Google DeepMind 推出 Gemini 4 Carbon,主打處理複雜長時程任務,並在多個領域進行延伸驗證迴圈。 應用領域:軟體工程、資訊安全、知識工作與科學。
#推理
RSS 訂閱#推理
RSS
Google DeepMind@GoogleDeepMind品質評分5555
The Decoder精選品質評分8888 Gemini 4 Carbon 正式開放使用,快速模型週期中已顯得不再新鮮
Google 正式開放 Gemini 4 Carbon,定位為處理高難度推理任務的模型;Google 表示 Gemini 4 Argon 仍較適合多數軟體工程與知識工作。
推薦理由:文章比較 Carbon 與 Argon、Fable 5.2 的基準表現和每項任務成本,也整理其資安測試結果,呈現高推理能力伴隨的成本取捨。
Rohan Paul@rohanpaul_ai精選品質評分8282
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。
Rohan Paul@rohanpaul_ai品質評分5555Route Anything 研究評估模型路由在多種任務上的品質與成本,發現路由器平均每單位成本可取得 8.82 倍品質,品質損失低於 0.5 分。
Tom’s Hardware AI & Computing品質評分6666 AMD 高層反駁 Zen 6 專為 Agentic AI 設計的說法,稱開發時未預見這波浪潮
AMD 高層表示,Zen 6 開發啟動時並未預見 Agentic AI 浪潮;公司主張,這類工作負載多樣,適合由不同 CPU 型號分別應對。 - 測試結果:Tom’s Hardware 測試的 EPYC 9996 有 256 核心、512 執行緒,著重峰值吞吐量;EPYC 9686F 著重頻率,作為 AI 主機節點時可與 Vera 正面競爭。
PyTorch@PyTorch品質評分5858The New Stack精選品質評分8787 Google 發布 Gemini 4 Carbon,稱數週內形式化驗證 Signal 程式碼
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。
BlockTempo 動區動趨精選品質評分8585 Google 發表 Gemini 4 Carbon,主攻長時程推理並提升開源程式碼漏洞掃描召回率逾 25%
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。
aihot精選品質評分9090 Google DeepMind 推出 Gemini 4 Carbon 前沿模型
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。
aihot精選品質評分8686 Gemini 4 Carbon 上線 Gemini API、Google AI Studio 與 Antigravity
Gemini 4 Carbon 已上線 Gemini API、Google AI Studio 與 Antigravity,後者限 Google AI Ultra 訂閱者使用。
推薦理由:原文列出 Gemini 4 Carbon 的多個使用入口,並以漏洞召回率、蛋白質同源物搜尋及 3D 重建案例呈現其應用情境。
Google AI@GoogleAI精選品質評分6969
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。
NVIDIA@nvidia品質評分4949
Sundar Pichai@sundarpichai精選品質評分8888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。
Google@Google品質評分4747Gemini 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。

🚨 AI News | TestingCatalog@testingcatalog品質評分5959LMSYS Org Blog精選品質評分8383 SGLang 團隊用 megakernel 讓 Muse Spark Open 在 Blackwell GPU 上達到每秒 1,109 個 token
GPU 執行模型時,工作被拆成許多小步驟,步驟之間的等待會讓部分晶片閒著。LMSYS 團隊為 Muse Spark Open 寫了一種叫 megakernel 的大型 GPU 程式,把每一層的多項工作合在一起,讓不同部分能趁空檔先處理下一件事。在 Blackwell GPU 上,單次請求的解碼速度從每秒 517 個 token 提升到 1,109 個 token;團隊也把草稿模型的執行步驟從 175 次減到 8 次。這種做法目前只支援搭配猜測解碼的單一請求,團隊接下來打算擴充到多個請求。
推薦理由:文章拆解 megakernel 如何合併 GPU 工作、減少等待,並以 Muse Spark Open 的實測展示效能變化,能看出低延遲推論的工程取捨。
aihot精選品質評分8282 Gemini 4 Carbon 正式發布 GA,提供限期入門定價
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。
elvis@omarsar0品質評分5858Silicon Republic品質評分6767 Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2
Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2,兩款模型在程式開發、推理與視覺能力上有所提升,且比 5.1 版本更快、價格更低。
Simon Willison精選品質評分7979 Meta AI 推出 Muse Ember,主打小型高效率與複雜推理
Meta AI 推出小型高效率模型 Muse Ember,面向複雜推理與AI 助理日常重複執行的工作,包括工具呼叫、程式撰寫子任務、路由、資料擷取與長檔案解析。
推薦理由:文章比較 Muse Ember 與 GPT-6 Luna、Claude Haiku 5.5 在不同提示長度下的價格,並以每項任務成本與推理層級補充評估模型效率的方式。
Dev.to Top Tech品質評分6868 Darwin-180B-RSI-R3 登上 SuperCLUE 開放權重模型數學與科學榜首
VIDRAFT 開放權重模型 Darwin-180B-RSI-R3 在 2026 年 11 月 SuperCLUE 數學與科學榜獲得 73.68 分,於 19 個模型中排名第 2,也是開放權重模型第 1 名。
Hacker News (official RSS)品質評分3636 數學家像盧德分子:AI 機械化如何改變數學與織布
文章將數學家與盧德分子相提並論,指出自動化降低了織布與數學中原料的製作成本,也改變了專業技能的價值與工作型態。 - 歷史脈絡:雅卡爾織布機以打孔卡控制經線升降,讓布料圖樣能被編碼並重複製作;作者也將數學證明比作織布所需的布料,認為 AI 正讓數學成果更容易投入實際用途。
Latent Space精選品質評分8888 Anthropic 推出 Claude Fable 5.2,登上獨立排行榜首位
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2;彙整中的獨立評測顯示,Fable 5.2 登上多項排行榜首位,但較廣泛的測試與子代理程式也增加了每項任務的成本。
推薦理由:Fable 5.2 的單位 token 價格下降,但 GDPx 每項任務成本上升,呈現模型表現與推論用量之間的成本取捨。
Dev.to Top Tech品質評分6161 GPT-6 Astra 修改 Qwen3.5-0.8B 權重改善數學基準,權重閱讀主張未通過稽核
GPT-6 Astra 以不需訓練的權重編輯,降低 Qwen3.5-0.8B 的重複迴圈並提升數學基準分數;獨立稽核則發現,從權重判斷模型訓練資料的主張未能成立。
Dev.to Top Tech品質評分3636 地球至雲端群體協調如何支援行星地質調查任務的混合量子經典流程
文章作者分享一套用於行星地質調查任務的地球至雲端協調原型,結合邊緣 AI 推論、多代理群體協調與混合量子經典最佳化,處理漫遊車通訊延遲、能源限制及目標分配問題。
The Economic Times · ETtech精選品質評分8383 Anthropic推出Claude Fable 5.2與Claude Mythos 5.2
Anthropic推出兩款 AI 模型:Claude Fable 5.2面向程式開發、推理與 AI 助理任務,Claude Mythos 5.2則用於經核准的資安與生命科學研究。
推薦理由:兩款模型分別面向程式開發與受核准的資安、生命科學研究,並採不同開放範圍,呈現 Anthropic 依用途區分產品存取的做法。
BlockTempo 動區動趨精選品質評分8686 Anthropic 推出 Claude Fable 5.2,輸出速度最高提升 30%、API 降價 20%
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2;兩者是同一模型,Fable 開放給付費使用者,Mythos 則限通過驗證的資安與生命科學機構使用。
推薦理由:多項基準呈現 Fable 5.2 與 Opus 5.5、Gemini 4 Carbon 等模型的強弱差異,也列出 API 降價與適用工作範圍,方便比較選用。
david888podcast品質評分3939 Anthropic 推出 Claude Fable 5.2 與 Mythos 5.2,Meta 發布低價 Muse Ember
Anthropic 推出 Claude Fable 5.2 與 Mythos 5.2,其中 Claude Fable 5.2 在 Artificial Analysis 取得 65 分,創下該評測當時最高紀錄;社群則質疑 Opus 5.5 的思考模式變化是否代表遭到降速。
iThome (臺灣)品質評分7272 Nous Research 發表 Arete-27B,調整 Qwen3.8-27B 的政治敘事偏差
Nous Research 發表 Arete-27B,以後訓練調整 Qwen3.8-27B,降低迴答採用中國政府官方敘事的比例,並維持一般能力測試表現。
Dev.to Top Tech品質評分4343 llm-compressor 與 vLLM:FP8 和 AWQ 的部署取捨
llm-compressor 可將量化後的模型儲存為 compressed-tensors 格式,交由 vLLM 部署;作者評估了 FP8_DYNAMIC 與 GPTQ 工作流程,但未執行 GPU 量化或服務基準測試,因此沒有可供呈現的 VRAM、準確度或吞吐量實測結果。
karminski-牙醫@karminski3品質評分5858騰訊優圖在 Hugging Face 上發布 Qwen3.8-27B-DSpine-b16 草稿模型,官方測試顯示其投機解碼加速約為 3 倍。
Apple Machine Learning Research品質評分5959 Apple 研究探討測試資料可能參與訓練時,如何評估大型模型
大型模型的測試資料可能已經被拿去訓練,讓人難以判斷評估結果準不準。這項研究分析在測試資料可能參與訓練的情況下,如何評估只能看到輸出的黑箱模型。研究發現,只查看模型在測試資料上的回答時,只有資料分佈接近少數幾種結果,才可能準確評估;若能額外向模型提問,即使查詢次數不多,也能讓評估者在一些常見情況下做得更多。
Dev.to Top Tech品質評分6262 如何解讀 Qwen3.8-27B-DSpine-b16 的投機解碼資料:接受長度增 22.8%,吞吐量增 14.0%
Vidraft_lab 以模型卡資料與公開檔案標頭分析 Qwen3.8-27B-DSpine-b16:相較 DFlash2,接受長度平均增加 22.8%,吞吐量平均增加 14.0%;作者未執行模型,這些是卡片資料與據此計算的結果。
Rohan Paul@rohanpaul_ai精選品質評分7474推薦理由:這項計算延伸了既有黑洞形成研究的適用範圍,並提供一個由物理學家檢查 AI 推導成果的案例。
OpenAI News品質評分5656 OpenAI 推出 Control Room,集中追蹤並停止研究基礎設施中的模型工作負載
OpenAI 建置 Control Room,集中追蹤研究基礎設施中的模型工作負載,並在出現安全疑慮時停止模型輸出。 - 停止機制:推論引擎在處理請求前向 Control Room 確認工作是否仍可執行;工作遭停止後,後續推論請求會被拒絕。
The Decoder精選品質評分8080 Anthropic 推出 Claude Fable 5.2 與 Mythos 5.2,重返 AI 效能領先
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2,並稱兩款模型在多項基準測試中重返領先;公司仍建議日常使用 Claude Opus 5.5。
推薦理由:Artificial Analysis 的基準呈現 Fable 5.2 在多項測試的領先與弱項,文章也列出高算力等級的任務成本,便於比較效能與費用取捨。
aihot精選品質評分7878 Artificial Analysis 評測 Claude Fable 5.2:以 65 分登上 Intelligence Index v5 榜首
Claude Fable 5.2 在 Artificial Analysis Intelligence Index v5 的 max effort 評測中獲得 65 分,登上榜首,領先 Gemini 4 Carbon(high,60 分)與 Claude Opus 5.5(max,59 分)。
推薦理由:多項基準顯示 Claude Fable 5.2 的優勢集中在科學、知識與程式評測,AI 助理知識工作和終端程式仍與既有模型接近。
The Decoder精選品質評分7777 Meta 發布小型 AI 模型 Muse Ember,主打AI 助理例行工作
Meta 發布小型 AI 模型 Muse Ember,瞄準 AI 助理的工具呼叫、小型編碼、請求路由、資料擷取與長檔案處理等例行工作。
推薦理由:Muse Ember 的低成本與基準成績呈現小型模型處理AI 助理例行工作的取捨,文中也以編碼測試指出其表現弱於 Claude Haiku 5.5。
Artificial Analysis@ArtificialAnlys精選品質評分8787推薦理由:Artificial Analysis 比較 Claude Fable 5.2 在多項評測與不同 effort 設定的表現,並列出價格及每項任務成本,呈現能力與成本的取捨。
Dev.to Top Tech品質評分5454 Gemma 對照組顯示「數學能力提升 6 倍」說法需審慎解讀
Qwen3.5-0.8B 在報告所述測試流程中的數學基準分數大幅上升,但 Gemma 3 270M 對照結果未呈現穩定增益,作者指出移除生成瓶頸與展現新的數學能力是兩回事。