Google DeepMind

谷歌 DeepMind 联合 Artificial Analysis 推出 MKA 基准，用于评测智能体在复杂视觉文件上的知识工作能力。该基准包含覆盖 10 个行业的 200 个私有真实任务，要求智能体从建筑图纸、工程示意图和临床扫描等密集视觉输入中产出幻灯片、表格、报告等交付物，强调输入的真实视觉复杂度与领域特异性。

Google 于 11 月 5 日发布视频模型 Gemini Omni Flash 1.2，在 Artificial Analysis 的 AA-Video-Editing v1.1 榜单中位列第二，文生视频排名从第 12 升至第 6，图生视频从第 17 升至第 14。该模型支持文生视频、图生视频与视频编辑，具备原生音频，单段最长 15 秒，1080p 每分钟调用成本 6.26 美元，较上一代降低 31%，并将于 12 月 3 日在 Gemini API 上替换 1.1 版本。

Arena.ai 的 Agent Arena 分析显示，随着任务复杂度提升，Gemini 4 Carbon 相对 GPT-6 Astra 与 Claude Opus 5.5 的成本优势持续扩大。典型任务中 Astra 成本约为 Carbon 的 3.4 倍、Opus 5.5 约为 3.9 倍，而在最贵的 5% 会话中 Opus 升至 4.2 倍、Astra 成本近乎翻倍。该结论对长周期智能体任务的成本规划具有参考价值。

Google DeepMind 与 Artificial Analysis 合作推出 MKA（Multimodal Knowledge Agent）基准，专门评估智能体在视觉复杂任务上的表现，填补现有评测对蓝图交叉比对、科学图表阅读等专业场景的空白。Gemini 4 Carbon 在该基准上排名第二，单任务平均成本比榜首模型低 6 倍。

Google DeepMind 联合 Artificial Analysis 推出 Multimodal Knowledge Agent (MKA) 评测，包含 200 个来自 10 个行业的私有真实视觉任务，要求智能体阅读建筑图纸、工程示意图、临床扫描等复杂视觉文件并产出幻灯片、表格、报告等交付物。评测采用 Climb 与 Regression 双轨专家评分标准，每题平均约 70 条加权准则，Claude Sonnet 5.5 在部分领域领先。

Google DeepMind 发布视觉-语言-动作（VLA）模型 Gemini Robotics 2.5，称其相较自家此前基线在各类任务上提升 30% 至 100%。在匈牙利与德国的奔驰在产产线上，Apptronik 人形机器人 Apollo 2 完成金属零件分拣，报告成功率达 96%。DeepMind 同时以 Gemini 4 Argon 作为仿真引擎用于训练，并开源 ASIMOV-Jailbreak 基准以评测机器人模型安全性。

谷歌正式向开发者、企业和消费者开放 Gemini 4 Carbon，这是其当前最强的前沿模型，主打网络安全能力与长程智能体工作流。Carbon 定位在 Gemini 4 Argon 之上，面向复杂多步编码调试与开放式科研等极限任务，Argon 仍是多数软件工程与知识工作的首选。此前 Carbon 已通过 Fairwind 计划向网络安全防御方小范围开放。

谷歌正式向开发者、企业、科研机构与消费者开放 Gemini 4 Carbon，这是其当前最强的前沿模型，在网络安全能力与长程智能体工作流上达到前沿水平。Carbon 此前通过 Fairwind 计划向网络安全防御方限量开放，定位为处理复杂多步编码调试与开放式科研发现等高难度任务，而 Gemini 4 Argon 仍是多数软件工程与知识工作的首选。

Google DeepMind 用 Gemini Carbon 智能体集群为 Signal 实际运行的编译后代码生成约 650 万行 Lean 形式化证明，在处理器指令层面数学验证消息保密性，且证明由 Lean 检查器独立校验，无需信任 AI 本身。该工作耗时约 4 周，而专家团队过去需要数年，人类仅负责设定安全目标并复核智能体标记的约 1% 内容。这是首次对广泛使用的协议在机器码层面完成端到端形式化验证。

Google DeepMind 发布 Gemini Robotics 2.5，其视觉-语言-动作模型在灵巧操作上大幅提升，已能在梅赛德斯-奔驰工厂完成实际作业，并支持 Apptronik Apollo 2 人形机器人完成系蝴蝶结等柔性物体操作。团队同步推出开源安全基准 ASIMOV-jailbreak，为机器人与人类协同作业的安全评估提供标准化工具。