Gemini 4 Argon 今日正式面向大众可用(GA),但我们在两周前就已经将其作为头条报道进行了详细介绍,而像 CursorBench 等大多数基准评测,也只是独立证实了官方的宣传数据。
今天约有 2 万人参加了 AIE NYC,聆听来自“AI + 金融”前沿领域的主题演讲:包括 Anthropic 展示他们如何构建现代 AI 金融服务技术栈、Vals AI CEO 探讨对 Argon 等模型进行基准测试背后的核心原则,以及 Coatue 的 AI 负责人展示他们如何将新闻转化为投资决策。
所有主题演讲的逐字稿已整理在此处,全部演讲与工作坊内容也将尽快上线。欢迎明天继续收看第三天的议程:
AI Twitter 速览
前沿模型发布:Gemini 4 Argon 与 Muse Wonder
-
Gemini 4 Argon:Google 面向全球正式发布了 Argon,适用于代码编写、知识工作、企业工作流和网络安全防御。访问渠道覆盖付费 Gemini API 与 Gemini 平台;Gemini 应用程序中的 Google AI Pro 与 Ultra,以及 Google 搜索中的“AI 模式”(AI Mode);此外还包括 Antigravity 中的 Ultra。官方的正式推出推翻了此前某新闻简报中关于“访问权限仅限于网络安全防御人员”的说法(官方公告)。
-
Google 内部实践成果:Google 表示,Argon 协助将核心网页处理逻辑从拥有 600 万行代码的 Chromium 遗留文件夹中彻底拆分,在数周内完成了原本耗时数月的工作,并消除了一整类浏览器崩溃问题。Google 还报告称,由智能体驱动的代码提交量(agentic code submissions)增加了 35%,回滚率降低了近三分之一。这些属于内部工程部署的数据宣称,并非严格受控的生产力评测(工程成果报告)。
- 物理任务演示:DeepMind 研究人员展示了 Argon 如何通过人类示范视频推导出沙包掷洞(cornhole)游戏模拟、执行系统辨识(system identification),并在 Apptronik 的 Apollo 机器人上逐步微调投掷动作,最终实现了连续 7 次成功投掷。尽管某篇推文中提到了“零样本(zero-shot)”,但实际描述的工作流包含了在真实物理机器人上的多次尝试与优化修正(研究人员详述)。
-
开发者生态分发:Argon 目前已集成至 Cursor、Devin Desktop/CLI 和 GitHub Copilot。Cursor 报告称,在默认思考强度(default effort)下,Argon 在 CursorBench 上取得了 52.8% 的成绩,与 Opus 5.5 持平;Cognition 报告其在 FrontierCode 1.1 上的成绩为 60.5%,并在 10 月 27 日前提供 75% 的 Devin 折扣(Cursor,Devin,Copilot)。
-
Muse Wonder 的产品定位:Meta 的本次发布不仅强调编程能力,也同样着重突出了个人助手属性。“Active Focus(主动聚焦)”专注于长程任务持久性、异常恢复及备选方案探索;“Active Memory(主动记忆)”则致力于捕捉相关且实时更新的个人上下文。Alexandr Wang 明确表示,Muse 在消费级场景中的应用是其核心开发用例(能力探讨,Meta 定位)。
- 关于记忆机制的说明:文中所引用的 MemoryBench 主要测试的是在长单次会话内更新事实的能力,并不能证明其具备持久的跨会话记忆(cross-session memory)。另有深度分析指出,部分宣传中的亮眼胜率依赖于内部私有评测,或是刻意忽略了相关的竞品模型(深度分析)。
-
Muse 的上线与商业模式:代码能力的强劲表现与针对其订阅昂贵、额度严苛的抱怨并存。有用户反馈,在经历数次升级后仍快速耗尽了 200 美元套餐中的 5 小时可用额度;另一位用户起初赞扬其额度宽松,随后却报告在一天内就用完了每周 200 美元的全部配额。这些均属于特定工作负载下的用户个例反馈,并非定论性的配额对比(定价投诉,每周配额讨论)。
- 部署问题修复:Wang 承认存在部署问题,并随后表示 Meta 一直在持续修复上线部署中的故障。因此,早期的各种评价实际上夹杂了对模型本身的真实能力评价与针对多变部署状况的临时反馈。