搜索“DeepMind”

标准定价下，其每任务成本与 Gemini 4 Argon（$7.68）相当，而在 Intelligence Index 上得分高出 9 分 ➤ AA-Omniscience v1.1 得分领先，幻觉率低：Gemini 4 Carbon 在我们最近更新的 AA-Omniscience v1.1 上得分 54，比 Claude Opus 5.5（max，48）高 6 分，比 Gemini 4 Argon（46）高 8 分。准确率（% 正确）较 Argon 提升 10 分至 58%，而幻觉率从 4% 上升至 11%。这仍是所有模型中第二低的，仅次于 Argon，而 Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50% 关键模型细节： ➤ 上下文窗口：1M tokens ➤ 多模态：文本、图像、视频和语音输入，文本输出 ➤ 定价：每 1M 输入/输出 token $4/$20，与 Gemini 4 Argon 的标准定价相同，并提供 50% 折扣。缓存输入 token 享受 95% 折扣（每 1M $0.20） 祝贺 @GoogleDeepMind 团队！

匹配字段正文

0.7分。在工具调用测试BFCL V4中，该模型取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。 超衍智能成立于今年6月，核心业务是研究下一代自进化基础大模型（RSI），其创始人、CEO陈勇超今年27岁，是清华大学人工智能学院助理教授，本科毕业于中国科学技术大学，拥有哈佛大学与麻省理工学院联合培养博士学位，曾在Google DeepMind、微软研究院等机构从事AI研究。 ▲超衍智能创始人陈勇超（图源：清华大学） 今年5月，超衍智能曾利用其自动化研究系统Apex Research生成34篇AI研究论文，并提交至ACL Rolling Review（ARR）评审。据团队公布的研究报告，其中8篇论文的平均整体评分超过3.0分，2篇达到3.67分，评分高于约99%的人类投稿。 ▲Apex Research生成的34篇AI研究论文在ARR首轮评审中的评分分布及录用概率估算。图中11篇评分不低于3.0分，其中8篇超过3.0分；3篇评分不低于3.5分，其中2篇达到3.67分（图源：超衍智能） 截至今年9月，该公司已累计融资近4亿元，IDG资本、星连资本、中关村科学

匹配字段正文

Google于10月28日发布了Gemini 4 Carbon，称其为该公司最强的人工智能模型，具备改进的网络安全能力以及处理复杂、长时间运行任务的能力。据该公司介绍，该模型旨在识别软件漏洞、评估安全风险并开发代码修复方案。 Google DeepMind高级副总裁兼Google首席AI架构师Koray Kavukcuoglu在一篇博客文章中表示，Carbon建立在两周前发布的Gemini 4 Argon之上。Google表示，新模型还改进了编码、科学任务、Web开发以及执行多步骤工作流的AI智能体。 该公司表示，Carbon旨在解决可能需要数天才能完成的复杂工程问题，包括在大型代码库和底层系统中识别缺陷的成因并加以修复。 Google报告称，Gemini 4 Carbon在SEC-bench Pro上得分88.2%，该基准用于评估识别真实世界软件漏洞的能力。它在评估漏洞利用的ExploitGym上得分54.8%，在评估修复软件弱点能力的CWE-bench上得分71.0%。Google表示，这些外部网络安全评估是在未加护栏的情况下进行的。 该公司表示，内部基准测试显示，Carbon在生

匹配字段正文

降至0.4%。 据Google称，在综合评价AI模型能力的Artificial Analysis Intelligence Index v5.0中，Carbon取得59分，位居首位。该公司在发布时提供的比较表中，Argon的得分为50。 Gemini 4 Carbon是我们的下一代前沿模型。 它在网络安全和长时程能力方面均处于最先进水平。—— 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。

匹配字段正文

问题，即被认为对前沿模型过于简单的问题。 Carbon 尤其擅长网络安全任务。它在 SEC-bench Pro 上轻松打破了此前的纪录，该测试评估大语言模型在复杂软件系统中发现弱点的能力。该模型在修补其发现的漏洞方面也优于前代。 “Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上，”Google DeepMind 高级副总裁兼 Google 首席人工智能架构师 Koray Kavukcuoglu 在博客文章中写道。 该公司上一代旗舰大语言模型 Argon 包含旨在减轻幻觉和网络攻击的护栏。Google 在 Carbon 中实施了该功能集的改进版本。据该公司称，多个在“实时编程环境”中使用 Carbon 的内部团队报告称，失准警报减少了近 80%。 当大语言模型难以回答用户问题时，它们有时会通过幻觉出不准确的信息来填补知识空白。Google 对 Carbon 进行了配置以避免此类行为。 “在我们的内部测试中，Carbon 将无依据主张减少了约 2 倍，优于 Argon，”Kavukcuoglu 写道。“它会将方法学上的注意事项

匹配字段正文

布上有些搞砸了，而缺乏零数据保留正是我们看到一些放缓的原因。这是他们可以通过Fable 5.5解决的问题，也许能在那里推动更多企业采用。 当我们与企业交谈时，这对他们来说是一件大事。我们现在确实看到企业，而且更多的是，很多AI原生公司，在开放权重模型上进行自定义训练和后训练，然后要么基于此运行他们的推理，要么甚至将他们的产品用于内部或外部用例。 显然，谷歌的DeepMind和[Meta Superintelligence Labs]都是资金非常充足的实验室，拥有相当相似的训练算力，而且他们正在引入大量算力。更不用说SpaceX了，Elon说过明年净新增约10吉瓦，其中一半是长期内部用例。 今年上半年，Anthropic一骑绝尘。他们占了行业净新增ARR的90%。我们在第三季度看到，OpenAI实际上可能占了行业净新增ARR的大部分。开源从第一季度大约10亿美元的token推理成本、ARR，增长到第三季度的100亿美元以上。 所以没错，这个行业的竞争激烈了许多，但同时也涌现出所有这些新的用例，而其中一些垂直化的用例，正是我们未来将看到增长的地方。因为很明显，编程不可能推动我们在这里再翻三

匹配字段正文

Gemini 如何帮助课堂上的学生和教师 2026年10月29日 | x.com Facebook LinkedIn 邮件 来自英国和意大利的新研究显示，Gemini 能够提升学生的学习效果，并帮助教师在课堂上促进更主动的学习。 Kevin McKee Google DeepMind 教育 AI 评估负责人 Amanda Rosenburg Google for Education 专职研究员 分享 x.com Facebook LinkedIn 邮件 收听文章 [[duration]] 分钟 此内容由 Google AI 生成。生成式 AI 仍处于实验阶段 我们正在分享关于 Gemini 如何支持英国和意大利各地课堂中学生与教师的新研究结果。我们的研究表明，AI 辅导能够提供有效的数学支持，而使用 Gemini 共同设计课程的教师则报告称学生参与度更高、自身福祉也有所改善。您可以阅读我们的完整技术报告和实施报告，进一步了解这些工具在不同教育环境中的运作方式。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 我们通过在英国和意大利开展的研究试验，研究了 Gemini

匹配字段正文

CEO劈柴哥在x上更是凡尔赛地调侃道（doge）： 我之前就说过，我们会周期性地发布模型……现在向大家介绍Gemini 4 Carbon。 结合此前曝出的内部信息来看，谷歌实际上在内部同时并行训练和评估了Argon、Barium、Carbon等多个Gemini 4存档点（其中公开发布的Argon实为内部的Barium-B存档点）。 在官方公告不起眼的角落里，谷歌DeepMind高级副总裁、首席AI架构师Koray Kavukcuoglu透露了真正的秘密： “我们的研究人员正与我们的模型携手并进（working hand in hand），以更快的速度推进能力演进，同时同步强化安全护栏。” 不过，谷歌还是你谷哥，发布≠上架。 由于Carbon具备较强的漏洞挖掘与利用能力，还要进行发布前测试流程。从本周开始，Carbon将率先向一部分网络安全防御人员开放。 还记得Argon从发布到真正给你用过了多久吗，这次等的也不会短就是了。 眼下Anthropic上市的关键节点上，这下该把Fable 5.5放出来了吧？ 至于沉迷发中杯Terra模型和短信通知Dot的OpenAI，我祝他好运。 参考链接：

匹配字段正文

改进版。（鞭牛士） 17岁天才少年离开Kimi后被争抢！美国AI大牛已发出邀请，本人回应 10月28日消息，据媒体报道，最近AI圈被一个名字刷屏了——17岁的陈广宇。本月15日，00后天才少年陈广宇在社交平台发文宣布，日前已离开月之暗面的Kimi团队，但并没有对外透露自己接下来的去向，仅表示还希望继续探索更多新方向。 消息一出，迅速引发热议。几乎同一时间，前DeepMind推理架构负责人、现Anthropic研究员肖尔托·道格拉斯现身评论区，公开邀请他去旧金山。面对肖尔托·道格拉斯的邀请，陈广宇回复：“谢谢Sholto！我正要去湾区。”也有分析认为，他离开或是去读大学。 有传闻称，陈广宇前脚宣布离开，后脚便收到5份工作邀约，金额均在100万美元以上。公共资料显示，陈广宇于2009年出生，曾就读于原北大附中深圳南山学校，后转入华润小径湾贝赛思国际学校，今年6月刚刚高中毕业。去年11月，年仅16岁的他加入Kimi团队，担任机器学习研究员，以此计算，他在Kimi工作的时间不超过一年。（快科技） 飞书首席战略官史志隽将卸任 10月28日消息，据媒体爆料，飞书原副总裁、首席战略官史志隽即将卸任，

匹配字段正文

笔额外资金，支持仓储、国防、建筑以及其他正在采用日益自主系统的市场中的新客户机会和不断扩大的客户机会。 Fort 的 Trust Layer 是机器人系统的基础安全基础设施，目前已部署在超过 19,500 台设备上，服务于全球 600 多家客户，包括 Agility Robotics、DoorDash、Cobot、Zoox、Textron 和 Google DeepMind。 业务合并完成后，合并后的公司将被命名为 Fort Robotics Holdings，并预计将在纳斯达克股票市场以新股票代码“FROB”上市，但须获得监管批准，从而成为首家主要致力于物理 AI 安全且可扩展部署的上市公司。 “随着物理 AI 的机遇持续扩大，我们相信 Fort 在构建独立安全层方面发挥着关键作用，而这一安全层是其应用的基础，”Tiger Global 合伙人 Griffin Schroeder 表示。“我们的持续投资体现了我们对 Fort 进展和前景的信心。” Tiger Global 自 2022 年起一直是 Fort 的投资者，当时其领投了该公司的 B 轮融资。此次投资紧随 Fort 近期取得

匹配字段正文

并没有向投资者承诺具体的商业化时间表——话里话外都是 完全不急着赚钱 。 不是？完全没有商业化收入，资本却给出了更高的估值溢价……神了。这帮平时精明得要死的老钱和VC集体失心疯了？ 或许你会觉得这是彻头彻尾的泡沫。但翻开PI的创始团队名单，就能明白顶级风投为何不看营收也敢下重注。 这家公司成立于 2024年 ，坐标美国旧金山。核心创始团队来自 Google DeepMind、斯坦福大学和加州大学伯克利分校 ，堪称全球机器人学术界和工业界的天花板阵容： 联合创始人兼首席执行官 Karol Hausman ，此前在Google与Google DeepMind深耕多年，是负责前沿机器人研究的核心科学家，还是斯坦福大学兼职教授，长期主导谷歌机器人的前沿探索。 联合创始人 Sergey Levine ，加州大学伯克利分校（UC Berkeley）教授，机器人学习和强化学习领域宗师级的大神，很多研究具身智能的学生应该都读过他的论文。 以及联合创始人 Chelsea Finn ，斯坦福大学助理教授，元学习和机器人领域的领军学者（也曾是Levine的博士生）。 还有一位联合创始人，就是前面提到的 La

匹配字段正文

ie 4，这是一款能够生成逼真三维环境的人工智能模型。 该算法是该公司于 2024 年推出的一系列世界模型中的最新成员。与其前代相比，Genie 4 更擅长渲染流体运动和其他复杂细节。此外，它还能生成配套音频，例如海浪拍击的声音。 “最显著的飞跃在于 Genie 4 如何模拟人物，创造出动作自然、能对环境做出有机反应、并可实时交互操控的角色，”Google DeepMind 员工 Raia Hadsell、Diego Rivas 和 Hang Qi 在博客文章中写道。 用户可以通过向 Genie 4 提供希望渲染内容的自然语言描述来创建虚拟世界。随后，他们可以浏览模拟场景，并通过输入后续提示词进行编辑。例如，用户可以要求 Genie 4 改变天气或添加更多物体。该模型进行此类编辑时，不会降低虚拟世界的照片级真实感或一致性。 Genie 4 的自然语言界面与键盘控制并存。键盘控制可用于改变摄像机的位置和角度。 在底层，Genie 4 使用 Google 的其他多个模型来提升其输出质量。它依赖这家搜索巨头于 5 月推出的视频生成器 Gemini Omni，以确保其生成的视觉素材逼真。Gem

匹配字段正文

ro。张一鸣想把复杂的计算生成放到云端，让头显只负责感知、传输和显示。 成本并没有消失，只是从头显转移到了数据中心。 因此，用户越多，并发计算的成本越高。网络稍有波动，延迟就会直接破坏沉浸感。 目前，字节世界模型的生成指标约为20fps，称不上流畅，顶多只能算“不卡顿”而已。 从“推荐下一条”，到“生成下一秒” 不是只有张一鸣才能做世界模型。李飞飞、杨立昆、DeepMind、英伟达，以及大量机器人与自动驾驶团队，都在从不同方向做世界模型。 他们个个都是技术大牛，但世界模型从实验室走向大众，需要的不只是技术。它还需要低摩擦交互、创作者生态、内容分发等等。 张一鸣最擅长的，不是发明每一项底层技术，他更擅长技术落地。 比如说字节起家的推荐算法，这显然不是张一鸣发明的，但是张一鸣把这项技术和字节已有的产品组织在了一起，把“找到下一条内容”这件事，压缩成了一次滑动。 你动动大拇指，下一个你可能喜欢的内容就来了。 用户不需要理解什么是推荐系统，也不需要学习一套操作方法。滑一下，不喜欢，那就再滑一下。 世界模型同样需要这样一个落地方式。 难道指望用户在进入世界模型之前，先学会三维引擎、镜头参数、动作

匹配字段正文

现漏洞、利用漏洞、修复漏洞的完整闭环： 找漏洞的 SEC-bench Pro，拿到 88.2%；在 ExploitGym 中编写漏洞利用代码、验证漏洞时，从上一代 Argon 的 42% 飙升到 54.8%，把只有 34.5% 的 Claude Opus 5.5 远远甩在身后；到了打补丁修漏洞的 CWE-bench，又拿下 71.0%。 图源：Google DeepMind 这就相当于 Carbon 拥有了发现后门，验证后门，和修补后门的完整能力，把网安人员和黑客想做的事情都具备了。 而且据谷歌说，以上三项外部安全评测，全部是在“解除安全防护限制”的裸奔状态下跑出来的。这就意味着无防护状态下完全体的 Carbon，完全有可能展现出非常强烈的攻击性，如果被有心人利用，也很有可能造成严重的网络安全威胁。 图源：Google DeepMind 因此，谷歌在收集够反馈、想好怎么给这头猛兽套上绝对可靠项圈之前，还不能直接放到公网上。 除此之外，Carbon 的“耐力”也是谷歌对它慎之又慎的重要原因。 据谷歌披露，在内部复杂任务中，工程师已经放手让 Carbon 连续工作好几天了。面对堆积如山的烂

匹配字段正文

ssy说2028年已锁定的需求“令人震惊”，Sundar Pichai说每家公司都希望手里的算力翻倍，本质上是同一句话：算力在可见的未来都是稀缺品。 面对短缺，各家的应对路径开始分化。亚马逊选择继续加码资本开支，用预建产能换取订单转化；微软双管齐下，一边自建数据中心，一边借助债券市场补充弹药；谷歌的取舍最有意味，Sundar Pichai明确表示谷歌云正在为DeepMind的前沿模型研发“让路”，主动放弃部分短期收入，同时把自研TPU推向外部客户，将芯片能力变现；Meta则在现金流转负的压力下，提前推动Muse的商业化，用订阅和交易抽佣让AI业务尽快自我造血。 对下游客户而言，短缺意味着三到五年的长约锁定和更高的价格，中小模型公司只能承受现货波动，行业准入门槛正在从技术能力变成资源获取能力。对上游而言，存储双巨头的纪录利润和英特尔的交付困境同时出现，说明产能兑现能力正在取代产能规划能力，成为新的竞争维度。 当三巨头同时出现负自由现金流，而股价反应截然不同时，市场的评分标准已经写明：谁能在现金消耗与收入兑现之间维持可信的平衡，谁就能继续拿到这场比赛的入场券。当然，这一判断也有隐含前提：倘

匹配字段正文

oyCount 论文中的前沿模型对比 视觉思维究竟是什么？ Andrew Dai 在 AI 领域并非初来乍到者。2015 年，在 Google 工作期间，他与人合著了一篇题为《半监督序列学习》的论文。在这篇论文中，Dai 和他当时的同事 Quoc Le 展示了后来被大型语言模型采用的“预训练后再微调”方法的早期版本。在随后的十年里，Dai 在 Google DeepMind 工作，参与了 GLaM MoE、PaLM 2，以及后来的 Gemini。赞助你的赞助广告位在这里触达正在构建未来的 AI 工程师。 Latent Space 的读者正是那些交付智能体、模型和基础设施的人。咨询赞助此广告位。business@latent.space → Dai 今年才离开 Google，目的是联合创立 Elorian。他的部分动机是推动视觉模型能力的边界。他向 Latent Space 解释说，他的方法基于人类心理学中一个名为视觉思维的概念。 当大多数人“思考空间问题或视觉问题”时，他解释说，“他们会通过在大脑中生成图像和编辑图像来将问题可视化。” 他举了一个买沙发并在脑海中想象它放在客厅里会是什么

匹配字段正文

。 不止 Artificial Analysis，Arena.ai 最新公布的榜单也显示，Gemini 4 Carbon（High）在 Text Arena 登顶第一、Agent Arena 排名第二、Code Arena WebDev 排名第四。 伴随着新模型登顶，谷歌内部也开始为 Gemini 积极造势。此前从 Anthropic 跳槽至 Google DeepMind 的华人研究员姚顺宇，同样为 Gemini 系列宣传打 call。 除了综合排名，Gemini 4 Carbon 在实际工程任务上的表现也有明显变化。 过去，大模型可以在几分钟内写出一段程序，但面对大型软件工程，问题就复杂得多。一个隐藏在数百个文件中的故障，可能需要开发者反复检查依赖关系、定位异常、修改代码，再经过多轮测试才能解决。 谷歌表示，Gemini 4 Carbon 已经能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题，即使遇到障碍，也能持续寻找其他方案，最终定位并修复一些隐蔽的软件缺陷。 网页开发方面，Gemini 4 Carbon 在 WebDev Arena 上的 Elo 评分提升了 89 分

匹配字段正文

室之一提供的机会，来参与讲述有史以来最伟大的故事之一。 “任务简报是‘帮助我们理解这项技术，它的优势在哪里，哪里可以改进’。” 订阅《电影周刊》 通过我们的每周电子邮件，在影院占据前排座位，获取所有最新新闻和所有重要的电影动态 彼得·布拉德肖在《卫报》的评论中给它打了一星，称：“每一个戏剧性时刻——奥德修斯装疯卖傻并同意参战、告别家人、海上旅程的艰辛与冒险以及高潮处的决定——都像笔记本电脑屏保上形状的移动一样毫无动机、毫无意义。” 发布在Grok Imagine X账号上的这一集已获得730万次观看和一些严厉反馈，《每日电讯报》的一位评论者说：“当它以全部邋遢的恐怖感展开时，你能感觉到自己的眼球在抽动。” 柯林斯表示，Wonder的目标是让下一集比第一集有所改进，并将回应批评，包括船只的历史准确性和节奏过快的问题。 “我们将审视所有评论以及所有我们本可以做得更好的地方，看看能否改进。目标是，我们制作的最后一集要比第一集有根本性的提升，”他说。 Wonder还与谷歌DeepMind合作，为刘易斯·卡帕尔迪的歌曲《Something in the Heavens》制作了一段AI生成的视频。

匹配字段正文

商业软件、机器人等英伟达产品的应用场景。 人工智能的关键在于芯片、模型以及数据。这些领域的美国企业动辄几十亿、上百亿美元的融资，比如OpenAI现在谋求300亿美元的融资；中国企业沐曦上市前融资超过100亿人民币，DeepSeek则被传出正在融资1000亿人民币。 即便欧洲诞生人工智能的幼苗，它们也不容易在欧洲本土找到类似美国、中国的充足资金。 2014年，DeepMind被谷歌收购的时候，欧洲人工智能的融资困局就已经很明显了。这家公司成立于英国，创始人Demis Hassabis曾试图让它保持独立，但难以在英国这个欧洲金融中心得到风险资本支持，之后才被谷歌收入囊中。Demis Hassabis也加入了谷歌，并在2024年凭借“蛋白质结构预测”获得了诺贝尔化学奖。 美国、中国是这一轮人工智能浪潮的两大中心，而欧洲则处于相对边缘的地带，这是历史上产业断裂、人才积累不足和资金匮乏等多方面因素造成的。黄仁勋希望英伟达的AI工厂为欧洲企业所接纳，他也带来了一大笔资金。但这些对于欧洲产生本土的AI生态作用有限。 欧洲人工智能赶超美国或者中国的步伐，似乎难以完成的任务。欧洲企业最好的办法依然是拥抱

匹配字段正文

容，但"显著修改""明显虚构"等标准模糊，裁量权实质交还广告主，形成"宽覆盖、软执行"格局。 3.执法、罚则与格局：仅州检察长与地区检察官可执法，民事罚款上限3000美元且无私人诉权，威慑有限；叠加各州规则互不兼容、美国尚无联邦综合AI立法（白宫2025年12月、2026年3月框架均推动联邦优先），中小广告主合规风险最高，大企业则倾向于将罚金计入成本。 九、DeepMind：持续学习能力成招聘关键指标 1.DeepMind招聘信号转向：2026年10月25日据DoNews快讯报道，谷歌DeepMind首席运营官转任“首席AI就绪官”的莱拉·易卜拉欣表示，AI把获取答案的成本压到接近零后，招聘正从考察“你知道什么”转向“你还能学会什么”，自学项目、开源贡献等“非正式资历”更受看重，学历仍有参考价值但已非决定项，应届生正系统地把课堂外学习经历写入简历。 2.底层动因是技能半衰期缩短：LinkedIn《Skills on the Rise 2026》（2026年2月发布）指出，雇主日益优先考虑技能而非学位、职位头衔与线性职业路径，五到十年前掌握的技术已无法自动证明当下能力；企业购买的不是候选

匹配字段正文