谷歌 Gemini Decision 1：9 项测试 7 项第一，输入百万 Token 仅【AI 早报 2026-11-13】
谷歌把生成式模型拆出一条新分支：不做逐字生成，只对候选答案打分，Gemini Decision 1 在 9 项基准中拿下 7 项第一，最高准确率 92.2%。同日，Gemini 4 Hydrogen 以 54 分智能指数和 2.5 倍速度向免费用户开放，百度文心则在一周内第三次推出新模型。
今日概览
要闻
- 谷歌 Gemini Decision 1：9 项测试 7 项第一，输入百万 Token 仅 0.1 美元
- Gemini 4 Hydrogen 发布：智能指数 54 分，速度提升 2.5 倍且人人可用
- 文心 5.5 Flash Preview 发布：8 项基准两项第一，11 月 25 日前 Apache 2.0 开源
- FireFlash：64 张 B300 训练 5 天，Terminal-Bench 46.2%，成本仅 Fable 5 的 1/30
- AlphaGenome 2：单细胞精度破译 98% 非编码区，致病突变识别率 16%→30%
- Edge0-145B 开源：1450 亿参数端侧运行，峰值内存 29GB、解码 80+ token/s
模型发布
- MiniMax-H3-Image 开源：原生 4096×4096 出图，量化后 24GB 显存可部署
- 百度发布文心闪电与文心一镜：推理成本降 30%，1 分钟视频 1 分钟生成
- ElevenLabs 发布 Scribe v3 与 v3 Live：识别准确率小胜，速度与价格落后
开发生态
- 亚马逊下一代 AgentCore runtime：为长时智能体提供隔离执行环境
- AWS 开源 SGLang-Neuron：在 Trainium 上跑前沿模型，支持 PD 分离
- IBM Granite 4.1 3B/8B 引入 LLMON：面向 LLM 的原生标记语言
产品应用
- GrokBot 1.0 发布：Bot 可全团队共享，能进 Slack、Teams 并主动接活
- 豆包工作接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash，额度倍率透明化
技术与洞察
- 港科广与欧拉万象 SLA：RoboDojo 真机榜第一，成功率 33.9% 为 π0.5 的 2.6 倍
行业动态
- OpenAI 收购 AI 旅行助手 Odessia：8 人团队、年化 6000 万美元
- 自然选择完成 A+ 轮：累计融资超 1 亿美元，EVE 月卡 328 元
- Agility Robotics 上市：Digit 5 获超 3 亿美元有条件多年期订单
- 万衍 Vera Praxis 获博裕创投天使轮：ARR 达数亿元，团队含 11 位博士
要闻
谷歌 Gemini Decision 1：9 项测试 7 项第一，输入百万 Token 仅 0.1 美元
谷歌正式发布 Gemini Decision 1，并同步在 Google AI Studio 推出由该模型驱动的 Gemini Decisions API。与逐 Token 生成文本的传统大模型不同，它通过单次前向传播对预先设定的候选答案评分，专门处理封闭选项集的决策任务。模型支持三类能力：是/否二元判断、2～255 个选项的多项选择、按自定义标准打分的 Ordered Rubric，三类任务可在一次请求中混合执行。单次请求最多处理 1000 个独立问题，支持文本、图像、音频、视频和 PDF，上下文最高 256K Token，端到端延迟 150～250 毫秒，模型计算阶段中位延迟 50～100 毫秒。价格是每百万输入 Token 0.10 美元、输出 Token 不收费，官方称调用成本比 Gemini 3.5 Flash-Lite 低近 5 倍。在 9 项基准测试中拿下 7 项第一，最高准确率 92.2%，同时具有最低的校准误差；对比对象包括 OpenAI GPT-6 Luna、TypeSafe Jev 1.14 和 Gemini 3.5 Flash-Lite。谷歌内部已将其用于 AI 模型路由、Agent 工具选择、产品设计和安全检测。
Gemini 4 Hydrogen 发布：智能指数 54 分，速度提升 2.5 倍且人人可用
谷歌发布 Gemini 4 Hydrogen，定位高效率模型，主打更快响应、更低成本和更强的 Agent 连续执行能力，同时接入 Gemini App、Google Search、Google AI Studio 和 Antigravity，免费用户也可使用。Artificial Analysis 评测显示，Hydrogen 在默认 High 档位智能指数为 51 分，超过 Gemini 4 Argon 的 50 分；开启新增的 xhigh 档位后升至 54 分，仅比 Claude Sonnet 5.5 和 GPT-6.1 Sol 的最高档位低 1 分。API 定价为每百万输入 Token 1.5 美元、每百万输出 Token 7.5 美元，100 万 Token 上下文窗口内保持统一价格；xhigh 档单任务成本约 3.16 美元，High 档约 1.87 美元。速度方面，官方称默认 High 档完成任务的速度是 Gemini 3.8 Flash 的 2.5 倍，输出约 200 Token/s；Terminal-Bench 4.1 成绩从 18.2% 提升到 57%，虚构信息减少超过 80%。AA-Omniscience 测试中幻觉率为 8%，Claude Sonnet 5.5 和 GPT-6.1 Sol 分别为 43% 和 52%。不过 Terminal-Bench 4.0 得分为 54%，低于 Claude Sonnet 5.5 的 64% 和 GPT-6.1 Sol 的 56%。
来源：https://www.ifanr.com/1689267?utm_source=rss&utm_medium=rss&utm_campaign=
文心 5.5 Flash Preview 发布：8 项基准两项第一，11 月 25 日前 Apache 2.0 开源
百度发布文心 5.5 Flash Preview，这是文心一周内的第三次动作：11 月 5 日开源基座模型文心 5.5 Flash Base，11 月 9 日披露 RSI 进展并发布 ERNIE Evolve，11 月 11 日推出 Preview。模型已上线千帆平台，Web 端与 API 同步开放，官方称权重将于 11 月 25 日前以 Apache 2.0 许可证面向全球开源。在 Terminal-Bench 4.0、DeepSWE v1.1、AutomationBench、APEX-Agents 1.1、DRACO、SpreadsheetBench V2、OfficeQA Pro V2、Agents' Last Exam 共 8 项基准中，取得 AutomationBench 和 SpreadsheetBench V2 两项第一，另有 DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四项第二。训练数据方面，编程方向使用超过 1400 万个可执行代码任务，知识工作后训练覆盖金融、法律等领域的 30 万个工作空间和 1000 万份文件，内容创作适配上千项 Skill、构建超过 15 万个创作环境、累计成片约 5300 分钟。实测中，一份多角色节奏游戏需求经多轮生成、总耗时约 7 分 32 秒产出可运行版本；官方《云岫行》案例基于 Unreal Engine 5.8，历时 11 小时完成。
FireFlash：64 张 B300 训练 5 天，Terminal-Bench 46.2%，成本仅 Fable 5 的 1/30
研究者 Wenbo Hu、Nanyun Peng、Dakuo Wang、Kai-Wei Chang 等在 Agent Economics 博客发布 FireFlash，一个从 GLM-5.3-Flash 出发、经全参数强化学习得到的 300B 级终端与编程智能体。GLM-5.3-Flash 总参数 321B、每 Token 激活 17.4B，FireFlash 训练全部 320B 语言参数，冻结视觉塔与 DSA 索引器。整个训练只用了 64 张 NVIDIA B300、不到 5 天，团队同时公开完整训练配方。Terminal-Bench 4.0 上 Pass@1 达到 46.2%，与 Fable 5、GPT-6 Sol 处于同一水平，单个任务成本比最高推理强度下的 Fable 5 低 30 倍以上；提升也迁移到 DeepSWE v1.1 和 SWE-Bench Pro Verified。工程细节包括：训练与 rollout 各用一组专属 GPU，允许使用落后最多 6 个权重版本的 rollout，MTP 解码加速 1.38 倍，microVM 使基础设施故障导致的 rollout 损失从 12% 降到 0.5%；只保留初始通过率 15%～85% 的任务，零信号 rollout 组占比从 48% 降到 10.2%。
来源：https://mp.weixin.qq.com/s/VmOpmMwINSKB8ACK2fwLbg
AlphaGenome 2：单细胞精度破译 98% 非编码区，致病突变识别率 16%→30%
谷歌 DeepMind 发布新一代 DNA 基础模型 AlphaGenome 2，由诺奖得主哈萨比斯带队，随模型放出 78 页技术报告。初代 AlphaFold 破解的是占人类 DNA 约 2% 的蛋白质编码区，AlphaGenome 2 转向剩下 98% 的非编码区，即调控基因开启与关闭、并集中了人类九成以上致病突变的区域。模型使用人体 68 种组织、超过 1.07 亿个单细胞数据训练，把预测精度从整块器官组织细化到单个细胞。在涵盖 28 种人类免疫细胞的 TenK10K 基准上，初代模型即使专门做单细胞微调也只能找出 16% 的致病突变，AlphaGenome 2 将这一比例提升到 30%。官方还给出案例：不依赖生物实验，纯靠计算定位引发严重肠病的突变，并判断突变发生在哪类免疫细胞。模型支持在新病变样本上只上传几十个细胞测序数据即做预测，无需重新训练；官方开放涵盖数百万个基因变异的影响评分库，并计划将模型打包成 Skills 接入 Google Antigravity、供 Gemini 4 调用。
来源：https://mp.weixin.qq.com/s/-NbKHJrJWslwNwyEpZrJXw
Edge0-145B 开源：1450 亿参数端侧运行，峰值内存 29GB、解码 80+ token/s
无界方舟开源 Edge0-145B，把端侧模型参数规模推到 1450 亿，并在 Hugging Face 开放权重、在 GitHub 开源端侧统一推理引擎。官方数据：峰值内存 29GB，一台 MacBook Pro 级笔记本即可运行；预填充速度 1100+ Token/s，解码 80+ Token/s，典型功耗约 120W，支持 128K～256K 上下文且长文本下速度基本不衰减。模型采用分组共享的稀疏专家结构，每步只激活部分参数，其余权重存放在存储中按需调入。作为对照，此前的 Edge0-35B 在 iPhone 18 Pro Max 上峰值内存约 2.5GB、生成速度超过 37 Token/s，开源后登上 Hugging Face 全站 Trending 榜第一，单条帖子阅读量突破 120 万。Edge0-145B 发布首日即支持 macOS、Windows、Linux，覆盖苹果 M 系列芯片和 NVIDIA GPU。官方称其可完成写代码、操作软件、搭建三维场景及围绕目标连续规划执行等此前主要依赖云端模型的任务。
模型发布
MiniMax-H3-Image 开源：原生 4096×4096 出图，量化后 24GB 显存可部署
MiniMax 开源 MiniMax-H3-Image，把文生图、参考图生成和图像编辑统一在一个模型中，支持原生 4096×4096 像素、约 16MP 输出，无需超分辨率放大，并支持多种宽高比和最多 16 张参考图。模型经过 6 步蒸馏，只需在固定 sigma 参数处推理。针对本地部署，DiffSynth-Studio 与 EntroPack 提供剪枝和量化方案：SVD 低秩分解或缓存推理中间产物两种剪枝都可减少约 39% 的模型参数；结合平均 3bit 混合量化，模型可在 24GB 显存加 8GB 内存的配置下运行且无需 Offload。官方同时开源提示词改写模型 MiniMax-H3-Image-PE，可把简短请求扩展为详细图像描述并给出宽高比建议。部署侧提供 ComfyUI 工作流，以及面向多 GPU 服务器的 SGLang Diffusion 方案。
百度发布文心闪电与文心一镜：推理成本降 30%，1 分钟视频 1 分钟生成
百度在百度世界 2026 主论坛发布两款文心应用模型，同步上线百度智能云千帆平台并面向企业客户及合作伙伴开放 API。文心闪电深度思考模型最初为百度搜索研发，采用基于反馈式 KV 压缩的稀疏注意力技术 BSA，在解码过程中按历史输出和状态压缩 KV，官方称与 DSA、HCA 等高压缩自注意力机制兼容；配合快慢思考协同的 Looping 方案，支持思考与非思考两种模式。推理侧可在昆仑芯上单机八卡运行，官方称模型 ROI 较同类芯片提升 50%，推理引擎成本降低 30% 以上。文心一镜微表情大模型面向高情感表现力视频创作，采用文本、视觉、语音三态一体建模，支持最长 4000 字文本驱动，覆盖 6 大维度、200 个子维度的细粒度描述。其篇章级配音技术基于完整剧本整体生成音频，而非按约 30 秒片段拼接；官方称视频生成成本较业界降低 50%，极速版本可 1:1 实时生成，1 分钟视频在 1 分钟内完成。
ElevenLabs 发布 Scribe v3 与 v3 Live：识别准确率小胜，速度与价格落后
ElevenLabs 发布 Scribe v3 和 Scribe v3 Live 两款语音识别模型，主打在背景噪声和多人交叉说话环境下保持转写准确率。Artificial Analysis 的基准显示，Scribe v3 在准确率上小幅超过 OpenAI、Google 和 Microsoft 的竞品。Scribe v3 Live 的差异点是用对话上下文判断说话人是否还没讲完，避免语音 Agent 在用户句子中间打断。代价在速度与价格：Microsoft 和 xAI 的同类模型运行速度快出数倍，价格约为其一半。
开发生态
亚马逊下一代 AgentCore runtime：为长时智能体提供隔离执行环境
亚马逊发布下一代 Amazon Bedrock AgentCore runtime，这是 AgentCore 的托管计算层，让开发者部署和运行智能体而无需自建基础设施。AWS 引用的数据包括：METR 统计前沿智能体可自主完成的任务时长约每 4 个月翻一倍；麦肯锡称 40% 的大型企业正在扩展 AI 智能体，高于一年前的 27%；Deloitte 称只有 15% 的组织扩展了编排式多智能体系统，70% 表示尚不能信任和治理其智能体。AgentCore runtime 要解决的核心问题是隔离环境的性能、成本与效率平衡：预置环境闲置时仍消耗资源，按需环境则有冷启动延迟。AWS 称新一代运行时提供强隔离、快速启动、弹性扩展和按使用量计费，让安全执行不成为规模化瓶颈。
AWS 开源 SGLang-Neuron：在 Trainium 上跑前沿模型，支持 PD 分离
亚马逊宣布 SGLang-Neuron 正式可用，通过 AWS Deep Learning Container 提供，由 RadixArk 与 Annapurna Labs 合作发布。开发者可以用现有的 SGLang 服务器接口启动模型，并用相同的生成 API 调用端点，底层运行在原生 PyTorch 上。SGLang-Neuron 以 out-of-tree 插件形式接入：安装插件后注册 neuron 平台，设置 SGLANG_PLATFORM=neuron 即可在启动时选中；SGLang 核心继续提供 API 服务器、请求生命周期、RadixAttention 和前缀缓存，插件实现 Trainium 专属模型、注意力、MoE 和 graph runner。TorchNeuron 把 Trainium 注册为原生 PyTorch 设备，模型执行路径使用标准 PyTorch 算子，并用 NKI 编写性能关键 kernel，通过 torch.compile 编译。该方案还支持 PD 分离：prefill 服务器计算提示 KV 缓存，经 NIXL over EFA 传给 decode 服务器生成剩余 Token。
IBM Granite 4.1 3B/8B 引入 LLMON：面向 LLM 的原生标记语言
IBM Granite 在 Hugging Face 博客宣布 LLMON，一种面向大语言模型的原生标记语言，已随 Granite 4.1 3B 和 8B 两个模型提供。博客未披露 LLMON 的具体语法、训练数据或基准成绩。
来源：https://huggingface.co/blog/ibm-granite/llmon-an-llm-native-markup-language-now-in-granite
产品应用
GrokBot 1.0 发布：Bot 可全团队共享，能进 Slack、Teams 并主动接活
xAI 发布 GrokBot 1.0，核心变化是 Team Bots：一个 Bot 可被整个团队共享，能只分享给特定的人或小组，也可直接拉进 Slack 和 Microsoft Teams。在多人对话中，Bot 能跟踪谁参与了、各自在说什么，并在合适时机补充信息或主动接手任务；它还能通过会议聊天框参加视频会议，带入此前对话信息并记录决定。1.0 的 Bot 会持续盯进行中的项目，发现截止日期临近就提前准备材料，追踪未收尾任务并与其他 Bot 协调分工，遇到需要人判断的决策再拉人进来。学习机制上，某个成员教会 Bot 更好的做法后，改进会惠及所有使用者；Bot 也会根据团队反馈调整工作方式。安全侧有三道防护：遵守每个人的访问权限、敏感操作前先征求同意、在公开频道分享信息前判断是否适合公开。Grok Bot 最早于 2026 年 8 月 11 日以 beta 版推出，当时每个 Bot 拥有一台自己的云端电脑。
来源：https://mp.weixin.qq.com/s/T0EqD2RdUGaTEByz6SB8nQ
豆包工作接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash，额度倍率透明化
豆包工作宣布接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 三款第三方模型，用户可按任务选型。三款模型定位不同：Kimi K3.1 Pro 主打百万字级超长上下文，GLM 5.3 侧重中文理解与生成，DeepSeek V4.1 Flash 主打高响应速度和高性价比。平台在模型选择页面统一标注各模型的额度消耗倍率，倍率越低同等任务消耗越少，把不同计费规则换算到同一额度体系。同步推出两项限时优惠：工作日及节假日指定时段使用活动模型可享额度折扣；豆包 2.1 Lite 与 DeepSeek V4.1 Flash 限时下调消耗倍率。加上豆包 2.1、豆包 2.1 Lite 等自研模型，豆包工作已形成高端能力型、均衡通用型、轻量效率型三层模型矩阵，并同步更新了 LOGO。
技术与洞察
港科广与欧拉万象 SLA：RoboDojo 真机榜第一，成功率 33.9% 为 π0.5 的 2.6 倍
香港科技大学（广州）与欧拉万象提出 SLA（Spatial-Language-Action）空间—语言—动作模型，在 RoboDojo-Real 公开真机评测中以平均得分 42.3 分、完整任务成功率 33.9% 位居榜首。对比 π0.5 的 22.9 分和 12.8% 成功率，SLA 成功率提高 21.1 个百分点，约为其 2.6 倍。RoboDojo-Real 覆盖 ARX X5、Piper、Piper X 三种机器人本体共 18 项任务，SLA 用三种本体的示范联合后训练，再用同一个模型测试。八类真机测试中，SLA 平均物体级成功率达到 83.8%，比 π0.5 高 24.0 个百分点；位置扰动下为 82% 对 52%，目标持续移动时为 76% 对 42%，桌面升降抓取时为 78% 对 44%。跨本体实验中，在 100 条 Piper 示范外只加 10 条 Franka 示范联合后训练，Franka 物体级成功率达到 78%。方法上，SLA 继承 π0.5 的预训练架构与权重，用冻结的三维感知模型 OmniVGGT 作为空间教师，将 VLA 中间视觉特征与教师空间特征对齐，并把空间监督从后训练扩展到持续预训练。
来源：https://mp.weixin.qq.com/s/F1euPsqRRP1FxAJZ7pPdJA
行业动态
OpenAI 收购 AI 旅行助手 Odessia：8 人团队、年化 6000 万美元
OpenAI 官宣收购 AI 旅行 Agent 公司 Odessia，此时距离该公司成立不到一年。Odessia 团队共 8 人，此前刚获得红杉美国 800 万美元融资；创始人 Francis Davidson 宣布加入 OpenAI，负责旅行方向。去年夏天，数万名早期测试用户通过 Odessia 规划旅行，按年化计算超过 6000 万美元。创始人还在官宣后复盘了 Agent 时代小团队公司的搭建方式。
自然选择完成 A+ 轮：累计融资超 1 亿美元，EVE 月卡 328 元
AI 陪伴公司自然选择（Nature Select）完成 A+ 轮融资，累计融资金额超过 1 亿美元，约合 6.7 亿元人民币；本轮投资方包括五源资本、启明创投、源码律动、经纬创投和华业天成，此前阿里巴巴、蚂蚁集团、创世伙伴创投等也曾参与。公司有两条产品线：3D AI 陪伴产品 EVE 和 AI 智能体社交网络 Elys。EVE 于 2026 月 4 月登陆 iOS，主要面向女性用户，上线首日冲上 iOS 免费榜第二；据第三方统计，2026 年 4 月预估流水达到千万元级别，会员最高档月卡定价 328 元。EVE 的模型基础是自研对话模型 Vibe 与长期记忆模型 Echo，据恺英网络披露，两套模型基于亿级独家语料训练。创始人张筱帆此前创办游戏公司终极幻境，其恋爱手游《奇点时代》首月流水超过 3000 万元。作为赛道参照，字节猫箱 2026 年第一季度位居中国 iOS AI 应用收入榜首，上线不到两年 iOS 内购累计收入超过 2200 万美元；MiniMax 的 Talkie 2026 年 8 月全球月活约 3107 万，星野约 338 万。
Agility Robotics 上市：Digit 5 获超 3 亿美元有条件多年期订单
据 aibusiness 报道，Agility Robotics 已进入公开市场，成为首家上市的美国专业人形机器人制造商。公司为 Digit 5 人形机器人获得超过 3 亿美元的有条件多年期订单，该订单为多年期且附带条件。报道未披露上市交易所、发行价、估值或募资规模。
来源：https://aibusiness.com/robotics/agility-robotics-goes-public-first-u-s-specialist-humanoid-maker
万衍 Vera Praxis 获博裕创投天使轮：ARR 达数亿元，团队含 11 位博士
万衍 Vera Praxis 宣布完成天使轮融资，由博裕创投投资。创始人兼 CEO 翁鹤鸣现任 A 股上市公司新产业生物董事、新产业创投 CEO。公司聚焦 AI4S，面向前沿大模型公司提供专业训练数据、评测与可交互环境，把一线业务专家在研发和交付中的判断、经验与反馈加工为模型可学习的资源。其自研 Praxis OS 是面向专业工作的企业级 Agent 操作与协作系统，连接业务专家、前沿模型与真实工作环境。公司披露整体业务 ARR 已达数亿元人民币。数据业务核心研发团队汇聚 11 位博士，成员有腾讯、阿里巴巴、字节跳动、美团等企业研发经历，累计发表 60 篇以上 CCFA 类顶级会议及期刊论文，曾获 ACM 国际会议杰出论文奖；团队研发的 Feyospace-vl.1 曾与 OpenAI、Google、阿里巴巴和智谱的模型共同进入 CyberGym 官方模型榜全球前五。
暂无评论。