Gemini 4 Carbon 59分登顶全球大模型榜首【AI 早报 2026-10-30】
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 拿到 59 分；同日智元 GO-3 Preview、面壁 MiniCPM-OCR 1.0 等国产模型也公布榜单成绩。今日还包括 OpenAI 订阅额度调整、Google Genie 4 世界模型、多笔机器人与金融 Agent 融资。
今日概览
要闻
- Gemini 4 Carbon 59分登顶全球大模型榜首
模型发布
- 智元 GO-3 Preview 拿下三大机器人榜单第一，年底全面开源
- 面壁 MiniCPM-OCR 1.0 以1.3B参数拿下四项SOTA
- Google Genie 4 发布：首个原生生成音频的实时世界模型
- Clover-35B-A3B 扩散语言模型：350亿总参数、680 tokens/s
开发生态
- NVIDIA 开源 Nemotron 3.5 Transcribe：40语种转写、4B激活参数
- 拓元智慧开源 E0.5：16万条真机轨迹预训练，成功率85.0%
产品应用
- OpenAI 200美元Pro额度10月30日起砍半，Codex从20倍降至10倍
- ChatGPT Pro/Business 每月赠送等额API额度，最高500美元
- Gemini 支持直接生成、预览和编辑文档、PDF与表格
- Genspark 发布 VoicePad：169美元AI语音键盘，11月开启预订
技术与洞察
- MemoraX 联合天大、阿里提出 MIPI，数学推理最高提升3.11个百分点
- 天津大学与合工大 FAME 入选 NeurIPS 2026 Spotlight：多锚点机器人探索
- Anthropic 研究：50名专家最高86%采纳AI随机观点并误认为是自己的
行业动态
- Google AI搜索广告全球扩张，Chrome接入Gmail自动填充
- Kodiak 与 DTL 签署75辆无人卡车协议，按英里付费
- Casap 完成5600万美元B轮：欺诈损失降51%，拒付胜率96%
- 矩侨工业完成亿元A轮：蚂蚁领投，触觉手套交付近万只
前瞻与传闻
- Fable 5.5 测试曝光，Anthropic 为Claude加入隐藏自评估
- OpenAI 据报计划采购谷歌TPU，招聘TPU编译器工程师
要闻
Gemini 4 Carbon 59分登顶全球大模型榜首
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 中拿到 59 分，高于 Claude Opus 5.5 的 58 分、GPT-6 Astra 的 57 分和 GPT-6.1 Sol 的 55 分，也比 Gemini 4 Argon 高 9 分。Arena.ai 榜单显示，Gemini 4 Carbon（High）在 Text Arena 排第一、Agent Arena 排第二、Code Arena WebDev 排第四。谷歌称该模型可连续数天处理大型代码库和底层系统问题，遇到障碍后继续换方案，定位并修复隐蔽缺陷。网络安全方面，SEC-bench Pro 得分 88.2%，ExploitGym 54.8%，CWE-bench 71.0%；WebDev Arena Elo 提升 89 分至 1769 分。该模型目前优先向少数网络安全防御人员开放，普通用户开放时间未公布。
模型发布
智元 GO-3 Preview 拿下三大机器人榜单第一，年底全面开源
10 月 29 日，智元发布 GO-3 Preview 具身模型，称在预训练、后训练、部署后三个阶段实现全链路 Scaling，并在 RoboDojo、RoboTwin、RoboColiseum 三个机器人榜单拿下 Top 1。官方计划到年底将 GO-3 Preview 等模型全面开源。此前 GO-1 首创 ViLLA 架构，GO-2 首创“动作思维链”，GO-3 把规模扩展延伸到真实作业现场。智元称机器人可开箱执行数百种任务，部分高难度操作达到或超过人类水平，并在工作中持续积累经验、自我进化。按智元在发布会上的说法，2026 年具身智能的考题已从“会不会演示”转向“能不能部署”。
来源：https://mp.weixin.qq.com/s/637DZKdbqlYBVQZVzuZhOQ
面壁 MiniCPM-OCR 1.0 以1.3B参数拿下四项SOTA
面壁智能开源 MiniCPM-OCR 1.0，这是 MiniCPM V/o 家族首个 OCR 专用模型，参数只有 1.3B。它在 6 项核心测试中拿下 4 项 SOTA：Real5-OmniDocBench 93.68、Wild-OmniDocBench 92.39、OCRBench v2 54.7（第二名 47.0）、CHAOS-Bench 29.78（第二名的 1.4 倍以上）。吞吐测试中，MiniCPM-OCR 1.0 达到 1.217 页/秒，PaddleOCR-VL-1.6 为 0.818，MinerU2.5-Pro-Advanced 为 0.336，TeleOCR 为 0.141，单卡吞吐约为 TeleOCR 的 8.6 倍。模型支持中英双语文档与 PDF 解析，覆盖扫描、弯曲、拍照、倾斜、翻拍等场景，可还原表格、公式和印章。技术侧采用 LLaVA-UHD v4 视觉分片与 DSpark 投机采样解码加速；同日开源的另一模型 MiniCPM-OCR Jev 被定位为只判卷、不答题的裁判模型。
Google Genie 4 发布：首个原生生成音频的实时世界模型
Google DeepMind 发布 Genie 4，官方称其为“迄今最具交互性的世界模型”，也是 DeepMind 首个原生生成音频的实时世界模型，演示视频中的环境声、乐器声和动物声均由模型生成。与 Genie 3 的剧院后台对比，Genie 4 能生成更多人物、衣架和设备，人物补妆、整理服装等动作更自然。它支持实时互动对话，角色可开口接话并对用户指令和场景变化作出反应；物理侧能继续生成西瓜被大理石半身像压碎、粉色绸缎随风起伏等碰撞与形变过程。系统由 Gemini 3.8 Flash 充当“导演”观察画面、拆解目标、检查步骤并临时改计划，Genie 4 负责把画面和声音实时演出来。演示还包含冠鹤走过雪地、龙骑士以 140 公里时速穿越山地赛道等场景。
Clover-35B-A3B 扩散语言模型：350亿总参数、680 tokens/s
DiffuSpace 推出 Clover-35B-A3B-Preview，采用 MoE 架构的扩散语言模型，总参数 350 亿、激活参数 30 亿，支持思考模式。它称性能超过同规模自回归模型 Qwen3.6-35B-A3B，同时生成速度更快；六项 Agent 评测均取得所列模型最高分，SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、τ³ Overall 65.3。通用能力方面，GPQA Diamond 83.8、ZebraLogic 95.8、AA-LCR 72.0。单张 NVIDIA GB300、BF16、batch size=1 时达到 680 tokens/s；单张 H200 为 515 tokens/s，高于 DFlash2 方案的 365 tokens/s。模型以 Apache 许可开源，权重和代码已登陆 Hugging Face、ModelScope 与 GitHub，支持 SGLang 和 llama.cpp。
开发生态
NVIDIA 开源 Nemotron 3.5 Transcribe：40语种转写、4B激活参数
NVIDIA 开源语音模型 Nemotron 3.5 Transcribe，并同步推出 Granary v2 多语言数据清单和可复用数据整理流水线。单个模型可完成 40 种语言转写、31 种语言与英语双向翻译、13 种语言说话人归属标注，以及英语音频问答；支持最长 1 小时录音、最多 8 位说话人和词级时间戳。基准上，Open ASR 英语开放权重排名第一，平均 WER 5.33%；七语言平均 WER 4.62%，长音频 WER 10.98%。在 Artificial Analysis 上，它以约 40 亿激活参数取得 2.81% 的 AA-WER，与开放权重最佳成绩只差 0.04 个百分点，激活参数量约为对方的六分之一。David AI 21 语言说话人区分 DER 18.26% 位列 14 个系统之首；VoiceArena cpWER 32.4% 排名第一；Cekura 真实通话 WER 2.48%，在开放权重模型中排名第一。
拓元智慧开源 E0.5：16万条真机轨迹预训练，成功率85.0%
X-Era AI 拓元智慧开源原生 4D 世界动作模型 E0.5，将空间建模与物理建模解耦，用未来几何监督提升机器人对接触、摩擦、形变的表征。模型在超过 16 万条真实机器人轨迹上做具身预训练，在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上，整体平均成功率分别为 85.0% 和 88.3%，较 π0.5 高 13.3 和 26.7 个百分点；分布内平均成功率达到 96.7% 和 100.0%。不做大规模机器人数据预训练、直接任务后训练时，Piper 分布内平均成功率 86.7%，H1 为 93.3%，而 π0.5 分别为 46.7% 和 70.0%。充电器收纳任务中，Piper 从 50% 提升到 70%，H1 从 40% 提升到 80%；Piper 垃圾清理从 40% 提升到 100%。H1 在相同 600 条演示、5 个 epoch 后训练预算下，整体平均成功率从 51.7% 提升到 81.7%，OOD 提升 36.7 个百分点。
来源：https://mp.weixin.qq.com/s/1DfEiEDajyei3B8oaZ2AWg
产品应用
OpenAI 200美元Pro额度10月30日起砍半，Codex从20倍降至10倍
OpenAI 对 200 美元 ChatGPT Pro 的额度调整于 10 月 30 日生效：Codex 和 ChatGPT Work 额度从 Plus 的 20 倍降至 10 倍，GPT-6 Pro 每周消息数减半，月费仍为 200 美元。OpenAI 向受影响用户提供价值 2500 美元的额度补偿。ChatGPT 同日把“聊天”和“工作”入口合并，使用 Pro 模型需先选择 GPT-6 sol，再调高推理强度。OpenAI 的 Tibo 回复称，ChatGPT 统一合并尚未正式推出，后续会分享更多信息。对每天用 Codex 改代码、跑测试的开发者，可用任务量直接减半，而 GPT-6.1 Astra 仍未发布。
来源：https://mp.weixin.qq.com/s/RvDvYFtun4jtRo1U4fSRhg
ChatGPT Pro/Business 每月赠送等额API额度，最高500美元
OpenAI 给 ChatGPT 付费订阅增加 API 额度：Pro 用户每月可领与订阅费等额的额度，分别为 100、200、500 美元；Business 的 Standard 每席 20 美元、Premium 每席 100 美元，一个工作区每月最多 500 美元。领取入口在 ChatGPT 设置—账单的“月度订阅权益”，关联一个 API 组织后额度进入 platform.openai.com 的 Billing 余额，无需绑定付款方式即可调用 API。该权益仅限 Pro 和 Business，Plus 用户没有；付费满 7 天才能领。首次领取按当前账单周期折算，例如 500 美元档在续费前一天只能先领 12 美元，续费后再获得 500 美元。这会直接补充开发者调用 API 的可用预算，但额度按账单周期到期。
Gemini 支持直接生成、预览和编辑文档、PDF与表格
Google 宣布 Gemini 可直接生成、预览和编辑文档、PDF、演示文稿与电子表格，并新增全屏编辑器用于细化文件。用户可在 Gemini 内完成从生成到修改的流程，不必先导出到其他办公套件。官方博文展示了文件编辑入口和预览能力，但未公布各套餐的可用范围与具体上线地区。
来源：https://blog.google/innovation-and-ai/products/gemini-app/edit-files-directly/
Genspark 发布 VoicePad：169美元AI语音键盘，11月开启预订
Genspark 于 10 月 29 日发布第二款硬件 SecondBrain VoicePad，定位办公室 AI 语音设备，自带麦克风，按下听写键可直接语音输入。设备有 5 个可自定义按键，可打开 ChatGPT 等指定 App、调起 Genspark Super Agent，或开始会议录音并生成纪要。官方零售价 169 美元，早鸟价 99 美元；今年 11 月开放早鸟预订，11 月底至 12 月在 Kickstarter 众筹，之后正式发售。Genspark 三个月前刚发布卡片形态的 SecondBrain Note，8 月开源本地办公软件 GenOffice；其 Super Agent 上线 12 个月 ARR 达 2.5 亿美元，公司估值 26 亿美元。VoicePad 采集的是工位上“一个人对工具说话”的碎片上下文，与 Note 的多人会议场景分工。
技术与洞察
MemoraX 联合天大、阿里提出 MIPI，数学推理最高提升3.11个百分点
MemoraX AI 联合天津大学、阿里巴巴提出 MIPI（单调推理策略改进原则），论文入选 NeurIPS 2026，目标是解决训练引擎与推理引擎因数值精度、解码实现、计算后端不同而产生的训练—推理不一致。研究把实际用于采样和部署的推理策略 μ 设为优化目标，要求每次更新后的推理策略期望回报不低于更新前；具体实现 MIPU 先构造候选更新，再在同步到推理端后验收。MIPU 将总概率比拆成“既有不一致修正”和“当前更新幅度”两项，采用 TIS 式截断重要性采样与 PPO 式裁剪。Qwen3-4B 和 Qwen3-1.7B 的 FP8 量化采样实验中，MIPU 在五项数学推理基准上的平均准确率分别为 66.71% 和 53.97%，较 GRPO 提升 2.29 和 3.11 个百分点。论文称在报告的训练范围内训练表现更稳定。
天津大学与合工大 FAME 入选 NeurIPS 2026 Spotlight：多锚点机器人探索
天津大学与合肥工业大学团队提出 FAME（Flow-driven Anchor-based Multimodal Exploration），论文被 NeurIPS 2026 接收并入选 Spotlight；本届会议录用 7900 篇，Spotlight 292 篇，约占 3.7%。方法针对主动三维建图中“只预测一个长期探索目标”的问题，用 Conditional Flow Matching 从随机噪声生成多个位置和朝向的探索锚点，保留多个可能方向。随后用基于 A* 的路径规划器为每个锚点生成候选路径，再通过探索模式聚类和分层选择决定走哪条。模型只预测目标位置和方向，不直接生成完整路线，从而把“去哪里”和“怎么走”拆开。论文标题为 All Roads Lead to Rome: Flow-driven Multi-Anchor Exploration for Open-Environment Active 3D Mapping。
来源：https://mp.weixin.qq.com/s/kAMuPeRvUq5LpVNsZDc-9A
Anthropic 研究：50名专家最高86%采纳AI随机观点并误认为是自己的
Anthropic 做了一项实验：给 50 名专家一个 AI Agent，其偏好由抛硬币随机决定。专家在判断类问题上最多有 86% 的情况跟随了 Agent 的观点，且大多数人认为这些结论是自己得出的。研究说明，即使 Agent 的意见没有事实依据，也可能在专业场景中影响人类判断并被误记为自身判断。该结果对把 AI 用作决策助手、评审员或顾问的产品设计提出直接问题。
行业动态
Google AI搜索广告全球扩张，Chrome接入Gmail自动填充
Google 在 Alphabet 第三季度财报电话会上宣布，AI Mode 中的广告首次全球扩张，同时在美国推进多轮对话广告；AI Overviews 和 AI Mode 中的高质量广告将覆盖更多用户和查询。Google 首席商务官 Philipp Schindler 称，AI Mode 的赞助商品列表点击率已与自然结果持平，用户研究显示广告相关性可接受。Alphabet 当季营收 1276 亿美元，同比增长 25%，但 Search 收入增速从 Q2 的 17%、Q1 的 19% 降至 12%，财报后股价下跌 8%。CEO Sundar Pichai 称搜索查询量创五年最快同比增速，AI Mode 查询平均长度是传统搜索的 3 倍，五分之一涉及语音、图片或文档，视觉搜索每月超过 500 亿次。Google Services 收入 963 亿美元、增长 11%，Google Cloud 收入 307 亿美元、增长 103%；Gemini 应用月活达到 10 亿。Chrome 同期加入由 Gmail 提供数据的自动填充，可建议航班确认号、会员 ID、物流单号、订单号、地址、电话和信用卡号，需用户主动开启，Google 称敏感数据已加密，先在美国桌面版及 Gemini in Chrome 的 iOS、Android 应用推出。
Kodiak 与 DTL 签署75辆无人卡车协议，按英里付费
Kodiak AI 与 DTL Transport 签署有约束力协议，将在 DTL 自有并运营的 75 辆无人卡车上部署 Kodiak 自动驾驶系统。DTL 按英里向 Kodiak 付费，采用 Driver-as-a-Service 模式，初期跑达拉斯—埃尔帕索的 I-10 和达拉斯—亚特兰大的 I-20 长途线路。9 月双方已在加州完成试点：一辆 Kodiak 卡车沿 I-5 和加州 99 号公路，在 Fresno 与洛杉矶之间运输约 225 英里易腐货物，Kodiak 称这是加州首次由 Class 8 卡车自主运输商业货物。协议未给出 75 辆车的完整部署时间表，双方称后续可能增加线路。截至 6 月 30 日，Kodiak 的系统已装在 Atlas Energy Solutions 自有并运营的 35 辆无人卡车上。
来源：https://theaiinsider.tech/2026/10/29/kodiak-ai-dtl-transport-sign-deal-for-75-driverless-trucks/
Casap 完成5600万美元B轮：欺诈损失降51%，拒付胜率96%
金融服务业 AI Agent 平台 Casap 完成 5600 万美元 B 轮，由 Base10 Partners 领投，Experian、Synchrony 战略参与，Emergence Capital、Lightspeed Venture Partners 继续跟投；总融资达到 9000 万美元。此轮距离 2500 万美元 A 轮仅一年多，期间营收增长 10 倍，超过公司目标两倍。Casap 的专用 Agent 在金融机构现有系统中调查、决策和执行，按机构政策保留可审计记录，只在需要人工判断时升级给员工；最初聚焦交易争议，现扩展到欺诈、催收、理赔和复杂例外。平台已部署在 100 多家银行、信用合作社、金融科技公司和支付处理商，称第一方欺诈损失下降 51%，拒付胜率 96%，行业平均为 60%。争议解决时间从最长 90 天降至 8 天，73% 案件自动化，人工处理时间从 45 分钟降到 1—2 分钟。
矩侨工业完成亿元A轮：蚂蚁领投，触觉手套交付近万只
柔性织物触觉传感企业矩侨工业完成亿元 A 轮融资，由蚂蚁集团领投，老股东零以创投、威海港融及青岛和信跟投，多维资本担任长期独家财务顾问；资金用于织物电子皮肤规模化量产与交付、触觉及多模态感知研发，以及机器人、智能家居和医疗康养场景拓展。公司客户超过 400 家，其中 200 余家为海内外具身智能客户，触觉手套已交付近万只。触觉手套可覆盖全掌，左右手各配置数百个传感点，最小点间距 2mm，最小触发力 0.01N，支持动作捕捉和遥操作。皮肤 2.0 增加力的方向、滑动趋势和切向受力感知，完成厚度小于 0.8mm 的多层传感器设计，以及单层厚度小于 0.3mm 的产品升级。矩侨在威海自建产线，生产良率大于 95%，支持一天以内快速打样，单点力学线性转化一致性达到 ±5%。
前瞻与传闻
Fable 5.5 测试曝光，Anthropic 为Claude加入隐藏自评估
有用户在使用 Claude Opus 5.5 时被路由到更新的模型，实测包括 Three.js 生成奔跑斑马、复杂 SVG 和用 JS 绘制人生动画，其中一次耗时 2 小时、消耗 2700 万 Token；外界推测该模型是 Fable 5.5 或下一代 Opus。The Information 此前报道，Anthropic 准备推出更能读懂用户意图的模型，会从修复单个 Bug 转向追问底层问题类别。Anthropic 官方安全博客同时披露“自评估”机制：自 Claude Fable 5 及之后发布的模型，每次回答结束后会追加一条用户看不到的指令，让刚参与对话的 Claude 复用上下文和 KV Cache 生成约 10 个 Token 的 JSON 安全复盘。该机制只增加不到 2% 算力开销，在 Fable 5 上捕获重型分类器标记的 78% 违规对话，高危滥用检出率 94%，误判率 1%；它用于离线筛查，不负责实时拦截，零数据保留协议流量不运行。Fable 5.5 本身尚未正式发布。
来源：https://www.ifanr.com/1686874?utm_source=rss&utm_medium=rss&utm_campaign=
OpenAI 据报计划采购谷歌TPU，招聘TPU编译器工程师
据 The Information 报道，OpenAI 计划采购谷歌 AI 芯片，具体财务条款和交易规模尚未披露，OpenAI 也未确认。OpenAI 长期是英伟达最有价值的客户之一，英伟达也已向 OpenAI 投资数百亿美元；今年 8 月英伟达同意为 OpenAI 在俄亥俄州的大型数据中心提供超过 1000 亿美元信贷支持，该数据中心完全采用英伟达芯片体系。黄仁勋曾称 OpenAI 承诺在 2030 年前投入约 6000 亿美元使用搭载英伟达芯片的服务器。OpenAI 同时招聘 TPU 编译器软件工程师，负责最先进前沿模型在 TPU 上的优化，职位要求具备 TPU 训练或推理经验及实际工作负载优化经验。谷歌周二还宣布甲骨文将成为谷歌之外首家向客户提供 TPU 租赁服务的大型云服务商，甲骨文直接采购 TPU，由谷歌与甲骨文共同服务的大型企业客户使用。
暂无评论。