AI 资讯

谷歌发布 Gemini 4 Neon:百万上下文、xhigh 推理档,编程智能体指数登顶

admin阅读(18)评论(0)

谷歌发布 Gemini 4 Neon:百万上下文、xhigh 推理档,编程智能体指数登顶

11 月 19 日,多家媒体报道谷歌正式推出新一代人工智能模型 Gemini 4 Neon,面向复杂编程、科学研究和企业工作流程场景,现已向开发者、企业客户及部分付费订阅用户开放。这是谷歌 Gemini 4 家族在本月的第三次重要扩充。

定位:补上"深度处理"与"快速执行"之间的空档

据公开介绍,Gemini 4 Neon 具备百万级 token 上下文窗口,能够处理电子表格、PDF、图表、音视频等多类型资料,对碎片化信息进行整合梳理并生成报告。在编程场景下,它支持跨文件故障排查与代码重构,重点适配大型代码库的连续排错和多步骤数据分析任务。

关键能力:自己当"调度员",让 Hydrogen 并行干活

依托谷歌 Antigravity 开发环境,Neon 可调度多个子智能体协同作业:在协作模式下由 Neon 承担任务调度,调度 Hydrogen 子智能体并行开展多项工作,并跟进长周期任务的推进进度。这种"规划—执行"拆分,是当下 AI 竞争从单模型跑分转向完整工作流的一个缩影。

定价与推理档位

API 调用定价为输入每百万词元 3 美元、输出每百万词元 15 美元、缓存输入每百万词元 0.15 美元,并设置 Low、Medium、High、xHigh 四档推理级别。订阅 Google AI Pro 或 Ultra 的用户可在 Gemini 应用内直接选用。

性能数字要打折看

报道称,在 xhigh 最高推理档下,Neon 在 Artificial Analysis 智能指数榜单位列第三、编程 AI 智能体指数取得 58.6 分居首;默认 high 档单任务成本较 Gemini 4 Carbon 低 32%,速度可达后者 3 倍。需要注意,这些排名与成本对比基于特定测试条件,厂商也提示不等同于各类实际业务场景的全部表现。

结论

如果你正被"大模型太慢太贵、小模型又不够聪明"困扰,Neon 这类可调推理档 + 子智能体调度的模型值得实测:先用 high 档跑通流程,再对耗时任务切换到 xhigh,用真实账单和结果验证收益,而不是照搬榜单名次。

把前沿模型交给“防守方”:OpenAI Daybreak 如何帮北约与欧洲机构找漏洞

admin阅读(31)评论(0)

把前沿模型交给“防守方”:OpenAI Daybreak 如何帮北约与欧洲机构找漏洞

当所有人都在担心 AI 会被攻击者利用时,OpenAI 做了一次反向尝试:把前沿模型交给“防守方”。据其官方公告,受限访问计划 Daybreak 已面向北约及多家欧洲网络安全机构开放,用于授权的安全防御工作。

Daybreak 是什么

按官方描述,Daybreak 面向“可信的防御者”,用途包括审查软件、调查可疑活动、验证漏洞以及开发、测试修复方案。它与面向公众的通用模型不同,属于带准入门槛和额外限制的专用通道——这本身就是一种风险控制设计。

谁在用,用到什么程度

官方称,通过北约通信与信息局(NCIA),北约核心机构获得了模型访问权,月度用量最高达约 3000 亿 Token;此外还向欧盟网络机构 ENISA 以及法国、德国、波兰的国家机构开放,乌克兰数字化转型部也用于民用基础设施防护。需要强调,这些数字均来自 OpenAI 官方公告,第三方媒体也指出“3000 亿”是用量上限,并不直接等于工作成果。

可核实的成果与边界

公告列举了几项有公开公告佐证的结果:ENISA 用模型发现 4 个欧盟机构通用软件漏洞并已全部修复;ENISA 与 CERT-EU 的联合报告评审 27 个软件项目,88 个潜在问题中约 95% 被维护者确认;波兰 CERT 借助模型在 MikroTik RouterOS 中发现 6 个漏洞并推动厂商修复。这些案例说明 AI 能加速“找问题”,但成果统计仍以公司口径为主,独立机构提醒不宜把自述数据当作全面验证。

为什么反复强调“人在环路”

CERT Polska 的表述很克制:模型“显著加速了分析与假设验证,但并未取代这些环节”。研究者主导方向、在真实系统上复测、再由厂商协调披露——这套流程说明,AI 在安全领域目前是“放大器”而非“自动驾驶”。

给普通团队的启示

一是攻防双方都在用 AI,漏洞从被发现到被利用的窗口正在缩短,网络设备等边缘资产更要及时打补丁;二是把 AI 用在你有权测试的系统上,并保留人工复核;三是关注“修复速度”而不只是“发现速度”。对大多数组织而言,把自动更新打开、把资产清单理清,比追新模型更实在。

微软 Ignite 2026 推出自研 MAI Code 2:不拼参数,改拼“专用模型+低成本”

admin阅读(45)评论(0)

微软 Ignite 2026 推出自研 MAI Code 2:不拼参数,改拼“专用模型+低成本”

在旧金山举行的 Ignite 2026 大会上,微软发布了一批自研 AI 模型。据微软官方博客和路透社报道,最受关注的是新一代智能体编程模型家族 Code 2(媒体报道中常称 MAI Code 2),微软称其在日常企业编程任务上达到“成本性能的前沿”。

发布了什么

官方博客介绍,Code 2 面向“从代码到上线”的深度调试、多文件实现、仓库级推理和界面开发;Code 2 Flash 则面向代码解释、定点修改、常规修复等高频轻量任务,以更低成本提供接近旗舰的质量。两款当天即在 GitHub Copilot 的模型选择器和 Foundry 平台上可用。媒体报道中把编程模型称作 MAI Code 2,命名口径略有差异,以官方说明为准。

不止编程:安全、图像、语音一起上

微软同时推出安全模型 Cyber 2 Flash,官方称其以“闪光级”体积在特定任务上超过前沿模型;另有新的图像生成与语音转写模型。安全模型计划先向少量客户开放,用于应对 AI 工具加速暴露出的软件漏洞问题。

苏莱曼的“爬坡机”策略

微软 AI 负责人 Mustafa Suleyman 对路透社表示,公司走的不是“一个通用模型打天下”,而是按领域做专用技术,并让性能与价格协同优化——“这不是一个模型,也不是昙花一现,而是一台持续爬坡的机器。”这一定位,直接对标 Anthropic 与 OpenAI 在编程和安全场景的优势。

配套体系比模型更值得看

官方还发布了面向企业智能体的控制平面 Agent 365(含成本分析)、端到端安全体系 Perception,以及联合 40 多家机构推进的“AI 透明计划”。硬件层面,新芯片 Maia 300 官方宣称每瓦 Token 数比领先 GPU 方案高约 40%——这类厂商自测数据建议谨慎看待,以独立评测为准。

对开发者的实际意义

直接用 Copilot 的团队,可以在模型选择器里试用新模型,重点观察多文件改动的准确率与响应速度;用 Foundry 的企业则可评估专用模型在成本上的优势。需要提醒的是,网络安全模型目前仅小范围开放,且苏莱曼本人把“对齐与安全”列为首要任务——能力开放的速度,可能慢于大家预期。总体看,微软正用“专用模型+工具链+自建算力”的组合,走出一条不同于单纯堆参数的路。

OpenAI 发布 GPT-6.2 Astra 与 Sol:旗舰降价两成,“Token 效率”成新战场

admin阅读(50)评论(0)

OpenAI 发布 GPT-6.2 Astra 与 Sol:旗舰降价两成,“Token 效率”成新战场

11 月 18 日凌晨,OpenAI 发布了两款新模型——面向高难度项目的旗舰 GPT-6.2 Astra 和面向日常工作的 GPT-6.2 Sol。据官方公告,这次升级的核心不是单纯堆跑分,而是“用更少的 Token 干更多的活”,并把安全分级摆到了台面上。

两款模型,两种定位

官方把 Astra 定义为“攻坚”模型,承接 9 月发布的 GPT-6 Astra,主攻编程、科研、专业办公与计算机操作;Sol 则是高频、低价的主力款,接替此前的 GPT-6.1 Sol。两款均支持约 105 万 Token 上下文、最高约 12.8 万 Token 输出,当日即在 ChatGPT Work、Codex 和 API 中向 Plus、Pro、企业版、教育版用户开放。

价格与上下文:旗舰降价,主力守住低价

据官方公布的定价,Astra 每百万输入 Token 8 美元、缓存输入 0.4 美元、输出 40 美元,输入输出较上一代下调约 20%,缓存输入降幅更大;Sol 维持每百万输入 2 美元、输出 10 美元的价位。对按量付费的应用来说,缓存命中和 Token 消耗量的变化,往往比榜单名次更直接影响账单。

跑分很漂亮,但请看清是谁测的

OpenAI 称,Astra 在 Agents' Last Exam 上比上一代高 5.2 个百分点、单任务成本不到三分之一;在一项专业工作评测中输出 Token 少用约 22%。需要注意,这些都是官方口径。第三方评测机构 Artificial Analysis 的综合指数把 Astra 排在第二位,而多位一线开发者在社交平台反馈“跑分与实测体感存在落差”。两种声音都值得参考,结论是:别只看发布海报。

安全分级被摆到台面上

这次发布罕见地公开了风险等级:按 OpenAI 的 Preparedness Framework,两款模型在网络安全能力上触及“关键(Critical)”阈值,Astra 更成为首个对外发布、在“AI 自我改进”上达到“高(High)”等级的模型,并配套受限访问与监控机制。这反映出前沿实验室正把“能力越强、管控越严”写进发布流程。

给普通开发者的建议

一是在自己的真实任务上做 A/B 实测,而不是照搬通用榜单;二是优化提示词与缓存策略,把 Token 效率真正转化为成本下降;三是对涉及文件操作、代码执行的场景保留人工确认。模型在变便宜,但“验证”这一步不能省。总体看,GPT-6.2 把竞争焦点从“谁更强”推向了“谁更强、更省、更可控”。

企业买 AI 的标准变了:从”跑分多高”到”任务完成率多少、成本几何”

admin阅读(30)评论(0)

企业买 AI 的标准变了:从"跑分多高"到"任务完成率多少、成本几何"

过去两年,企业选 AI 模型先看榜单排名;现在,越来越多采购方改问三个问题:这件事能不能独立完成?跑起来稳不稳?办一次花多少钱?据中证网、沙利文等机构近期报道与报告,评价重心正在从"答题效果"转向"任务完成率"。

采纳很快,见效没那么快

据中证网报道,国内企业智能体采纳率从 2024 年底的约 17.3%,攀升到 2026 年上半年的约 40.3%。但热度不等于回报:毕马威《2026 全球技术报告》显示,88% 的受访企业已把智能体融入系统,真正实现投资回报的只有约 24%。这组反差说明,"上了 AI"和"用出价值"之间还隔着一道工程与流程的坎。

为什么"能演示"不等于"能上班"

沙利文联合头豹发布的《2026 年中国企业级 Agent 解决方案市场报告》指出,技术评价已从"回答是否准确"转向"执行是否可靠":Agent 一旦犯错,不再是输出一段错话,而可能转化为真实的业务损失。还有一个常被忽略的数学事实——如果单步可靠度是 99%,且各步独立,那么连续 100 步的任务整体成功率只有约 37%。任务链越长,成功率衰减越快,这正是演示与生产之间的鸿沟。

落地呈现出明显分层

多份报告的描述高度一致:客服工单、IT 运维、研发辅助等规则清晰、可回滚的场景已经规模化跑通;金融合规、政务预审、工业质检等强监管场景正从试点走向生产,但关键动作仍保留人工审批;医疗诊断、全自主机器人等高风险场景仍限于封闭试点。共同规律是——越靠近"可验证、可回滚",落地越快。

对企业决策者的三条建议

  • 从窄场景切入:选一个"输赢看得见"的任务,先拿到可量化结果,再谈横向复制。
  • 先定指标再上系统:准确率、人工接管率、单次耗时、单任务成本,没有指标就没有改进方向。
  • 把人留在回路里:中高风险动作设置审批节点,关键写操作强制留痕与回滚。

结论:2026 年企业 AI 缺的往往不是更强的模型,而是"被信任的流程"。谁能想清楚哪件事可以放心交出去,谁就更可能跨过从试点到规模化那道坎。注:文中数据引自上述公开报道与报告,具体口径以原报告为准。

DeepSeek 免费用户开始”限额”:长对话、输入长度、每日额度都收了,API 不受影响

admin阅读(33)评论(0)

DeepSeek 免费用户开始"限额":长对话、输入长度、每日额度都收了,API 不受影响

如果你最近用 DeepSeek 聊天时突然弹出"使用额度已达上限",并不意外。据央广网、36氪、腾讯新闻等多家媒体报道,11 月 16 日前后,DeepSeek 对 App 与网页版的免费用户做了一轮使用限制。这篇把"发生了什么、为什么、怎么办"讲清楚。

具体限了什么

据媒体报道和用户反馈,调整集中在三处:一是长时间不活跃的历史对话暂时无法继续,多个用户提到的闲置阈值为 7 天左右,也有反馈说更短;二是单次文字输入上限被缩短,用户反馈约为 4 万字;三是每日对话额度触顶后,系统会提示"因服务器繁忙,使用额度已达上限"。需要提醒的是,官方尚未发布统一的限额规则说明,各用户遇到的具体标准并不完全一致,以上均为媒体汇总的反馈,并非官方口径。

为什么是这三项

有行业分析认为,这一步是为了回收被闲置会话占用的资源。大模型为了让多轮对话"接得上",会把此前的上下文以 KV 缓存的形式驻留在显存里;长期不动的会话会持续占用稀缺的显存。长对话、超长输入、高频使用,恰好都是消耗最大的三类场景——被限制的正是它们。换句话说,这是一次典型的"精细化运营",把有限算力优先留给活跃请求。

谁不受影响

一个关键区别:这次针对的是面向普通用户的 C 端 App 与网页版。开发者调用的 API 有独立的并发限制和按量计费机制,属于另一套规则,不在这次调整范围内。对把 DeepSeek 接入自己应用的开发者来说,日常调用基本照旧。

给用户和创业者的启示

对普通用户,轻度问答、写作、清单整理基本不受影响;真正受影响的是依赖"连续多周长对话"的重度场景。有两点建议:重要对话及时导出留档;不要把关键上下文长期寄存在单一会话里。对创业者,这件事指向一个更普遍的规律——免费的大规模推理补贴难以长期持续,把成本结构建立在"永久免费"假设上的产品很脆弱。

结论:这更像一次算力压力下的运营调整,而非产品方向的改变。关注官方后续说明,按需选择 API 或本地方案,比猜测"什么时候恢复"更实际。注:本文事实引自上述媒体报道,具体规则以官方公告为准。

谷歌把 Gemini 4 Hydrogen 装进搜索:11 月这波 AI 更新,主角是「更快更省」

admin阅读(33)评论(0)

谷歌把 Gemini 4 Hydrogen 装进搜索:11 月这波 AI 更新,主角是「更快更省」

如果你最近觉得 Google 搜索的答案更「懂你」了,背后大概率是一次模型换代。据 TechCrunch 11 月 12 日报道,谷歌已把新模型 Gemini 4 Hydrogen 接入搜索。这件事的意义不止于搜索本身——它是一个信号:AI 行业的竞争重心,正在从「谁的模型最强」转向「谁能在足够聪明的前提下,更快、更省钱」。

谷歌这次到底做了什么

据 TechCrunch 报道,谷歌称这是「迄今对搜索最大的一次模型改进」。换上 Hydrogen 之后,搜索更擅长理解复杂、多部分、带错别字或表述含糊的问题——你可以用日常说话的方式一口气问好几件事,它也能拆开逐一回答。具体来说有几个变化:

  • 更懂意图:能处理多层含义和很具体的限定条件,对拼写错误也更宽容;
  • 更强的拆解能力:把一个提问拆成多个子查询(业内称为 fan-out),从而翻出原本容易被漏掉的网页;
  • 更丰富的结果形态:AI 模式里会出现更多图片、结构化回答和对比表格,跨语言答案也更自然。

谷歌表示,这次更新正向全球搜索用户推送。需要说明:以上性能描述均来自谷歌官方说法、由 TechCrunch 转述,属于厂商自述,实际体验可能因人而异。

为什么是「快模型」,而不是「最强模型」

真正值得琢磨的是谷歌对模型的分工。据报道,Gemini 4 Carbon 和 Argon 这类前沿模型负责深度推理、啃硬问题;而 Hydrogen 的定位是「快速执行」——适合那些需要多步操作、但不要求顶级推理的 Agent 工作流。谷歌称它比上一代快速模型快约 2.5 倍,还提供了从低到高、外加「超高」的多档「思考级别」,按需调节。

这背后的逻辑很朴素:不是每个任务都值得调用最贵、最慢的模型。查个资料、改段文案、跑个常规脚本,用「够用且飞快」的模型,体验往往比死等最强模型更好,成本也低得多。把合适的工作交给合适的模型,正在成为产品设计的主流思路。

不只是谷歌,这是整个行业的方向

把视角拉大就会看到,这不是孤例。同样据 TechCrunch 与 Anthropic 官网在 11 月 9 日前后的报道,Anthropic 发布了 Fable 5.2 与 Mythos 5.2,主打编码、推理和视觉能力的提升,并把响应速度提高约 30%、下调了 Fable 的调用价格。谷歌与 Anthropic 的动作放在一起看,方向高度一致:一边继续推进前沿能力,一边把「日常主力」模型做得更快、更便宜。

对行业来说,这意味着 AI 正在从「实验室炫技」走向「规模化落地」——能不能便宜地跑、稳稳地用,和模型聪不聪明同等重要。

给普通用户和开发者的三条建议

  1. 给任务分级:把日常问答、翻译、改写交给快速便宜的模型,把复杂推理、长文档分析留给前沿模型,别一律用「最贵那款」。
  2. 善用「思考级别 / effort」开关:很多新模型允许调节思考深度,简单任务调低一档,省钱又省时。
  3. 别被榜单牵着走:基准分数领先不等于在你的场景里更好用,用自己的真实任务小规模试跑,再决定是否切换。

结论很清楚:11 月这波更新真正透露的信号,不是某个型号名字,而是「够用就好、又快又省」正在成为新常态。与其追逐最强模型,不如学会按任务给模型分级,把速度和成本也纳入决策——这比记住任何一个版本号都更实用。

2026 年 AI 落地重心变了:从”挑模型”到”编排工作流”

admin阅读(46)评论(0)

2026 年 AI 落地重心变了:从"挑模型"到"编排工作流"

如果你还在纠结"GPT 和 Claude 到底哪个更强",可能已经跟不上一线团队的思路了。 多份行业观察指向同一个变化:AI 落地的杠杆,正从"选哪个模型"转向"如何编排工作流、治理风险"。

发布进入"周级军备",但单点能力不再是决定因素

2026 年 10 月末到 11 月,头部厂商密集上新,覆盖文本、多模态、视频、Agent 等多个方向,发布密度达到空前。对使用者的现实影响是:模型能力差距在缩小,价格却在快速下探。当"最强模型"每两周就换一次,把业务绑死在单一模型上的性价比越来越低。

多智能体编排成为默认开发范式

更值得关注的是工程范式的转变。以 Claude Code 的子智能体(subagent / Task)工具为代表,编排智能体把任务拆给彼此隔离的子智能体,各自拥有独立上下文、工具甚至 git 工作树,并行推进而非线性执行。LangGraph、Dify、MCP 等"胶水层"则把不同模型缝合成协同的 agent 团队。有开发者报告复杂任务吞吐提升 3—5 倍。

代价是所谓的"编排税":更多并行意味着更多校验、更多共享内存管线,以避免智能体互相踩踏。编排能力本身,正在成为新的核心竞争力。

成本压缩到可规模化运行

Agent 与 Computer Use 的单位成本已经降到可以规模化运行的水平。一个务实的架构是分层执行:决策模型处理高频简单任务 + 旗舰模型处理复杂推理,有望把有效任务的单位成本降低一个数量级。

写在最后

对普通用户和中小团队来说,结论很简单:不要追求"一步到位选对模型",而要搭建一套方便替换模型的编排结构。模型会过时,好的工作流不会。

阿里发布 Qwen4-Max:2.4T 参数、百万上下文,单任务成本降约六成

admin阅读(29)评论(0)

阿里发布 Qwen4-Max:2.4T 参数、百万上下文,单任务成本降约六成

11 月 16 日,阿里巴巴正式发布新一代基座大模型 Qwen4-Max。据阿里云官方新闻稿与多家媒体报道,这是 Qwen 家族迄今为止能力最强的模型。

关键规格

  • 总参数 2.4 万亿(2.4T),采用稀疏 MoE 架构,每个 Token 仅激活 710 亿参数;
  • 具备原生视觉能力,支持百万级 Token 上下文窗口;
  • 在 Code Arena 编程盲测榜单中位列第六,在 Agents' Last Exam、Vals Index 等智能体与专业任务评测中处于领先梯队。

最值得关注的其实是成本

比参数更实用的是效率提升。据官方披露,在 Work360 内部基准上,Qwen4-Max 相比上一代 Qwen3.8-Max 在高思考档位下少用约 35% 的 Token,完成单个任务的平均费用下降约 60%。在 Terminal-Bench 4.0 编程评测中,同为高思考档位,每次尝试的平均 Token 用量从 289K 降到 151K,得分却从 38.9 提升到 48.5。

API 侧,缓存命中的输入价格低至每百万 Token 0.075 美元(国内平台公布为 0.5 元人民币)。对高频调用的应用来说,这个降幅比跑分更实在。

面向长周期 Agent 任务

官方特别强调了长时运行能力:在一次芯片散热研究中,Qwen4 完成了连续 48 小时的 Agent 运行,通过分子设计、合成测试、主动学习的闭环迭代,找到了一个经实验验证的冷却剂分子。这类"能持续干活"的能力,正是当前 Agent 落地的重点方向。

怎么用上

Qwen4-Max 已上线千问 AI 平台,可通过 API 与 Token Plan 调用,也能在千问办公、Qoder、千问 App 中体验。官方同时表示,Qwen4 系列的中小尺寸开源模型将陆续发布——对本地部署感兴趣的用户值得关注后续动态。

注:本文数据引自阿里云官方新闻稿及澎湃新闻、新京报等报道,具体规格以官方最新说明为准。

百度世界 2026:词元所上线,文心 5.5 Flash Preview 发布

admin阅读(38)评论(0)

百度世界 2026:词元所上线,文心 5.5 Flash Preview 发布

据央广网报道,百度世界 2026 大会上,百度围绕"芯云模体"四层架构发布多项 AI 成果,其中两个值得关注。

词元所:给大模型交易做"验真与征信"

李彦宏指出一个现实痛点:模型越来越多,来源五花八门、质量参差不齐,"选来选去就是不放心"。百度的应对是推出大模型服务平台"词元所",定位为"大模型的交易所"。

它的核心能力有两个:验真——通过模型指纹比对、能力测试、性能与可用性测试核验资源;征信——通过定期抽检拨测、全链路实时监测,为模型提供方建立信用评级。据百度披露,试运营一个月以来,入驻供应资源超 100 个,日均调用次数突破 5000 万,日均调用 Token 超 7000 亿。

文心 5.5 Flash Preview

大会同步发布了文心 5.5 Flash Preview,并上线百度千帆。据介绍,该模型总参数 2800 亿,每个 Token 激活 140 亿参数,支持最长 100 万 Token 上下文。在最新 CodeArena:WebDev 榜单中获得 1668 分,位列开源模型第二、中国模型第四。

此外还发布了文心闪电深度思考模型(800B 参数,采用自研 BSA 稀疏注意力技术)和文心一镜微表情大模型,面向企业开放 API。

一个趋势信号

把"词元所"和"每天都有新模型发布"放在一起看,会发现行业正在进入一个新阶段:模型本身不再是稀缺品,可信的模型选择与治理能力正在变成新的基础设施。对企业用户来说,这可能是比某个新模型的跑分更重要的变化。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活