全部 AI 动态

Artificial Analysis 查看更多详情

查看更多内容

Artificial Analysis 推政府版服务

宣布推出 Artificial Analysis for Government：提供基准测试、咨询和数据，帮助公共部门客户设计 AI 政策并选择 AI 技术。我们的服务帮助公共部门客户：➤ 设计 AI 政策并支持决策：我们的基准测试和专业能力

Artificial Analysis发布Gemini 4 Argon基准

Artificial Analysis上的完整基准测试集：https://artificialanalysis.ai/models/gemini-4-argon…

Gemini 4 Argon 正式发布 GA

Gemini 4 Argon 现已正式进入 GA（一般可用性）阶段。根据 Artificial Analysis Intelligence Index，Argon 的排名与 GPT-6 Astra 持平，但每任务成本仅为后者的 60%。这是 Google 重新向公众发布前沿模型，且在 11 月 30 日前提供折扣价格。

Drama 3 Preview语音鲁棒性领先

Pronunciation Robustness（发音鲁棒性）衡量文本转语音模型在四个类别中正确发音挑战性文本的能力，由人工评审员根据预先商定的可接受发音对每个音频片段进行评判。Drama 3 Preview 以 93.2% 的得分位居整体榜首。➤ 独立术语：Drama 3

Fish Audio Drama 3 Preview登顶TTS榜

Fish Audio的Drama 3 Preview是Artificial Analysis文本转语音排行榜上新的第一开源权重模型。该模型在我们的发音鲁棒性排行榜中也领先所有模型，超过Eleven v4和Eleven v4 Turbo

GLM-5.3 各提供商任务成本

在此探索所有 GLM-5.3 (max) 提供商的任务成本：

Artificial Analysis 上线按服务商统计的缓存命中率与任务成本数据

Artificial Analysis 平台现已上线按服务商维度统计的缓存命中率和单任务成本（Cost per Task）数据。以 GLM-5.3 (max) 为例，不同服务商间的单任务成本差异约为 9 倍，这主要由缓存命中率和 token 定价共同决定。由于 Agentic 工作负载每轮需重发完整对话历史，该指标对评估实际运行成本具有重要参考价值。

a16z 谈 AI 价值分布与基础模型

Patrick Collison 与 Amjad Masad 探讨为何 AI 将像食物一样：对一切至关重要，但大部分价值并不流向此处。Amjad：“还有一种趋势认为，基础模型实验室公司将能够捕获至少新业务中很大一部分……

a16z与斯坦福谈AI加速密码学

a16z crypto 的 Eddy Lazzarin 和斯坦福大学的 Dan Boneh 探讨了 AI 在数学上的飞跃如何将密码学中十年的信任建立过程缩短至一个月：Eddy：“我们在某种意义上具体依赖时间……我们发布这些方案并等待。我们等待是因为我们相信

a16z crypto 谈 AI 提升安全

a16z crypto 的 Eddy Lazzarin 阐述为何 AI 让世界更安全：漏洞是有限的，且发现它们的成本正在持续暴跌。“将一年前的模型与今天的模型进行比较……有些人得出的估计是……便宜了……99%

Anthropic 工程博客谈内部源码控制

我们的工程博客新文章：构建内部源码控制系统。5月，我们每天合并约2,500个代码变更。9月，每天合并超过30,000个。因此，我们为人类（而非智能体）规模设计的开发者基础设施成为了瓶颈。

19款手机模型性能超GPT-4

GPT-4曾整整一年稳居全球最强模型，我们当时还在争论是否有人能追赶上来，或者OpenAI是否掌握了某种无人知晓的秘密配方。如今，已有19款能在现代智能手机上运行的AI模型，其表现超越了GPT-4！

Gemini 4 突破非 OpenAI 模型基准

我在发布前花了相当多时间与 Gemini 4 相处。总体而言，Gemini 4 相比之前的 Gemini 模型有巨大飞跃，它是首个通过 Fable/Mythos/Astra 标准的非 OpenAI/Anthropic 模型。它也比之前的 Gemini 模型更令人愉悦、更具智能体特性

Gemini 4体验似蒸馏自Claude或GPT

使用 Gemini 4 让你意识到，有多少其他模型一定是在对 Claude/GPT 进行知识蒸馏（或使用类似的训练流程）。它给人的感觉与其他模型截然不同。

Google DeepMind 发布 Gemini 4 Argon 并详述其安全开发策略

Google DeepMind 宣布开始广泛推出 Gemini 4 Argon，该模型在编码、网络安全等领域具备前沿能力，并已通过 Fairwind Program 协助发现关键漏洞。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》

Anchor Browser 与 Amazon Bedrock AgentCore payments 集成支持智能体自动支付

Anchor Browser 现已集成 Amazon Bedrock AgentCore payments，使 AI 智能体能通过 x402 协议自主处理 HTTP 402 Payment Required 响应并完成网页或 API 访问付费。

Molmo 2 开源助力 MIT 研究者开发 Molmo2Fish 优化鱼类追踪

Ai2 开源视觉语言模型 Molmo 2 支持 MIT 研究者 Kai Van Brunt 开发 Molmo2Fish，用于水下声纳视频中的鲑鱼追踪。该模型经微调后在无需修正时性能接近专用系统，并能通过自然语言指令自动纠正追踪错误。Molmo 2 的开放代码与数据使研究者能直接定制多目标追踪任务，为生态监测提供新工具。

Higgsfield 利用 GPT-6 Astra 等模型将 AI 视频时长从 1 分钟延长至 10 分钟以上

Higgsfield 借助 GPT-6 Astra 将 AI 视频生成时长从 1 分钟提升至超过 10 分钟。该平台同时集成 GPT-Image-2.5 以实现更精准的视觉呈现，并通过 GPT-Live 支持语音电影制作流程。

GitHub 发布基于 ModernBERT 的新密钥检测模型，误报更少且成本降低超 98%

GitHub 推出新的密钥扫描管线，采用正则表达式生成候选项并结合微调后的 ModernBERT 分类器进行上下文评估，以区分真实凭证与相似字符串。该方案使仓库所有者加权接受率提高 11.5%，中位后推送扫描执行时间缩短 86%，服务成本较之前的 LLM 管线降低超过 98%。新模型通过 ONNX 格式导出并应用 8-bit 量化，实现了在保持高召回率的同时显著减少误报和推理开销。

LangChain 发布 Deep Agents SDK 上下文管理最佳实践

LangChain 官方博客介绍 Deep Agents SDK 如何通过文件系统抽象和三种压缩技术解决长任务中的上下文溢出问题。该工具在检测到大型工具响应超过 20,000 tokens 或会话上下文达到模型窗口 85% 时，自动将旧数据卸载至文件系统并生成结构化摘要。文章还分享了通过降低触发阈值以增强信号进行基准测试的方法，以及验证信息可恢复性和防止目标漂移的定向评估策略。

同一新闻，精选展示《LangChain 发布 Deep Agents 上下文工程指南：通过中间件优化记忆管理》

LangChain 详解如何通过 Harness Engineering 提升 Deep Agents 编码表现

LangChain 团队通过优化智能体框架（Harness），使 deepagents-cli 在 Terminal Bench 2.0 上的得分从 52.8% 提升至 66.5%，排名进入前五，且全程保持底层模型 gpt-5.2-codex 不变。

LangChain 发布 Deep Agents Deploy：Claude Managed Agents 的开源替代方案

LangChain 正式推出 Deep Agents Deploy beta 版，这是一个基于开源、模型无关的 Agent Harness 的快速生产级部署工具。

LangChain 发布 Open SWE：面向内部编码智能体的开源框架

LangChain 发布 Open SWE，这是一个用于构建内部编码智能体的开源框架，基于 Deep Agents 和 LangGraph 实现。该框架总结了 Stripe、Ramp 和 Coinbase 等公司在生产环境中的架构模式，包括隔离云沙箱、精选工具集、子智能体编排以及与 Slack、Linear 和 GitHub 的工作流集成。

LangChain 分享如何利用 Deep Agents 实现文档代码自动测试

LangChain 团队使用 Deep Agents CLI 配合自定义 Skills，将文档中静态的内联代码样本自动化迁移为可独立运行、经 CI 持续测试的代码文件。该流程通过编写类似给同事的操作步骤作为 Skill 指令，让 Agent 自动完成代码提取、添加 setup/teardown、标记片段及运行测试等任务，解决了 AI 领域 SDK 频繁更新导致文档示例失效的问题。

LangChain：GLM-5 与 MiniMax M2.7 在智能体任务中达到可用阈值

LangChain 发布评测结果，显示 GLM-5 和 MiniMax M2.7 等开源权重模型在文件操作、工具调用和指令遵循等核心智能体任务上的表现与 Claude Opus 4.6 等闭源前沿模型相当。

Orange Business 如何利用 LangChain 和 LangSmith 构建 Live Intelligence

Orange Business 基于 LangChain 和 LangSmith 构建旗舰 AI 平台 Live Intelligence，已部署至 120,000 名员工并被 150+ 客户采用。

Modal 提出混合精度与异构加速器采样器下的稳定强化学习训练方案

Modal 团队在 Qwen3.6-35B-A3B 上验证了使用六种不同加速器和精度的混合采样器进行异步强化学习训练的可行性。通过结合掩码重要性采样、分数中心化和 Top-p 掩码重放等离策略校正技术，该方法在保持训练稳定的同时，使采样成本降低约 15%，且在 SWE-bench Pro V2 上的表现与同构采样器相当。

Liquid AI 发布 LFM2.5-24B-A2B：专为端侧快速私有智能体设计的推理模型

Liquid AI 发布开源权重模型 LFM2.5-24B-A2B，这是一款拥有 24B 总参数但仅 2B 激活参数的推理模型，旨在支持设备端快速、私有的智能体运行。

Amazon Bedrock 通过托管权限简化私有定价优惠的多账户管理

Amazon Bedrock 推出托管权限功能，允许在中心账户订阅一次 AWS Marketplace 私有定价优惠并分发至组织内多账户。该方案提供轻量级脚本和基于 AWS CDK 的事件驱动自动化两种路径，分别用于一次性激活和持续验证卖家、创建及激活分布式授权，从而消除手动检查 License Manager 的运营摩擦并确保协商价格生效。

Google DeepMind 发布 Gemini 4 Argon 模型

Google DeepMind 正式发布前沿模型 Gemini 4 Argon，面向开发者、企业及消费者开放 API 及订阅服务。该模型在编码、金融、法律、网络安全和科学等领域表现突出，在 Vals Index 中排名第一，并具备 1M token 的上下文窗口。

Google DeepMind 发布 Gemini 4 Argon 机器人专用模型

Google DeepMind 发布 Gemini 4 Argon，这是一款面向机器人领域的通用物理推理模型，旨在加速迈向物理 AGI 的进程。该模型在 Embodied Reasoning (ERQA) 基准测试中纯推理得分达 87%，超越了其他前沿模型。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》

AWS 博客详解如何在 Amazon Bedrock 上使用 Grok 4.7 构建长周期智能体

AWS 发布教程指导开发者在 Amazon Bedrock 上利用 Grok 4.7 构建具备工具调用能力的长周期智能体。文章通过三个需搜索而非简单查表的复杂任务（故障诊断、维护调度、迁移预算）进行了 72 次运行测试，结果显示 xhigh 推理强度下准确率为 100%，而 low 强度以约八分之一的输出 Token 实现了 83% 的准确率。

ShipStation Global 基于 Amazon Bedrock AgentCore 构建 AI IT 帮助台

ShipStation Global 在 Amazon Bedrock AgentCore 上构建了名为 Deckhand 的 Slack AI IT 帮助台，解决了 97.5% 的入站查询并获得 96% 的员工正面反馈。

Orca Security 基于 Amazon Bedrock 构建 Discovery AI 自然语言查询代理

Orca Security 与 AWS 合作推出 Discovery AI，利用 Amazon Bedrock 将自然语言转换为 Sonar 查询。该方案采用 RAG 架构，使查询成本降低 90%，输入 token 减少 93%，延迟降低 75%。系统支持 900+ 云模型，实现每日数千次查询的 15 秒响应。

Gemini 4 Argon 在 AA-Omniscience 幻觉率测试中优于 GPT-6 Astra

Gemini 4 Argon 在 AA-Omniscience 基准测试中的幻觉率为 15%，显著低于 GPT-6 Astra 的 51%。该模型目前在 Vals Index 上排名第一，反映了其在法律及其他知识工作中的高性能表现。现阶段仅 Google Fairwind 项目中的网络安全防御人员可访问相关资源。

Ethan Mollick新书Co-Existence预售

距离10月20日还有整整一周，我的新书《Co-Existence》即将出版！若在此之前预订，你将获得一段10分钟的AI语音访谈，它会根据书中的理念为你构建一套定制化的提示词、阅读材料及使用场景。获取方式：

Ethan Mollick 谈 AI 安全与能力边界

Ethan Mollick 发表关于 AI 安全与能力边界的观点分析。他探讨了当前模型在自主性与安全性方面的表现及潜在影响。

Google 演示使用 Gemini 4 Argon 夜间自动优化 ADK Python 代码库

Google 工程师展示了如何使用 Gemini 4 Argon 在无人值守的情况下对 google/adk-python 进行跨文件性能优化。通过配置 .agents/skills 和 /goal 模式，模型在 11 小时内完成了代码修改，使长会话中的内存准备时间减少约 40%，冷启动包导入速度提升 21%。最终有 6 个优化提案中有 2 个通过了人工代码审查并合并到主分支。

Google 发布 Gemini 4 Argon：面向机器人的物理推理模型

Google 发布 Gemini 4 Argon，这是一款专为机器人领域设计的通用物理推理模型，在 Embodied Reasoning (ERQA) 基准测试中以纯推理方式获得 87% 的分数。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 模型》