AI 與前沿科技週報：Gemini 4 Argon 發布、多代理進展，以及實體 AI 數據計畫

TL;DR: Google 的 Gemini 4 Argon 模型推出，具備業界領先的 100 萬 token 輸出視窗與具競爭力的定價，同時一連串多代理與實體 AI 專案（Delvetown、Axis Robotics、Vangrid、Boreal‑H3、ExplorationBench）展現該領域正朝長遠推理、代理工作流程與現實世界資料迴路轉變。

Gemini 4 Argon – Google 的新前沿模型

  • 模型能力：Gemini 4 Argon 支援 100 萬 token 的輸出限制（由 64K 提升），支援多模態輸入（文字、影像、影片、語音），以及 100 萬 token 的上下文視窗。該模型定位於複雜的軟體工程、法律、金融與資安工作流程中的深度推理@GoogleAI。
  • 性能指標：在 Artificial Analysis Intelligence Index 上，Argon 得分 53（與 GPT‑6 Astra 相同），並在代理基準測試中領先（AutomationBench‑AA 上達 77.5%，超越 Claude Sonnet 5.5）。幻覺率為 15%，是得分 45 以上的模型中最低者@ArtificialAnlys。
  • 定價與推出：初始發售價為每 100 萬 token 輸入 $2、輸出 $10，享有 50 % 折扣（實際每任務 $1.99）與 95 % 快取折扣。目前僅限 Fairwind 計畫中的可信 cyber‑defender 合作夥伴使用，未來將擴大開放@_philschmid@GoogleAI。
  • 開發者存取：Google 宣布將「盡快」提供開發者存取，並強調該模型支援長時間解碼續寫功能，可產生超過請求逾時時間的回應@_philschmid。

多代理生態系統與工具

  • Delvetown：一個實驗性多代理社會，允許人類與 AI 代理共存、觀察，並原型化人類與 AI 共存的激勵對齊機制。它作為代理生態研究的開放世界環境@deepfates。
  • Claude Opus 5.5 對 GPT‑6.1 發布影片測試：Motion 展示兩模型在相同提示下製作產品發布影片，顯示前沿模型之間的創造力輸出相當@motion_so。
  • OrcaRouter 提示分析：開源系統提示針對 12 個程式碼代理工具（Claude Code、Codex、Cursor 等）揭示各工具的「秘密配方」與模型無關元件@OrcaRouter。
  • Skill Manager：一個 UI 層，讓開發者可切換程式碼代理技能的開關、分組，並執行 AI 驅動的問題掃描，提升 Claude Code、Codex、Cursor 等工具的上下文效率@camsoft2000。
  • JEV 決策引擎：多則推文（Sili Naihin、Bober_smart、S ᜰ）指出，JEV 大幅降低決策成本（例如每 1,000 決策僅需 $0.044，遠低於 GPT‑6 的 $12.18），實現低成本、類型化決策層，可卸載高 token 的 LLM 呼叫@silennai@Bober_smart@He1s_Sammy。
  • Claude Code 工作流程提示：建議使用者將 Opus 5.5 作為主要模型，將例行任務委派給 Sonnet 5.5，並保留 Fable 5.1 作為計畫驗證的諮詢子代理@mirku21。

前沿影片生成

  • Boreal‑H3：Creatify Labs 發布針對廣告優化的影片模型，達成 85.3 % 的參考保真度與 83 % 的身份匹配，同時將生成時間與成本減少約 20 %。系統使用封閉迴路反饋機制，迭代提升資料收集、強化學習與推論優化@Creatify_Labs。
  • Minimax H3 步驟減少：Stable Diffusion Tutorials 強調一個 LoRA 可將影片生成壓縮至四次推論步驟，且品質損失極小@SD_Tutorial。
  • MiniMax‑H3 360° LoRA：360° 等距影片 LoRA 可在 VR 平台上實現沉浸式影片播放@wildmindai。

ExplorationBench – 測量 AI 探索能力

  • 腾訊 Hy、復旦大學與清華大學的研究人員推出 ExplorationBench，一個評估系統提出假設、設計實驗並從結果中學習能力的基準。在十種前沿模型的測試中，發現反饋迴路能大幅改善表現（最佳結果在四輪後達 89 % 成功率），且僅具備規則意識並不足以保證任務成功@TencentHunyuan。

實體 AI 數據平台

  • Axis Robotics：強調其資料引擎能將成功的機器人行為轉化為可重複使用的「專家」模型，近期實驗顯示成功率從 22 % 提升至 52 %，特定專家甚至達近 100 % 成功率，每任務計算成本僅 $5–$10@iam_islandboi@Nahid_2027@destinydou_。
  • Vangrid：建立去中心化的空間資料網路，讓貢獻者透過智慧型手機捕捉現實環境，轉換為點雲與高斯點以訓練實體 AI 模型。目前已報告超過 100 萬次捕捉與 42.3 萬個活躍節點@eric_ho@REALJOSHUATIMI@BryanQuartz。
  • PRISM (Amazon FAR)：引入可擴展的真實→模擬→真實管道，將四段真實影片擴展為 256 種反事實變體，訓練單一策略以跨物件與佈局泛化@Z1hanW。

開源模型存取與基礎設施

  • GLM‑5.3 Flash：RunInfra 發布核心重寫，於 Vercel AI Gateway 上實現每秒 670 token 的速度，支援 100 萬 token 上下文與 FP8，定價為每 100 萬 token $0.11/$0.45，並享有 95 % 快取折扣@runinfrai。
  • DeepSeek Harness：現已支援 macOS 與 Windows，簡化 DeepSeek 模型的本地部署@DeepSeekHarness。
  • 本地 AI 伺服器堆疊：一位使用者描述使用 DGX‑Spark 基於 vLLM 的伺服器，透過 Tailscale 共享，提供統一的 OpenAI 兼容端點，可讓私人網路中的任何裝置同時服務多個模型（例如 GLM 5.3‑Flash）@sudoingX。
  • OpenBMB OPD 研究：提出 One‑Shot OPD，顯示大多數來自同策略蒸餾的提升來自單一查詢的狀態覆蓋，而非資料集大小，突顯後訓練流程中的資料效率@OpenBMB。

社群驅動的模型發布

  • 開放權重推進：AI Search 宣布 Ideogram 4.5 將以開放權重發布，使本地執行的模型性能超越 GPT‑Image 2.5@aisearchio。
  • 模型連續性擔憂：一則推文警告，若中國實驗室（Qwen、DeepSeek、Zai、MiniMax、Moonshot）停止發布開放權重，社群可能失去對前沿模型的獨立存取權@superalesha。

其他前沿更新

  • Stable Diffusion 影片生成 LoRA 減少影片生成的推論步驟@SD_Tutorial。
  • ExplorationBench 強調反饋迴路與動態基準任務對真正 AI 探索能力的重要性@TencentHunyuan。
  • Ollama 新增本地決策模型，如 Nimble，用於即時路由與內容審核任務@ollama。
  • Mercury Voice 帶來類似擴散的快速語音生成，擴展代理語音能力@StefanoErmon。
  • NeurIPS OASIS 論文 改進低比特注意力殘差，提升長上下文推論的穩健性，為前沿模型帶來顯著優化@Michael_Huang_W。

所有陳述均直接源自所引用推文；未添加任何外部推測。