Google 发布 Gemini 4 Hydrogen 模型，称这是搜索迄今最大的一次模型改进，能更好理解多部分、高具体度和含拼写错误的复杂问题。该模型面向快速执行的智能体工作流，完成任务速度是 Gemini 3.8 Flash 的 2.5 倍，在 Artificial Analysis Intelligence Index 默认高思考档位上超过 Gemini 4 Argon。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
无界前沿开源生物信息大模型Fx-Bio-1031并开放完整模型权重，在Anthropic的BioMysteryBench困难子集上取得70.59%的Pass@5，高于GPT-6-Astra的47.06%和Claude Opus-5的52.94%。
Google 发布 Gemini 4 家族中成本最低的 Gemini 4 Hydrogen，定价为每百万 token 输入 1.50 美元、缓存输入 0.075 美元、输出 7.50 美元。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
Google 发布 Gemini 4 Hydrogen 模型，称其能更好地处理包含多个部分、拼写错误或高度具体要求的复杂问题，并会拆解问题逐项作答。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
Google 发布 Gemini 4 Hydrogen，并已在自家产品中替换 Gemini 3.8 Flash。该模型提供 low、medium、high 和新增的 xhigh 四档思考等级，Google 称 high 模式下速度是 Flash 3.8 的 2.5 倍，编造性表述减少 5 倍以上，Terminal-Bench 得分超过 3.8 Flash 三倍。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Hydrogen 模型》
Google DeepMind 发布 Gemini 4 Hydrogen，主打日常编码与智能体工作流的速度和效率，并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。
推荐理由：官方给出 Hydrogen 与 Carbon、Argon 的分工，以及多模型编排在成本与速度上的实测差异。
Google 推出 Gemini Decision 1，加入 Jev 和 OpenAI 所在的决策模型类别，支持是/否、选择、评分三种提问类型，并沿用 Jev 的 Noul 术语。
Google DeepMind 发布 AlphaGenome 2，这是一个条件式 DNA 序列模型，可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
推荐理由：官方给出与上一代在变异召回和细胞类型特异性上的对比数据，可据此判断条件化建模对遗传研究的实际增益。
Latent Space 对 NaiveAI 的开源权重模型 Naive-N0.5-Flash 做了实测，该模型宣称峰值约 2100 tokens/s、思考阶段接近 1000 tokens/s。
Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。
推荐理由：原文给出 Carbon 与 Argon 的定位分工、多项基准排名和每任务成本对比，便于判断何时该换用更强模型。
Google DeepMind 发布 Gemini Robotics 2.5，称其为目前能力最强的视觉-语言-动作（VLA）模型，在 200 项任务上相比此前基线成功率提升 30% 至 100%，完成任务速度快 20% 至 30%。
推荐理由：官方给出 200 项任务评测与奔驰产线 96% 成功率的实测数据，可据此判断 VLA 模型在真实工业场景的落地程度。
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 全面开放。
推荐理由：官方给出 15 秒原生生成、多轮对话编辑和 30% 降价，可据此判断视频生成的成本与工作流变化。
Reflection 的首个开放权重模型 Beam 于 10 月 16 日上午正式发布，Ollama 作为 day-zero 合作伙伴限时免费提供。Beam 是 MoE 模型，总参数约 501B、每 token 激活 23B，上下文窗口 100 万 token，面向软件工程、推理和长程智能体任务，采用 Apache 2.0 许可。
推荐理由：Reflection 首个开放权重模型 Beam 以 Apache 2.0 发布，读者可据此了解其 MoE 规模、百万 token 上下文与智能体定位。
NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线，可完全在本地设备运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 开源模型，面向持续运行的智能体任务，支持最长 1M token 上下文，并通过多 token 预测等投机解码实现最高 4 倍于同类开源模型的吞吐。
推荐理由：原文给出 30B 总参数、3B 激活的本地智能体模型规格与吞吐数据，可据此判断本地常驻智能体的可行性。