向非商业研究开放。
4. 上海创智学院推出并开源多模态Agent模型Nex-N2.6,参数量约321B,支持文本、图片和视频输入,面向电脑操作、编程及工具使用等长程任务。百度发布ERNIE 5.5 Flash Preview,总参数280B、激活14B,官方称其在编程、3D建模等场景表现出色,API已上线千帆平台。该版本仍属后训练中间版本,权重计划于11月25日前开源。
5. Runway开放世界动作模型Praxis-1的权重与代码,采用Apache 2.0许可;这款270亿参数模型可同时预测视频和机器人动作,并能在自有硬件上运行、微调。小红书升级dots.tts.edit V1.1,支持局部风格描述编辑,以及中英双语、多说话人语音的情绪、语速和停顿修改。相关权重、代码与评测工具均已开源。
6. DeepL发布语音AI模型Aure,驱动实时语音翻译产品DeepL Voice。翻译后的语音能够实时跟随说话者的语气、情绪、重音和语速变化,进一步提升自然度与交互感。
7. Google Antigravity开始滚动推送Browser use,可在App和CLI中打开网页、截图、验证改动并并行执行任务,登录和下载由用户把关。Gemini API Managed Agents可接入自托管Linux沙箱,在用户自己的基础设施运行工具调用。Gemini同时登陆Apple CarPlay并向全球iOS用户推送,用户更新iPhone端应用后即可免提聊天、梳理日程和邮件。Google Labs实验项目Tabletop可根据链接和文件生成行程、投票、费用分摊等交互页面,支持多人编辑,目前在美国通过候补名单向18岁以上用户开放。
8. SpaceXSI发布Grok Bot 1.0,可由团队共享,在Slack、Microsoft Teams中协作,也能加入Google Meet、Zoom会议记笔记并生成摘要和行动项。腾讯云上线元宝搜索独立网页端,默认以AI模式回答并附参考资料,可检索微信公众号、视频号和学术文献,广告与答案明确区分。ChatGPT面向美国桌面用户推出Finances功能,可分析支出、寻找省钱方式、解读投资并构建自定义财务工具。
9. Anthropic在IPO路演视频中披露,内部模型Mythos约用三天、几乎无需人工干预,便将一个Claude模型的提示处理任务移植到AMD GPU。CEO Dario Amodei同时预测,癌症等疾病可能在十年内消失。
10. OpenAI研究称,模型越智能,其思维链越难监控;强化学习会显著提高可控性,而且这种特性还能通过监督微调传给下一代模型。OpenAI的Tibo也在X发文暗示周四可能与Codex有关,但尚未披露具体安排。CFO萨拉·弗莱尔确认,公司第三季度营收环比增长近50%,达到100亿美元;另有报道称当季经营亏损扩大至109亿美元。据《华尔街日报》,NVIDIA董事会准备罢免CEO Jensen Huang,最快于当地时间周三决定其去留,报道称原因涉及其两段婚外情。