谷歌推出 Gemini Decisions API，基于 Gemini Decision 1 模型实现快速多模态决策
谷歌宣布推出 Gemini Decisions API，由全新 Gemini Decision 1 模型驱动，可在一次快速处理中对文本、图像、视频和 PDF 内容进行至多 1000 项是非判断、选项选择和标准评估。
#多模态
IT之家·人工智能AI 评分5858 
Artificial Analysis@ArtificialAnlysAI 评分5252Artificial Analysis 发布 VIALS-AA 评测结果，对比模型带工具（agentic）与不带工具（one-shot）的表现：跨模型工具使用让平均分从约 25% 翻倍至约 47%。
Rohan Paul@rohanpaul_aiAI 评分5050NaceAI 发布文档解析模型 Drex，先用小模型把 PDF 或扫描件转成文本，再逐块与原始页面图像比对，只把不匹配的文本送回修正，成本为每 1000 页 7 美元。
引用Nace AI@NaceAIIntroducing Drex for Document Processing 📑 Decision-powered parsing that catches errors before they reach your agents. → #1 on our parsing leaderboard → Beats GPT-6 Astra, Claude Opus 4.7 & every parser tested → 38% faster corrections on RealDocBench Try it: console.nace.ai
Simon Willison 博客AI 评分6464 Google 发布 Gemini Decision 1 决策模型 API，Simon Willison 实测对比
Google 发布 Gemini Decision 1 决策模型 API，与 Jev 和 OpenAI 同属决策模型类别，支持 yes/no、选择和 rubric 打分三类问题，沿用 Jev 的术语 Noul 表示 yes/no 问题。
MarkTechPostAI 评分6868 Google 发布 Gemini Decisions API 与 Gemini Decision 1，输入定价 $0.10/M tokens
Google 发布 Gemini Decisions API，由新模型 Gemini Decision 1 驱动，单次请求可对最多 1000 个问题打分并返回校准概率，输出 token 计费为 0，输入定价 $0.10/M tokens，上下文 262,144 tokens，端到端延迟 150-250 ms。
Google Research：BlogAI 评分5353 Google Research 提出基于可穿戴设备的 CKM 健康年龄与个性化健康指导框架
Google Research 发布一项研究性框架，用可穿戴数据构建可干预的健康年龄（CHA）模型，并训练 SensorWM 世界模型模拟个性化 12 周"如果-那么"健康轨迹，配合语言模型生成经临床审核的指导计划。
The Decoder：AI NewsAI 评分6666 Google DeepMind 发布 Gemini Decision 1，单次可处理 1,000 个封闭式问题
Google DeepMind 推出 Gemini Decisions API，底层模型 Gemini Decision 1 面向是非题、选择题和量表评分等封闭式决策，单次可处理最多 1,000 个独立问题，支持文本、图像、音频、视频和 PDF，150 到 250 毫秒内返回概率与置信度。
Gemini API：更新日志AI 评分5757 Google 发布 Gemini Decision（gemini-decision-1）及 Decisions API
Google 在 Gemini API 更新日志中发布 Gemini Decision（gemini-decision-1）和 Decisions API，用于对文本、图像、音频、视频和 PDF 进行快速、校准的二元、分类和评分标准决策，输出 token 为零。官方提供定价、速率限制和 Decisions API 入门指南。
Google Blog：AI精选AI 评分6969 Google 发布 Gemini Decisions API 与 Gemini Decision 1 模型，专注快速多模态封闭式决策
Google 推出 Gemini Decisions API，由新模型 Gemini Decision 1 驱动，可在 150-250ms 端到端延迟内对文本、图像、音频、视频和 PDF（最多 256K tokens）一次性评估最多 1000 个是/否、多选和评分题。
推荐理由：原文给出延迟、价格和基准对比等具体数据，读者可以据此评估这个封闭式决策接口是否适合替代自训分类器。
OpenRouter@OpenRouterAI 评分6060引用Models on OpenRouter@ModelsOnORGemini Decision 1 from @GoogleAIStudio is live on OpenRouter! Google's first decision model. Hand it text, images, audio, video, or a PDF plus typed questions, and it answers yes/no, picks from up to 255 options, or scores, each with a probability. 262K context.
Sundar Pichai@sundarpichai同事件AI 评分6666
同一件事，精选收录的是《Google 发布 Gemini Decisions API 与 Gemini Decision 1 模型，专注快速多模态封闭式决策》
IT之家·人工智能AI 评分4444 Adobe 公布四项 AI 实验项目：照片转 3D 场景、对话设计 AI 角色
Adobe 在 MAX 大会上公布四项 Sneaks 实验项目：Project Screen Test 支持通过视频通话式对话设计 AI 角色并生成试镜视频，Project Sight Span 可将普通照片转为可调整视角的 3D 场景。
The Verge：AIAI 评分4545 Adobe 展示 AI 实验功能：在照片中走动、与角色对话试镜
Adobe 在年度 Max 大会上公布多项实验性 AI 工具，包括把平面图像转成可自由移动视角的 3D 场景的 Project Sight Span、通过对话塑造角色性格并生成试镜动画的 Project Screen Test，以及用文字提示生成音效并实时调节的 Project Sound Bender。
IT之家·人工智能AI 评分6868 DeepMind AI 模型提升飓风预报精度，美国国家飓风中心称人类专家仍不可替代
据 Techxplore 报道，美国国家飓风中心（NHC）自 2025 年 6 月下旬起在业务中使用 AI 模型，2026 年将谷歌 DeepMind 模型纳入路径和强度综合预测辅助系统，并与其合作开发下一代模型。
vLLM 官方博客AI 评分5151 vLLM 讲解 EPD 编码分离架构如何扩展多模态推理服务
vLLM 发文讲解 Encoder/Prefill/Decode（EPD）分离架构的工程实现，支持编码、预填充、解码三个阶段独立部署扩缩容。核心变化包括 metadata-only 请求避免下游重复媒体预处理、编码器专用执行路径、NIXL 与 Mooncake 远程嵌入传输、跨编码器输出复用等。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分4242 蚂蚁 inclusionAI 开源 ZoomGain-4B/9B 模型与 ZoomGainBench 基准
蚂蚁 inclusionAI 发布 ZoomGain-4B 与 ZoomGain-9B 模型检查点，并同步开源 ZoomGainBench 评测基准和 RL 训练数据。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5050 蚂蚁 inclusionAI 开源 ZoomGain-9B 与 ZoomGainBench 细粒度视觉评测基准
蚂蚁 inclusionAI 发布 ZoomGain-4B/9B 模型检查点、ZoomGainBench 评测基准和 RL 训练数据。ZoomGain 利用“全局看图、放大才看清”的感知差构造视觉监督，28 个模型中最佳者在 ZoomGainBench 得分 61.08，ZoomGain-9B 在多项细粒度与通用感知基准上表现更优。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分4444 inclusionAI 发布 ZoomGain-4B GGUF 量化权重
inclusionAI 在 HuggingFace 发布 ZoomGain-4B 的 GGUF 格式权重，经 llama.cpp 转换，语言模型与视觉编码器、投影器（mmproj）均提供 FP16、Q8_0、Q4_K_M 三种精度。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分4444 蚂蚁 inclusionAI 开源 SingVL_S1_4B 多模态决策模型
蚂蚁 inclusionAI 在 HuggingFace 发布基于 Qwen3.5 的 4B 多模态决策模型 SingVL_S1_4B，支持对文本或 JSON 及最多四张图片按 choice、noul、score 三类问题单次前向打分。
百度文心 ERNIE 官方博客精选AI 评分7373 百度发布 ERNIE 5.5 Flash Preview，权重将于 11 月 25 日前开源
百度发布 ERNIE 5.5 Flash Preview，是基于此前 Base 模型的首个后训练版本，总参数 280B、激活参数 14B，支持 1M 上下文。模型 API 已在千帆平台上线，权重将于 11 月 25 日前开源；官方展示了游戏开发、3D 建模、知识工作、视频创作等 Agent 场景成果，并称该版本为后训练中间版本，正式版仍将持续优化。
推荐理由：官方给出总参 280B、激活 14B、1M 上下文等规格和基准对比，可据此评估该模型在编码与 Agent 任务上的定位。
公众号：数字生命卡兹克精选AI 评分7171 Claude Fable 5.2 实测观察：大模型正用代码吞噬审美与创作
作者实测 Claude Fable 5.2 与 Gemini 4 Carbon 并对比后认为，Fable 5.2 的突出差异在于审美，这是无法用 Benchmark 评估但可直观感受的东西。
推荐理由：作者以设计师出身的一手实测和社区案例，讨论大模型用代码承载审美、吞噬数字创作的趋势判断。
IT之家·人工智能AI 评分4242 谷歌联合 Artificial Analysis 推出 MKA 多模态知识智能体基准，Gemini 4 Carbon 质量第二、成本仅第一名六分之一
谷歌联合 Artificial Analysis 推出多模态知识智能体基准测试 MKA，用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。Gemini 4 Carbon 在参测模型中质量排名第二，平均任务成本约为第一名模型的六分之一。该测试含 200 项私有任务，覆盖 10 个行业 83 种职业，已在 Artificial Analysis 平台开放。
Philipp Schmid@_philschmidAI 评分5454Philipp Schmid 宣布与 Artificial Analysis 联合推出 MKA（Multimodal Knowledge Agent）基准，评测智能体在视觉复杂文件上的知识工作。
Artificial Analysis 完整文章AI 评分4747 Google DeepMind 与 Artificial Analysis 推出 MKA 多模态知识工作基准
Google DeepMind 与 Artificial Analysis 联合发布 Multimodal Knowledge Agent（MKA）基准，用 200 个跨 10 个行业的私有真实视觉任务考察智能体处理图纸、扫描件并产出幻灯片、表格、报告等交付物的能力。
- Artificial Analysis@ArtificialAnlysAI 评分4747
- Artificial Analysis@ArtificialAnlysAI 评分4040
很高兴与 @GoogleDeepMind 合作，将 MKA Benchmark 引入 Artificial Analysis
引用Google DeepMind@GoogleDeepMindWith @ArtificialAnlys, we built MKA (Multimodal Knowledge Agent): a benchmark for how well agents handle visually complex tasks. Everyday professional work often uses more than just text – from cross-referencing blueprints to reading scientific charts. This is not covered by existing evaluations. Gemini 4 Carbon ranks #2, at 6x lower average cost per task than the top model. → goo.gle/4AikIja
Google DeepMind@GoogleDeepMind同事件AI 评分7878Google DeepMind 宣布 Carbon 开始推送，称其能解决需要持续推理的问题，如综合密集多模态文件、构建交互式 3D 网页体验和发现软件漏洞。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》
Demis Hassabis@demishassabis同事件AI 评分6666
引用Demis Hassabis@demishassabis比如，我最近用 @GoogleAIStudio 里的 Gemini 3 做了不少深夜氛围编程，真是太好玩了！我只用几个小时就重建了我 90 年代编写的游戏 Theme Park 🎢 的一个测试平台，甚至连让玩家调整薯条上盐量的功能都做出来了！🍟（这款游戏的粉丝会懂这个梗 😀）
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》
Sierra：BlogAI 评分5353 Sierra 设计师复盘如何用 AI 在两周内完成语音智能体形象 Mossy
Sierra 设计师 Leonard Jung 复盘如何独自用 AI 编码智能体设计出 Sierra 语音智能体的可视化形象 Mossy，一个会随声音呼吸、生长和反应的草球，全程只花两周。他从约 50 种材料方案中选定草作为材质，用实时滑杆工具调参迭代，并从一开始就用代码而非 Figma 制作，使设计直接进入生产环节，最终亮相 Sierra Summit 大会主舞台。
OpenRouter：Announcements精选AI 评分7373 OpenRouter 实测最佳 OCR 模型：Claude Opus 5.5 最准，Mistral OCR 性价比最高
OpenRouter 用 8 张自制扫描页（264 项关键值）实测 15 个视觉模型、Mistral OCR 和 Tesseract 做 OCR 的表现。
推荐理由：OpenRouter 用可核对的合成扫描页实测 15 个视觉模型做 OCR，给出准确率、成本数据，并附关闭推理和双模型交叉校验的可复用方法。
Hacker News：AI 热帖同事件AI 评分8282 Google 发布 Gemini 4 Carbon，主打前沿网络安全与长程智能体工作流
Google 发布 Gemini 4 Carbon，面向开发者、企业、科学家和消费者开放，定位为在网络安全和跨知识工作、软件工程、科学推理的长程智能体工作流上性能最强的模型，定价与 Gemini 4 Argon 相同，为每百万输入 token $2、每百万输出 token $10。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》
Gemini API：更新日志同事件AI 评分7474 Gemini 4 Carbon (gemini-4-carbon) 正式发布 GA
Google 发布 Gemini 4 Carbon（gemini-4-carbon）正式可用版本，定位为其最强推理模型，面向持续智能体编码、多模态知识工作、科学推理和网络安全防御。2026 年 11 月 30 日前提供入门价 $2.00 per 1M input tokens、$10.00 per 1M output tokens。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》