MiniMax 發布開源權重影像生成模型 H3-Image,10 秒內生成 4K 影像
MiniMax 發布開源權重影像生成模型 H3-Image,支援文生圖、參考圖生成與影像編輯,並可在 10 秒內生成 4096 × 4096 的 4K 影像。
推薦理由:H3-Image 同時提供 4K 生成速度、參考圖數量與開放權重資訊,方便評估其在創作流程中的適用性。
MiniMax 發布開源權重影像生成模型 H3-Image,支援文生圖、參考圖生成與影像編輯,並可在 10 秒內生成 4096 × 4096 的 4K 影像。
推薦理由:H3-Image 同時提供 4K 生成速度、參考圖數量與開放權重資訊,方便評估其在創作流程中的適用性。
ElevenLabs 推出語音轉文字模型 Scribe v3 與 Scribe v3 Live,分別面向錄製音訊與即時音訊,並在其測試中降低轉錄錯誤率。
推薦理由:文章以相同資料集比較批次與即時轉錄模型,並拆解詞錯率、說話者辨識與即時辨識的差異,方便評估各自適用的場景。
推薦理由:Carbon 的開放物件從資安防禦者擴及付費開發者與 Google AI Ultra 訂閱者,文中也提供基準排名及單項任務成本比較。
AMD 的 EPYC「Venice」是首批採用 Zen 6 架構的處理器;Tom’s Hardware 測試 EPYC 9996 與 9686F,並比較其架構及伺服器工作負載表現。
推薦理由:文章以雙路伺服器實測比較 Venice 與前代及 Vera,並拆解架構、記憶體與工作負載差異,呈現不同 EPYC 型號的效能取向。
Phoronix 測試 AMD EPYC 9686F,比較其在 Linux 伺服器工作負載中的表現,並列出與前代及 Intel 旗艦處理器的規格差異。
推薦理由:文章以同一套 Ubuntu 26.10 與 Linux 7.3 環境比較 EPYC 9686F 和前代及 Intel 旗艦處理器,並交代缺少 Vera 與 ARM 對照資料。
Phoronix 實測 AMD EPYC 9996 雙路配置,評估其在多種 Linux 工作負載下的效能與每瓦效能。 - 測試配置:每顆處理器有 256 核心、512 執行緒;雙路合計 512 核心、1024 執行緒。
推薦理由:文章以 Phoronix 的實測比較 EPYC 9996 雙路配置與前代 EPYC、Intel Xeon 旗艦處理器,呈現 512 核心平臺在多種 Linux 工作負載下的效能與每瓦效能。
Google DeepMind 推出機器人控制模型 Gemini Robotics 2.5,並在 Mercedes-Benz 生產線試點中完成金屬零件分揀,據報成功率達 96%。
試試 MAI-Transcribe-2,全球速度最快、價格最低、準確度最高的語音轉錄模型! 比 GPT‑Transcribe 快 10x 比 Gemini 3.5 快 5x 每小時音訊 $0.10
Chips and Cheese 實測 AMD Zen 6 與 Zen 6c,比較兩者相較 Zen 5 的微架構變化、核心差異與單執行緒效能。
推薦理由:文章以微架構測試和 SPEC CPU 2026 估算比較 Zen 6 與 Zen 6c,呈現兩種核心在時脈、快取容量與記憶體延遲承受能力上的取捨。
Google向付費開發者推出 Gemini 4 Carbon,主打複雜軟體工程、資安與科學推理,並稱研究團隊以它和其他模型,在數週內形式化驗證 Signal 加密協定程式碼的部分安全性質。
推薦理由:文章整理 Gemini 4 Carbon 的工程與資安基準、Signal 程式碼形式化驗證案例,以及價格調升安排,呈現其能力主張與可取得方式。
Zyphra 發布開源文字轉語音模型 ZONOS3-Mini,採用總計 800M、每個 token 約 100M 啟用引數的 MoE 架構,支援即時本機執行、零樣本聲音複製與逐詞語氣控制。
推薦理由:ZONOS3-Mini以較少的啟用引數支援多種本機部署;評測由 Zyphra 自行執行,且參考音訊複製模式的分數明顯較低。
GOOGLE 🔥:已正式宣佈 Gemini 4 Carbon 將開放給 Gemini Ultra 訂閱者及 API 使用。 我們也希望 Pro 能用 👀 https://t.co/jlqKE8aFsv
Google 發表 Gemini 4 Carbon,主攻長時程工作流程與高難度多步驟推理,並開放使用者與開發者體驗。 - 能力與測試:Carbon 可對照螢幕畫面檢查程式碼除錯;原文稱其在 CursorBench、WANDR 與 AutomationBench 等基準測試領先,開源程式碼漏洞掃描召回率較前代提升逾 25%。
推薦理由:Carbon 與 Argon 的任務定位、基準測試結果及初期費率提供了具體比較,呈現其長時程推理與資安檢測上的主打方向。
Google DeepMind 推出 Gemini 4 Carbon,供開發者、企業、科研人員與一般使用者使用,主打複雜知識工作、軟體工程、網路安全與科學推理中的長程AI 助理工作流程。
推薦理由:Carbon 與 Argon 的定位、基準表現及使用成本並列呈現,並涵蓋網路安全與科學工作案例,可供評估不同工作流程的模型選擇。
Gemini 4 Carbon 已在 Gemini API、Google AI Studio,以及供 Google AI Ultra 訂閱者使用的 Antigravity 上線。
推薦理由:Google 團隊公佈 Gemini 4 Carbon 在開源漏洞召回率與蛋白質同源序列搜尋上的差異,呈現其研究用途的變化。
推薦理由:原文列出 Gemini 4 Carbon 在複雜任務、檔案分析與 3D、UI 設計上的用途,並說明 Ultra 訂閱者可開始使用。
Google DeepMind 開放 Gemini 4 Carbon,主打複雜知識工作、長流程AI 助理工作流程、軟體工程、資安與科學推理,並提供多種產品與 API 使用入口。
推薦理由:Carbon 展示資安防禦、長流程AI 助理與科學研究的能力及安全測試結果,並提供與 Argon 的基準和價格比較。
推薦理由:Google 將 Gemini 4 Carbon 定位為處理長流程與高難度工作的模型,並與 Gemini 4 Argon 區分適用範圍,同時列出多類使用者的取得方式。
Amazon 推出第二代表格基礎模型 Mitra-v2,支援分類與迴歸,並在 TabArena 的單模型方法中領先。 - 預訓練變化:使用的合成表格列數是 Mitra-v1 的 10 倍,欄數約為 3 倍,並加入混合結構因果模型先驗。
Google 推出 Gemini 4 Carbon,供開發者、企業、科學家與一般使用者使用,主打複雜知識工作、長流程AI 助理工作流程、軟體工程與科學推理。
推薦理由:文章比較 Gemini 4 Carbon 與 Argon 的適用任務與成本,並列出資安、金融研究和科學推理的基準結果。
summary_zh: Robbyant 開源採用 Apache 2.0 授權的機器人觸覺模型 LingBot-Touch,將指尖感測器讀數轉成控制軟體可用的訊號。
推薦理由:Gemini 4 Carbon 主打長時間、多階段任務,並列出軟體工程、資訊安全與科學探索等應用方向,以及 API、商務和 Ultra 訂閱者的推出管道。
Gemini 4 Carbon 現已推出。 這是我們最強大的模型,專為深入探究、處理長期任務與多步驟推理而打造。 如果 Argon 擅長處理複雜任務,Carbon 就是你用來解決最棘手問題的模型。
Google DeepMind 推出 Gemini Robotics 2.5,在 200 項任務中的成功率較先前基準提高 30% 至 100%,完成速度提高 20% 至 30%。
推薦理由:200 項任務測試與賓士產線概念驗證呈現不同場景下的操作結果,可比較模型基準與實際零件分揀的表現。
Google 開始向大眾推出 Gemini 4 Carbon,並在 Antigravity 預覽可將單一提示詞轉成協同 Agent 團隊的「swarm」功能。
推薦理由:Google 將 Gemini 4 Carbon 定位於高難度、多步驟工作,並與 Argon 區分用途,呈現其模型產品線的分工方向。
Google 正式推出 Gemini 4 Carbon(gemini-4-carbon) GA,定位為其能力最強的推理模型,面向持續運作的AI 助理編碼、多模態知識工作、科學推理與網路安全防禦。 入門定價:2026 年 11 月 30 日前,每 1M input tokens 收費 $2.00,每 1M output tokens 收費 $10.00。
推薦理由:更新日誌列出 Gemini 4 Carbon 的模型定位、適用場景與限期 token 定價,提供評估接入成本的依據。
Google DeepMind 揭露新一代 Gemini Robotics 平臺,將 VLA 模型更新至 Gemini Robotics 2.5,並表示其機器人已能在 Mercedes-Benz 工廠執行實際工作。
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2,兩者使用相同底層模型,差異在於網路安全與生物研究防護設定。
推薦理由:文章並列兩種防護設定的使用門檻與自報基準,也列出價格和可用平臺,便於比較模型能力與存取條件。
Gemini Robotics 2.5 登場了。🤖 我們最新的實體 AI 能學會數百種日常技能,從摺衣服、端上糕點,到在工廠現場自主分類汽車零件。 以下是它能力的一瞥 🧵
Google DeepMind 推出 Gemini Robotics 2.5,擴大機器人可學習的任務範圍,並提升執行速度、可靠度與安全性。 - 任務評估:模型在 200 多項任務中接受測試;相較先前基準,依任務型別成功率提高 30% 至 100%,完成速度快 20% 至 30%。
推薦理由:文章以 200 多項任務的評估與 Mercedes-Benz 生產線概念驗證,呈現模型在操作能力、作業可靠度及機器人安全上的進展。
MiniMax 發布 H3-Image 影像模型並開源權重,主打快速生成高解析度影像、影像編輯與多張參考圖控制。 - 生成與控制:官方稱可在 10–20 秒生成 4K × 4K 影像,支援指令遵循、影像編輯及最多 16 張參考影像。
推薦理由:H3-Image 將生成速度、影像編輯與多張參考圖控制列為重點,並開放模型權重,呈現其面向創作與開源社群的能力組合。