Google DeepMind 发布 AlphaGenome 2，基因组预测精确到单细胞类型
Google DeepMind 发布基因组研究模型 AlphaGenome 2，它把特定细胞类型作为额外输入条件，预测基因变异对该细胞类型的影响，找出的相关基因变化约为前代的两倍。
全部 AI 动态
The DecoderAI 评分6161 Simon WillisonAI 评分5757 Google 推出 Gemini Decision 1 决策模型 API
Google 发布 Gemini Decision 1，加入 Jev 和 OpenAI 所在的决策模型品类，支持 yes/no、选择和多维评分三类问题。该模型输入定价为每百万 token 10 美分、输出免费，与 GPT-6 Luna 决策模型相同，Jev 以每百万 4.2 美分更便宜。
The Decoder精选AI 评分8383 Google DeepMind 的 AlphaProof Code 用四周完成 Signal 加密核心验证
Google DeepMind 公布 AlphaProof Code，声称能让 AI 以数学方式证明软件符合安全规范，并在 Signal 的加密协议上完成通常需数年的验证工作，用时四周。
推荐理由：DeepMind 用 AI 智能体在四周内完成 Signal 加密核心的形式化验证，并说明约 1% 代码需人工复核这一人机分工细节。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 AlphaGenome 2，可预测 DNA 变异在特定细胞类型中的作用
Google DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异如何影响特定人类细胞类型，从而帮助定位疾病相关的细胞驱动因素。
推荐理由：从组织整体平均预测转向按细胞类型条件预测，能帮研究者定位只在特定细胞中起作用的疾病相关变异。
The Verge · AIAI 评分6565 Google DeepMind 发布 AlphaGenome 2，按细胞类型预测基因变体影响
Google DeepMind 发布 AlphaGenome 2，可在单个细胞类型和状态下预测遗传变体的影响，比上一代 AlphaGenome 提供更细粒度的视角。
Hugging Face BlogAI 评分5656 Tether AI Research 发布 0.8B 端侧智能体模型 BotPsy
Tether AI Research 发布基于 Qwen3.5-0.8B 的 0.8B 端侧个人助手模型 BotPsy，以 Apache 2.0 开放权重，提供 bf16、Q8、Q4 三档精度及 GGUF 格式。
Simon Willison精选AI 评分7878 llm-gemini 0.36 支持面向全体用户开放的 Gemini 4 Carbon
Simon Willison 发布 llm-gemini 0.36，此时 Gemini 4 Carbon 已从面向少数网络安全防护者开放转为面向所有用户开放。该模型定价为输入 $2/百万 token、输出 $10/百万 token，并计划于 12 月 1 日翻倍至 $4/$20。
推荐理由：作者用同一段提示词对比 Gemini 4 Carbon 在 Antigravity 中的表现，并记录了价格将在 12 月翻倍的关键信息。
Latent SpaceAI 评分6161 Naive-N0.5-Flash 宣称每秒 2100 token，实测编码能力如何
Latent Space 实测了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，它基于小米 MiMo-V2.5 继续训练，主打高吞吐的编码与推理场景。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 发布 Gemini 4 Carbon，面向开发者、企业、科学家和消费者开放，强调网络安全能力、长周期智能体工作流和科学推理。
推荐理由：官方给出 Gemini 4 Carbon 在 CursorBench 4.0、WANDR 等基准的排名与每任务成本，可据此判断它与 Argon 的分工。
Ars Technica · AIAI 评分6262 DeepMind 发布 Gemini Robotics 2.5 及开源安全基准 ASIMOV-jailbreak
Google DeepMind 发布 Gemini Robotics 平台新版本，其中负责生成机器人动作的视觉-语言-动作模型（VLA）升级为 Gemini Robotics 2.5，DeepMind 称其在高灵巧度任务上明显更强。
Simon WillisonAI 评分6161 Meta 发布最小最高效模型 Muse Ember
Meta AI 发布小模型 Muse Ember，定位为面向工具调用、编码子任务、路由、信息抽取和长文档解析等智能体重复工作的最小最高效模型。短提示词下定价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元，与 GPT-6 Luna、Claude Haiku 5.5 同价，但超过 20 万 token 后分别升至 0.30 和 1.50 美元。
Latent Space精选AI 评分8282 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺独立榜单第一
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，官方称在几乎所有评测能力上比 Opus 5.5 更进一步，在 Artificial Analysis 智能指数 v5 上以 65 分居首，超过 Gemini 4 Carbon 的 60 分和 Opus 5.5 的 59 分。
推荐理由：汇总 Fable 5.2 的首日独立评测与定价变化，能看清它靠更多测试用例换取分数的代价。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 推出 Gemini Robotics 2.5 视觉-语言-动作模型，在 200 项任务评测中成功率比此前基线提升 30% 至 100%，完成任务速度快 20% 至 30%。
推荐理由：官方给出跨 200 项任务的成功率与速度提升，以及在奔驰产线的实测成功率，可作为 VLA 模型落地进度的参照。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持15秒视频生成
Google DeepMind 发布 Gemini Omni 1.2 Flash，并通过 Gemini API 与 Gemini for business 全面开放。
推荐理由：原文给出从10秒到15秒的时长、30%降价和对话式多轮编辑，可据价格与工作流变化判断视频生成的生产成本。
Mistral AI精选AI 评分8989 Mistral 开源万亿参数多模态模型 Mistral Large 4（Le Chonk）权重
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个万亿参数的原生多模态模型，此前已在本月初开启公开预览。
推荐理由：原文给出万亿参数开源权重模型在编码与防御性安全基准上的具体成绩，以及三种推理模式和定价，可据此判断自托管选型。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全和长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方给出 Gemini 4 Carbon 在网络安全与长周期智能体任务上的基准成绩和分阶段开放路径，可与两周前的 Argon 对比。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型系列与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型系列，包括支持 50+ 语言的 Voxtral Small Transcribe 3 转写模型、支持 35+ 语言和 50+ 方言的 Voxtral Mini TTS 3 合成模型。
推荐理由：官方一次性放出语音转写与合成模型系列加实时语音智能体 SDK，并给出分项定价与对比基准。
Mistral AI精选AI 评分6060 Mistral 发布时序基础模型系列 Timestral
Mistral 发布首个时序基础模型系列 Timestral，最大 209M 参数在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前 SOTA 三分之二的参数。
推荐理由：Mistral 首发的时序基础模型以 209M 参数在三个公开基准上居首，并给出四个尺寸和 CPU 推理延迟对比。
Mistral AI精选AI 评分8787 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 预览版
Mistral AI 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将在本月底发布。
推荐理由：官方给出 1 万亿参数规模、开源权重时间点与多项基准对比，可据此判断开源模型的性能位置。