置頂 新 HiDream 模型已於 vivago R1 Studio 上線 🚀 介紹： • HiDream-O1 Image 2.0 • HiDream-O1 Editing 1.5 • HiDream-O1 Video 這三款模型現在已在 vivago R1 Studio 可用，帶來最新的 HiDream 影像生成、編輯與影片功能 檢視更多 12 41 11K

Google 釋出 Gemini 4 Argon，稱其為最強模型

Google 推出 Gemini 4 Argon，定位為最強模型，專為編碼、研究、寫作及網路安全設計。該模型可自主發現、驗證並修補關鍵軟體漏洞，並在視覺解析、程式碼除錯和遷移等任務上表現出色。Google 還聲稱 Argon 在多項 AI 基準測試中超過 OpenAI 的 GPT‑6 Astra 與 Anthropic 的 Fable，並已在其內部團隊中用於日常工作。

Google Gemini 4 Argon 與 OpenAI、Anthropic 差距縮小 但未領跑

Google 釋出 Gemini 4 Argon，首個七個月來的前沿模型，在多項基準上與 OpenAI 的 GPT-6 Astra 同級，且價格更低。Argon 支援文本、影像、影片、音訊輸入，輸出文本，並通過 Long Decode Continuation 解決長響應超時。

Gemini 4 Argon 釋出：開啟前沿智慧新時代

Google DeepMind 推出了 Gemini 4 Argon，這是一款具備長推理、跨領域多模態能力的前沿模型。Argon 在軟體工程、金融、法律和網路安全等行業基準上重新整理記錄，並已在內部工作流中提升效率；其 1M token 輸出上限和 $2/百萬輸入、$10/百萬輸出的價格為開發者提供更高性價比。

Latent Space 彙總：Claude Opus 5.5 與多款前沿模型動態

Latent Space 釋出的 AINews 彙總了多款前沿模型動態，其中 Claude Opus 5.5 在 SimpleBench 領先，並在視覺和程式碼生成任務上表現突出；同時涵蓋 GPT-6 家族、Gemini 3.8 Flash、Xiaomi MiMo-V2.6-Pro 以及智慧體、檢索和推理效率等生態進展。

Runway 的 WorldPrompt 與即時世界的工程實現

Runway 介紹了其最新的世界模型 GWM Worlds 2 以及提出的輸入格式 WorldPrompt，並闡述了其如何通過自迴歸擴散和蒸餾方法實現 720p 24fps 的即時互動式影片和音訊生成。文章還探討了真實物理模擬、長上下文、誤差累積等工程挑戰，以及在遊戲、機器人和智慧體模擬等領域的潛在應用。

Liquid AI 釋出 LFM2.5-VL-DSpark 視覺語言模型草稿模型

Liquid AI 針對視覺語言模型 LFM2.5-VL-3B 釋出了實驗性的 DSpark 草稿模型，通過引入投機解碼路徑實現推理加速。該草稿模型包含 2.8 億引數（增量 8.9%），在端側和 GPU 上解碼速度最高可提升 3.13 倍，並且首日即整合支援 llama.cpp、MLX-VLM 和 SGLang。

Latent Space 播客：小米釋出 MiMo-V2.6-Pro 1T-A42B 開源多模態模型

小米釋出 MiMo-V2.6 系列原生全模態開源模型，其中 Pro 版本擁有 1.02T 總引數和 42B 啟用引數，RL 訓練成本約 300 萬美元。該系列同時開源了訓練環境、程式碼及技術報告，旨在降低強化學習訓練門檻。

GLM 5.3 FlashX 現已於 AI Gateway 上可用

summary_zh: GLM 5.3 FlashX 現已於 AI Gateway 上可用，提供約 200 tokens/second 的推理速度，適用於編碼代理、工具迴圈與互動式應用。

NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中展現領先效能

NVIDIA 釋出的 Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中表現領先，在 Qwen3-VL 上實現了較 GB300 NVL72 最高 3.7 倍的吞吐量提升。

Google DeepMind 釋出全球天氣大模型 WeatherNext 3

Google DeepMind 和 Google Research 釋出全新的全球天氣大模型 WeatherNext 3，支援每小時即時衛星資料輸入並提供高達 5 公里解析度的預測。該模型在降水預測精度上取得顯著提升，並增加了清潔能源變數預測，現已整合至 Search、Gemini、Maps 和 Cloud 等產品中。

NeoMME：高效的多模態原生多語言編碼器

Hugging Face 團隊推出了 NeoMME，這是一個包含 260M 和 800M 引數的多語言多模態基礎編碼器系列。該模型不使用單獨的視覺塔或因果語言模型，而是通過單個雙向 Transformer 同時處理文本 token 和原始影像塊。

GigaPath-Flash 與 GigaTIME-Flash：面向大規模發現的高效病理基礎模型

Microsoft Research 釋出了 GigaPath-Flash 與 GigaTIME-Flash 兩款高效病理基礎模型。GigaPath-Flash 採用 22M 引數 ViT‑S tile encoder 與 21M 引數 LongNet slide encoder，推理成本比原版低 50 倍，效能僅落後 3%。

Google DeepMind 釋出 Gemini Omni 1.1 Flash 影片生成模型

Google DeepMind 推出了 Gemini Omni 1.1 Flash，帶來場景延伸、首尾幀插值、4K 超解析度升級、360p 高效草稿生成及影片參考等多項專業級影片生成與控制功能，現已通過 Gemini API 及 Google AI Studio 面向開發者開放。

Sentence Transformers v6.0 釋出，引入多向量檢索與互動模型支援

Sentence Transformers 釋出 v6.0 版本，首次引入第四種模型型別 MultiVectorEncoder，用於支援 ColBERT 風格的後期互動檢索。該版本允許開發者通過熟悉的 API 直接載入各類 PyLate、ColBERT 以及 ColPali 視覺文件檢索模型的檢查點，無需經過複雜的格式轉換。

Google DeepMind 釋出手語轉文本模型 SL2T

Google DeepMind 釋出了多語言手語轉文本翻譯模型 SL2T，並將其整合到 Gboard 和 Pixel 11 的 Live Transcribe 中。該模型支援將美國手語直接轉換為英語文本，它基於超過 10 萬小時的資料訓練，通過處理姿勢關節點來保護隱私並實現流式輸出。

引入 CARE-X：通過輔助監督、獎勵對齊學習與工具增強測量邁向臨床有用的放射學 VLM

Microsoft Research 推出了研究模型 CARE-X，這是一款旨在兼顧自由文本推理與確定性輸出的統一胸部 X 光 VLM。該模型結合了生成式與判別式能力，並通過強化學習（DAPO）在多工設定中最佳化臨床準確性。研究還線上路實驗中搭配了 Qwen3-VL-4B-Instruct 與確定性測量工具以評估效能。

Meta 釋出開源多模態模型 Muse Glimmer

Meta 推出了全新的 30B 引數開源多模態模型 Muse Glimmer，採用 Apache 2.0 協議釋出，專門面向本地智慧體和隱私保護應用。該模型結合了 2B 的視覺感知編碼器與 28B 的文本解碼器，支援影像、影片理解以及多模態工具呼叫，並提供 transformers、llama.cpp 和 vLLM 的首日支援。

Mistral AI 釋出 3B 開源多模態安全分類模型 Shieldstral

Mistral AI 釋出了 Shieldstral，這是一款 3B 引數的開源多模態安全分類模型，採用 Apache 2.0 協議開源。該模型將內容稽核轉換為策略自適應的問答任務，允許在推理時通過自然語言指定策略，從而無需重新訓練即可統一處理文本和影像安全評估。

Gemini Robotics ER 2：通過影片理解、任務編排與多機器人協作驅動機器人

DeepMind 釋出 Gemini Robotics ER 2，作為其最新的“具身推理”模型，支援持續影片理解、任務編排和多機器人協作。該模型可與任何低層 VLA 模型配合，即時呼叫工具（如 Google Search），並在執行過程中保持推理，顯著提升任務完成率和安全性。

NVIDIA 釋出 Cosmos-H-Dreams 即時生成式手術機器人模擬器

NVIDIA 推出 Cosmos-H-Dreams，這是一個針對手術機器人的即時、動作條件生成式模擬器。該模型將 Cosmos-H-Surgical-Simulator 的能力蒸餾為因果學生模型，並通過 FlashDreams 庫在單張 NVIDIA RTX PRO 6000 GPU 上實現每秒約 160 幀的互動式執行，支援在閉環中進行策略評估和資料生成。

Google DeepMind 釋出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber

Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及 3.5 Flash Cyber 三款新模型，旨在以更高效率和更低延遲支撐大規模 AI 智慧體工作流。

Mistral AI 釋出首款具身導航模型 Robostral Navigate

Mistral AI 釋出首款具身導航模型 Robostral Navigate，這是一個 8B 引數量的模型，僅需單個普通 RGB 攝像頭和自然語言指令即可讓機器人在複雜環境中自主導航。該模型在 R2R-CE 未見驗證集上取得 76.6% 的成功率，在完全使用模擬資料和高效字首快取技術訓練的基礎上，結合了基於指向的導航與線上強化學習。

Google DeepMind 釋出 Nano Banana 2 Lite 與 Gemini Omni Flash 模型

Google DeepMind 推出兩款新模型：速度最快且最具成本效益的影像模型 Nano Banana 2 Lite，以及用於高質量影片生成和對話式編輯的 Gemini Omni Flash。

推出 Gemma 4 12B：無編碼器統一多模態模型

DeepMind 推出 Gemma 4 12B，這是一款無編碼器的統一多模態模型，能夠直接在配備 16GB VRAM 的筆記本上執行。它在保持與 26B MoE 近似的推理效能的同時，顯著降低了記憶體佔用，並首次支援原生音訊輸入。

Google DeepMind 釋出 Gemini Omni 與首款模型 Gemini Omni Flash

Google DeepMind 推出了全新多模態模型 Gemini Omni，併發布了該系列首款模型 Gemini Omni Flash，支援通過影像、音訊、影片和文本組合輸入生成及編輯影片。該模型已向 Gemini app、Google Flow 以及 YouTube Shorts 使用者推出，未來還將通過 API 提供給開發者和企業客戶。

Gemma 4 釋出：最強開源模型

Google DeepMind 推出了 Gemma 4，四種尺寸（E2B、E4B、26B MoE、31B Dense）支援多模態、長上下文（128K–256K）和 140+ 語言，具備高階推理、函式呼叫和程式碼生成能力，並以 Apache 2.0 許可免費開放，適用於從移動端到雲端的多場景部署。

釋出 Mistral Small 4

Mistral AI 釋出了 Mistral Small 4，這是一款統一推理、多模態與編碼功能的模型，採用 119B 引數、256k 上下文視窗，支援可配置推理強度，提供 40% 的延遲降低和 3 倍的吞吐量提升。該模型採用 Apache 2.0 許可，支援 vLLM、llama.cpp、SGLang 等開源框架，並已加入 NVIDIA Nemotron 聯盟。

Mistral AI 釋出 Mistral 3 模型系列

Mistral AI 釋出新一代 Mistral 3 模型系列，包含 14B、8B 和 3B 的 Ministral 3 端側稠密模型，以及採用稀疏 MoE 架構、啟用引數 41B 總引數 675B 的旗艦模型 Mistral Large 3。所有模型均採用 Apache 2.0 許可證開源，支援多模態與多語言能力，推理版本也將很快推出。

Mistral AI 釋出開源語音理解模型 Voxtral

Mistral AI 釋出了開源語音理解模型 Voxtral，包含面向生產的 24B 規格與面向端側的 3B 規格，均採用 Apache 2.0 協議開源。該系列模型支援 32k 上下文、長達 30 至 40 分鐘的音訊處理、內建問答與摘要、多語言處理及函式呼叫功能，並在多項語音轉寫和理解基準測試中表現優異。

Mistral AI 釋出首個推理模型 Magistral

Mistral AI 釋出首個推理模型 Magistral，推出開源的 Magistral Small（24B）和企業級 Magistral Medium 兩個版本。

Mistral AI 釋出 Mistral Medium 3 模型

Mistral AI 宣佈推出 Mistral Medium 3 模型，在編碼和多模態理解等專業用例中具備前沿級效能，同時顯著降低了成本。該模型支援混合部署或本地部署、自定義後訓練及企業工具整合，API 定價為每百萬 token 輸入 0.4 美元、輸出 2 美元，現已在 Mistral La Plateforme 和 Amazon Sagemaker 等平臺上線。

Mistral AI 釋出 Mistral Small 3.1 模型

Mistral AI 宣佈推出 Mistral Small 3.1，這是一款在其體量級別表現出色的開源模型。該模型帶來改進的文本效能、多模態理解以及高達 128k tokens 的上下文視窗，並以 Apache 2.0 許可證開源。