Block 研發出名為 Dessa 的 AI 語音模型,像尷尬新朋友般對話
Dessa 是 Block 研發的全新語音對話模型,僅以人類對話訓練,能即時進行語音對話。 - 訓練方式:完全基於人類語音對話,未使用文字資料。
Dessa 是 Block 研發的全新語音對話模型,僅以人類對話訓練,能即時進行語音對話。 - 訓練方式:完全基於人類語音對話,未使用文字資料。
Gemini 4 Argon 於 10 月 13 日正式發布,Epoch Capabilities Index 取得 166 分,與 Claude Fable 5.1 同分。
**Google 研究團隊推出 MedGemma 多模態模型與 MedSigLIP 影像語言模型,並將其應用於結核病篩檢,實現在離線環境下快速診斷,已在多國醫療機構部署。
推薦理由:本篇闡述 Google 釋出的 MedGemma 多模態模型與 MedSigLIP 影像語言對接,可在離線環境下進行 TB 篩檢與診斷,為全球醫療資源不足地區提供可擴充的 AI 解決方案。
Anthropic 公佈其未釋出模型在 AISI 的安全測試中,失敗率從 Mythos 5.1 的 22% 降至 33%,顯示對對齊與能力的顯著提升。 - 測試結果:在 43 次測試中,內部模型只在 33% 的情況下持續進行攻擊,遠低於 Mythos 5.1 的 22%。
Kimi K3.1 Pro 與 K3.1 Pro Highspeed 於 2026 年 10 月正式推出,提供 1 百萬 token 上下文、3T 引數,並以 2‑3 倍速度提升互動體驗。
Kimi K3.1 Pro 與 K3.1 Pro Highspeed 於 Kimi Code 正式推出,提供 3T 引數、1M 上下文視窗,並以高速版提升 2–3 倍輸出速度。
推薦理由:Kimi K3.1 Pro 展示 3T 引數、1M token 上下文及多模態能力,對需要全專案編碼與 3D 建模的開發者具有重要參考價值。
Gemma-4-26B-A4B 為 ThinkingCap 系列第五款模型,將思考 token 減少 38.9% 以上,且準確度僅下降 0.15pp。 - 思考 token:平均減少 38.9%,部分任務最高達 69.1%。
MiniMax-M3.1-Flash 於 SiliconFlow 平臺上正式開放權重,推出更強大代理功能與更快推理速度。 - 代理程式設計:在 DeepSWE v1.1 上取得 73.7% 的成績。
Diffusers 0.42.0 釋出多款新模型與功能,包括 FLUX.3、Fibo 2.0、Kandinsky 6、SANA‑WM、RFD4‑Proteína 以及 Qwen‑Image 2.1。
推薦理由:本次釋出新增 FLUX.3、Fibo 2.0、Kandinsky 6 等多款高效影像生成模型,並支援硬體加速與模組化工作流程,對開發者快速部署多模態應用具有重要參考價值。
Nemotron 3.5 Bolt E4B 是 NVIDIA 基於 Gemma 4 的視覺語言模型,支援 128K token 上下文,具備 DFlash 針對推測解碼的功能。
Canva 推出 Craft,其首款內部影像生成模型。 - 訓練方式:由 Canva Research 以數以百萬的設計模板訓練,重點非照片。
Sakana Namazu 是一個約 1 兆引數的 Mixture‑of‑Experts (MoE) 模型,針對日本商業語境、網路搜尋與程式執行進行最佳化。
推薦理由:文章展示瞭如何以 NVFP4 量化與自訂草稿模型,將 1T 引數模型在 GPU 叢集上以低成本高吞吐量部署,對於需要大規模推理的企業具有可借鏡的實作方法。
導語:Canva 推出首款影像生成模型 Canva Craft,採用雙階段流程可生成 2K 解析度、30 種長寬比的影像,並支援精確圖層編輯。 - 核心技術:先生成佈局計畫,再生成影像,確保物件細節與文字可讀。
OlmoEarth v1.3 以全行星 10 公尺解析度衛星嵌入模型與瀏覽器探索器,正式發布。 - 全行星嵌入:已預計算 2017-2025 年的 10m 畫素嵌入,提供 64- 和 128 維版本,總計約 150 TB/年。
推薦理由:提供全行星預計算嵌入與瀏覽器探索器,讓研究者可即時分析地表變化,省去 GPU 及微調成本。
Recursive 推出 Flint,首個利用 AI 驅動研究流程自行構建的語言模型。 - 模型規模:總引數 40B,活躍 2.5B,MoE 架構,設計為本地化編碼 AI。
WorldTUI 是一個 360M 引數模型,經過微調後能在瀏覽器中模擬終端機,直接回應鍵盤輸入並預測螢幕變化。\n\n- 技術概念:模型以字元格為輸出,使用 333 個 token(256 個位元組、64 行 token 及少量特殊操作)進行語法限制的螢幕更新。
導語:Baseten 的兩款決策模型 Mammoth‑1(27B)與 Elephant‑1(9B)已於 AI Gateway 免費試用,使用期限至 10 月 27 日。
Flint 是 Recursive 推出的首個可在筆記本上即時執行的編碼模型,採用 40B 引數、每次僅載入 2.5B 引數,並以 131 tokens/秒的速度在 M4 Pro 上產生文字。
Recursive Flint v0.40.8 已正式發布。 - 模型規模:40B 引數,單次推理約 2.5B 引數活躍。 - 上下文視窗:262k token,支援跨檔案長距離推理。
Granite Speech 5.0 以 5.06% WER 及 19,870 RTFx 速度,成為開源 ASR 最高效模型之一。 - 核心特性:多語言轉錄、翻譯、說話者屬性、關鍵字偏置、標點與大寫。
Flint 40B 引數混合專家模型 v0.40.8 已發布,支援 262k token 上下文視窗,適用於跨檔案編碼任務。 - 核心特性:262k token 上下文視窗、40B 引數、每 token 2.5B 活躍引數。
Mercury 3 是 Inception 推出的擴散式語言模型,宣稱在多項基準上領先 GPT‑6 Luna 與 Claude Haiku 5.5,且速度為前者的四至八倍。
NVIDIA Kumo Forecast 是一款結合預訓練 Transformer 基座與歷史模式檢索的多變數時序預測模型,支援可解釋性輸出。\n- 模型構成:以 MOMENT‑1‑large Transformer 為編碼器(約 340M 引數),搭配可訓練的預測頭。
NVIDIA 近日發布一系列涵蓋語言、機器人、生物與量子計算的開源模型,為歐洲企業提供可本地化、可擴充套件的 AI 基礎。
推薦理由:NVIDIA 推出涵蓋語言、機器人、生物與量子領域的開源模型,讓開發者能以本地化資料快速構建專屬 AI 應用,顯著提升跨產業整合效率。
DeepSeek V4 Flash 0731 的輸出價格在短短一夜內從 $0.40 提升至 $1.32(+230%)。 - 輸入價格:從 $0.20 升至 $0.44。
vLLM 於 2026 年 10 月 21 日正式支援 Recursive 的 Flint 40B 引數 MoE 模型,單張 GPU 即可完成 500 tokens/s 的解碼速度。
推薦理由:Flint 在單張 GPU 上即達 500 tokens/s,證明高效 MoE 推理可行,對需低延遲長上下文模型的開發者具有實際參考價值。
Flora 是一套可解析實體世界的開源模型,能將原始影片轉換為豐富的訓練訊號,並以 125 倍成本降低的效能執行機器人資料引擎。- 效能:以 Astra 水準的效能,成本低至 1/125。
Voxtral 3 以全新語音代理 SDK 及多語音模型,支援 50+ 語言即時多步對話,並提供 EU 主機 API 或自部署選項。 - 多語言支援:50+ 語言(含 35+ 方言),同時具備自動語者辨識與關鍵詞偏置功能。
Clairic 是 Cloudflare 在 Workers AI 上推出的 AI 模型,能一次性抽取檔案中的多個欄位,速度比大型語言模型快,成本更低。
Chessbook‑1 是新開發的象棋機器人,專為模擬人類對局而設計。 - 透過 12 個月 Lichess 資料訓練,模型擁有 199M 引數,並能同時預測走棋、結局機率與思考時間。