Gemini 4 Carbon:我们的下一代前沿模型
官方称 Carbon 是目前最强 Gemini,重点放在网络安全与长程能力;距 Argon 约两周。第三方 Artificial Analysis 综合指数 v5.0 转述为 59 分(Argon 50、Opus 5.5 58、Astra 57),九项里四项第一,编程 Agent 指数仍低于 Opus 5.5(59 vs 62)。
官方称 Carbon 是目前最强 Gemini,重点放在网络安全与长程能力;距 Argon 约两周。第三方 Artificial Analysis 综合指数 v5.0 转述为 59 分(Argon 50、Opus 5.5 58、Astra 57),九项里四项第一,编程 Agent 指数仍低于 Opus 5.5(59 vs 62)。
GitHub 工程侧那套多模型 Copilot harness 经 Microsoft Foundry 对外开放:管指令、上下文、执行环境与治理,宣称支持 MCP、agent skills 与 plugins,并可在 20+ 前沿模型与自带 key 间路由。运行时已迁 Rust,强调降会话开销与首 token。
85 道电/土木/结构/机械长程任务,要求在多格式项目材料上交付可计费工程包(含图纸与约束)。七种公开 harness 评测下,最强配置均分仅 50.6%,均耗约 2700 万 token、63 分钟/题;设计题约束满足率可到约 91%,但「每条硬约束都过」仅约 41%。
浏览器里跑编码 agent、MediaPipe 端侧任务更新,以及开源语音转写上桌面。
Tasks 侧补 Android Kotlin TextToSpeech SDK、InteractiveSegmenter 接 LiteRT;iOS 开源文本校对与摘要任务;修 AHWB/SSBO 与池化纹理的 GPU 泄漏,并为 Parakeet ASR 流式降延迟。另升 OpenCV 4.10、Web Worker 平台探测等。
单检查点覆盖转写(约 40 语种)、翻译(约 31 语种英向)、说话人标注(约 13 语种、最多 8 人)与音频问答,宣称可处理约 1 小时录音;英文 Open ASR 榜与多项 diarization 对比靠前。量化版称将登陆 RTX/DGX Spark 与 Jetson。
窗内 llama.cpp b11938–b11941 多为日常构建,未单列。LFM3 权重家族见昨日。
记忆「净收益」账本、设计向 skill,以及开源工作流合集信号。
多基准、多骨干上发现不少专用记忆系统相对朴素 RAG 净值为负。作者把相对 RAG 的增益/损失拆成 memory benefit 与 memory tax:重组事实或蒸馏偏好本意为增益,却也可能抹掉证据。代码与结果称将开源。
HABIT-Bench 见论文栏。豆包「录制回放」仅短帖未展开。Codex alpha 无实质说明。
今日无重要更新。Codex rust-v0.166.0-alpha.4–6 预发布页无变更说明;ChatGPT/Grok/DeepSeek/Gemini API changelog 抓取失败(jina/playwright)。
日榜里和 Agent / 感知相关的仓库。
HKUDS/DeepTutor 昨日已收,无新版本不重复。jailbreaks 仓库不收。
提出 SARL:训练期让模型识别「已拿到什么、还缺什么」,推理期不再外挂评估器。双奖励既抓纠正效果又罚过度依赖评估。相对最强基线相对提升约 24.3%,多跳约 +35.9%、深研约 +27.9%;长搜索视野下训练更稳。
检索阶段以近排序级模型质量、在延迟预算内从海量候选里捞广告,吞吐称逾 10 亿广告/秒,较 2024 Andromeda 约 100×;称自 2025 起为 Facebook 转化带来约 2.4% 提升。路径是模型、系统与 GPU(延续 GH200 一代)一起共设计。
Agent 记忆与检索相关。
用跨数百会话的合成用户史测习惯归纳与后请求应用;八种记忆法最好宏平均约 33.6%,直接喂标注证据仍受限。含临时例外、习惯变更与未采纳建议。
Memory Tax 见专栏;PLE 见三条;SARL 见工程。
Android Studio「Bring Your Own Agent」称可接入 40+ 外部编码 agent(含 Claude、Codex);并扩终端工具以减耗时与 token。另提 Gemini Nano 4 Agentic API、MCP 接入,以及与 XREAL 的 Android XR 眼镜 AURA(约 1099 美元)。
面向企业的用量/产出/故障点报告,结合内部分析与员工调研给改进建议;称默认不用该数据训模型,并推团队共享预算池。文内转述 Anthropic 对投资者的季度数据(含约 900% NRR)作背景,ROI 叙事针对大客户留存。
Carbon / Copilot harness / PLE 见今日三条。Genie 4、Skill Adaptation、Codex 0.165、LFM3 见昨日。