今日AI：NVIDIA Nemotron 与 Gemini 4 Carbon

知识状态截至 2026-10-29。源材料收集于 2026-10-29。

10月28日这一天，人工智能领域迎来了密集的更新。NVIDIA 推出了用于语音处理的开源模型 Nemotron 3.5 Transcribe，而 Google DeepMind 推出了专注于网络安全的 Gemini 4 Carbon 模型。此外，Google 为开发者推出了 Connected Apps 平台，XREAL 公司展示了搭载 Android XR 系统的 AR 眼镜，OpenAI 的专家则发表了关于 AI 技术对现代企业组织结构影响的分析。

今日要点 (TL;DR)

• NVIDIA Nemotron 3.5 Transcribe：一个开源的转录和翻译模型，支持 40 种语言，并具有多达八个说话人的说话人分段功能。
• Google Gemini 4 Carbon：专注于网络安全和工程的新模型，在生成安全代码方面的有效性提高了两倍。
• Google Connected Apps Platform：面向开发者的工具，通过 MCP 协议将应用程序与 Google 搜索和 Gemini 系统集成。
• XREAL AURA 眼镜：基于 Android XR 系统的有线 XR 设备，将 Gemini 助手与空间界面视图集成。
• AI 时代的组织未来：OpenAI 的分析指出了在企业结构中实施人工智能的三种方案，作为对员工的支持。

NVIDIA Nemotron 3.5 Transcribe

NVIDIA 于 10 月 28 日推出了 Nemotron 3.5 Transcribe，这是一个用于语音转文本的开源模型，提供说话人分段、翻译以及回答有关音频文件问题的功能。

该模型支持 40 种语言，其中 31 种可以与英语互译，对于 13 种语言，系统能够将发言分配给特定人员。Nemotron 3.5 Transcribe 可以处理长达一小时的录音，并能同时区分多达八个说话人。该工具在 Hugging Face Open ASR 英文排行榜的开源权重模型中排名第一（平均错误率为 5.33%），并在 David AI 和 VoiceArena 系统的说话人分段比较中处于领先地位。

随着该模型的发布，还推出了 Granary v2，这是一个多语言数据集和处理管道，使模型能够适应特定的领域词汇。在针对医学的案例研究中，微调模型使错误率（WER）相比仅使用提示词降低了 45.8%。NVIDIA 宣布，该模型的量化版本即将推出，允许在 RTX Spark、DGX Spark 或 Jetson AGX Thor 等硬件上本地运行。用户可以使用自然语言指导模型的输出，例如定义术语格式或数字的写入方式。

对于 AI 构建者：从事会议记录分析或医学转录的团队可以使用上下文提示词测试模型识别特定术语的能力。该公告未明确该模型是否提供对波兰语的全面支持、使用特定 GPU 单元的计算成本是多少，以及许可证是否允许无限制地商业使用输出数据。这些信息需要在开始集成之前在技术文档和模型卡中进行验证。

Google DeepMind 发布 Gemini 4 Carbon

Google DeepMind 于 10 月 28 日宣布推出 Gemini 4 Carbon，这是该公司产品组合中最强大的单元，专门用于网络安全和长期工程流程的任务。该模型在 Gemini 4 Argon 版本发布仅两周后首次亮相。

Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 排名中以 59 分名列第一。在专业测试中，该模型在 SEC-bench Pro（漏洞检测）中获得了 88.2% 的准确率，在 ExploitGym（利用）中获得了 54.8% 的准确率，在 CWE-bench（补丁创建）中获得了 71.0% 的准确率。根据该公司的数据，与 Argon 模型相比，Carbon 在生成安全代码方面的有效性提高了两倍以上。在内部测试以及 Chrome 团队等环境中，该模型在创建高质量补丁方面表现出比其他前沿模型更高的效率。

该模型旨在以连续模式工作，使其能够解决需要数天工作的多阶段工程问题。在网页制作领域，Carbon 在 WebDev Arena 排行榜上以 1768 个 Elo 分数上升至第四位。

该公司正在进行逐步部署过程，与美国政府合作进行自愿的预发布测试过程。从本周开始，一小群网络安全专家将获得对该模型的访问权限，随后访问权限将在 Fairwind 计划中扩大。使用 Gemini 4 Carbon 的成本定为每百万输入 Token 2 美元，每百万输出 Token 10 美元，缓存中的 Token 享有相对于输入价格 95% 的折扣。

对于 AI 构建者：从事安全审计的专家可以检查模型在软件中漏洞检测和消除过程中的性能。该消息来源未提供有关该模型在不同地理区域的可用性、对英语以外语言的支持以及有关 API 吞吐量限制的完整技术文档的信息。

Google Connected Apps Platform

Google 于 10 月 28 日推出了 Connected Apps 平台，使开发者能够构建和管理与 Google 搜索和 Gemini 应用程序集成的应用程序。该解决方案的目的是创建一个统一的场所，创作者可以在其中部署他们的工具，让用户能够完成从订购购物到创建播放列表的日常任务。

作为系统的一部分，开发者使用 AppFunctions APIs 与 MCP (Model Context Protocol) 服务器或 Android MCP 进行集成。然后，借助 Google Connected Console，他们可以注册、测试应用程序并将其提交审核。在注册过程中，创作者指出该解决方案是应该在搜索中、Gemini 应用程序中还是在两个地方都可用。此外，该平台允许跟踪有关流量、延迟和错误指标的数据，以及管理品牌身份，包括徽标验证和帐户身份验证。

目前，该平台的访问权限正在分阶段开放。Google 已经在生产力、活动门票、健康和健身等领域启动了 50 多个应用程序。Adobe、Experian、Localiza 和 Peloton 等合作伙伴正在使用这些解决方案。在接下来的几周里，计划将这些集成的可用性扩展到搜索，并引入新的 Calm 应用程序。感兴趣的开发者可以在 developers.google.com/connected-apps 注册预览版并熟悉文档。

对于 AI 构建者：与搜索或 Gemini 集成的应用程序开发者可以在控制台中注册他们的工具并检查实施的技术参数。该公告未明确该平台是否对 API 的使用施加限制、维护 MCP 服务器的成本是多少，以及是否存在有关在不同市场发布应用程序的区域限制——在开始工作之前，必须在技术文档中对其进行验证。

搭载 Android XR 系统的 XREAL AURA 眼镜

XREAL 公司与 Google 合作，于 10 月 28 日推出了 XREAL AURA，这是第一款基于 Android XR 系统和 Gemini 助手的有线增强现实 (XR) 眼镜。该设备允许在空间中显示应用程序，同时通过透明镜片保持对环境的可见性。

这款眼镜重不到 95 克，因为计算是由通过电缆连接的外部模块（puck）负责的，其中放置了电池和 Snapdragon Reality Elite 平台。该设备提供 70 度的视野。用户可以同时打开多个应用程序窗口，使用蓝牙键盘和鼠标或计算模块上的触控板对其进行管理。Wired Mirroring 功能允许通过 USB-C 电缆连接笔记本电脑并将其屏幕显示为可移动窗口。与系统集成的 Gemini 助手可以理解设备捕获的图像和屏幕内容，从而可以就显示的内容或环境进行对话。在需要集中注意力的情境下，镜片可以使图像变暗，将用户与外界隔离开来。销售已在美国、加拿大和韩国启动，而日本的首发计划于 11 月 2 日进行。

对于 AI 构建者：从事空间界面工作的团队可以检查对 Wired Mirroring 功能的支持以及 Gemini 实时解释共享视图的方式。该材料未明确该设备在欧盟国家的可用性、XR 应用程序开发者的许可详细信息或针对商业客户的准确价格表。

AI 时代的组织未来

OpenAI 分析师 Hemanth Asirvatham 和 Elliott Mokski 于 10 月 28 日发表了一篇文章，分析了人工智能对企业组织结构和团队管理方式的影响。作者指出，传统的公司阶梯正在发生转变，因为 AI 系统开始充当数字下属，执行日常任务。

文章介绍了在企业中实施 AI 的三种主要方案。在第一种被称为“在我们之下”的模型中，员工保留了他们的职位，但获得了 AI 层的形式的支持，这使得每个员工都成为监督自己的代理人的经理。第二个方案假设了“在我们旁边”的情况，其中人工智能作为团队的一员运作，直接与人类经理合作并执行越来越广泛的任务。第三个变体“在我们之间”将 AI 定位为处于不同层次结构中的人之间的中间元素，负责协调活动和监控工作。

作者强调，这些愿景都不是关于完全自动化，而是关于经济向混合型公司方向转型。他们指出，技术的采用不是一个即时过程；最初，AI 接管了最低级别的任务，随着模型能力的增长，随着时间的推移进入管理领域。目前，员工已经在利用能够写笔记、准备表情包或就技术事务提供建议的系统，尽管它们仍然需要人类的监督。

对于 AI 构建者：团队经理可以考虑绘制其部门中的流程图，以提取目前可以委派给 AI 代理的常规性质的任务。该出版物未确定维持此类基础设施的成本或企业结构内部系统处理的数据的安全要求，这需要在实施前进行验证。

常见问题解答 (FAQ)

NVIDIA Nemotron 3.5 Transcribe 提供哪些功能？

该模型允许语音转文本、说话人分段、翻译以及回答有关音频文件的问题。它支持 40 种语言，处理长达一小时的录音，并能同时区分多达八个说话人，在开源权重模型排行榜中名列前茅。

XREAL AURA 眼镜用于什么，它们是如何工作的？

XREAL AURA 是一款搭载 Android XR 系统的 AR 眼镜，它在空间中显示应用程序，同时保持对环境的可见性。该设备使用带有 Snapdragon Reality Elite 的外部计算模块和 Gemini 助手，后者可以理解硬件捕获的图像和显示屏幕的内容。

来源

• NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt — 2026-10-28
• Gemini 4 Carbon: Our next frontier model — 2026-10-28
• Build and manage Connected Apps in one place — 2026-10-28
• XREAL AURA: Wired XR glasses to watch, work, and play — 2026-10-28
• The future of the firm — 2026-10-28

--- 本文由 aipoc-lab (AI) 实验室根据上述公开来源自动编写。摘要为原创，非复制。人工编辑前的版本。