跳到正文
  1. 量子位78

    OpenAI 全量上线 GPT-Image-2.6,原生支持 GIF 和 SVG 导出

    OpenAI 的 GPT-Image-2.6 全量上线,覆盖 ChatGPT、Codex 和 API,整体生成时间缩短 50%,最快 6 秒出图。API 端新增 complexity 和 quality 两个独立参数,把场景规划与渲染画质解耦,降低多轮修改成本;模型分 Flare(主打速度与排版)和 Sunburst(负责高细节与一致性)两个型号。

    推荐理由:原文解释了 GPT-Image-2.6 的复杂度与画质参数拆分思路,以及序列帧实现 GIF 的具体机制,便于复用到自己的生图工作流。

  1. 少数派76

    国行 Apple 智能上手体验:首批功能、千问与百度接入实测

    国行 Apple 智能开放测试,首批核心功能从 iOS 27.3 开发者预览版开始,计划 12 月随正式版推出,支持 iPhone 15 Pro、iPhone 16 及之后机型。

    推荐理由:作者第一时间实测国行 Apple 智能,给出了开启条件、各功能实际体验和存储占用等一手细节。

  1. 开源中国76

    Mistral 开源万亿参数模型 Mistral Large 4 权重

    Mistral 开源了 Mistral Large 4(内部代号 Le Chonk)的权重,模型有 1 万亿参数,原生支持多模态。报道称其为开放权重阵营中体量最大的模型,从零开始在欧洲基础设施上训练,并称在开放权重模型中编码能力最强,引用 Cognition 的私有基准 FrontierCode 2.0 测试端到端代码质量作为依据。

    推荐理由:报道给出 Mistral Large 4 的参数规模、多模态能力和编码基准表现,可作为开源模型竞争格局的参照。

  1. Google Research68

    Google Research 发表 AI 辅助盲扫超声孕周评估研究,MAE 4.18 天达到临床非劣效

    Google Research 在 JAMA Network Open 发表前瞻多中心研究,评估基于盲扫超声的 AI 孕周评估模型跨临床环境与硬件的泛化能力。385 名 16-36 孕周参与者中,模型平均绝对误差 4.18 天,非劣效于专家超声医师的 4.48 天;芝加哥站 MAE 4.10 天,内罗毕站零本地调优下为 4.27 天。

    推荐理由:原文给出前瞻多中心实测数据,显示AI孕周评估在陌生设备和零本地调优下仍接近专家标准,可读性在跨环境泛化证据。

  1. NVIDIA Blog72

    NVIDIA 扩展开源模型家族,覆盖语言、机器人、生物与量子计算

    NVIDIA 扩展开源模型家族以支持欧洲各行业构建本地化应用,新模型包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever。

    推荐理由:原文汇总了 NVIDIA 跨语言、机器人、生物和量子领域的开源模型家族及各行业落地情况,读者可据此了解欧洲主权 AI 的开源布局。

  1. The Decoder77

    Meta 发布开源权重模型 Muse Spark Open,主打编码与智能体任务

    Meta 在 Llama 系列之后重返开放权重领域,发布 Muse Spark Open,称其为最强的美国开放权重模型,面向编码和智能体任务。

    推荐理由:文章汇总了模型参数、上下文长度、基准对比和许可证条款,读者可据此了解其定位与使用限制。

  1. NVIDIA Blog65

    NVIDIA 发布 Nemotron 3.5 Super VL 120B 及两款 Bolt 端侧模型

    NVIDIA 发布开放模型 Nemotron 3.5 Super VL,120B 参数,主打多模态智能体任务,称在其级别中速度比次优模型快 5x,参数量约为自家最大推理模型的五分之一。

    推荐理由:官方披露了三个开放模型的具体参数量、量化方案和基准表现,并给出部署入口,便于读者按部署层级选型。

  1. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和普通用户开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入享 95% 折扣。

    推荐理由:官方给出 Argon 在编码、科研与安全上的具体案例和定价,可据此判断前沿模型在真实工作流中的落地程度。

  2. The Decoder87

    Gemini 4 Argon 全球上线,成为 Google 最强前沿模型

    Google 全球上线 Gemini 4 Argon,开发者可通过 AI Studio 和 Gemini 平台的 API 使用,AI Ultra 订阅者可在 Google Antigravity 中使用,Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google Search 的 AI 模式访问;免费用户和 Plus 订阅者只能使用较弱的 Flash 模型。

    推荐理由:梳理了 Gemini 4 Argon 的全球开放范围、订阅分层与定价,并给出内部工程与安全数据供读者比较。

  1. The Decoder80

    Meta 发布前沿模型 Muse Wonder 与 Muse Wonder Full

    Meta 发布前沿模型 Muse Wonder 的两个版本,Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得分 56,Muse Wonder 得分 52,前代 Muse Spark 1.3 为 48。

    推荐理由:Meta 新模型在智能体与编码评测上大幅跃升,但事实知识与成本仍是短板,可据此判断其前沿位置。

  1. 开源中国77

    Mistral 发布 Mistral Large 4:1 万亿参数、原生多模态

    Mistral 发布其史上最大模型 Mistral Large 4,代号 Le Chonk,为从零训练的原生多模态模型,1 万亿参数、520 亿稀疏激活。该模型即日起在 Mistral Studio 公开预览,权重将于月底发布。

    推荐理由:材料给出 Mistral Large 4 的参数量、稀疏激活与多模态定位,可据此了解其规模路线。

  1. OpenAI News85

    OpenAI 在 ChatGPT 全球上线 GPT-6 并推出 Intelligent UI

    OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线,并同步推出 Intelligent UI。官方称新版本响应更快,提供可视化内容和可直接探索、使用的交互体验。

    推荐理由:OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线,并同步引入 Intelligent UI,读者可据此了解模型与交互形态的同步变化。

  2. Google DeepMind71

    Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,基于 Gemma 4 架构、740M 参数、Apache 2.0 许可,将文本、图像、音频、视频映射到统一嵌入空间。

    推荐理由:EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间,并给出端侧内存与向量截断数据,便于判断本地多模态检索的可行性。

  1. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者。

    推荐理由:官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放方式,可据此判断前沿模型的能力边界与落地节奏。

  1. Microsoft Research62

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型,以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。

  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话。

    推荐理由:官方给出 Live Avatar 的实时音视频耦合、异步工具调用与 97 语言同步能力,可据此判断企业级对话智能体的形态变化。

  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐行表演指导,后者面向高并发配音和语音智能体。

    推荐理由:官方给出两款 TTS 的定位差异、可用入口与基准排名,便于判断语音生成在创作与规模化场景中的分工。

已经到底了