搜索“其他”

（24 种语言）：平均错误率 5.89%，SIM 0.754。 在 CV3 上，Audio8 优于 VoxCPM2（5.35%）、CosyVoice3-1.5B（6.89%）和 Qwen3-TTS-1.7B（7.73%）。在 MiniMax 上，Qwen3-TTS-1.7B 得分为 27.41%，但它官方仅支持 24 种测试语言中的 10 种。 更大的模型在其他方面仍然领先。Higgs TTS 3 报告在 CV3 上为 4.41%，在 MiniMax 上为 2.74%。Qwen3-TTS-1.7B 在 Seed-TTS 上平均为 1.01%。Edge0 自己称其表格为参考比较，因为评估流程和文本归一化不同。 它与其他开源 TTS 模型相比如何？ 特性Audio8-TTS-RealisticQwen3-TTS-12Hz-1.7B-BaseVoxCPM2Higgs TTS 3 规模0.6B（不含编解码器）1.7B2B 4B 主干 许可Apache 2.0Apache 2.0Apache 2.0研究与非商业 语言231030100+ 输出采样率44.1 kHz未披露48 kHz24 kHz

匹配字段正文

获得88.2%的成绩；在ExploitGym漏洞利用验证测试中达到54.8%；在CWE-bench漏洞修复测试中达到71.0%，均取得了领先成绩。 谷歌还透露，在内部安全代码生成测试中，Carbon的成功率超过Argon的两倍。 此外，在Gray Swan的间接提示注入测试中，Carbon也取得了0%的攻击成功率。这项测试专门考察AI能否抵挡藏在网页、邮件和其他外部资料中的恶意指令。 在允许攻击者最多尝试15次的情况下，Carbon抵挡住了全部测试攻击。相比之下，Argon的攻击成功率为0.7%，Claude Opus 5.5为1%，GPT-6 Astra为8.5%。 还有一点，比较有意思：Carbon是个官方认定的“老实模型”。 过去一些AI模型为了完成任务，可能会钻测试环境的漏洞，甚至通过不符合任务要求的手段骗取高分。但谷歌宣称，Carbon在Terminal-Bench 4.0测试中的作弊成功率已经降至0%，作弊尝试率也降低至0.4%。 在内部测试中，Carbon缺乏依据的断言数量较Argon减少约一半，高严重程度的行为偏离警报下降近80%。模型越权操作的情况减少26%，任务完成

匹配字段正文

现已在 Baseten Model APIs 上线，开放权重发布于 Hugging Face. 这个 LLM 工作负载应该改用决策模型吗？ 决策模型在一次前向传播中返回一个标签（一个决策）以及该标签的置信度分数。具体到 joey-1，当满足以下条件时，值得将 LLM 工作负载迁移过来： 决策量很大，因此每次调用的成本决定了项目是否经济。 你需要做出的决策是其他事项的前置条件，这意味着其延迟会被加到每一次响应中。 作为参考，每月对 1000 万张支持工单进行分类，每张约 500 个 token，即 50 亿个 token，在 joey-1 上每月约 50 美元，而在 mammoth-1 上为 500 美元。joey-1 是一个可靠的一线模型，可让工作负载保持快速且成本高效，而当 joey-1 不确定时，你仍可使用 elephant-1 或 mammoth-1 等更重的模型作为升级路径。 Base Labs 决策模型系列 这三款模型均由 Base Labs 在相同的数据混合上训练，并共享相同的 API，因此在它们之间切换只需改一行代码。这使得该系列成为一个单一工具包，而非三个独立的选择：

匹配字段正文

GmbH 的外部内容，但我们无法获取你的同意设置。 请重新加载页面或手动调整你的同意设置。 与此同时，在智能体编程能力方面（Coding Agent Index），Gemini 4 Carbon 不得不让位于 Anthropic 的 Claude Opus 5.5。在 Terminal-Bench 和 Frontiercode 基准测试中，Anthropic 也处于领先地位。 初期仅面向选定用户开放 此外，据 Trendingtopics 报道，Carbon 目前仅向网络安全防御专家等选定用户开放。只有在完成美国政府的自愿预审流程后，新的 Gemini AI 才会向开发者、企业和消费者开放。广告广告 查看 4 张图片 Deepseek 是这样工作的——这也是它与其他 AI 模型的不同之处 来源：（图表：Dall-E / t3n） 无论如何，Google 通过发布 Gemini 4 Carbon 至少确保了一件事：在 Anthropic 计划上市前让其感到不安。观察人士认为，这家 AI 供应商有可能在 IPO 前夕再推出一款自己的更强 AI 模型，例如 Claude Opus 6。 首页

匹配字段正文

域可能更有分量，因为各组织希望对自己的数据和系统拥有更多控制权。 或者，正如Mistral首席执行官Arthur Mensch所解释的那样，AI应该“成为赋能工具，而非支配手段”。凭借Chonk，Mistral进一步强化了这一立场，声称其能够以“闭源实验室所投入算力和资金的一小部分”实现“最先进的性能”。 该模型权重的发布——即驱动系统的数值训练成果——确保其他公司和政府机构现在能够将ML4部署于自身用途。 Mistral表示，其模型在性能上与中国开放权重竞争对手GLM-5.3相当，后者此前被认为是世界上最好的开放权重模型之一——尤其是在网络工作方面。然而，Mistral的模型每项任务使用的token少47%，使其比GLM-5.3显著更经济。 该公司还声称，在AI基准测试网站Artificial Analysis的Coding Agent Index上，该模型在智能体编程任务方面排名所有其他开放模型之首。 该公司周四表示：“在日益增长的网络威胁下，ML4为企业及全球各国政府带来了最先进的主权网络防御能力。企业和公共部门机构现在可以下载、部署并拥有前沿AI，以检测、分析并响应代码和IT基

匹配字段正文

ndex v5.0 榜单中拿下 59 分，超越 Claude Opus 5.5 和 GPT-6 Astra，登上全球大模型榜首。 更惊人的是，Gemini 4 Carbon 已经能连续数天处理复杂工程任务，自主寻找、验证并修复软件安全漏洞，在多项网络安全基准测试中刷新纪录。 然而，如此强大的模型，普通用户暂时还用不上：谷歌决定优先向少数网络安全防御人员开放，其他用户何时能够体验仍没有明确时间表。 重回世界第一，Gemini 也开始卷能力上限了 回顾今年的大模型竞争，谷歌的更新节奏明显正在「知耻而后勇」。 此前，接连推出 Gemini Flash 3.5 至 3.8 系列后，谷歌迟迟没有兑现新一代旗舰 Pro 模型的期待。另一边，Anthropic 和 OpenAI 持续刷新能力上限，国产模型也在不断追赶，谷歌急需一款有分量的产品重新证明自己的实力。 直到两周前前，Gemini 4 Argon 才终于上线。 Argon 意为「氩」，是一种性质稳定的惰性气体，常用于焊接和半导体制造中的保护环境。Argon 在文笔写作、表达质量等方面取得了明显提升，但距离全面领先顶级模型仍有差距。 如今，谷

匹配字段正文

合式AI产品组合，同时受益于不同产品线、行业和客户群体的需求。谷歌云目前已有18条产品线的年收入分别超过10亿美元。 从具体业务来看，Google Cloud Platform（GCP）的AI基础设施、AI解决方案以及传统核心云服务均实现增长，TPU系统销售也成为重要的收入贡献来源。 库里安透露，谷歌正在将TPU的销售范围从自有云平台拓展至客户自有数据中心和其他服务商，以扩大产品覆盖面。 谷歌披露，超过100家重要客户已经在使用谷歌TPU系统。除Anthropic等现有合作方外，公司还在与Mistral、Physical Intelligence等模型公司，以及金融机构、大学和公共部门客户合作。谷歌还宣布与Oracle、CoreWeave AI建立TPU系统交付合作，并与Meta合作推进TorchTPU，以降低开发者将PyTorch模型迁移至TPU平台的门槛。 TPU业务的意义在于，谷歌可以向客户销售包含硬件、计算、存储、网络及系统软件的完整计算系统，而不只通过云服务按使用量收费。 与此同时，TPU系统销售也会带来不同于传统云服务的现金流周期：谷歌需要先采购硬件、积累库存，再向客户交付

匹配字段正文

官方评分标准评估模型复现论文成果的完成程度。 在科学研究难题测试FrontierScience中，Apex-35B-V1.0获得40.0分，高于Qwen3.6-35B-A3B的21.7分和GLM-5.3的30.7分。该测试涵盖物理、化学、生物等领域，此次比较采用包含60道研究级难题的测试集，主要考察模型解决复杂科学问题的能力。 ▲Apex-35B-V1.0与其他模型在科研类基准测试中的成绩对比（图源：超衍智能） 智能体任务方面，Apex-35B-V1.0在工具调用和流程自动化测试中也取得了较高成绩。 在工具调用测试BFCL V4中，该模型取得84.0分，高于Qwen3.6-35B-A3B的75.2分和DeepSeek-V4.1-Flash-1017的75.0分，在此次参与比较的6款模型中排名第一。 BFCL V4主要考察模型能否正确选择和调用外部工具，处理多轮工具调用等任务。此次评测覆盖5106个测试样例，采用各样例非加权平均通过率，与BFCL官方加权总分的统计口径有所不同。 在流程自动化测试AutomationBench中，Apex-35B-V1.0取得49.3分，Qwen3.6-3

匹配字段正文

Google DeepMind（@GoogleDeepMind）2026年10月28日 Google的模型评估资料中，除这一综合评价外，还刊载了Artificial Analysis测得的Terminal-Bench系列结果。关于编码领域的Terminal-Bench 4.0（AA）和科学领域的Terminal-Bench-Science 0.1（AA），与其他公司模型的比较如下。 模型 Terminal-Bench 4.0（AA） Terminal-Bench-Science 0.1（AA） 从漏洞发现、可利用性验证到修复，对各阶段性能进行评估 Google表示，Carbon在从漏洞发现到可利用性验证、原因修复的网络安全防御各阶段能力均有提升。可利用性验证是为了让防御人员判断是否有必要修复漏洞、应优先处理哪些漏洞而进行的。 据称，在内部基准测试中，生成安全代码的成功率超过Argon的2倍。以下3项基准测试在移除模型安全限制即护栏的条件下评估了性能。SEC-bench Pro和ExploitGym由Google评估，CWE-bench v1由Collinear AI评估。 在漏洞发现（

匹配字段正文

词的发言在录音的第几秒开始、第几秒结束。根据技术报告，最多可区分8名说话人。 在翻译方面，可从日语语音生成英语文本，从英语语音生成日语文本。转写和翻译可用于对会议、通话等录音进行事后处理的用途。不支持在说话过程中进行逐次转写的实时处理。 作为转写的辅助，还可以回答关于音频内容的问题，或响应以语音给出的指令。不过，这些仅在英语中进行了评估，据称在包括日语在内的其他语言中可能无法稳定运行。 评估多语言和多说话人语音识别 NVIDIA在技术报告中展示了用于比较语音识别性能的Open ASR Leaderboard的多语言评估结果。德语、法语等7种语言的平均词错误率（WER，越低越好）为4.62%。在比较表中列出的模型中，这是公开权重（通过训练调整的数值数据）的模型中最低的值。这7种语言不包括日语。 Nemotron 3.5 Transcribe Technical Report（表9⁠）⁠- NVIDIA 在比较的模型中，Qwen3-ASR-1.7B为6.49%，Whisper-large-v3为7.94%。另一方面，商用模型ElevenLabs Scribe v2为3.56%，低于Nemo

匹配字段正文

行敏感数据而无需将其暴露给云端或外部各方。借助 Mistral 的模型，企业将拥有一个西方开发的模型，与市场上众多超大型中国编码模型竞争，例如北京智谱华章科技有限公司的 GLM 系列和北京月之暗面科技有限公司的 Kimi 系列。 “开源对于确保最先进的 AI 不会最终集中在少数参与者手中至关重要，”联合创始人兼首席执行官 Arthur Mensch 表示。“其他实验室已筹集数千亿美元来开发同等能力；而在三年内，Mistral 筹集了约 60 亿美元。” 由于其训练方案，ML4 在许多其他前沿模型中脱颖而出，在 Artificial Analysis Coding Agent Index 上甚至可与 GLM-5.3 等顶级模型匹敌，同时平均每个任务少用 47% 的 token。 在测试终端中智能体编码能力的 Terminal-Bench 4.0 上，ML4 从 28% 提升到 41%，与 GLM-5.3 并列成为编码智能体的最佳模型。 Mistral 为 ML4 提供三种推理模式：低、中、高。团队可利用这一点让推理深度与任务相匹配，而无需调整提示词（后者可能效果较差），从而使推理既能适应

匹配字段正文

参与者，但在所谓的“AI竞赛”中，它并未跟上同行的步伐。Gemini 4 Argon是该公司11个月来首款新的前沿模型——在一个似乎每周都有新模型出现的行业里，这已是很长的时间。 但自2025年以来，公众对AI的态度已经发生了很大变化。围绕AI的担忧有所上升，公众对数据中心等AI基础设施项目的反对也在增加。虽然关于AI导致人类灭绝的担忧往往被夸大，或者实际上反而给了科技公司更多权力，但其他担忧——AI导致大规模失业、虚假信息和深度伪造——依然真实存在。 Katelyn Chedraoui 记者2 Katelyn是CNET的记者，报道人工智能领域，包括聊天机器人、图像和视频生成器。她的作品探讨新AI技术如何渗透进我们的生活、塑造我们在社交媒体上消费的内容，并影响屏幕背后的人们。她毕业于北卡罗来纳大学教堂山分校，获得媒体与新闻学学位。可通过kchedraoui@cnet.com联系她。 查看完整简介 Katelyn的最新文章 英伟达发现自己身处一场AI间谍传奇的中心 .articleAuthorBioFooter-container 这就是为什么你即将在Google的AI概览中看到更多广告

匹配字段正文

高于得分为 50% 的 GLM-5.3 Flash。Kimi K3.1 Pro 以 64% 领跑整个指数。 额外训练在这方面几乎没有带来变化。根据 Artificial Analysis 的数据，预览版得分为 50 分，而最终版本仅高出一分。 Large 4 在拒绝有害请求方面表现更好。Mistral 称，该模型平均拒绝 96.6% 的恶意网络请求，高于任何其他开源模型。它仍应能够处理合法的防御性任务。不过，Mistral 承认该模型可能使真实攻击更容易实施，因此计划在未来几个月收紧防护措施。Orange Cyberdefense 等部分合作伙伴已在测试用于渗透测试的特殊版本。访问需要经过审核，并附带合同限制。 Mistral 也看到了办公工作方面的进展。该公司称，在编辑财务电子表格和搜索网页方面，Large 4 在开源模型中仅次于 Kimi K3。 Mistral 降价，但增加了许可证限制 通过 API，Large 4 的价格为每百万输入 token 0.70 美元、每百万输出 token 2.10 美元。在预览期间，标价为 1.36 美元和 4.18 美元。Mistral 在发布时

匹配字段正文

7.76 美元，而 Opus 5.5 为 10.04 美元，GPT-6 Astra 为 6.25 美元。它每项任务使用 123k 输出 token，比 Opus 少 29%。 幻觉：Carbon 以 54 分在 Omniscience 上领先。其幻觉率从 Argon 的 4% 升至 11%，仍是测得第二低的。Opus 5.5 和 Astra 均为 50%。 其他独立评测： Arena：Carbon 在 Text Arena 中排名第 1（1528），在 Agent Arena 中排名第 2，每项任务中位成本为 1.80 美元，在 Code Arena: WebDev 中排名第 4（1768）（@arena）。Arena 将相对 Argon 的提升归因于更多赞扬、更多确认成功和更好的可操控性（@arena）。 Vals：Carbon 在 Vals Index 上排名第 2，在 Finance Index 和 Legal Research Benchmark 上排名第 1。它产生的输出 token 比 Argon 多 64%，主要是在金融、税务和法律任务上（@ValsAI、tokens）。

匹配字段正文

升89个Elo分数，拿到1769分，位列榜单第四名。 网络安全是本次模型迭代升级的重点。该模型在漏洞挖掘、结果验证、漏洞修复的安全防御全链条均达到行业较高水平。内部测试结果显示，相较于上一代Gemini 4 Argon，Gemini 4 Carbon输出安全代码的成功率提升两倍以上。谷歌Chrome团队开展的对比测试表明，该模型产出高质量漏洞补丁的能力，远超其他机构研发的前沿大模型。 在安全对齐能力层面，该模型继承并优化原有多层安全体系。测评数据显示，其Terminal‑Bench 4.0测试作弊成功率达到0.0%，作弊尝试占比压缩至0.4%；内部编程环境下，高等级严重失准警报数量下降近八成。模型无依据的虚构输出问题相比上代减少约一半，当证据不足时，能够主动说明自身能力边界、拒绝违规操作，并列明缺少的相关信息。遇到表述模糊的用户需求，模型会先查阅参考资料，向使用者提示信息差异，而非盲目推演执行任务。统计显示，模型过度执行率下降26%，服务不足率下降29%，多步骤任务完整执行的可靠性得到增强，能够恪守项目既定范围。同时，该版本可完全抵御测评覆盖的间接提示注入攻击，攻击成功率为0.0%。

匹配字段正文

生成等）。在 GitHub 上试用并加星 💬 Nemotron 3.5 Transcribe - Nvidia 的可转录 40 种语言的 AI 🔴 ChatGPT Dot - OpenAI 的常驻智能体，现可通过短信使用 ⚙️ GitHub Copilot Fusion - 可为每项任务自动挑选 AI 模型的 Copilot 模式 赞助列表 📰 今日 AI 其他动态 OpenAI 正将数百名员工调入一个“作战室”，为下周的美国中期选举做准备，在本月标记出其模型上的俄罗斯和伊朗影响力行动后，搜寻 ChatGPT 的滥用情况。 Artificial Analysis 发布了其“智能指数”AI 排行榜的 v5 版本，如今更多依赖私有测试，中国开源模型在排名中进一步落后，而 OpenAI 的新 Terra 模型尽管处于中端水平，表现却更胜一筹。 新 AI 初创公司 Particle 发布了 Particle-1，这是 DeepSeek V4.1 Flash 的一个变体，经过训练在编码任务上减少推理，使用的 token 减少约 45%，准确率几乎相同。 Anthropic 扩大了其政府采购协议，

匹配字段正文

具经济性。 在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分为 48%，与领先的开放权重模型 GLM-5.3 基本持平，而每任务平均使用的 token 少 47%。 Artificial Analysis Coding Agent Index 与 token 效率对比 Mistral 其他模型 Artificial Analysis 上各推理级别的 Coding Agent Index 得分与 token 效率 这些提升也延伸到了基于终端的编码工作流。在 Terminal-Bench 4.0 上，Mistral Large 4 相比公开预览版提升了 13 个百分点至 41%，在开放权重模型中领先，同时输出 token 减少了 30%。 Artificial Analysis Coding Agent Index - Terminal-Bench 4.0 为了让开发者更好地控制性能与成本之间的权衡，Mistral Large 4 现支持三种推理模式： 模式 推荐用途 低 简单任务；替代“无”推理模式 中 日常任务

匹配字段正文

。 Nvidia 将这些能力连同翻译功能打包进单个检查点，这可以简化围绕它们构建应用的工作。 理想情况下，设定这种上下文可以降低错误率。代价是，这些模型比传统转写模型大得多，后者规模通常不到 10 亿参数。Nemotron 3.5 Transcribe 是一个 30B 的混合专家模型，拥有 40 亿激活参数。 不过，这并非一个全新的概念。我们最近已经看到一些其他可提示的语音转文本模型，例如 Mistral 的 Voxtral 模型和 AssemblyAI 的 Universal 3 Pro。 不过，Nvidia 能够以远更少的激活参数与 Voxtral 的错误率相匹敌。在 Artificial Analysis 的基准测试中，Nemotron 的词错误率为 2.81%，而 Voxtral Small 为 2.77%，同时前者使用约 40 亿激活参数，后者则为 240 亿。不过，这一比较衡量的是相对于激活参数数量的准确率，而非运行时或内存需求。 该模型可以转写 40 种语言，并将其中 31 种语言与英语互译。说话人归属功能适用于其中 13 种语言，并且最多可区分 8 个说话人的声音。音频

匹配字段正文

🛠️ 热门AI工具 💧 LFM3 - Liquid AI全新推出的小型设备端多模态模型系列 🎨 MAI-Image-2.7 - 微软升级版图像AI，率先面向编辑功能推出 🔎 Parallel Decisions API - 利用实时网络数据进行分类的决策AI 🌎 GPT-6.1 Terra - OpenAI更便宜、更快的模型，用于日常计算机工作 📰 今日AI其他动态 Anthropic发表论文称，一个内部Claude模型同样否证了指数时间假设，与OpenAI公布自身结果的同一天发布。 美国总统Donald Trump发帖称，他将“在所有相关文件中禁止使用‘AI/人工智能’一词”，这是朝超级智能迈进的又一举措。 AI-for-physics实验室Physical Superintelligence发布了五篇新论文，每篇都配有计算机校验的证明，声称在其内部AI的帮助下，在长期未解的量子物理问题上取得了进展。 Meta从其芯片供应商Nvidia（30亿美元）和AMD（10亿美元）处为其950亿美元的AI融资安排了40亿美元，两家公司同时也在扩大其在Meta数据中心运行的硬件。 Google签

匹配字段正文

话与视觉内容一同生成。这是 DeepMind 首个原生生成音频的实时世界模型。 它接替了 2025 年 8 月发布的 Genie 3。Genie 3 以 720p 和每秒 24 帧运行，视觉记忆可回溯 1 分钟。 Genie 4 如何使用 Gemini？ Genie 4 借鉴了 Gemini 家族的两个部分。Gemini Omni 锚定每个世界的外观和行为。其他 Gemini 模型负责保持仿真连贯性的推理。 运行时循环的工作方式如下： 解读：当你输入提示时，Gemini 会调整提示以适配正在运行的场景。 规划：Gemini 3.8 Flash 将目标拆解为一系列步骤。 验证：它检查传入的帧，以确认每一步都成功。 适应：如果世界发生变化或你进行干预，它会修订计划。 在用户输入之间，Gemini 还会引导场景，使世界持续演进。DeepMind 团队将此视为迈向混合世界模型的早期一步。在该设计中，语言模型负责结构和叙事，而 Genie 负责渲染像素和声音。 在 Genie 4 世界中你能做什么？ 用文本引导：你可以在会话中途改变天气、移动摄像机或添加新的人物或物体。 模拟物理和人物：Deep

匹配字段正文