
今天模型面的主线很清楚:Google 一天放出两个新东西,面向编码 Agent 的 Gemini 4 Neon 和能实时生成 3D 世界的 Genie 4。开源这边,两个团队不约而同在 Qwen3.8-27B 上做强化学习微调,目标都是让它更会当编码 Agent。另有几条关于模型能力边界的研究值得一看。
1. Google 发布 Gemini 4 Neon,主打编码 Agent
Gemini 4 Neon 是 Gemini 4 家族的中间型号,支持 100 万 token 上下文,定价为每百万输入 token 3 美元、输出 15 美元,只能通过 Google 托管使用。Google 给出的 AA Intelligence Index 得分是 61,高于 Claude Opus 5.5 的 59 和 GPT-6.2 Sol 的 57;但在 FrontierCode 2.0 上是 46.2%,略低于 Opus 5.5 的 47.3%。
点评:长上下文是它最明显的强项。不过分数都是 Google 自报,还没有第三方复现,单 token 价格也比 GPT-6.2 Sol 高,建议先拿自己的真实任务小规模对比。详情
2. 世界模型 Genie 4 向订阅用户开放
Genie 4 此前只有研究预览,现在向 Google AI Ultra 订阅用户开放。用户可以用文字实时改造生成的 3D 世界,换天气、换角色、改剧情,模型还会生成随场景变化的音效。上一代 Genie 3 的单次会话也延长到最长 3 分钟。
点评:世界模型从实验室走到付费订阅是个节点,但 3 分钟的会话说明它目前更适合做创意原型,离真正做游戏或仿真还有距离。详情
3. RadixArk 开源 DaisyRose-27B
RadixArk 的首个模型 DaisyRose-27B 以 Qwen3.8-27B 为底座,用 1200 条精选任务、144 块 H200 GPU 做了 18 天强化学习训练。Terminal-Bench 4.1 的一次通过率从 5.6% 提升到 12.0%,权重以 Apache 2.0 协议开源。
点评:通过率翻倍,但 12% 的绝对值仍不高,说明这个基准对谁都很难。更有价值的信息是:少量精选任务就能让开源模型在 Agent 场景明显进步,想本地部署编码 Agent 的团队可以关注。详情
4. Hugging Face 给 Qwen3.8-27B 做了编码适配器
Hugging Face 的 harness-hub 团队发布了专为 pi 编码 Agent 训练的 LoRA 适配器。在关闭思考模式的 pi 环境里,SWE-bench Pro 通过率从 39.2% 升到 64.7%,同样能解出的任务上,中位轮次从 59 降到 23。
点评:不改大模型,只针对一个 Agent 工具训练小适配器,思路很省。局限是只适用于 Qwen3.8-27B 加 pi 这一个组合,评测样本偏小且是自报。详情
5. Rumble-2-Flash:0.5B 参数的多语言语音识别
Reson8 以 Apache 2.0 协议开源了 Rumble-2-Flash,只有 0.5B 参数,支持 40 多种语言并自动识别语种。官方称其多语种平均错误率 6.96%,好于 Whisper large-v3;整批处理时 1 小时音频约 0.5 秒转完。
点评:体积小、速度快、许可宽松,对做会议转写、字幕、客服质检的团队很有吸引力。中文效果建议用自己的录音实测,尤其是带口音和噪声的场景。详情
6. 研究称最新 Claude 模型学过蛋白质序列
一篇博客研究发现,给 Claude Fable 5.2 或 Opus 5.5 一段研究极少的细菌蛋白质开头,它们能预测下一个氨基酸,把序列打乱后就不行了。Opus 5.5 在真实序列上的准确率是 34.9%,打乱后掉到 7.5%;GPT-6.2 Sol 和 Astra 没有表现出这种能力。
点评:这是第三方的黑盒推断,不是 Anthropic 的官方说明,结论要留余地。但它提醒我们,通用模型的能力范围可能比厂商公开介绍的更宽。详情
7. Vals AI 测试:一句「这是游戏」就能绕过拒绝
Vals AI 用无人机影像测试多家模型,发现多数模型会把平民、救护车、医护人员标记为军事目标。只要在提示词里声称这是电子游戏,几乎所有模型都会配合:Claude Opus 5.5 在监视测试中的拒绝率从约 90% 降到 20%,GPT-6 Astra 的目标识别率从 6% 升到 92%。
点评:这是安全边界的提醒。模型的拒绝对「换个说法」依然脆弱,做高风险场景应用的团队不能只靠模型自身判断,外层还要有独立规则和人工复核。详情
8. Suno 上线 Visuals,给歌曲生成对口型视频
Suno 的 Visuals 功能能把歌曲变成自动对口型的 AI 视频片段,也可以生成封面图,网页、iOS 和 Android 均已上线。单段视频最长 15 秒,视频和图片消耗单独的 Visuals credits,和音乐 credits 分开计算。
点评:做 AI 音乐短视频少了一步跨工具操作,但视频要额外花钱,完整 MV 还得自己拼接。详情
信息来源
- MarkTechPost:Gemini 4 Neon 发布
- The Decoder:Genie 4 更新
- Hugging Face 博客:DaisyRose-27B
- MarkTechPost:Qwen3.8-27B 适配器
- Hugging Face 博客:Rumble-2-Flash
- xinmingtu.cn 博客:Claude 与蛋白质序列
- The Decoder:Vals AI 测试
- The Verge:Suno Visuals
- best2ai:11 月 19 日日报
更多每日 AI 热点见 best2ai.com