Gemini 4 Argon 正式可用，AI Engineer NYC 聚焦基准评测
Gemini 4 Argon 今日正式可用，覆盖 Gemini API、Gemini 应用、搜索 AI Mode 与 Antigravity，并接入 Cursor、Devin 和 GitHub Copilot。
推荐理由：汇总 Gemini 4 Argon 的定价、第三方评测与可靠性反馈，便于对比能力与成本。
内容类型
科技发布 最新动态
AI 模型、科技产品的发布与重大更新。
33 条精选近 30 天 33 条共收录 303 条
更新
精选归档 · 第 2 页
Latent Space精选AI 评分8080 Google DeepMind精选AI 评分8080 Google DeepMind 开始广泛开放 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛开放 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。此前有限访问阶段，Wiz 用 Argon 发现前代模型遗漏的医院软件关键漏洞，Google 安全团队也用它修补内部与开源软件缺陷。
推荐理由：原文披露了 Argon 在网络安全与生物风险上的防护分层设计，以及思维链惩罚实验的反直觉数据，可供理解前沿模型安全部署的具体取舍。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在代码重构、科研与安全对齐上的具体案例和定价，可据此判断前沿模型落地深水区任务的现状。
Latent Space精选AI 评分7878 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总第三方评测与从业者反馈，可对照看Meta新模型在智能体任务上的位置与成本差异。
Microsoft Research精选AI 评分6060 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学习者之前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，从行为保真度和指导响应度两个维度评估模拟器，覆盖国际象棋、第二语言英语写作和数学三个领域。
推荐理由：读者可了解用真实学习记录训练个性化学生模拟器、并以行为保真度和指导响应度评估的思路。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：原文给出框架的代码规模、Kubernetes 部署方式与端到端训练结果，读者可据此判断真实 harness 参与 RL 训练的可行路径。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 740M。
推荐理由：原文给出参数量、分模块配置和端侧内存占用，读者可据此判断多模态嵌入在本地检索中的落地边界。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布推出新前沿模型 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：官方披露了模型在内部代码迁移、量子优化与漏洞挖掘中的具体数字，可据此判断长程推理能力的实际落点。
Microsoft Research精选AI 评分6060 微软研究院开发机器学习系统，为美国66,935座变电站预报空间天气风险
微软研究院实习生 Rohan Kannan 开发了一套端到端机器学习系统，可提前30至60分钟为美国本土66,935座变电站给出空间天气风险估计。系统先用 L1 拉格朗日点的太阳风观测预报 AE 和 Dst 指数，再结合各变电站纬度、地质电导率等特征，用梯度提升模型估计 dB/dt 并汇总为大陆尺度风险评估。
推荐理由：读者可了解一套端到端机器学习管线如何把太阳风观测与地质条件结合，提前30至60分钟给出变电站级风险评估。
Google DeepMind精选AI 评分7474 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 发布 SynthID Bio，将水印技术用于合成生物学，把不可感知的签名直接嵌入生物代码，在实验室测试中保持蛋白质的生物功能。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标，并微调 AlphaFold 3 扩散网络的一小部分，使预测坐标自带可检测签名。
推荐理由：读者可了解水印如何嵌入蛋白质序列与 AlphaFold 3 结构，以及它对 DNA 合成筛查的意义。
Microsoft Research精选AI 评分7171 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院推出 AI 研究系统 Quine，由生物世界模型和连接模型、科学工具、文献与研究者的交互框架组成，可跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像等模态学习共享表征。
推荐理由：原文给出胰腺癌细胞状态转换的湿实验验证结果，读者可据此判断多模态生物世界模型在药物优先级排序中的实际作用。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Security Lab 发布 Fuzzing Taskflow 智能体模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就能自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分类并生成漏洞报告。
推荐理由：原文完整交代了智能体与工具分工的架构取舍，对想用 LLM 自动化安全测试的团队有方法参考。
Microsoft Research精选AI 评分7070 微软研究：将物理AI推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动机器人操作负载做了系统测量，发现把物理AI推理从机器人板载GPU卸载到边缘或云端GPU，可提升任务成功率并延长续航。在内存不足的小GPU上，建图与规划比A100慢最多383%，导航障碍及时检测率下降30%，VLA模型精度下降50%；用Raspberry Pi-5替代板载GPU后，Jetson Thor等大GPU曾使Stretch-3续航缩短最多160%。
推荐理由：微软团队系统测量了机器人端侧与卸载推理的差异，给出任务成功率与续航的量化对比，可供设计物理AI推理系统参考。