谷歌发布Gemini 4 Hydrogen,速度较3.8 Flash快2.5倍
相关推荐
Artificial Analysis 评测:腾讯混元 Hy4 智能指数得 35 分,超过 DeepSeek V4.1 Flash 1017
火星财经消息,独立 AI 分析机构 Artificial Analysis 发布 Intelligence Index v5,新增 2 项基准测试并升级 3 项测试,60% 的指数评估基于私有测试集或保留答案。国产模型方面,Artificial Analysis 公布的评测数据显示,腾讯混元 Hy4 获得 35 分,DeepSeek V4.1 Flash 1017(max)获得约 33 分。据此前提供的榜单数据,Claude Opus 5.5(max)以 58 分位居首位,GPT-6 Astra(max)和 GPT-6.1 Sol(max)分别获得 57 分和 55 分。
Artificial Analysis重做智能榜:40%权重改用私有测试
动察 Beating AI 快讯,Artificial Analysis 更新 Intelligence Index v4.2,旨在让榜单更难被针对性刷分。私有测试权重从 20% 提高到 40%,模型厂商无法提前看到完整测试集,减少针对 Benchmark 专门优化的空间。 新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目,模型要处理大量关联任务和数千份文件。GDP.pdf 则拿 100 份、共 4592 页的专业 PDF 出题,要求模型跨文本、表格、图表和脚注找证据再回答。 GPQA Diamond 则被直接移出综合指数。这个研究生级科学问答测试已经接近饱和,GPT-6 Astra 最高达到 96.3%,Gemini 3.8 Flash 也达到 95.3%,已经很难区分最强模型。 重新计算后,Claude Fable 5.1 仍排第一,GPT-6 Astra 第二。Astra 得分 55,比 GPT-5.6 Sol 高 4 分。Artificial Analysis 还称,Astra 在同级前沿模型中用了更少的输出 Token。
Gemini 3.7 Flash成爆款:上线一周破增长纪录
动察 Beating AI 快讯,谷歌 CEO Sundar Pichai 表示,Gemini 3.7 Flash 上线首周就打破了此前 Gemini 模型的增长纪录,成为谷歌迄今增长最快的 Gemini 模型。不过谷歌没有公布具体增长口径和使用规模。 这款模型确实踩中了性价比甜点区。Artificial Analysis 给它的综合智能指数为 56,高推理模式输出速度约 340 token/s,每项评测任务成本约 0.40 美元,并进入智能与完成时间的帕累托前沿。中等推理模式成本进一步降至 0.26 美元,进入智能与成本的帕累托前沿。 ARC Prize 的独立验证中,Gemini 3.7 Flash 高推理模式在 ARC-AGI-2(抽象推理基准)拿到 84.6%,每项任务成本仅 0.25 美元。 谷歌也迅速把 3.7 Flash 铺进自家产品。Gemini App、Antigravity、AI Studio 已经接入,Google Search 也开始使用该模型。
谷歌回应PHP两大核心漏洞:云平台本身不受影响,Gemini 4 Argon参与攻击检测和补丁验证工作
PANews 10月21日消息,谷歌就PHP核心漏洞 CVE-2026-109618 和 CVE-2026-109619 作出回应,谷歌表示,Google Cloud 云平台本身不受这两个漏洞影响,但在该平台上运行PHP的用户仍可能面临风险。谷歌还表示,Gemini 4 Argon参与了漏洞发现、漏洞利用程序开发、攻击检测和补丁验证工作。
谷歌发布Gemini 4 Argon,首批向美国政府及网络防御者开放
PANews 10月1日消息,据谷歌官方博客,谷歌发布新一代旗舰模型Gemini 4 Argon,称其在复杂工作流、网络防御和软件工程方面达到前沿水平,在DeepSWE v1.1测试中得分77.9%,输出上限由6.4万token提升至100万token。谷歌CEO Sundar Pichai在X平台发帖称,该模型已提供给美国政府,并于今日通过Fairwind计划向部分受信任的网络防御者开放。谷歌表示,后续将优先向付费API客户及Google AI Ultra订阅用户推出,API介绍价为每百万输入token 2美元、每百万输出token 10美元。
DeepSWE一夜两换榜首:Gemini刚上去,Meta又报75.4%
动察 Beating AI 快讯,Gemini 3.8 Flash 刚发布时,Google 在 DeepSWE v1.1 上跑出 73.7%。DeepSWE 官方榜目前将它显示为 74%±1%,排在 Claude Opus 5 和 GPT-5.6 Sol 前面。几个小时后,Meta 又公布 Muse Spark 1.3,自己在同一套 DeepSWE 上跑到 75.4%,把公开成绩再往上推了 1.7 个百分点。 这项测试让 Agent 独立处理 113 个真实代码库里的长周期软件工程任务。Google 和 Meta 都使用 mini-swe-agent,Google 跑的是 high 推理档,Meta 跑的是 max。Meta 上一代 Spark 1.2 只有 55.0%,这次直接涨了 20.4 个百分点。不过 Meta 的 75.4% 目前还没进入 DeepSWE 官方榜。 在 Artificial Analysis 的 Coding Agent Index 中,限量预览的 Spark 1.3 max 得到 68 分,仅次于 Claude Opus 5;目前公开可用的 xhigh 版本则是 64 分。