跳到正文
只看模型
10月29日周四
  3. Josh Woodward71

    Google 发布 Gemini 4 Carbon，距 Gemini 4 Argon 发布仅两周。Carbon 在 Artificial Analysis Index v5.0 以 59 分排名第一，网络安全评测 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，长程任务较 Argon 明显提升并加强了前沿安全防护。模型将先向部分可信网络防御者开放，通过 Fairwind Program 扩展到更多合作伙伴，随后更广泛可用。

    引用Sundar Pichai@sundarpichai

    我确实说过我们会定期发布我们的模型……隆重推出 Gemini 4 Carbon，我们的下一代前沿模型。 继两周前 Argon 发布之后，Carbon 展现了我们推进前沿的速度，它在最近更新的 @ArtificialAnlys 智能指数 v5.0 中排名第一，得分为 59。它还在关键网络安全评估中领先，在用于发现漏洞的 SEC-bench Pro 上得分 88.2%，在用于漏洞利用的 ExploitGym 上得分 54.8%，在用于修补的 CWE-bench 上得分 71.0%。 即使与 Argon 相比，我们也在长周期任务上看到了显著改进，并且我们加强了前沿安全保障。 正如我们对 Argon 所做的那样，我们将逐步且负责任地推出它。一些受信任的网络防御者将从本周开始获得访问权限。我们将通过我们的 Fairwind Program 将其扩展到更多合作伙伴，随后很快会更广泛地提供，所以请耐心等待！

    同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》

  9. Google DeepMind：Blog68

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，主打网络安全与长程智能体能力，在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先，并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

    推荐理由：官方公布 Gemini 4 Carbon 的安全编码与长程任务成绩和定价，可据此外推其在网络安全防御场景的实际定位。

10月28日周三
  5. OpenBMB55

    OpenBMB 转发并感谢 @atomic_chat_hq 的演示：该演示在 M5 Max MacBook 上本地运行 MiniCPM-OCR 1.0，处理 Anthropic S-1 文件全部 415 页，1.2GB 模型约每页 4 秒，数据全程不离开设备。GGUF 权重已发布在 huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF。

    引用atomic.chat@atomic_chat_hq

    A 1.2GB model on a Mac read Anthropic's whole IPO 📄 @OpenBMB MiniCPM-OCR 1.0 went through all 415 pages of Anthropic's S-1 on an M5 Max MacBook at about 4 seconds a page and nothing ever left the laptop GGUFs -> https://huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF

  6. OpenBMB50

    OpenBMB 开源 MiniCPM-OCR 系列模型，把文档解析与 OCR 结果可靠性评估配套提供。MiniCPM-OCR 1.0 是 1.3B 参数的中英文文档解析模型，支持扫描页、拍照文档、倾斜和弯曲页面，可处理表格、公式、PDF 和关键信息抽取，并支持查看 Markdown 源码与预览解析结果；MiniCPM-OCR Jev 是独立模型，用于评估 OCR 结果可靠性，帮助识别需要人工复核的输出。模型权重开放在 GitHub 和 Hugging Face，支持多种部署方式。

    引用draven@dravenip

    DOCUMENT PARSING IS GETTING REALLY INTERESTING MiniCPM-OCR is an open-source model family from @OpenBMB and ModelBest built to turn documents into structured, usable information. → MiniCPM-OCR 1.0 is a compact 1.3B-parameter model for English and Chinese documents → handles scanned pages, photographed documents, tilted inputs and even curved pages → supports tables, formulas, PDFs and key information extraction → lets you inspect the Markdown source and preview the parsed output the family also includes MiniCPM-OCR Jev, a separate model that assesses the reliability of OCR results and helps identify outputs that may need human review. pretty cool to see document parsing and output assessment tackled together, with open-source weights and multiple deployment options. GitHub: http://github.com/OpenBMB/MiniCPM-OCR Hugging Face: MiniCPM-OCR 1.0：http://huggingface.co/openbmb/MiniCPM-OCR-1.0 MiniCPM-OCR Jev：http://huggingface.co/openbmb/MiniCPM-OCR-Jev

  8. 公众号：面壁智能66

    面壁智能发布并开源 MiniCPM-OCR 系列：1.3B 解析模型与 2B 判别模型

    面壁智能发布并开源 MiniCPM-OCR 系列。MiniCPM-OCR 1.0（1.3B）在 Real5-OmniDocBench 取得 93.68 分、OCRBench v2 取得 54.7 分的 SOTA，经 DSpark 加速后吞吐达 1.217 页/秒，端到端效率提升 55%。

    推荐理由：原文给出双 SOTA 得分、吞吐实测与免检比例数据，并首次引入独立的解析结果判别模型，可用于评估文档解析落地方案。

  11. OpenBMB54

    面壁智能 OpenBMB 转评 @wikiwayne 对 MiniCPM-OCR 的评测，感谢其透明对比并分享了结果与注意事项，表示期待该模型在 GX10 上的本地测试表现，称这类真实反馈会推动模型持续改进。引用内容提到 MiniCPM-OCR 1.0 为开源 13 亿参数 OCR 模型，与评估结果可靠性的 MiniCPM-OCR Jev 配套，权重已开放于 GitHub 和 Hugging Face。

    引用Guillermo Casaus@_guillecasaus

    Acaban de lanzar un modelo OCR open-source de solo 1.300 millones de parámetros. Se llama MiniCPM-OCR 1.0 y viene acompañado de MiniCPM-OCR Jev, otro modelo que evalúa la fiabilidad de los resultados. Ambos desarrollados por OpenBMB y ModelBest. Entre ambos permiten: → Extraer texto, tablas y fórmulas de documentos → Procesar PDFs y páginas escaneadas o fotografiadas → Trabajar con documentos inclinados o curvados → Incluir una puntuación de confianza en los resultados para facilitar su revisión manual → Ejecutarse con vLLM, SGLang y Ollama MiniCPM-OCR 1.0 ha conseguido 93,68 puntos en Real5-OmniDocBench, según sus benchmarks oficiales. Pero lo más interesante es Jev. En lugar de corregir los errores automáticamente, evalúa la fiabilidad de los resultados extraídos e incluye una puntuación de confianza para facilitar su revisión. Además, MiniCPM-OCR 1.0 incorpora KIE (Key Information Extraction), una funcionalidad para extraer información clave de los documentos. Y sí, los pesos de ambos modelos son abiertos. 🔗 GitHub: https://github.com/OpenBMB/MiniCPM-OCR 🤗 Hugging Face: https://huggingface.co/openbmb/MiniCPM-OCR-1.0 Más recursos y demo en el primer comentario 👇

  18. 公众号：数字生命卡兹克65

    Google 发布世界模型 Genie 4，支持实时操控与原生音频

    Google 发布下一代世界模型 Genie 4，相比 Genie 3 在照片级真实感、物体碰撞等物理模拟上有明显进步。用户可用 WASD 和双摇杆实时控制角色或镜头，运行中可用自然语言修改天气和加入物体，模型还能同步生成环境音与人物实时对话。

    推荐理由：文章梳理了 Genie 4 相比 Genie 3 的画质、实时控制、原生音频等变化，并用视频路线与高斯泼溅路线的对比帮助读者理解世界模型走向。

  20. Demis Hassabis61

    Demis Hassabis 宣布 Genie 4 发布，称其结合实时物理、推理与音频，并暗示“模拟中的模拟”。引用的 @GoogleDeepMind 介绍称 Genie 4 是迄今最逼真、交互性最强的世界模型，可实时探索动态环境，观察场景响应、声音以及其中人物的移动、反应和说话。

    引用Google DeepMind@GoogleDeepMind

    This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.