AI 日報｜Google 發布最強模型 Gemini 4 Carbon、NVIDIA 推出具身機器人模型 GR00T 2、Stripe 收購 OpenRouter

模型發布與開源

Google 正式推出 Gemini 4 Carbon：鎖定長程推論與資安防禦的最強前沿模型 GGoogle DeepMind

• 一言以蔽之：Google 正式開放 Gemini 4 Carbon 模型給開發者與 Ultra 訂閱者，主打複雜長程任務與高難度網路安全防護。
• 效能與基準測試：具備 1M Token 上下文視窗，在 CursorBench 上以 60.4% 登頂，並在 FrontierCode 2.0 評測中取得 40.0% 成績，大幅超越前代 Argon 的 26.3%。
• 計費與方案：即日起至 11 月 30 日前提供引進期優惠價每百萬 Token 輸入 2 美元、輸出 10 美元，12 月 1 日起恢復為 4 美元與 20 美元；一般使用者需訂閱每月 99.99 美元起之 Google AI Ultra 方案。
• 生態系整合：已同步上線於 Google AI Studio、Antigravity（支援全新 /swarm 多 Agent 協同架構）、Devin、GitHub Copilot 與 Cursor。
• 傳送門：Google 官方公告
• 傳送門：Google DeepMind 發布部落格

NVIDIA 發表開放世界動作模型 GR00T 2：端側直跑並開源 10 萬小時具身訓練資料 NNVIDIA

• 一言以蔽之：NVIDIA 發布第二代具身智慧動作模型 GR00T 2，可完全在機器人本機端執行，並全面開源訓練資料與框架。
• 長程物理操作：作為 System 1 動作模型，可原生驅動平行夾爪、多指靈巧手與雙足人形機器人，支援鏈結超過 20 個步驟、持續 5 分鐘以上的實體長程任務。
• 開源釋出規模：全面公開模型權重、10 萬小時訓練經驗資料（相當於 11 年人類操作歷程）、模擬環境與標註引擎，X-Adapt 跨本體遷移技術預計 12 月釋出。
• 擺脫昂貴遙操作依賴：預訓練資料大量採用 40 萬小時人類第一人稱穿戴相機影片與 1 萬小時夾爪示範，將昂貴的遠端遙操作（teleoperation）資料需求縮減至 2.35 萬小時。
• 傳送門：NVIDIA GEAR 實驗室專案頁面

MiniMax 開源 1600 萬畫素生圖模型 H3-Image：10 秒生成 4K 影象 MMiniMax

• 一言以蔽之：MiniMax 正式發布並開源 H3-Image 影象生成模型，將 4K（4096×4096）高解析度影像生成時間壓縮至 10 秒以內。
• 多圖參考與精準編輯：支援文生圖、影象參考與多輪編輯，最多可同時解析 16 張參考圖合成複雜場景，標準模式生成速度達主流工具的 1.5 至 2 倍，Highspeed 模式可達 3 至 4 倍。
• 開源與服務上線：模型權重以開源形式釋出於 Hugging Face，同時透過 MiniMax 平臺 API、MiniMax Code 與海螺 AI 提供線上服務。
• 價格定位：上線首週提供 16MP 以上規格 50% 折扣，整體呼叫價格約為同級主流生圖服務的 50% 至 70%。
• 傳送門：MiniMax 官方公告
• 傳送門：Hugging Face 模型庫

ElevenLabs 發布 Scribe v3 與 Scribe v3 Live：語音轉文字錯誤率降低 43% EElevenLabs

• 一言以蔽之：ElevenLabs 推出高精確度語音辨識模型 Scribe v3 系列，全面提升吵雜環境下的講者分離與專有名詞辨識能力。
• 即時講者分離：Scribe v3 Live 首次加入講者分離（Diarization）功能，整體辨識錯誤率相較前代減少達 43%，且斷句檢測改以整段對話脈絡判定而非僅依據靜音長度。
• 專用術語庫與自然語言修正：內建專屬關鍵詞庫，最高可載入 10,000 個專門術語，能精準鎖定醫療與法律專業名詞，並支援以自然語言指令直接編輯修正逐字稿。
• 全平臺發布：即日起設為 ElevenLabs 應用程式預設模型，並已同步開放於 ElevenAgents 與 ElevenAPI 呼叫。
• 傳送門：ElevenLabs 官方部落格

產品發布與更新

Anthropic 推出 Claude 白板與表格功能，並正式上線 Claude Data 與互動式聯結器 AAnthropic

• 一言以蔽之：Claude 擴充套件辦公協作能力，新增 Claude Whiteboards、Claude Sheets 測試版，並開放第三方工具內嵌互動。
• 新型態 Artifacts：Claude Whiteboards 支援將口述的混亂點子整理為帶時間線與負責人的視覺化白板；Claude Sheets 則可依自然語言描述生成含多工作表與公式的試算表。
• 互動式聯結器：推出 Interactive Connectors，使用者可直接在 Claude 對話方塊旁嵌入並完整操作 Adobe、Atlassian 和 Box，由 Claude 與使用者共同協作編輯。
• Claude Data 正式版：原儀錶板功能結束測試並改名為 Claude Data 正式全面開放，能連線企業資料庫或 Salesforce 生成視覺化報表與分析影片。
• 傳送門：Claude 官方功能說明
• 傳送門：互動式聯結器介紹

OpenAI 推出 Businesses in ChatGPT 測試版：支援企業建立專屬商家 Agent OOpenAI

• 一言以蔽之：OpenAI 上線商家管理中樞 Businesses in ChatGPT，企業可認領商家頁面並部署專屬 AI Agent 接待消費者。
• 專屬 Business Agent：符合資格的電商與線上服務商家可建立獨立的 Business Agent，在清楚標註的專屬對話中解答客戶提問、比對產品並提供最新庫存與定價資訊。
• 互動洞察與隱私設計：後臺提供品牌提及次數、網站點選與熱門話題等聚合統計資料；官方強調不會將使用者個人的對話內容外洩給商家。
• 傳送門：OpenAI 官方公告

Cursor 推出 Team Projects 測試版：實現多位工程師與 Agent 共享上下文 CCursor

• 一言以蔽之：Cursor 重構 Projects 架構邁向多人協作，允許多位開發者與各自排程的 AI Agent 於同一個工作區協同開發。
• 多 Agent 互相協調：Agent 在啟動任務前會先共享實施計畫，若在程式碼編輯中偵測到邏輯或檔案衝突會主動標記，並具備跨團隊任務相依解鎖能力。
• 消除資訊孤島：團隊成員能在統一視窗內檢視所有進行中的 Agent 狀態與歷史脈絡，避免重複提示與重複構建。
• 傳送門：Cursor 官方部落格

JetBrains 發布 2026.3 版本：Rider 與 ReSharper 深度整合 Claude Agent 與 Codex JJetBrains

• 一言以蔽之：JetBrains 釋出開發工具年度更新，支援在 Visual Studio 與 Rider 中直接排程 Claude Agent、Codex 與 Junie。
• 三 Agent 共用視窗：開發者可在 AI Assistant 視窗內自由切換 Claude Agent、Codex 或 Junie，且所有 Agent 皆可直接呼叫 ReSharper 核心重構能力與終端指令。
• JetBrains Air 協調系統：匯入全新的 Agentic 開發流程，允許使用者在無須開啟特定 Solution 的狀況下，直接在歡迎畫面編排並驗證 Agent 工作階段。
• 前沿語言支援：全面第一天支援 .NET 11 與 C# 15，並加入 Runtime Async 除錯以及 C++ 類別記憶體佈局視覺化工具。
• 傳送門：JetBrains Rider 2026.3 發布文章
• 傳送門：JetBrains ReSharper 2026.3 發布文章

產業動態

Stripe 正式收購多模型路由平臺 OpenRouter：打造 AI 時代的代幣經濟基礎設施 SStripe / OpenRouter

• 一言以蔽之：金融科技巨頭 Stripe 宣佈併購服務超過千萬開發者的模型聚合平臺 OpenRouter，擴充套件其 AI 基礎設施佈局。
• 中立性與營運定位：OpenRouter 將保持中立地位，持續為多模型與跨供應商負載提供最佳延遲路由、服務中斷容錯以及企業支出策略控制。
• 使用者規模與資源結合：OpenRouter 目前活躍開發者與企業使用者已逾 1,000 萬，併購後將深度整合 Stripe 的全球支付網路與帳單結算能力。
• 傳送門：

  View post on X by @OpenRouter

  在 X 上查看 @OpenRouter 的貼文 ↗

Anthropic 正式啟動 IPO 路演：目標估值達 1 兆至 1.4 兆美元 AAnthropic

• 一言以蔽之：Anthropic 啟動那斯達克掛牌路演，擬發行 8.25 億股並設定發行價為 70 至 78 美元，最高募資逾 640 億美元。
• 巨額戰略配售：Google、NVIDIA、AMD 與微軟等七家科技巨頭預計透過私募配售注資 260 億美元，其中 Google 與 NVIDIA 各自承諾投資 100 億美元。
• 算力負債與營收對比：公司 2026 年前三季累計營收達 332 億美元，但已簽署高達 9,009 億美元的長期算力硬體採購與租賃承諾合約。
• RSP 安全門檻更新：在最新的 S-1 修正案中，Anthropic 披露其已越過負責任擴充套件政策（RSP）閾值，確認 AI 正在大幅加快後續 AI 的自我研發迭代。
• 傳送門：Anthropic IPO 路演公告

OpenAI 宣佈 12 月 11 日停用舊版語音模式：全面升級至 GPT-Live OOpenAI

• 一言以蔽之：OpenAI 宣佈將於 2026 年 12 月 11 日正式下線 ChatGPT 舊有的 Advanced 與 Standard 語音模式。
• 全面轉移：自 7 月推出全雙工架構的 GPT-Live 以來，ChatGPT 語音整體使用量翻倍，絕大多數語音使用者已完全遷移至新模式。
• 後續研發重點：工程團隊將集中算力與研發資源強化 GPT-Live 的回答深度、跨對話長期上下文連續性與個人化回應能力。
• 傳送門：

  View post on X by @OpenAINewsroom

  在 X 上查看 @OpenAINewsroom 的貼文 ↗

論文與前沿研究

Google DeepMind 發表 AlphaProof Code：自動生成數百萬行 Lean 形式化證明驗證 Signal 核心 GGoogle DeepMind

• 一言以蔽之：DeepMind 結合 Gemini 4 Carbon 與 AlphaProof Code，成功完成 Signal 端對端加密通訊協定機器碼的數學形式化安全驗證。
• 極致驗證規模：系統自主產生超過 600 萬行（核心證明約 300 萬行）經機器檢查的 Lean 形式化證明，將過往需要頂尖密碼學專家數年的驗證工時壓縮至數週。
• 自動化檢查比例：整個專案中約 99% 的程式碼皆由 Lean 自動定理證明器完成校驗，僅需約 1% 由人類工程師進行最終審核。
• 成果全面開源：DeepMind 宣佈將形式化驗證成果與相關工具向資訊安全社群完全開源，展示將 AI 深度驗證引入防禦工程的巨大可行性。
• 傳送門：Google DeepMind 官方研究部落格

Google DeepMind 攜手 Artificial Analysis 推出 MKA 基準：檢驗多模態知識工作 Agent GGoogle DeepMind / Artificial Analysis

• 一言以蔽之：雙方聯合發布 Multimodal Knowledge Agent（MKA）基準測試，專門評估 AI Agent 在面對複雜圖表與視覺檔案時的真實辦公能力。
• 多模態複雜任務設計：評測涵蓋工程藍圖交叉比對、複雜科學圖表判讀與多頁財務報表查核等現實世界知識工作，彌補傳統純文字 Agent 評測的盲區。
• 成本與效益表現：最新發布的 Gemini 4 Carbon 在該基準中名列第二名，單一任務平均花費僅為榜首模型的六分之一。
• 傳送門：Google 官方發布公告

微軟研究院揭示 Lazarus 後門攻擊：僅需重程式設計少數休眠神經元即可劫持 Agent MMicrosoft Research

• 一言以蔽之：微軟安全團隊發現名為 Lazarus 的權重空間後門技術，無須重新訓練即可讓 AI Agent 在特定觸發條件下執行惡意行為。
• 權重空間精準注入：研究發現僅需在模型權重中修改少於 10 個休眠神經元，即可在不破壞一般任務表現的前提下，使 Agent 在特定環境或提示下觸發非預期行為。
• 防禦與模型溯源建議：微軟提醒企業應嚴密檢驗模型來源並實施執行期許可權管控，建議透過 Azure Direct Models 及 Microsoft Foundry 機制過濾不受信任的第三方權重。
• 傳送門：微軟研究院官方部落格

UC Berkeley RDI 推出 CyberBinGym：評估 Agent 在無原始碼下的 1-Day 漏洞利用能力 UUC Berkeley RDI

• 一言以蔽之：柏克萊團隊發布 CyberBinGym 資安評測框架，測試 AI Agent 能否僅依賴剝離符號的二進位修補程式反推出真實漏洞利用。
• 真實現況模擬：測試涵蓋來自 53 個開源專案的 100 項任務，在不提供原始碼、漏洞說明與測試輸入的情境下，僅憑已修補與未修補的二進位檔案進行比對分析。
• 逆向工程自主性驗證：旨在量化前沿模型在真實攻防對抗與無原始碼二進位分析中的自主漏洞發現與重構能力。
• 傳送門：Berkeley RDI 官方部落格

開源生態與開發工具

Meta 開源 TLX：為大規模機器學習設計的硬體原生 Triton GPU 編譯器擴充套件 MMeta Engineering

• 一言以蔽之：Meta 發表並開源 Triton Low-Level Extensions（TLX），兼顧 Triton 的高開發效率與底層 GPU 核心的極致控制。
• 底層硬體精細編排：引入 Warp 群組與 Cluster 層級的顯式排程，支援非同步記憶體傳輸與 Tensor Memory 管理，讓工程師能直接榨乾現代 GPU 硬體極限。
• 生產環境驗證：TLX 已在 Meta 內部全面落地，成功為超大規模推薦系統訓練、推論以及前沿 LLM 預訓練流水線帶來顯著的吞吐效能提升。
• 傳送門：Meta 工程部落格

PyTorch ExecuTorch 支援 WebGPU 後端：PyTorch 模型免轉檔直跑瀏覽器 PPyTorch

• 一言以蔽之：ExecuTorch 推出 WebGPU 後端支援，匯出的 .pte 檔可直接在瀏覽器 GPU 上執行硬體加速推論。
• 免跨框架轉換：開發者僅需透過 torch.export 將模型輸出為 .pte 格式，即可直接在支援 WebGPU 的瀏覽器中進行 GPU 推論，完全免去轉為 ONNX、GGUF 或 TFLite 的複雜步驟。
• 隱私與伺服器成本優勢：大幅降低 Web 端 AI 應用的開發門檻，讓端側客戶端能在保障隱私的前提下自主分擔伺服器推論負載。
• 傳送門：PyTorch 官方公告部落格