贝有科技

BEIYOO·AI 简报:Gemini 4 Neon正式登场,换个工具箱,编程成绩也变了

返回 AI 简报#4202026-11-19
BEIYOO·AI 简报:Gemini 4 Neon正式登场,换个工具箱,编程成绩也变了 封面图

Share

分享本期简报

手机端可调起系统分享;桌面端可复制链接或扫码后转发。

本期重点
  • 谷歌发布Gemini 4 Neon,百万Token上下文面向编程和知识工作,同一SWE-sweep评测在不同工具环境下呈现明显差异。
  • 腾讯开放Hy4 Flash、FP8和Base版本权重,本次新增可下载部署路线,使用条件以腾讯许可为准。
  • 腾讯财报披露WorkBuddy日活超千万、每日用户合计消耗超100万亿Token,产品采用与推理投入需要一起观察。
  • 谷歌Genie 4加入原生音频和实时编辑,Pika预览Enact,生成式视频逐渐支持创作过程中的连续控制。
  • OpenAI披露与AMD合作的电路代码优化,部分改动已进入送制造设计,验证工具承担行为一致性检查。
  • CodeRabbit公测浏览器验收智能体,PromptArmor发布企业提示注入评测,任务质量与权限边界都需要实际验证。

模型能力正在与周围的工具环境共同决定交付表现。Neon的两套编程环境、CodeRabbit的浏览器测试、AMD电路优化中的验证软件,都说明企业要把模型、工具和检查步骤一起采购和评估。国产模型开放权重又增加了部署选择,办公产品的使用增长则带来持续推理成本。试点应保留完整环境配置,用固定业务样例记录通过率、耗时、费用和人工介入,再决定扩大使用的范围。

Deep Read

今日深读

同一个师傅,换一套工具,交付表现也会改变

请师傅组装书柜,电钻、图纸和测量工具都会影响进度。编程智能体也类似。谷歌公布Neon在SWE-sweep上使用mini-SWE工具环境取得12.8%,使用Antigravity环境取得39.0%。模型之外,任务分配、工具调用和执行流程都会参与形成最终结果。

这两项结果展示的是两套完整系统的表现,不能直接据此推算所有代码任务的提升。企业可以用同一个导出报表需求,固定仓库、权限和验收测试,分别记录不同环境的修改结果、重试次数、总调用费用及人工检查时间。

工具更强也扩大了操作范围。浏览器测试、文件读取与代码执行都应有清楚的权限和检查记录。把质量与权限放入同一轮验收,再逐步开放真实数据和写入操作,模型升级带来的变化才容易复查。

By The Numbers

数字看板

1M

Neon上下文窗口

谷歌公布,支持多种输入材料的综合处理

超1000万

WorkBuddy日活用户

腾讯11月18日第三季度业绩披露

46%

特定2至4小时研究任务的自主成功率

OpenAI内部估计,按人类预计工作时间划分任务

Action Item

企业能抄的作业

用一项报表功能,比较两套智能体环境

  1. 1固定代码仓库、导出字段、权限要求及验收测试,保留同一份输入。
  2. 2记录模型版本、推理强度、工具环境、重试次数、费用与人工介入时间。
  3. 3在浏览器中核对下载文件、字段和越权访问,验收通过后再开放更大的任务范围。

News Briefing

今日快讯

本期筛选窗口为北京时间11月18日08:00至11月19日08:00,已与#419去重。RSS返回30条且覆盖有限,补充官方发布和HuggingNews。既有模型仅收录新开放安排或新评测,价格、测试和产品权限均保留适用条件。

头条动画

用“师傅组装书柜”和“导出报表功能”的例子,说明工具环境如何影响智能体交付。豆包中文配音,白色居中字幕。

下载本期动画 MP4 · 下载字幕

Gemini 4 Neon正式发布,编程表现与工具环境密切相关

标签:谷歌 / 基础模型 / 编程智能体

来源:谷歌官方发布 · HuggingNews评测汇总

谷歌发布Gemini 4 Neon,提供百万Token上下文和多档推理强度,面向复杂编程与知识工作,并逐步进入API、Gemini应用和Antigravity等入口。官方列出的API价格为每百万输入Token 3美元、输出15美元,缓存输入0.15美元,具体访问资格依产品与订阅而异。SWE-sweep结果中,mini-SWE环境得分12.8%,Antigravity环境为39.0%,企业应连同工具、推理配置和任务成本比较完整系统。

腾讯开放Hy4 Flash家族权重,新增自主部署选择

标签:腾讯 / 中国模型 / 开放权重

来源:腾讯官方代码仓库 · 官方模型权重

腾讯在11月18日公布Hy4 Flash家族开放权重安排,涵盖Flash、FP8和Base版本,约224B总参数、12B激活参数,支持多模态和百万Token上下文。本条聚焦新增的权重下载与部署安排,延续此前API和平台接入进展。模型采用Tencent Hy License,部署团队应核对商业使用条款、量化兼容性、硬件要求与实际上下文负载。

腾讯财报披露WorkBuddy日活超千万,办公AI进入高频使用阶段

标签:腾讯 / AI办公 / 产品采用

来源:腾讯第三季度业绩公告

腾讯11月18日发布的第三季度业绩披露,WorkBuddy日活用户超过1000万,用户每日合计消耗超过100万亿Token,并称企业采用持续增长。公司以大语言模型Token消耗量说明产品使用规模,这一口径同时受到任务长度、模型和工具调用方式影响。企业评估办公AI时,可将活跃用户、完成任务数、任务质量与推理费用放在同一张表中,观察高频使用是否带来可持续收益。

Genie 4加入原生音频和实时编辑,让虚拟世界可持续调整

标签:谷歌 / 世界模型 / 交互创作

来源:HuggingNews产品发布

谷歌在Project Genie中推出Genie 4,增加原生音频、对话和运行过程中的文字编辑,用户可在探索时调整环境。更新还包括Gemini引导的创作助手与社区画廊,旧版Genie 3另获生成时长和全景图输入扩展。用于互动内容原型时,团队可重点核对场景持续性、控制精度与各版本实际开放的功能。

OpenAI与AMD披露电路代码优化,部分改动已进入送制造设计

标签:OpenAI / AMD / 芯片设计

来源:OpenAI官方技术说明

OpenAI披露,模型通过改写SystemVerilog RTL电路描述,在AMD已高度优化的旗舰GPU IP基线上取得最高14%的功耗、性能与面积综合指标改进。AMD已把部分改动纳入送制造设计,另一些进入后续版本的生产设计文件。团队使用Synopsys工具核对行为一致性与设计取舍,这些结果对应指定模块、基线与验证流程。

RadixArk开放DaisyRose-27B,针对长程编程任务开展强化学习

标签:RadixArk / Qwen生态 / 开放模型

来源:HuggingNews模型发布

RadixArk发布首个开放权重模型DaisyRose-27B,在Qwen3.8-27B基础上,使用1200个筛选后的长程智能体任务开展强化学习。团队披露,在144张H200上训练18天后,Terminal-Bench 4.1成绩从5.6%升至12.0%,并获得SGLang部署支持。小型专业模型的价值可以通过任务适配体现,使用时仍需核对许可、上下文配置及自身仓库测试表现。

CodeRabbit公测Verify,在运行中的应用里检查代码改动

标签:CodeRabbit / 浏览器测试 / 代码验收

来源:HuggingNews公测说明

CodeRabbit推出Verify公开测试版,从拉取请求中分析变更、生成测试场景,并在浏览器中运行用户流程。发现差异时,工具保留会话录像、截图和日志,帮助开发者复现与修复,当前公测阶段免费。团队可先检查登录、文件导出和关键表单等高价值流程,并明确测试账户与数据范围。

Reson8开放Rumble-2-Flash,手机和电脑可离线进行语音转写

标签:Reson8 / 语音模型 / 本地推理

来源:HuggingNews模型发布

Reson8发布约0.5B参数的Rumble-2-Flash语音转文字模型,支持45种语言,采用Apache 2.0许可,模型文件约1GB。产品面向手机和笔记本离线转写,并对口音、环境噪声、电话音质和重叠说话等情况训练。需要会议或现场记录的团队,可分别检查目标语言准确率、设备耗电和多人说话场景的实际效果。

Pika预览Enact,在视频播放中实时调整镜头和演员

标签:Pika / AI视频 / 交互创作

来源:HuggingNews研究预览

Pika推出基于H3 Flex的Enact研究预览,允许创作者在视频运行时操控镜头、切换场景和拖动演员。系统把演员作为具有各自特征的智能体,能够接收口头指导,并保留此前拍摄反馈。内容团队可以用它探索交互分镜和排演流程,正式制作仍需验证角色一致性、可重复性与开放范围。

PromptArmor发布FrontierBreach,检查企业智能体遭遇隐藏指令的风险

标签:PromptArmor / 提示注入 / 企业安全

来源:HuggingNews评测说明

PromptArmor推出FrontierBreach,将攻击内容隐藏在邮件、文档和技能文件等材料中,观察智能体是否偏离企业任务并产生数据外传或代码执行后果。首批披露称,所测21个模型的攻击总体成功率为34.9%,各模型和攻击载体差异较大。数字仅反映该评测条件,接入外部材料的应用仍需实测权限控制、工具审批与审计记录。

Wispr Flow推出iPhone免费记事工具,扩展移动端语音记录入口

标签:Wispr Flow / 移动应用 / 语音记录

来源:HuggingNews产品发布

Wispr Flow在11月18日推出面向iPhone的免费Notetaker,支持记录线下会议,并在设备之间同步笔记。移动端与面向线上会议的桌面版本配合,让用户在不同会议场景中访问同一套记录。团队使用前可核对录音告知、存储位置、导出方式及与既有笔记系统的连接条件。

OpenAI更新科研加速测量,特定研究任务自主成功率升至46%

标签:OpenAI / 科研智能体 / 内部测量

来源:OpenAI官方研究报告

OpenAI更新内部测量,估计人类需2至4小时的研究任务,其智能体自主成功率从3月的23%升至10月的46%,4至8小时任务则从13%升至35%。不同工作类型差异明显,报告列出的训练监控、发起训练和推理服务代码编写,自主成功率分别为79%、35%和25%。这些数据来自内部任务与分类方法,适合帮助拆分试点范围,应用团队仍应测量自己的任务和人工介入需求。

有类似的场景想推进?

先把目标、边界和验收方式聊清楚,再决定怎么开始。