VOL. 2026-11-13 · 9 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-13 · PUBLISHED · 约 7 分钟
Google DeepMind 发布高效模型 Gemini 4 Hy…
Google DeepMind 发布高效模型 Gemini 4 Hydrogen，覆盖 AI Studio、Gemini API、Gemini 应用及 Google 搜索等入口，成为当天最受关注的产品化进展。NVIDIA 则集中推出 Cosmos3 全模态世界模型系列，涵盖 4B、16B 与 640 亿参数版本，面向物理 AI 场景。研究层面，智能体评估与历史清理的实证结果显示，LLM Judge 与原生评分仅一致 56.2%，历史记录编辑若与世界状态不匹配可能适得其反。此外，Salesforce 开源语音识别模型，Agno 发布 v3.2.0 升级 A2A 协议与 Slack 接口，工具链与开源生态同步推进。
今日看点
3 个章节 · 9 条情报- 01模型发布Google DeepMind 发布 Gemini 4 Hydrogen 高效模型5
- 02研究进展智能体历史清理需匹配世界状态，否则可能适得其反3
- 03产品发布Agno v3.2.0 发布：升级 A2A v1.0 与 Slack Bolt1
模型发布
MODEL RELEASE5 篇Google DeepMind 发布 Gemini 4 Hydrogen 高效模型
Google DeepMind 发布 Gemini 4 Hydrogen，一款面向日常编程与智能体工作流的高效模型，已覆盖 Google AI Studio、Gemini API、Gemini 应用、Google 搜索及 Antigravity 等全量渠道。该模型在 Artificial Analysis 智能指数上以 51 分超过同系列 Argon 的 50 分，定价为每百万输入 token 1.50 美元、输出 7.50 美元，并支持 100 万 token 上下文。同时推出 Antigravity 中的 Orchestrator，可在同一会话内动态切换 Carbon 与 Hydrogen，在 Terminal-Bench 4.0 上以少 24% 配额、快 19% 的速度接近 Carbon 的任务成功率。
NVIDIA 发布 Cosmos3-Edge 全模态世界模型
NVIDIA 在 Hugging Face 发布 Cosmos3-Edge，这是 Cosmos 3 全模态世界模型系列中的 4B 参数版本，面向物理 AI（机器人、自动驾驶、智能空间）。该模型基于 Mixture-of-Transformers 架构，结合自回归与扩散两个 Transformer 塔，可接受文本、图像、动作轨迹输入，生成文本、图像、视频和动作输出。模型采用 OpenMDW1.1 许可，声明可用于商业与非商业用途，并支持多种机器人本体（如 Franka Panda、Agibot、UR 等）的动作维度。
NVIDIA 发布 Cosmos3-Nano 全模态世界模型
NVIDIA 在 Hugging Face 和 GitHub 上发布了 Cosmos3-Nano，这是 Cosmos3 全模态世界模型系列中的一款 16B 参数模型，基于 Mixture-of-Transformers 架构，可接受文本、图像、视频、音频和动作轨迹输入，并生成文本、图像、视频、音频和动作输出。该模型面向物理 AI 场景（机器人、自动驾驶、智能空间），采用 OpenMDW1.1 许可，支持商业与非商业用途。
NVIDIA 发布 640 亿参数 Cosmos3-Super 全模态世界模型
NVIDIA 在 Hugging Face 和 GitHub 上发布了 Cosmos3-Super，这是 Cosmos3 全模态世界模型系列中的一员，采用 Mixture-of-Transformers 架构，包含 640 亿参数，可基于文本、图像、视频、音频和动作轨迹的组合输入，生成文本、图像、视频、音频和动作输出。该模型面向物理 AI 场景，包括机器人、自动驾驶和智能空间，采用 OpenMDW1.1 许可，可用于商业和非商业用途。
Salesforce 开源 SOV-Transcribe-1 语音识别模型
Salesforce 发布开源权重语音模型 SOV-Transcribe-1，采用 4B 激活参数（总参数 26B），面向非流式自动语音识别，以 Apache 2.0 许可在 Hugging Face 开放权重。该模型在 Artificial Analysis 开源权重非流式语音转文字榜单排名第一（总榜第七），在 VoiceCodeBench 上 23 个系统中排名第二，词错误率 2.28%，优于同规模 NVIDIA Nemotron 3.5 Transcribe 和更大的 Mistral Voxtral Small。其特点包括实体理解、口音与噪声鲁棒性、风格控制和上下文偏置，面向企业构建可控的语音智能体、听写与通话转录。
研究进展
RESEARCH3 篇智能体历史清理需匹配世界状态，否则可能适得其反
该研究通过两个受控实验考察工具使用型语言模型智能体的历史记录编辑效果。在 AgentCE-Bench 上，将正确值作为真实备注附加在保留的错误旁可将恢复率从51%提升至66%，但将其记录为智能体已完成的动作则使恢复率从50%降至44%。在 AppWorld 上，数据库写入后成功回执在效果缺失时使整体任务成功率从45%降至28%，在效果存在时则从38%升至49%。研究表明历史编辑的效果取决于其所描述的世界状态，世界仍保留错误时仅让历史看起来干净可能使智能体表现更差。
AI Agent 评估器分歧实证：LLM Judge 与原生评分仅一致 56.2%
该论文在 tau2-bench 的航空与零售领域运行 2160 个 episode，比较四种 AI agent 评估方式：原生评分（对比 gold 数据库状态）、LLM judge、带策略文档的 LLM judge、以及基于规则的 commit-boundary 检查。结果显示 LLM judge 自我一致性达 98.2%，但与原生评分仅一致 56.2%；在 11 个 agent 执行了禁止写入的 episode 中，judge 放过了 10-11 个，而 boundary evaluator 全部捕获。作者指出评估器选择决定结论，最小规则检查能暴露 judge 遗漏的失败，并开源了 traces、代码与标注。
冻结多模态大模型即可实现数据高效全双工逐词语音对话
该论文提出一种数据高效的全双工语音对话适配方法：以冻结的通用多模态大模型 Qwen3-Omni 为基础，仅训练轻量适配器和少量新 token 嵌入（9700 万参数），在 80 毫秒帧时钟上逐词决定说话、停顿、让出与打断，并用有限状态机约束采样合法性。四阶段课程约 30 GPU 小时完成转换，说话端只读取思考端的离散 token，两半可独立训练。在 Full-Duplex-Bench 和 InteractionBench 上，该系统与大规模语音训练的开源全双工系统相当，在用户仅停顿时最少抢话、回馈最多，并在口语任务准确率、事实依据和长对话连贯性上领先。
产品发布
PRODUCT RELEASE1 篇Agno v3.2.0 发布：升级 A2A v1.0 与 Slack Bolt
Agno 发布 v3.2.0，升级 Super Agent 使其直接调用工具执行任务，并扩展 Company 任务治理与协调能力。该版本将 A2A 协议升级至 v1.0、Slack 接口迁移到 Bolt SDK，并新增数据库支持的 AgentOS 首页指标及外部 Agent 组件存储。这些变更包含多项破坏性改动，要求服务端与客户端同步升级。