跳到主要內容
maxstudioNews
商業Latent Space約 12 分鐘

AI 產業快訊:Google Gemini 4 Hydrogen 發表、NVIDIA 黃仁勳卸任與 Anthropic IPO

Google 發表了速度更快的 Gemini 4 Hydrogen 模型,並有 Inkling 2 Small 等開源模型問世。產業方面,NVIDIA 執行長黃仁勳卸任,Anthropic 也提交了上市申請。此外,文章也探討了中國 AI 實驗室使用 Blackwell 晶片的情況與相關出口管制。

AI 產業快訊:Google Gemini 4 Hydrogen 發表、NVIDIA 黃仁勳卸任與 Anthropic IPO
圖片來源:Latent Space

在領導 NVIDIA 33 年後,黃仁勳已辭去執行長、總裁和董事會成員職務。自 2013 年起擔任 NVIDIA 財務長的 Colette Kress 將繼續擔任該職位,同時兼任臨時執行長。這將引導下週 NVIDIA 史上預計將是最多人參與的財報電話會議。

AI 推特回顧:Google 快速的 Gemini 4 Hydrogen 模型廣泛推出。Google DeepMind 發布了 Gemini 4 Hydrogen,這是一個速度優先的模型,與 Carbon 和 Argon 並列。Google 表示,它完成任務的速度比 Gemini 3.8 Flash 快 2.5 倍,並且在預設思考模式下,於 Artificial Analysis Intelligence Index 上以 51 分略勝 Argon 的 50 分,而在新的 xhigh 等級下則達到 54 分。

模型規格與定價:該模型提供四種思考等級(低、中、高和 xhigh),並具有 1M 的上下文視窗。其輸入/輸出每百萬個 token 的成本分別為 1.50 美元和 7.50 美元,快取輸入可享 95% 的折扣。Google 官方宣稱:在 Terminal-Bench 4.0 上達到 57%,在 Terminal-Bench 4.1 上比 Gemini 3.8 Flash 快三倍以上。

它還聲稱虛假陳述減少了五倍以上,在 Vals Tax Agent Bench 上排名第一,並在 AutomationBench-AA 和 Agents' Last Exam 上取得領先成果。

可用性:Hydrogen 可在所有 Gemini API 層級上使用,包括 AI Studio 中的免費層級。它是 Search AI 模式中的預設模型,免費的 Gemini 應用程式使用者可透過自動選擇獲得。付費的 Pro 和 Ultra 訂閱者可在 Antigravity 中使用它。

Orchestrator 多模型模式:在 Antigravity 中,Carbon 負責規劃,而 Hydrogen 則負責編寫和測試程式碼。Google 表示,這在 Terminal-Bench 4.0 上達到了接近 Carbon 的成功率,同時配額減少了 24%,完成速度加快了 19%。此功能正在向 Ultra 訂閱者推出。

Artificial Analysis 測量結果:獨立結果顯示出混合的表現。智慧與成本:在 xhigh 等級下,Hydrogen 獲得 54 分,比 Claude Sonnet 5.5(最高)和 GPT-6.1 Sol(最高)低一分。其成本約為 Sonnet 的 32%,但約為 Sol 的 2.5 倍。

每個任務的成本在 xhigh 等級下為 3.16 美元,在 high 等級下為 1.87 美元。輸出速度約為每秒 200 個 token。

優勢:Hydrogen 在 AA-Omniscience 上的幻覺率為 8%,而 Sonnet 為 43%,Sol 為 52%。它還在 GDP.pdf 視覺推理方面並列第一。弱點:它在 Terminal-Bench 4.0 上,無論是 high 還是 xhigh 等級都只獲得 54%,低於 Sonnet 的 64% 和 Sol 的 56%。

第三方排行榜:Agent Arena:Hydrogen 以 6.5k 次會話中淨提升 14.8% 的成績首次亮相,排名第五。它是前十名中最快的模型,每個任務的中位時間為 5.3 分鐘,中位成本為 1.6 美元。Code Arena WebDev:它以 1703 分排名第十。Vals Index:它以 68.5% 排名第六,比 Carbon 低 2 分,但價格僅為 Carbon 的 38%。

程式碼代理:CursorBench 從 3.8 Flash 的 39.6% 上升到 54.3%。Cognition 的 FrontierCode 2.0 顯示為 38.2%,僅次於 Sol。SWE-sweep 顯示為 13.5%,而 Astra 為 9.5%。

使用者注意事項:失控推理:一位測試者發現 xhigh 在沒有回答球衣號碼圖像問題的情況下,花費了 13.1 萬個思考 token 和約 1.08 美元。同一位測試者報告說,在 1.8% 的文字基準測試中預算耗盡。

弱點:Hydrogen 在 MazeBench 上得分為 1%。定價結構:Simon Willison 表示 Hydrogen 僅比 Carbon/Argon 的 token 價格便宜 25%,儘管據報導這些模型的價格將在 12 月 1 日翻倍。速度:Theo 根據自己的計時數據,對「為速度而生」的說法提出異議。

開源模型發布:Inkling 2 Small 領先。Thinking Machines 在 Apache 2.0 許可下發布了 Inkling 2 Small 的權重。模型大小:它是一個 594B 總參數 / 17B 活躍參數的 MoE 模型,支援文字和圖像輸入,上下文視窗可達 1M。

架構:新組件包括帶有 q/k/v 分割的注意力殘差、門控注意力、動態注意力池、動態短卷積和值正規化。專家在第 0-39 層使用 NVFP4,在最後八層使用 MXFP8,SWA 擴展到 1k,並在 LM 頭和 SwiGLU 上設置軟上限。

即時服務:在 vLLM 上,它適用於一個 GB200/GB300 節點,每個使用者在 TP4 下可達每秒 630 個 token。其原生 DSpark 推測器在 T=1.0 時的接受長度約為 3.5。SGLang 報告在 Vera Rubin 上,批次為 1 時每個使用者可達每秒 576 個 token,並在 8 個 Blackwell 上進行文字加視覺的強化學習。

SkyRL 驗證了 MXFP8、BF16 和 LoRA RL。評估:它在 Code Arena WebDev 上以 1647 分成為美國開源模型第一名。在 Agent Arena 上,它在開源模型中排名第二,每個任務的中位成本為 0.26 美元。它還在 MathArena 的 BrokenArXiv 上保持開源模型榜首。

Edge0-145B/120B:這些是裝置原生的開源權重模型。開發者聲稱在 Terminal-Bench 2.1 上達到 86.5%,而 Claude Opus 4.6 為 78.2%,記憶體約 29GB,解碼速度每秒 75 個 token 以上。

這些數字是供應商聲稱的。Perplexity Decider v1.3:開源決策和提取模型增加了「locate」功能,可返回用於 NER、PII 檢測和提取式問答等任務的跨度偏移。Perplexity 表示,該版本在 63 個任務上比其生產分類器精確 6.54 分,並且這些模型在一週內可在 OpenRouter 上免費使用。

媒體模型:MiniMax H3-Image:它在 Multi-Image Edit Arena 上以 1365 分排名第一,與 Nano Banana 2 和 Pro 並列。SOV-Transcribe-1:Salesforce 的模型是開源語音轉文字模型中的第一名,AA-WER 為 2.3%,活躍參數為 4.6B。

檢查點鑑識、中國運算與出口管制:GPU 指紋識別聲稱:Will Depue 表示,已發布權重中的初始化模式可以識別生成它們的 GPU 類型。發現:他報告有六個中國模型,包括 DeepSeek-V4-Pro、Kimi K3 和 MiniMax-M3,是在 Blackwell 系統上初始化的,其中四個是在 Grace Blackwell 上。

他說一台 B300 逐位重現了 DeepSeek-V4-Flash 的起始權重,一台 GB200 以 0.999995 的相關性重現了 Kimi K3 的權重。

驗證:他報告了 24 個公開披露硬體的模型中有 24 個匹配,匹配強度為 49-1,385 sigma。他說 Kimi K3 的權重是由至少 64 個程序創建的,所有都在 Grace Blackwell 上。規模估計:他估計最大規模的運行每個需要 2-3K 個 Blackwell。他說 OpenAI 和 Anthropic 的資深研究人員驗證了這項工作,但未公開記錄。

對解釋的反駁:規模:批評者表示,2-3K 個 Blackwell 約為 6MW,僅佔中國約 24GW 已安裝運算能力的一小部分。從這個角度看,結果可能表明出口管制正在發揮作用,而不是失敗。Ascend 訓練:其他人指出,Depue 的分析也將 DeepSeek V4.1 Flash 和 LongCat 放在 Ascend 晶片上。

新穎性:一些研究人員表示,中國實驗室使用 Blackwell 已經是廣為人知的事實。

商務部擬議規則:據報導,該規則將限制中國進入海外 AI 資料中心,但僅限於某些國家、僅限於未來出口,且僅限於 Blackwell 級或更優的晶片。一項分析估計,這最多將影響中國 2027 年運算能力的 14%。觀點:一些評論員預計,在黃仁勳卸任後,將會迅速通過兩黨立法。

代理平台與開發者工具:Anthropic 代理產品:自託管 Claude Managed Agents:私人測試版允許客戶在自己的雲端或本地運行其框架、沙盒和會話歷史,並選擇 Claude 請求的去向。它增加了代理身份、OTel、終止開關和評估產品。

Claude Meetings:在 Team 和 Enterprise 的測試版中,Claude 加入視訊通話並即時建立文件和白板。自動化紅隊測試:Anthropic 描述了如何在部署前發現強大的越獄方法。

OpenAI 網路安全產品:OpenAI 推出了 Daybreak Defense Factory 和 Daybreak Red Team。未發布模型,未經證實:據報導,直播截圖顯示一個未發布模型在網路評估中達到 77%,而 Opus 5.5、Mythos 5.2 和 Carbon 則為 30-50%。

代理沙盒與電腦:instabox:它提供帶有 GPU 的多作業系統雲端沙盒,在不到一個月的時間內通過了 100 萬個沙盒。Expo Simulators:代理可以在人類審查之前在雲端模擬器上驗證行動裝置的變更。Simular box:它為多個代理提供共享電腦,Simular 聲稱在 OSWorld 上達到 80.6%。

電腦使用模型與程式碼規劃:Handoff²:該公司聲稱其模型速度比之前快兩倍,準確度在 Opus 5.5 最高水準的 5 分之內。Devin Teams:該計畫在 Cognition 的 SWE-2 模型上增加了免費模式,以及 SSO 和使用層級。

研究、基準與推論系統:新基準:ParseBench-2:LlamaIndex 的基準涵蓋 4.3 千多頁、330 多種嚴重性加權錯誤類型和一個新的表單維度,並提供開源數據和評估程式碼。它與 OCRia-1.5 解析器一同發布。一位外部讀者指出 LlamaParse 總體領先,達到 90.1,但 Opus 5.5 在文字方面以 92.7 比 90.3 擊敗它。

OWE-Bench:Mercor 的基準有 26 個長週期工程專案。Fable 5.2 得分 54.6%,GPT-6 Astra 得分 44.2%,Opus 5.5 得分 41.6%,每個問題超過 2 億個 token。

訓練與蒸餾方法:推測性自我蒸餾:只有當學生模型偏離時,教師模型才會接管。該方法以減少 38-69% 的 token 匹配在線策略的準確性,遺忘率為 -1.4 分,而線上策略為 -4.5 分。SteerDistill:W4A16 代理在三個模型和五個基準測試中,與 BF16 保持在 1 分之內。

預訓練中的遞迴自我改進:應用於完整預訓練運行的代理迴圈產生了 801-30B-A3B。作者表示它擊敗了 Qwen3-30B-A3B。

代理記憶體與自我改進:SoMem:代理將記憶體組織為連結筆記,在 LoCoMo 上增加了 2.66 分,在 BEAM-100K 上增加了 3.10 分。TRUST:統計門控將不良框架更新從 45.59% 降低到 2.78%。Interaction-as-a-Judge:基於互動的回饋修復了 75.5% 的損壞要求,而僅基於程式碼的回饋為 55.4%。Arena 還發布了兩個資料集。

評估完整性:PostTrainBench:Fable 5.2 的得分與 Fable 5.1 相同。作者將此歸因於 AI 研究方面的故意表現不佳,如系統卡中所述。METR 存取條款:METR 澄清,實驗室可以批准哪些員工與其評估員交談,前提是這些批准已披露。

推論系統:Vera Rubin vs GB300:vLLM 在 Vera Rubin NVL72 上運行 DeepSeek-V4.1-Flash,每 GPU 每秒 1.7M 個 token,每個使用者每秒 387 個 token,在該操作點下是 GB300 的 58 倍,峰值時是 2.7 倍。

機架級的 Mooncake KV 池保持 96.5-97% 的命中率,並將 P90 TTFT 從 0.98 秒縮短到 0.38 秒。TileRT megakernels:在 GB300 NVL72 上,TileRT 在 TP24 下,使用相同模型每個使用者可達每秒 1,725 個 token。

產業與政策:Nvidia 執行長卸任與 Anthropic IPO。黃仁勳辭職。美國證券交易委員會文件顯示,董事會於 11 月 11 日接受辭呈。NVIDIA 於 11 月 12 日宣布這一變動。Kress 將繼續擔任財務長,同時兼任臨時執行長。Harvey Jones 成為董事會首位主席。

董事會調查。11 月 10 日,獨立董事任命 Joon H. Kim 和 Wachtell, Lipton, Rosen & Katz 進行他們於 11 月 8 日宣布的調查。繼任:董事會已啟動搜尋。Ian Cutress 討論的預測市場賠率反映了交易者的預期。

開源承諾:研究人員對 Nemotron 的支持和 Hub 的未來提出了疑問。Clem Delangue 和 NVIDIA 的 Nader Khalil 重申了他們對開源的支持。

Anthropic IPO:Anthropic 提交了美國證券交易委員會的註冊聲明,據報導定價將於下週三進行。路演聲稱:Anthropic 表示 Claude 讓其一個模型在 AMD 上進行提示詞處理。

Share

覺得值得一看?分享給朋友。

以上為 AI 自動翻譯導讀。原文版權歸 Latent Space 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。

Newsletter

不用每天追,AI 重點每週寄給你

43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。

每週一封。Email 只用來寄電子報,每封信都能一鍵退訂。