Qwen4-Max 上线 OpenRouter
Qwen 宣布 Qwen4-Max 已在 OpenRouter 上线,可直接用于构建。据 OpenRouter 介绍,Qwen4-Max 是 Qwen4 系列的首个模型,面向编码、办公工作和长程智能体。
11月16日 周一 · 今天已挑出 3 条
Qwen 宣布 Qwen4-Max 已在 OpenRouter 上线,可直接用于构建。据 OpenRouter 介绍,Qwen4-Max 是 Qwen4 系列的首个模型,面向编码、办公工作和长程智能体。
阿里发布Qwen4 Max,在Artificial Analysis智能指数(xhigh推理档)得43分,比Qwen3.8 Max高9分,比Kimi K3.1 Pro低3分。每任务成本$3.27,约为Qwen3.8 Max($10.02)的三分之一,比Kimi K3.1 Pro($3.68)低约11%,每任务输出token约105k,比Qwen3.8 Max少39%。模型支持1M tokens上下文和文本、图像输入,首方API定价$1.50/$4.50每1M输入输出tokens,缓存命中$0.075。
阿里云 Qwen 发布 Qwen4-Max,基于新 MoE 架构,原生支持视觉,上下文窗口为 1M-token。官方内部评测显示其比 Qwen3.8-Max 最多少用约 50% token,单任务平均成本下降超 60%。API 已在 QwenCloud 上线,输入 $1.5/M tokens、输出 $4.5/M tokens、隐式缓存 $0.075/M tokens,隐式缓存价格较 Qwen3.8-Max 降 70%。
AWS 发布下一代 Amazon Bedrock AgentCore runtime 更新,每个会话仍运行在独立的 Firecracker MicroVM 中,会话启动快至 15 倍、算力扩至 4 倍、运行效率提升 68%。会话规格提升到最高 8 vCPU 和 32 GB,支持 10 GB 容器镜像,启动时间低于 2 秒且不受镜像大小和并发影响。计费改为按实际用量,空闲会话可缩容至零,多轮会话每会话内存消耗最多减少 68%,并支持通过 FUSE 将工作数据挂载到 Amazon S3 等文件系统。
Google 在 Antigravity 中向外部研究者与开发者开放 /teamwork 多智能体工具,可与 Gemini 4 Argon、Carbon、Hydrogen 及 /boost、Deep Review 配合使用。官方称该工具已在信息论、形式化验证、分子结构解析和内核优化上产出成果,例如 /teamwork-LEAP 自主生成约 180 万行 Lean 的 Weil 猜想形式化。Google 同时开放 1 万名学术研究者六个月的免费高用量档申请,并称后续会把形式化证明模式等更多工作流带入 Antigravity。
GitHub 宣布 Google 的 Gemini 4 Hydrogen 已在 GitHub Copilot 中正式可用。该模型面向快速高效的智能体编码、工具调用和多步工作流,指令遵循较 Gemini 3.8 Flash 有所改进。用户可在 GitHub Copilot 应用、CLI 和 @code 中找到它。
OpenAI 推出 ChatGPT Wallet,让 ChatGPT Work、Codex 和 dots 中的智能体在用户批准下完成购买。该钱包沿用现有的银行卡保护机制,原文未披露支持的卡组织、地区或上线时间。
DeepSeek 将 DeepSeek App 背后的搜索、文件、链接、安全与语音能力通过 DeepSeek API 开放。开发者可用少量参数启用内置功能,或调用 OCR、ASR、TTS 等独立 API,在自己的应用中构建对话或复刻完整 App 体验。官方同时放出支持导入 DeepSeek 对话历史的开源前端 demo,代码托管在 GitHub。
llama.cpp 与 ggml 发布 v1.0.0 库版本,项目方称这是对下游开发者的责任体现。今后两个项目遇到 API 与 ABI 不兼容时都会提升主版本号,公共 C API 的破坏性变更对应 MAJOR 升级。llama.cpp 目前支持超过 150 种模型架构变体及主流投机解码方法,并已通过 Docker、Homebrew、conda-forge、MacPorts、Winget、XCFramework 等渠道分发。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并同步开放给 AI Studio、Gemini API、Gemini app、Google Search 及付费 Pro/Ultra 订阅用户。该模型在 Artificial Analysis 智能指数默认高档得 51 分,高于 Argon 的 50 分,xhigh 档达 54 分;100 万 token 上下文窗口统一按每百万输入 token $1.50、输出 $7.50 计价。相比 Gemini 3.8 Flash,其默认高档完成任务快 2.5 倍,Terminal-Bench 4.1 得分从 18.2% 升至 57%。
Google Search 面向所有用户全球上线 Gemini 4 Hydrogen,官方称这是 Search 迄今最大的一次模型升级。新模型增强意图理解与指令遵循和工具调用能力,可处理多部分问题、难辨拼写错误和高度具体请求。其推理能力强化查询扇出,跨相关子主题同时检索并给出更多链接,回复也更多采用图片、对比表格和定制工具等可视化形式。
Anthropic 宣布启动首次公开募股(IPO),并公布 ipo.anthropic.com 作为入口。Anthropic 已就此次发行向 SEC 提交注册声明(含招股书),投资者可在 SEC EDGAR 网站免费获取该文件,也可向 Goldman Sachs 或 Morgan Stanley 的招股书部门索取初步招股书副本。Anthropic 声明,在注册声明生效前,不得出售证券,也不得接受购买要约;该帖不构成在任何不允许此类要约或销售的司法辖区出售证券的要约或购买邀请。
Google DeepMind 推出 Gemini Decisions API,由新模型 Gemini Decision 1(gemini-decision-1)驱动,已在 Google AI Studio 的 Gemini API 中开放。该接口对文本、图像、音频、视频和 PDF 的同一份多模态输入(上限 256K tokens)一次评估最多 1000 个是/否、多选和评分问题,单次前向打分返回概率与 0 到 1 的置信度,端到端延迟 150-250 ms。定价为每 1M 输入 tokens $0.10、输出 tokens 不计费,并提供 AI Studio 免费额度用于原型开发。
Google DeepMind 发布 AlphaGenome 2,这是新一代 DNA 序列模型,可从组织平均细化到单个细胞类型和状态,预测遗传变异如何影响数百种人类细胞类型。模型基于 68 种组织、超 1.07 亿个单细胞图谱训练,在 TenK10K 免疫细胞数据上识别出的因果变异比例从原模型的 16% 提升到 30%,方向性基因效应从 23% 提升到 43%。该模型今日起通过 AlphaGenome API 开放非商业研究,商业研究为私密预览,并计划在 Google Antigravity 中推出 AlphaGenome 2 Skills。
Qwen 宣布 Qwen4 即将推出,主打更深的知识、更强的世界理解以及编码与智能体能力,面向复杂编码、知识工作、前端构建和专业软件工作流等真实任务。Qwen4-Max 已在阿里 Token Plan 开启预览,并可在 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前体验。
微软研究人员披露后门技术Lazarus,通过重编程LLM中不到10个休眠神经元即可给基于该模型的智能体植入后门,且无需训练。被植入后门的模型能通过标准评测并正常表现,直到触发条件出现,例如时钟跨入2027年,智能体便会在普通任务中发出下载并运行攻击者代码的命令,并以用户授予的权限执行。作者指出检测需与原始未修改权重做diff,权重来源与完整性因此关键;微软Foundry已通过来源校验、绑定可信发布方和容器扫描防范来自可信实验室的模型,并计划将权重扫描、红队工具和模型签名用于开放权重模型接入。
GitHub 宣布 Google 的 Gemini 4 Carbon 已在 GitHub Copilot 中正式可用,该模型面向复杂编码、智能体和推理任务,并特别侧重安全工作。用户可在 GitHub Copilot 应用、CLI 和 @code 中试用。
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 NVIDIA OpenShell 贡献给 CNCF,作为 Sandbox 项目由社区治理。NVIDIA 同时参与 Google 主导的 Agent Substrate 项目,并发布 DSX AI Factory Platform 的三个新组件 NVIDIA Kubernetes Engine、NVIDIA Kubernetes Recipes 和 NVIDIA Snapshot,其中前两者已进入公开预览。NVIDIA 称 OpenShell 上线不到一年已有数百家组织使用、收到数万次贡献;Snapshot 在 Crusoe 上用 NVIDIA HGX B300 测试 GLM-5.3,工作负载就绪时间从约 8 分钟缩短到 31 秒。
Google DeepMind 研究人员用 AlphaProof Code 智能体框架对 Signal 协议实际代码做形式化验证,证明其关键安全属性。该框架由多个 LLM 智能体分工,先由人类专家与模型共同把安全目标转成形式化规范,再由 Gemini Carbon 驱动的智能体生成超 600 万行 Lean 证明,人工只需复核约 1% 代码。整个验证过程耗时四周,而这类任务历史上需专家团队数年;团队还向隔离版本重新植入两个已修复的真实漏洞,系统均给出机器可检验的不安全证明。DeepMind 表示这是 AI 首次以这种深度形式化验证广泛部署的加密协议,并将开源相关验证产物。
Hugging Face 发文介绍决策模型,并说明 Transformers 已支持 DecisionPipeline、AutoModelForDecision 和 DecisionConfig,模型接收 state 与 questions,直接返回 choice、score、noul 三类带概率的结构化决策,不生成文本。llama.cpp 也支持同一 /v1/systemone 接口,Hub 新增专用标签用于发现这类模型。作者称 TRL 的一等训练支持仍在 PR 阶段,Unsloth 已给出用 LoRA 加决策打分头把生成式 LLM 改造成决策模型的方案。