Google DeepMind 发布 Gemini 4 Carbon:主打网络安全与长程智能体能力
Google DeepMind 发布 Gemini 4 Carbon,称其为最强前沿模型,在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由:官方公布了 Cyber 基准分数、定价和分阶段开放节奏,读者可以对照评估它在安全编码与长程任务上的实际定位。
Google DeepMind 发布 Gemini 4 Carbon,称其为最强前沿模型,在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由:官方公布了 Cyber 基准分数、定价和分阶段开放节奏,读者可以对照评估它在安全编码与长程任务上的实际定位。
Google DeepMind 与新加坡政府科技局(GovTech Singapore)合作,基于轻量级 Gemma 模型微调出隐私保护的端侧诈骗检测模型。模型采用两阶段流水线,先用轻量分类器筛查消息,再用微调后的 Gemma 分析会话上下文确认威胁,全程在设备上运行,双方均无法访问用户对话。
推荐理由:原文说明了两阶段端侧架构和治理细节,读者可以了解政府与模型方合作兼顾隐私的反诈思路。
Google 发布长期预告的 Gemini 4 Argon 模型,称其在编程、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5,并减少冗余与套话。
推荐理由:Google 在落后数月后发布 Gemini 4 Argon,并给出定价与内部用例,读者可据此判断前沿模型竞争格局的变化。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和普通用户开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入享 95% 折扣。
推荐理由:官方给出 Argon 在编码、科研与安全上的具体案例和定价,可据此判断前沿模型在真实工作流中的落地程度。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步扩大 Fairwind Program 的可信网络安全防御者范围。该模型在网络安全测试中通过全部 12 个端到端模拟攻击场景,上一代为 5 个;在对抗性测试集上违规请求减少近两倍,Gray Swan 间接提示注入基准上 15 次自适应攻击的成功率降至 0.7%。
推荐理由:原文给出 Gemini 4 Argon 在网络安全与生物风险上的防护设计与实测数据,可了解前沿模型安全护栏的具体做法。
Google 发布新一代生图模型 Nano Banana 2.1,围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级,支持 4K 直出。据 Arena 评测,其在文本转图像、多图像编辑和单张图像编辑三项上平均提升约 61.7 分,文本转图像排名第四。
推荐理由:汇总了 Nano Banana 2.1 的评测排名、API 降价与实测反馈,可快速了解这代生图模型的能力边界与短板。
Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构、740M 参数、Apache 2.0 许可,将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由:EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间,并给出端侧内存与向量截断数据,便于判断本地多模态检索的可行性。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作与网络防御,先在 Fairwind 计划的政府用户和可信网络安全人员中开放,之后才面向开发者、企业和消费者。
推荐理由:汇总 Gemini 4 Argon 的基准、定价与可用范围,并列出评测方对数据的质疑,便于判断其真实位置。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者。
推荐理由:官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放方式,可据此判断前沿模型的能力边界与落地节奏。
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐行表演指导,后者面向高并发配音和语音智能体。
推荐理由:官方给出两款 TTS 的定位差异、可用入口与基准排名,便于判断语音生成在创作与规模化场景中的分工。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型,前者面向规模化与成本效率,后者面向高复杂度任务与多步推理。
推荐理由:官方给出两款语音模型的定位差异与多项语音基准成绩,可据此判断实时语音智能体的能力边界。