Gemini 4 Carbon 向所有人开放，附价格调整与多模态能力实测
Gemini 4 Carbon 两周前仅面向部分网络安全防御者，今天起对所有用户开放。API定价为输入每百万 token $2、输出每百万 token $10，将于12月1日翻倍至$4/$20。作者实测展示了该模型在高思维模式下的pelican绘图能力，并用Antigravity IDE生成Three.js动画，同时引用了Carbon通过/swarm功能协作构建3D开放世界游戏的案例。
#推理按原发与事件进展排列
Simon WillisonAI 评分7474 Latent SpaceAI 评分6363 Naive-N0.5-Flash 承诺 2,100 Tokens/s，代码能力实测如何
NaiveAI 发布 Naive-N0.5-Flash 开源权重模型，宣称峰值可达约 2,100 tokens/s，基于小米 MiMo-V2.5 的 310B 参数 MoE checkpoint 继续训练并接入 NaiveRT 推理引擎。
TechCrunch · AIAI 评分5656 PSI用AI解决18年量子计算猜想，探索科学发现商业化路径
MIT毕业生David Turturean加入PSI后，使用Anthropic Fable 5.2模型解决了困扰学界18年的Aaronson-Ambainis猜想，证明AI可在数学和计算机科学领域产出重要成果。
The DecoderAI 评分6565 Gemini 4 Carbon 发布：CursorBench 领先 Fable 5.2，成本不到其一半
Google 正式发布 Gemini 4 Carbon，与之前的 Argon 同价但针对极限推理任务设计；CursorBench 4.0 以约 60% 得分领先 Fable 5.2，WANDR 排名第一，MKA 第二但平均成本不足前五名的六分之一。
Google DeepMind精选AI 评分6666 Gemini 4 Carbon 现已推出
Google DeepMind 正式发布 Gemini 4 Carbon，定位为当前最强旗舰模型，面向复杂知识工作、多步编码调试和开放式科学研究。在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 上排名首位，任务成本低于竞品 2 倍以上。模型已通过 API 向开发者、企业和科学家开放，同时对齐与安全指标同步提升。
推荐理由：Google 发布最新旗舰模型 Gemini 4 Carbon，在科学推理、代码开发和网络安全领域达到前沿水平，同时强调安全对齐与防滥用措施。
TechCrunch · AIAI 评分6969 Anthropic 发布 Mythos 5.2 和 Fable 5.2 amid RSI 担忧
Anthropic 周一发布 Claude Mythos 5.2 和 Fable 5.2，号称在编码、推理和视觉方面有所提升，并与用户沟通更清晰。Fable 单价从每百万输入 token 10 美元降至 8 美元，推理速度提升约 30%，支持零数据保留策略，现已低于主要竞品 GPT-6 Astra。
Latent SpaceAI 评分5151 Handshake AI 年营收破十亿美元：前沿实验室如何采购专家数据
AI 数据公司 Handshake AI 成立约一年内年收入达到 10 亿美元，本期访谈展示其用于评估 Agent 能力的若干基准环境。金融场景中模型把客户邮件里的一条现有商誉数值直接带入 Python 并做减法，能解释税务处理却无法识别该规则在此处的适用；生命科学场景中 VIALS benchmark 的脑组织切片任务要求找出显示最多血管坏死的两张幻灯片，模型多选了 G。
The DecoderAI 评分5151 Google一年出货四款TPU变体，加速与Nvidia的AI芯片竞争
Google宣布将第四年内在同一年出货四种TPUv8变体，新增两款基于现有硅片的系统级配置：TPU 8tx面向机密计算，处理过程中仍保持数据和模型权重加密；TPU 8i Max采用双芯片单封装设计，在同一机架内实现双倍算力、双倍显存和双倍内存带宽。Google同时开源TorchTPU，使PyTorch代码可少量改动后在TPU上运行。目前Google已获得近100家外部TPU客户。
Latent SpaceAI 评分5252 Anthropic IPO 前景与本周 AI 动态盘点
本文梳理 Anthropic IPO 估值争议，其年营收速率已达 80B，市场预估目标区间从 1T 至 1.5T 美元不等。
Ars Technica · AIAI 评分5555 Google：学校可保留搜索而跳过 Gemini，但 AI 搜索不可协商
Google 就面向 K–12 学校的 AI 政策澄清：学校使用 Google 应用需选择加入 AI 产品，搜索被纳入 AI 产品组合需单独开启。此前有报道称 Google 将禁止拒用 AI 的学校继续使用搜索，公司对此作出解释，表示实际是将决定权交给学校根据自身 AI 政策自主控制。
Google DeepMindAI 评分4949 Google DeepMind 的 PlanAssist AI 规划工具扩展至英格兰更多地方当局
Google DeepMind 基于 Gemini 构建的 AI 规划工具 PlanAssist 将扩展至英格兰额外的 12 个地方规划当局。早期试点显示该工具可将规划官员处理住宅申请的平均时间缩短 58%，且超过 70% 生成的报告无需修改即可获批准。计划 2027 年在英格兰所有 Council 全面推广，所有评估仍由合格的规划官员审核并作出最终决定。
Google DeepMind精选AI 评分6464 Gemini 4 Carbon 发布：最强前沿模型聚焦网络安全与长程任务
Gemini 4 Carbon 是 Google DeepMind 最新发布的强大多模态模型，在更新的 Artificial Analysis Intelligence Index v5.0 中以 59 分位居榜首。
推荐理由：文章给出了网络安全与长程任务能力的具体提升数据和评测排名，可据此判断其在实际工作流中的适用边界。
Google ResearchAI 评分4747 The sleep framework：让 LLM 在持续学习中保留知识的睡眠框架
Google Research 提出 sleep framework，通过模拟人类睡眠机制帮助大语言模型在持续学习中稳定保留知识。该框架交替运行 active（wake）phase 和 sleep phase，利用 MoE 与 Hope 架构进行参数扩展、GKD 知识播种及 synapse pruning，支持模型将短期上下文转化为长期参数。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Genie 4 世界模拟模型
Google DeepMind 发布 Genie 4，一种新世模式型，原生支持视觉、音频和交互对话的同步生成，基于 Gemini 模型提供复杂推理能力，用户可通过自然语言实时修改场景并操控物理仿真与人像行为。该模型已作为研究预览面向受信任测试者开放，后续将逐步向 Google AI Ultra 订阅用户及 Gemini API 和 Google AI Studio 早期合作伙伴开放。
推荐理由：Google DeepMind 发布 Genie 4 世界模拟模型，支持实时自然语言操控与原生音频生成，目前向受信任测试者开放研究预览。
Google DeepMindAI 评分4444 ForTy 2020：Google DeepMind 与伙伴发布 10 米级全球森林类型地图
Google DeepMind、Google Research 联合世界资源研究所和国际应用系统分析研究所发布 ForTy 2020，这是首张 10 米分辨率的全球森林类型地图，将地球每块土地归入六种类型之一，并附 2017 至 2025 年时间序列追踪森林变化。
Microsoft ResearchAI 评分4949 Magnetar 的基于证明的通用计算
微软研究院推出 Magnetar，一种基于零知识证明的通用计算系统。它能对用 Rust、Go 或 C 编写的程序生成简短证明，平均比此前最快的可比系统快 10 到 39 倍，且安全仅依赖标准哈希函数。该成果是微软研究院十余年研究的最新进展。
Berkeley AI ResearchAI 评分5151 ABBEL：用自然语言信念状态实现高效记忆交互
伯克利AI研究所提出ABBEL框架，将总结过程建模为可更新的自然语言信念状态并通过重建目标进行监督。在CollabBench协作编码任务中，ABBEL-rec-BG相比全上下文模型缩小了约50%的性能差距，且峰值token更少、训练步骤减半；在Combination Lock游戏中配合领域知识信念评估器可达到或接近全上下文水平。论文链接 arXiv:2512.20111。
Berkeley AI ResearchAI 评分5454 智能近乎免费时代的三个数据系统挑战与机遇
Berkeley AI Research 发文认为，当 AI 推理成本从每百万 token 约 30 美元降至不足 1 美元、部分已低于 0.10 美元时，知识工作所需的智能已随成本逐月下降而变得几乎免费。
Berkeley AI ResearchAI 评分5555 伯克利 AI 研究团队综述：自适应并行推理——高效推理扩展的新范式
Berkeley AI Research 发布综述文章，系统梳理自适应并行推理（APR）方向最新进展，指出固定并行策略无法适配不同问题复杂度这一核心痛点，并对比 ThreadWeaver、Multiverse、Parallel-R1、NPR 等代表性方法在特殊控制 Token、KV Cache 合并策略及奖励函数设计上的差异，同时讨论模型训练稳定性、部署可扩展性等开放问题。
Berkeley AI ResearchAI 评分5454 向量数据是如何工作的
Berkeley AI Research 发布 SPEX 和 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性层面高效识别影响 LLM 输出的关键交互。SPEX 基于稀疏恢复和信号处理理论，ProxySPEX 进一步利用层次结构假设减少约 10 倍消融次数。代码已集成至 SHAP-IQ 开源仓库，适用于数千组件规模的分析任务。