2026-11-12

Google 推出 Gemini Decisions 1 模型

要闻

Google 已推出由 Gemini Decision 1 驱动的 Gemini Decisions API，单次可评估最多 1,000 个问题，按每 100 万 input tokens 0.10 美元收费，output tokens 不计费。

Google 已推出 Gemini Decisions API，并通过 Google AI Studio 中的 Gemini API 提供访问，底层模型为 Gemini Decision 1（gemini-decision-1）。该接口面向工具选择、规则检查、模型路由和上下文评分等有限选项决策，支持在一份共享输入上混合提交是非题、选择题和按评分标准打分的问题。单次请求最多包含 1,000 个独立问题，共享输入上限为 256K tokens，可组合文本、图像、音频、视频和 PDF。官方表示，模型不逐 token 生成答案，而是在一次 forward pass 中为候选选项评分，返回概率及 0 到 1 的置信分数。

据官方说明，在最多 16K tokens 的多模态输入和上下文下，模型计算的中位延迟为 50–100 ms，端到端延迟为 150–250 ms，每次请求的问题数从 1 增至 100 时，延迟基本不变。价格为每 100 万 input tokens 0.10 美元，output tokens 为 0 美元；每次请求的共享输入仅计费一次，每道问题另计自身指令和评分标准的 tokens，不另收 thinking tokens、音频转录或 OCR 费用。Google AI Studio 提供用于原型开发的免费额度，文档包含 Python、JavaScript 和 REST 指南；OpenRouter、LangChain、Vercel 等生态集成正在推出，Google Cloud 中的 Gemini 支持尚待提供。

读原文 →

通义千问宣布 Qwen4 即将推出，预览版已可试用

要闻

阿里通义千问宣布即将推出 Qwen4，预览版已通过多个入口开放；Qoder 同步将匿名测试模型切换为 Qwen4-Max-Preview，面向个人、团队和企业用户提供调用，计费系数限时降至 0.1×。

阿里通义千问已宣布 Qwen4 即将推出，预览版 Qwen4-Max 已在阿里 Token Plan 开放，但原文未提供正式版发布日期。个人版设有从 Lite 到 Pro 的四档套餐，月价为 39 元到 312 元，用户也可通过 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前使用。官方表示，新模型提升了知识理解、世界感知、编程和 Agent 能力，以及对 EDA、CAD、Blender、UE5 等专业软件的操作能力。

Qoder 的接入覆盖国际版和 Qoder CN 全系产品，个人版、团队版及企业版均可调用。其此前用于匿名测试的模型 Qoduck 已升级为 Qwen4-Max-Preview，计费限时两折，系数从 0.5× 降至 0.1×。据官方说明，这一预览版属于 Qwen4 的测试版，收集到的用户反馈将用于改进正式版。

读原文 →

OpenAI 成员暗示：周四或有 Codex 储备重置

要闻

OpenAI Codex 团队成员 Tibo 在 X 上暗示，周四或许适合进行一次 Codex 储备重置（banked reset）。相关表述来自两条帖子，但他没有确认重置安排，也未说明周四具体会发生什么。

OpenAI Codex 团队成员 Tibo 在 X 的两条帖子中提及周四与储备重置（banked reset），但没有公布周四的具体安排，重置是否会发生也未获确认。他把周四描述为一个让自己联想到 Codex 的日子，并表示这或许是进行储备重置的合适时机。这番话出现在续帖中；在此前的帖子里，他先提到已经有一段时间没有重置，并以自己或许该走出地下室的说法作结。

读原文 →

Google DeepMind 发布 AlphaGenome 2

模型发布

Google DeepMind 发布 AlphaGenome 2，并通过 API 向非商业研究开放。官方表示，该模型基于超过 1.07 亿个单细胞样本训练，识别影响细胞基因表达的变异数量接近前代的两倍。

Google DeepMind 已发布 DNA sequence model AlphaGenome 2，通过 AlphaGenome API 向非商业研究提供访问，商业研究则处于私有预览阶段。据官方说明，新模型将预测对象从组织平均水平细化到特定细胞类型和状态，训练使用了人类与小鼠的整体组织及单细胞数据，覆盖 68 种组织、超过 1.07 亿个单细胞样本。与其此前最先进的模型相比，AlphaGenome 2 识别出的、会改变细胞基因表达的变异数量接近两倍。

在架构上，AlphaGenome 2 不再同时为多种组织输出预测，而是将 100 万字母长度的 DNA sequence 与指定的组织、细胞类型或状态共同作为输入，每次预测一种条件下的 DNA 效应。其预测范围在基因表达、组蛋白修饰和染色质可及性之外，新增了 DNA methylation。官方表示，研究人员可上传仅数十个细胞的 single-cell RNA-seq 数据，由 cell encoder 生成细胞状态表示，无需重新训练即可预测此前未见状态下的变异效应，也可根据已有测量推算尚未测量的属性。

读原文 →

上海创智学院开源 Nex-N2.6

模型发布

上海创智学院已开源多模态 Agent 模型 Nex-N2.6，参数量约 321B，支持文本、图片和视频输入。其 FP8 量化权重可从 GitHub 和 Hugging Face 获取，API 提供 256K 上下文窗口。

上海创智学院已推出并开源基于 GLM-5.3-Flash 构建的 Nex-N2.6，同时开放 API，上线 OpenRouter 和 MOSS 开放平台。该模型参数量约 321B，支持文本、图片和视频输入，API 上下文窗口为 256K，FP8 量化权重已在 GitHub 和 Hugging Face 发布。据官方说明，相较 Nex-N2.5-Pro，新模型推理复读率从 16.0% 降至 1.6%，相对下降 90%，整体调用未循环率升至 97.8%；在 956 条真实上下文测试中，两项有效工具选择率均为 100%，与 GPT-6-Sol 相当。开发团队自行报告的评测成绩显示，Nex-N2.6 在电脑操控评测 OSWorld 中获得 83.0 分，在纯命令行评测 Terminal-Bench 2.1 中获得 84.1 分。

读原文 →

百度发布 ERNIE 5.5 Flash Preview，API 已上线千帆

模型发布

百度发布 ERNIE 5.5 Flash Preview，并已在千帆上线 API。官方列出的能力包括 1M-token context，以及 Coding、3D modeling、知识工作和内容创作。

百度已发布 ERNIE 5.5 Flash Preview，其 API 已上线千帆，研究页面标注的产品更新日期为 2026 年 11 月 11 日。官方表示，该模型提供 1M-token context，列出的使用场景包括 Coding、3D modeling、知识工作和内容创作。该页面将这条信息列为 Featured / Product updates，所提供的原文未列出 API 价格、调用方式或具体性能测试结果。

读原文 →

Runway 开放机器人模型 Praxis-1 权重

模型发布

Runway 已向机器人开发者和研究人员开放 Praxis-1 的权重及推理、微调代码，采用 Apache 2.0 许可并允许商用。该模型拥有 27B 参数，官方公布的 RoboLab-120 测试成功率为 46.2%。

Runway 已以 Apache 2.0 许可开放 Praxis-1 的权重、推理和微调代码，原文未注明具体开放日期。此次发布允许商业使用，支持 full fine-tuning 和 LoRA。开发者可通过 GitHub、Hugging Face 和 vLLM-Omni 获取相关资源，其中 Hugging Face 版本原生支持 LeRobot，Reactor 提供托管推理。官方表示，模型可直接运行于 NVIDIA 的 H100、B200、RTX 5090、RTX PRO 6000，以及机器人端的 Jetson Thor。

Praxis-1 是拥有 27B 参数的 mixture-of-experts diffusion transformer，同时预测视频和动作。据官方公布的截至 2026 年 11 月的数据，其在 RoboLab-120 的 1,200 次测试中成功率为 46.2%，FLUX 3 Action、Cosmos3 Nano 和 π0.5 分别为 42.9%、36.8% 和 28.0%。官方还表示，同一 checkpoint 已通过轻量微调适配合作伙伴的不同机器人；在未出现在训练数据中的 Google RT-1 机器人上微调后，Praxis-1 在 SimplerEnv 的成功率为 80.0%，原始 RT-1 policy 为 52.4%。

读原文 →

小红书升级语音编辑模型 dots.tts.edit

模型发布

小红书于2026年10月发布语音编辑模型 dots.tts.edit V1.1，新增自由形式风格编辑，并开源训练数据生产 Data Pipeline；官方称，新版改善了韵律与情绪编辑表现。

小红书于2026年10月发布 dots.tts.edit V1.1，并在同月开源用于该语音编辑模型的训练数据生产 Data Pipeline。新版加入自由形式风格编辑能力；官方表示，其韵律和情绪编辑表现有所改善，在文本、情绪、韵律等编辑类别的指令遵循与局部保留评估中达到当前最佳水平。开发者通过独立的 dots.tts.edit 入口使用语音编辑功能，需要提供源音频、带标签的指令和输出路径；源文本与目标文本可省略，缺省时由指令推导，显式提供的非空文本则覆盖推导结果。配套评测方面，2026年9月发布的 doteBench V1.0 是 XML-first 中英双语 Benchmark，包含2,081个案例，覆盖文本、情绪、韵律、停顿及组合编辑，评估指令遵循、局部保留与音频质量。

读原文 →

DeepL 发布语音模型 Aure，实时还原语气与情绪

模型发布

DeepL 于 2026 年 11 月 11 日发布语音模型 Aure，首批支持含日语在内的 8 种语言。官方表示，该模型已自动应用于 DeepL Voice，可在实时翻译中跟随说话者的语气、情绪和语速变化。

DeepL 于 2026 年 11 月 11 日推出用于 DeepL Voice 的语音模型 Aure，新能力自动应用于 DeepL Voice for Online Meetings、DeepL Voice for In-Person Conversations 和 DeepL API for Voice，无需额外配置。首批支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。官方表示，Aure 在保留说话者声音辨识特征的基础上，持续结合源音频与译文调整语音输出，使翻译后的声音跟随情绪、重音和节奏变化，而非仅由对话开头的声音样本决定。

据 DeepL 说明，Aure 的训练将声音身份、韵律与说话内容分离，使三者能够独立迁移到另一种语言，并通过 reinforcement learning 进一步调整输出，兼顾翻译准确性与语音质量。模型还需在背景噪声、回声和音频失真中识别说话者特征，并在一句话说完前实时适应其声音。官方表示，DeepL Voice 不会永久保存会议转录或译文，会在会话结束时从内存中删除这些数据，因此可用于学习同一说话者跨语言表达的真实数据有限。

读原文 →

阿里发布 Qwen Code 1.0 Preview

开发生态

阿里发布 Qwen Code 1.0 Preview，将 Qoder 中打磨的 Harness 能力纳入开源内核，沿用 Apache 2.0 许可证，并提供 CLI 与 SDK，供开发者将 Agent 运行能力嵌入自身产品。

阿里已发布 Qwen Code 1.0 Preview，以独立分支开放，现有稳定分支继续保留，原文未注明发布日期。据其说明，该版本把在 Qoder 中打磨的 Harness 能力整合进同一套开源内核，代码继续采用 Apache 2.0 许可证，提供终端 CLI 与 SDK，集成 SubAgents、MCP，通过统一事件机制连接入口与任务，并支持 OpenAI、Anthropic、Gemini、Qwen 等多协议模型接入及动态工作流。该阶段暂不接受社区 PR，预计 12 月后开放。另据说明，11 月 11 日至 11 月 24 日，通过 Qoder 账号登录 Qwen Code 可领取 Qwen4 免费体验额度，领取后 30 天内有效；原文未注明这些安排对应的年份。

读原文 →

Google Antigravity 推出 Browser use

开发生态

Google Antigravity 提供 Browser use，支持 Agent 操作网页并检查应用；App v2.30.0+ 的个人 Google Account 用户可自动调用浏览器子 Agent，CLI 则连接本机 Chrome v144+。

Google Antigravity 提供 Browser use，其中 App 自 v2.30.0+ 起支持以个人 Google Account 登录的用户通过自然语言自动启动浏览器子 Agent，无须预先配置 Chrome 或输入 slash command。据官方说明，主 Agent 会直接读取可用静态文本回答的文档问题，涉及实时渲染、点击、表单输入、响应式布局、截图、console 或网络检查及已登录页面时，则交给浏览器子 Agent。用户也可通过 /browser 显式调用。子 Agent 可操作运行中的应用、查看错误并在任务结束前验证视觉修复。

App 的内置浏览器位于对话旁的侧栏，支持多个子 Agent 并行工作；每个子 Agent 使用独立的 context window 和专属标签页，不能操作其他子 Agent 或用户自行打开的标签页。官方表示，其权限控制结合权限预设，以及站点、上传、下载和页面隔离保护。CLI 则通过由 npx 启动的 Chrome DevTools MCP server 控制同机 Google Chrome，要求安装 Node.js、确保 PATH 中有 npx，并使用 Chrome v144+。用户须开启 remote debugging，以 /browser 提交任务和明确的完成检查，并在 Chrome 提示后 60 秒内允许连接。

读原文 →

Gemini API Managed Agents 支持接入自托管 Linux 沙箱

开发生态

Google AI Studio 宣布，Gemini API Managed Agents 现可连接自托管 Linux 沙箱，由开发者的基础设施执行工具操作，模型调用和 Agent 循环仍由 Google 承担。

Google AI Studio 已宣布开放 Gemini API Managed Agents 的自托管 Linux 沙箱接入，开发者现在可以将 shell 命令和文件操作交给自行运营的 worker 执行。Managed Agents 是 Gemini API 的服务端 Agent 服务，借助 Gemini 模型和工具处理多步任务；接入自托管沙箱并不改变模型调用和 Agent 循环的位置，这两部分仍在 Google 一侧运行。据官方说明，连接基于开源 gemini-api CLI，通过出站 HTTPS 建立，无需开放入站防火墙端口。相关 API 目前处于 Beta，环境与 Managed Agents 处于 preview，功能和数据结构可能变化。官方文档要求 worker 在容器、microVM 或虚拟机中隔离运行，本机模式仅用于测试。

读原文 →

SpaceXSI 发布 Grok Bot 1.0

产品应用

读原文 →

ChatGPT 桌面应用上线 Finances 功能

产品应用

读原文 →

Google Gemini 正式登陆 Apple CarPlay

产品应用

读原文 →

Google 推出协作实验项目 Tabletop

产品应用

读原文 →

腾讯元宝搜索上线独立网页端，面向个人用户开放

产品应用

读原文 →

Anthropic 路演披露 Claude 三日适配AMD 芯片

技术与洞察

读原文 →

OpenAI 研究：模型越智能，思维链越难监控

技术与洞察

读原文 →

OpenAI 季度营收环比增长近 50% 至 100 亿美元

行业动态

读原文 →

华尔街日报称 NVIDIA 董事会拟罢免 CEO

前瞻与传闻

读原文 →