⌘ K
… 读取采集状态 同步中...
雷

#模型发布

今日 0 条
10月8日周四
  1. Hugging Face Blog46

    Falcon-ASR 发布：1.6B 参数多语言语音识别模型

    TII 发布 1.6B 参数语音识别模型 Falcon-ASR，重点优化阿联酋方言，支持英语、法语、西班牙语和葡萄牙语。该模型在六个阿拉伯语测试集的平均 WER 为 20.92%，优于最佳公开结果的 23.17%；内部阿联酋方言评测 WER 为 22.73%，CER 为 10.19%。目前已提供 Hugging Face Demo Space 供用户体验，API 接入和原生应用正在规划中。

10月7日周三
  1. Google DeepMind78

    Google DeepMind 发布轻量级多模态嵌入模型 EmbeddingGemma 2

    Google DeepMind 发布 EmbeddingGemma 2，这是一个专为端侧推理优化的轻量级多模态嵌入模型。该模型拥有 7.4 亿参数，基于 Gemma 4 架构构建，采用 Apache 2.0 开源协议，支持原生映射文本、代码、图像、视频和音频到统一嵌入空间。

    推荐理由：EmbeddingGemma 2 将代码、图像、视频和音频统一进单一嵌入空间，并提供 740M 参数端侧推理方案，开发者可据此直接构建离线多模态 RAG 管线。

10月6日周二
  1. Mistral AI89

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4（ML4）公开预览版，这是一款 1 万亿参数、原生多模态的大语言模型，可在 Mistral Studio 通过预览 API 体验，模型权重将于本月底开源。

    推荐理由：Mistral Large 4 为万亿参数开源多模态模型，当前开放预览 API，权重月底发布，重点展示其编码、安全及企业级性能。

  3. Google Gemini API Release Notes71

    Google 发布 Gemini Nano Banana 2.1 并弃用 Nano Banana 2

    Google 发布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1），提供 1K、2K、4K 分辨率下的 1:4 至 8:1 全景宽高比支持，同时弃用 Nano Banana 2（gemini-3.1-flash-image）。新模型在保持 Flash 级速度与成本效率的基础上，显著提升了视觉质量、提示词遵循度及多轮角色一致性。

    推荐理由：Nano Banana 2.1 在保持 Flash 级速度下提升了画质与文本渲染，为图像生成工作流提供了更高效的选择。

10月2日周五
  1. Hugging Face Blog45

    Hugging Face 开源科学报告生成模型 AstaBrief 8B

    Hugging Face 开源了基于 Qwen3-8B 训练的科学报告生成模型 AstaBrief 8B，并同步发布了训练数据。该模型通过单次生成完整报告，使 Asta 平台的 Fast 模式平均生成时间从 178.5 秒缩短至 51.1 秒，速度提升约 3.5 倍。开放权重允许机构在本地基础设施上运行，以满足敏感研究数据的处理需求。

10月1日周四
  1. Google DeepMind87

    Google 发布前沿大模型 Gemini 4 Argon

    Google 发布 Gemini 4 Argon 模型，目前正通过 Fairwind Program 逐步向受信任的网络安全防御者开放。该模型定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 享受 95% 折扣。

    推荐理由：Google 官方给出了新模型的核心能力参数、价格及在代码、金融与网络安全领域的测试成绩，方便读者了解前沿模型的功能边界与部署规划。

9月30日周三
  1. AWS Machine Learning Blog50

    GPT-6.1 Sol 已在 Amazon Bedrock 全面可用

    OpenAI 的 GPT-6.1 Sol 已在 Amazon Bedrock 正式全面可用，提供接近 GPT-6 Astra 的推理能力。在 DeepSWE v1.1 基准上，其性能匹配 GPT-6 Astra 但任务成本仅为其约五分之一，且比 GPT-6 Sol 高出 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 部署该模型，用于智能体编码与专业工作负载。

9月29日周二
  1. Hugging Face Blog79

    NVIDIA 发布 Kumo Tabular：无需训练的表格预测基础模型

    NVIDIA 在 Hugging Face 发布开源表格基础模型 Kumo Tabular，支持单步前向推理完成分类与回归任务，无需训练或特征工程。该模型包含 28M 至 215M 参数版本，在 TabArena、BeyondArena 等基准测试中排名首位，并基于 OpenMDW-1.1 协议发布，可通过 GitHub 开源库使用。

    推荐理由：提供无需训练的表格预测模型及开源库，单步前向推理即可处理分类与回归任务。

  2. Microsoft Research78

    微软研究院发布生物学多模态世界模型 Quine

    微软研究院发布 Quine，一个旨在连接模型、科学工具、文献和研究者的多模态生物学世界模型系统。通过与 Broad Institute 合作，该系统在胰腺癌研究中用于优先筛选能驱动肿瘤状态转变的化合物，并将湿实验验证流程缩短至一个周末。

    推荐理由：系统构建了跨生物模态的世界模型并连接实验工具，读者可据此理解AI如何辅助干实验。

  3. OpenAI News85

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 正式发布 GPT-6.1 Sol，该模型在编码、电脑操作及专业工作场景中具备接近 Astra 的智力水平。其 API 输入和输出 Token 价格约为 Astra 标准价格的五分之一。

9月28日周一
9月25日周五
  1. Google DeepMind75

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过近乎实时的视频与语音生成实现动态视觉形象。该功能支持 97 种语言的唇形同步，并能在对话过程中后台异步执行工具调用，目前已在 Gemini Enterprise 开放使用。

    推荐理由：官方给出了 Live Avatar 在 97 种语言下的多模态交互能力与异步工具调用机制，读者可判断其对实时企业场景的支撑边界。

9月24日周四
9月23日周三
  2. OpenAI News43

    OpenAI 发布 GPT-6 Sol 和 Luna

    OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，旨在以不同的能力与成本平衡将前沿智能带入日常工作。两款模型分别侧重智能上限与使用成本，为企业和个人用户提供更具针对性的选择。

9月22日周二
9月21日周一
9月16日周三
9月15日周二
9月9日周三
  1. OpenAI News89

    OpenAI 发布 GPT-6 Astra 模型

    OpenAI 发布商用模型 GPT-6 Astra，官方称其具备先进的推理、电脑操作能力，并提升了写作与设计判断力。

    推荐理由：OpenAI 明确了 GPT-6 Astra 的商用能力边界，为评估下一代模型的企业落地能力提供了事实依据。

9月8日周二
9月3日周四
  1. Google DeepMind84

    Google DeepMind 发布高精度全球气象 AI 模型 WeatherNext 3

    Google DeepMind 和 Google Research 发布了最新的全球气象模型 WeatherNext 3，该模型引入了实时卫星数据、每小时更新机制和更高的空间分辨率，并整合到 Search、Gemini 和 Maps 等生态中。模型能够以 5 公里分辨率提供全球预报，并针对清洁能源和风能预测进行了专门的工程设计。在中期降水预报评估中，该模型的预测准确率最高提升了 60%。

    推荐理由：官方详细说明了 WeatherNext 3 在实时卫星数据和高精度降水预测上的技术突破。

  3. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 及网络安全变体 3.8 Flash Cyber，定位为当前推理和编码能力最强的模型。Gemini 3.8 Flash 在 DeepSWE v1.1 和 HLE-Verified 等基准测试中表现优于多数前沿大模型，输入定价为每百万 token 0.75 美元，输出定价为 3.75 美元。

    推荐理由：官方明确了 Gemini 3.8 Flash 在编码与多步推理上的基准成绩，以及网络安全变体的定向开放机制，提供了具体性能对比与调用入口。

9月2日周三
  1. Google Gemini API Release Notes89

    Google 发布 Gemini 3.8 Flash 模型正式可用

    Google 发布 Gemini 3.8 Flash 模型并宣布一般可用 (GA)，官方称这是其最智能的 Flash 模型。该模型旨在用于长程软件工程和自主智能体，同时支持复杂的企业工作流。

    推荐理由：明确了该模型针对长程软件工程和复杂企业工作流的工程目标，方便评估适用场景。

9月1日周二
8月28日周五
  1. Google DeepMind70

    Google DeepMind 发布 Gemini Omni 1.1 Flash，新增视频生成控制能力

    Google DeepMind 发布 Gemini Omni 1.1 Flash，为生成式视频提供场扩展、首尾帧插值、4K 上采样和 360p 快速草稿等控制能力，可通过 Gemini API 在 Google AI Studio 使用。

    推荐理由：官方发布 Gemini Omni 1.1 Flash，给出了场扩展、首尾帧控制和 4K 上采样等视频能力，以及 API 与订阅入口的可用性说明。

8月27日周四
  1. Google Gemini API Release Notes64

    Gemini Omni Flash 模型正式版发布

    Gemini 官方发布 gemini-omni-1.1-flash 模型正式版，支持视频延长与首尾帧插值生成，并在 video_config 中新增分辨率参数，支持 360p、720p、1080p 和 4K 输出。原有的 gemini-omni-flash-preview 端点将于 2026 年 9 月 30 日弃用。

    推荐理由：新模型正式版支持视频延长与首尾帧插值，并开放多档分辨率参数，可直接用于视频生成工作流。

8月26日周三
  1. Google Gemini API Release Notes65

    Google 发布 Gemini 3.5 Transcribe 及 Live 实时语音转写模型

    Gemini 3.5 Transcribe 正式推出，包含两款专用语音转写模型。Gemini 3.5 Transcribe 支持 85 种以上语言的无流式高精度低延迟转写，提供说话人分离、词级时间戳及最多 1000 条自定义词汇偏置。

    推荐理由：官方提供了两款专用模型的能力差异与技术参数，便于开发者按非流式与流式场景选型。

8月25日周二
  1. Hugging Face Blog78

    IBM 发布 Granite 4.2 推理模型，开放 Apache 2.0 许可

    IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个稠密模型，均基于 Apache 2.0 协议开放。该系列模型基于约 15 万亿 token 预训练并扩展至 512K 上下文，8B 和 30B 额外经过智能体强化学习训练，可在真实沙箱中执行代码、操作终端及检索网页。

    推荐理由：IBM 详细拆解了模型的五阶段预训练和七阶段强化学习课程，展示了在真实沙箱中训练智能体能力的具体工程路径。

8月21日周五
8月14日周五
  1. Google DeepMind83

    Gemini 3.7 Flash 发布

    Google DeepMind 发布了专为编码和智能体设计的 Gemini 3.7 Flash 模型。新版本在 FrontierCode 1.1 和 DeepSWE v1.1 等基准上表现显著优于 3.6 Flash。模型通过 Gemini API 开放，开发者还可以在 Gemini Spark 中使用该模型。

    推荐理由：模型在多个编码基准上较前代有显著提升，并结合了减半的每百万 token 定价。

8月13日周四
  1. Google Gemini API Release Notes82

    Gemini 3.7 Flash 全面可用

    Gemini 3.7 Flash 已全面可用（GA），针对编码和 Agent 工作流实现了重大性能提升，并在 2026 年 12 月 31 日前提供入门价格。

    推荐理由：Gemini 3.7 Flash 进入 GA 并明确了编码与 Agent 场景的性能提升及限时入门价，为选型提供依据。