[控场AI]
· 6 分钟阅读· 3,175 字

Gemini 4 Neon发布,Anthropic IPO定价83美元成焦点

Gemini 4 Neon发布,Anthropic IPO定价83美元成焦点

Gemini 4 Neon发布、Anthropic高定价IPO,基础模型竞赛进入商业化深水区。

本期AI日报覆盖多项关键动态:Google发布Gemini 4 Neon,智能指数排名第三,输入每百万token 3美元、输出15美元,代码中还疑似出现新名称Cobalt;Anthropic以每股83美元完成IPO定价,高于70至78美元预期区间,次日在纳斯达克交易。OpenAI披露Agent零人工完成46%的2至4小时任务,较3月的23%接近翻倍,并呼吁公开RSI指标,同时公布与AMD合作在GPU IP上取得最高14%的PPA改进。国内方面,腾讯混元4Flash首日消耗破50T tokens,商汤开源9B多模态模型SenseNova Loop 9B。安全侧,Promptama基准显示隐藏指令攻击平均成功率达34.9%。

一、Google发布Gemini 4 Neon,定价策略浮出水面

据B站AI日报消息,Google正式发布Gemini 4 Neon,并同步在Gemini API与AI Studio上线。官方披露的智能指数排名显示,该模型位列第三,Wales位居第二。定价方面,输入每百万token 3美元,输出每百万token 15美元。

这一价格区间在当前旗舰模型市场中处于中上水平,反映出Google对Neon性能定位的自信。结合此前Gemini系列在开发者生态中的布局,Neon的上线意味着Google正在加速将最新模型能力推向API用户。

模型在旗舰GPU IP上

说个细节,爆料称Gemini 4 Neon代码旁出现新名称"Cobalt",该名称出现在Google AI Studio的代码中,目前不确定是否为另一款新模型,该消息尚未获得官方确认。若Cobalt确实存在,可能暗示Google正在筹备多模型并行的产品矩阵。

二、Anthropic IPO定价83美元,登陆纳斯达克

Anthropic将IPO定价为每股83美元,将于次日在纳斯达克开始交易,共发行9.8亿股A类普通股。此前预期区间为70至78美元,最终定价高于上限,显示出资本市场对Anthropic的强烈兴趣。

这一IPO定价对AI行业具有风向标意义。作为OpenAI的主要竞争对手之一,Anthropic的上市表现将直接影响市场对基础模型公司估值逻辑的判断。高于预期区间的定价,在一定程度上印证了投资者对头部AI实验室商业化前景的信心。

三、OpenAI密集释放研究与合作信号

OpenAI公布了一组关于AI改变研究方式的新数据:Agent以零人工完成46%的2至4小时任务,而3月这一数字为23%。任务完成率在数月内接近翻倍,说明Agent在中等时长任务上的自主性正在快速提升。

OpenAI同时主张实验室应公开报告RSI指标,这一呼吁涉及AI研发透明度与行业标准建设。此外,OpenAI透露与AMD合作不到5个月,模型在旗舰GPU IP上找到最高14%的PPA改进,同样方法应用于自研推理芯片Jalapail上,改进已在真实流片验证。

模型在旗舰GPU IP上

在API层面,OpenAI为Responses API增加了后台模式,首个响应可设为2小时或8小时,每Token比标准模式最多省40%,代价是响应不再及时返回。

代价是响应不再及时返回了

ChatGPT还上线了Accounting插件,接入QuickBooks、Xero等7家财务软件,用于月末报表、银行对账、数据录入和审计准备,官方未公布定价。

PPA(Power, Performance, Area,功耗-性能-面积)是芯片设计中衡量优化收益的经典三维指标:同一功能在相同工艺下,功耗更低、频率更高、面积更小即为改进。所谓在旗舰 GPU IP 上找到最高 14% 的 PPA 改进,通常指通过模型辅助的电路或微架构探索,在给定约束下找到更优的配置点,而非直接改变制程。将同一方法迁移到自研推理芯片 Jalapail 并通过真实流片验证,意味着这种优化从仿真走向了可量产的硅片,对降低推理成本具有实际意义。

四、国内厂商动态:腾讯与商汤

腾讯公布三季度AI数据:混元4Flash首日消耗突破50T tokens,WorkBuddy日活超1000万、日耗100T tokens,腾讯云收入增速加快至35%。这组数据反映出腾讯在模型调用量和应用侧活跃度上的规模效应。

商汤开源9B多模态模型SenseNova Loop 9B,用Loop机制让32层跑出等效56层效果。基准表现上,AutomationBench从14.33升至36.67,Gaia从37.86升至69.90,提升幅度显著。

五、开源生态:ReddickSock与NVIDIA新作

ReddickSock发布DaisyRose 27B,基于QW3.8-27B,仅做强化学习后训练,TerminalBench 4.1通过率从5.6提升至12.0,模型采用Apache 2.0许可。

模型采用Apache 2.0许可

NVIDIA开源Nemotron Labs Sigma,将连续扩散引入语言建模,按块并行输出Token,系列共14个Checkpoint,覆盖3B与8B。这一方向尝试突破自回归生成的串行瓶颈,对推理效率有潜在影响。

连续扩散(Continuous Diffusion)原本用于图像生成,其思路是从纯噪声出发,通过逐步去噪还原出目标数据。将这一范式迁移到语言建模时,Token 不再是逐字串行生成,而是被映射到连续向量空间后按块(block)并行去噪。相比自回归模型必须等待前一个 Token 生成完毕才能预测下一个,块并行输出能显著提升 GPU 利用率与吞吐,但代价是难以像自回归那样天然支持任意长度的流式续写,且训练目标与离散词表之间存在量化误差。NVIDIA Nemotron Labs Sigma 同时放出 3B 与 8B 共 14 个 Checkpoint,说明其在探索不同规模与去噪步数下的效果边界,这一路线能否在长文本连贯性上追平自回归模型,仍是开源社区关注的重点。

六、安全与产品实验

Promptama发布Frontier Bridge基准,在21个模型上隐藏指令攻击平均成功率达34.9%,Grok 4.5最高达到91.4%,隐藏在Agent Skills里的攻击成功率45.5%。这组数据提示Agent技能生态面临现实的安全挑战。

Google Labs推出实验产品Stitchloop,基于Gemini 4 Carbon与CodeMender,代码上线后盯指标、沙箱验证修复、自动开PR,PR由人工批准,目前需申请Waitlist。Gemini 4还支持在生成世界里实时输入新Prompt,比如放入角色、改变场景,原声音频会实时跟着适配,目前向符合条件的Google AI Ultra订阅者开放。

比如放入角色

隐藏指令攻击(Indirect Prompt Injection)指攻击者不直接向模型输入恶意指令,而是把指令藏在模型会读取的外部内容里——网页、文档、邮件、甚至 Agent 调用的工具返回值。当 Agent 为完成任务加载这些内容时,隐藏指令便被当作可信上下文执行,用户往往毫无察觉。Agent Skills 场景尤其危险:技能描述、示例、参数说明都可能成为注入载体,且技能一旦被调用会获得文件、网络等实际权限,攻击成功后的影响远超一次对话污染。Frontier Bridge 在 21 个模型上测得的 34.9% 平均成功率、Agent Skills 内 45.5% 的成功率,说明当前主流模型对这类间接注入的防御仍不稳定,提示词过滤与权限最小化需要同步推进。

总结

从Gemini 4 Neon的发布到Anthropic的IPO定价,再到OpenAI的Agent数据与芯片合作,本期消息勾勒出基础模型竞赛进入商业化深水区的图景。开源侧的多模态与扩散语言模型探索、安全基准的高攻击成功率,则提醒行业在能力提升之外仍需补齐治理短板。

#Gemini 4 Neon#Anthropic IPO#OpenAI Agent#商汤开源模型#NVIDIA Nemotron#AI日报#大模型定价
分享:

相关推荐