谷歌发布Gemini 4 Carbon推理模型:可花更多token进行深度思考

谷歌于2026年11月10日发布Gemini 4 Carbon,定位为迄今推理能力最强的模型,在复杂任务上愿意消耗更多推理token来换取准确率。对开发者而言,这意味着多了一款可粗粒度调节“思考强度”的API选项;但实际效果仍需以公开评测和真实任务验证。

谷歌于2026年11月10日发布Gemini 4 Carbon,定位为迄今推理能力最强的模型,在复杂任务上愿意消耗更多推理token来换取准确率。对开发者而言,这意味着多了一款可粗粒度调节“思考强度”的API选项;但实际效果仍需以公开评测和真实任务验证。

Hugging Face Papers 收录的论文 dNaViT 提出一种离散视觉分词器,把图像编码成类似语言 token 的离散单元,并声称在 12 个视觉理解基准、4 个生成基准和 1 个图像编辑基准上达到或超过任务专用基线。若结论成立,视觉与语言模型有望共享更统一的建模方法。

Google Cloud 发布医疗版 Gemini,基于通用 AI agent 连接病历、账单和官方指南,面向临床与行政后台流程自动化,目前已进入预览阶段。

一篇广受关注的个人博客记录了开发者借助 Claude 将邮件、日程、编码全面自动化后的体验:能力飙升,却陷入空转与身份焦虑。这并非产品发布,而是提前暴露了 AI 深度介入工作流后的真实张力。

研究者提出 World In-Context Learning(WICL)范式并构建 RoboScript 框架:冻结的模型从单次演示出发,在仿真中排练任务,把反馈写入上下文而非网络权重。据摘要,它在 RoboTwin 2.0 全部 50 项任务上取得 83.4% 平均成功率,比最强的训练型动作策略高出 20…

咨询公司 Acora 分析 Google 搜索数据发现,职场中未获批准的“影子 AI”使用明显增加,员工不仅用 AI 处理工作,还在搜索如何删除聊天记录、绕过封锁和寻找免注册工具,这会放大企业的数据与合规风险。

Graphon 宣布完成 3500 万美元 A 轮融资,方向是打通文档、视频、图像之间的关联,缓解 AI 智能体在记忆上的限制。

开发者 Chomba Bupe 于 2026 年 11 月 10 日在 X 上发文指出,AI 在众多领域铺得太广,只要在某个领域取得一点进展,人们就急于宣称该领域已被攻克;实际上,AI 在大量经过充分训练的任务上也只是表现平平。

开发者Pietro Miotti称,其AI代理利用NASA公开的LiDAR数据,在墨西哥发现一处未记录的玛雅遗址,并在72小时内收到墨西哥国家考古机构的回复。若后续得到专业核实,这将成为“AI辅助考古发现”一个值得观察的案例。

美国保守派评论账号 TheLastRefuge 发帖称,AI 代理能够完成选民注册并申请缺席选票,并把它描述为“2028 的前哨战”。这一说法来自个人发帖,目前没有官方或独立证据支持。