推出 Clef-omni 全多模態模型,並加速 Clef、降價 Clef-flash
Clef-omni 以單一 API 支援音訊、影像、文字與圖片的多模態決策,首次公開於 Cloudflare。 - 多模態支援:音訊 (wav/mp3)、影片 (mp4/webm)、圖片、文字,一次呼叫即可。
推薦理由:Clef-omni 以單一 API 支援音訊、影像與文字,多模態決策模型的首次公開,為開發者提供更快、更便宜的工作流程選擇。
Clef-omni 以單一 API 支援音訊、影像、文字與圖片的多模態決策,首次公開於 Cloudflare。 - 多模態支援:音訊 (wav/mp3)、影片 (mp4/webm)、圖片、文字,一次呼叫即可。
推薦理由:Clef-omni 以單一 API 支援音訊、影像與文字,多模態決策模型的首次公開,為開發者提供更快、更便宜的工作流程選擇。
TerrainSR 是一款可將 100m 地形高度圖升級至 10m 的模型,速度快至 0.74 秒,適合即時遊戲與模擬。 - 訓練資料:100m → 10m 對,無建築物或人為改造區域,避免產生 artefacts。
Whistle 是一款 16.9 MB 的語音辨識模型,能在單一 CPU 引擎上即時處理七種語言,首詞延遲僅 11 ms。 - 體積與執行:16.9 MB,無需額外依賴,直接載入同一 C++ 引擎,支援 Android、iOS、Windows ARM、RISC‑V、MIPS、瀏覽器及 WASI。
Step 5 Preview 是 StepFun 推出的 1M 上下文視窗稀疏 Mixture‑of‑Experts 模型,已於 OpenRouter 上線。
Jev 是 TypeSafe AI 於 9 月 15 日發布的全新 AI 模型,採用機率輸出取代長文本,讓開發者能以更低成本、較快速度使用。 - 核心設計 輸出 {是/否、多選、評分} 的機率,避免自由文本,提升推理速度與成本。
summary_zh: Tesla 的 Optimus 人形機器人預計於 2027 年底上市,單價約 $20,000,但目前仍未能即時改變人類生活。
Claude Haiku 5.5 以相同價格匹敵 GPT‑6 Luna,並以更低成本與更快速度為高量工作提供實際可用方案。 - 定價:與 GPT‑6 Luna 同價,Haiku 4.5 成本下降約 75%。
Claude Haiku 5.5 以與 GPT‑6 Luna 同價競爭,並提供更高效的 token 使用與 API 免責信用,對成本敏感的開發者具吸引力。
Claude Haiku 5.5 是 Anthropic 推出的最快、最經濟的小型模型,並以大幅降價與顯著效能提升震撼市場。 - 價格:平均比 Haiku 4.5 降價 75%,對 100k 以上長提示降價 90%。
Claude Haiku 5.5 已於 Amazon Bedrock 與 Claude Platform on AWS 上提供,為 Anthropic 最新的子代理模型。
推薦理由:Claude Haiku 5.5 在 AWS 上提供更快更低成本的子代理模型,適合高量化、成本敏感的工作,並可與 Opus 5.5 組合使用,分工協作提升推理效率與成本效益,支援多語言輸入與輸出。
Claude Haiku 5.5 正式發布,為 Anthropic 推出最便宜、最快速的小型模型,成本較 Haiku 4.5 降低 75%。 - 成本效益:平均運算成本比 Haiku 4.5 降低約 75%,且支援 100,000 token 以上提示。
d1-3B 與 d1-omni-600M 為 Liquid AI 發布的兩款多模態決策模型,專為邊緣裝置設計。 - 決策指數:在 Decision Index 0.2.1 上 d1-3B 以 48.57 分領先 4B、9B 及 35B-A3B。
推薦理由:此模型在 Decision Index 0.2.1 上以 48.57 分領先 4B、9B 及 35B-A3B,且在 Jetson AGX Thor 上 16ms 回應速度,適合邊緣決策應用。可快速部署於 Jetson 系列,提供 50ms 內回答,適合需要即時決策的場景。
Le Chonk 是 Mistral 推出的 1 兆引數開源模型,宣稱能與美中頂尖模型競爭。 - 引數量:1 兆,與主流專有模型相近。 - 可用性:目前為預覽版,月底前將發布正式版;任何人皆可使用與自訂。
Falcon-ASR 於 2026 年正式發布,為 1.6B 引數的阿拉伯語語音辨識模型,專注於阿聯酋方言,並支援英、法、西、葡四語。- 評測成效:在六套阿拉伯語測試集上平均 WER 20.92%,低於最佳公佈 23.17%。
導語:Strands Decider 2B 是一款 20 億引數的決策模型,專為本地快速實驗與 agentic 工作流程設計,並已在 GitHub 與 Hugging Face 開源。
我們即將發布一系列由內部前沿模型產生的新數學成果。 我們已經諮詢了位於先進研究院的獨立數學與人工智慧諮詢小組,並採納了他們的建議。
Mistral Large 4 於 2026 年 10 月正式開源,擁有 1 兆引數的 MoE 架構。 - EmbeddingGemma 2:Google 發布 740M 輕量多模態嵌入模型,支援多語言。
summary_zh: - Simon Willison 發布了標題為 llm‑mistral 0.16 的 beat,內容包含三項關鍵資料。 - llm:637 - mistral:68 - llm‑reasoning:105 - 這是一份每月 briefing,提供 $10/月 的訂閱服務,訂閱者可收到精選電子郵件摘要。
EmbeddingGemma 2 於 2026 年 10 月正式發布,為輕量化多模態嵌入模型,能將文字、影像、音訊、影片統一對映至同一嵌入空間,並在邊緣裝置上高效執行。
Mistral Large 4(代號「Le chonk」)於 2026 年 10 月 6 日推出,擁有 1 兆引數、49 兆活躍引數,並以 3,800 顆 NVIDIA Grace Blackwell GPU 進行訓練。
summary_zh: EmbeddingGemma 2 以 Apache 2.0 授權發布,讓開發者可自行部署並避免單一供應商風險。 - 授權方式:Apache 2.0,開源權重可自由使用與改寫。
Musubi 推出 PolicyLM-1.7B,一款輕量化即時決策模型,能在 50 毫秒內將英文內容政策應用於訊息。 - 核心特性:開放權重、低延遲(<50 ms)、可自訂政策、無需重新訓練。
導語:Google 發布了 Nano Banana 2.1,提供更高畫質、降低成本的影像生成與編輯功能。 - 核心特性:使用 Gemini 3.6 Flash,支援 1K、2K、4K,最多一次處理 14 張參考圖,保持 4 個角色與 10 個物件一致。
EmbeddingGemma 2 是 Google 推出的 740M 引數多模態嵌入模型,能將文字、影像、影片、音訊及程式碼轉成向量。 - 效能:在 Massive Text Embedding Benchmark 上得分 78.68,較前代提升近 10 分,與更大模型相當。
EmbeddingGemma 2 是 DeepMind 推出的全新多模態嵌入模型,支援文字、影像、音訊、影片與程式碼。 - 引數量:740 M,適合本地推理。
推薦理由:EmbeddingGemma 2 以 740M 引數實現跨模態嵌入,兼顧效能與隱私,適合本地 RAG 與離線搜尋,並提供 8K token 上下文視窗與 6 倍儲存壓縮。
summary_zh: Mistral Large 4 在基準測試中被用來生成 SVG,與 Claude‑opus‑5.5、gpt‑6.1‑sol、gemini‑3.8‑flash 等前沿模型一起比較,顯示 benchmark 已飽和。
OpenAI 推出了 GPT‑6 Astra,並與法律合約平臺 Ironclad 合作,將模型應用於合同配置、審批與可重用條款等複雜工作流程。 - 成效提升:在 11 個研究任務中,Astra 平均分 55.0%,比 GPT‑5.6 Sol 的 41.6% 高 32%。
Mistral Large 4 以 1 兆引數的開源多模態模型,於今日開放預覽,主打安全、程式編寫與多媒體理解。\n- 模型規格:1 兆引數、49 B 活躍引數,訓練於 3,800 臺 NVIDIA Grace Blackwell GPU。
Hugging Face Transformers 正式發布 v5.19.0 版本,新增支援 Google 的多模態嵌入模型 EmbeddingGemma2,並針對混合專家模型與連續批次處理進行重大更新。
summary_zh: Claude Opus 5.5 能夠在 Scrimshaw Jukebox 中創作出類似《Monkey Island》原聲帶品質的音樂。
Mistral Large 4 是歐洲首個千億引數多模態模型,已在歐洲資料中心訓練並公開預覽。 - 引數與結構:總共 1.05 萬億引數,49 億為活躍引數,視覺編碼器 1.6 億引數,1 百萬 token 上下文視窗。
Mistral Large 4 現已於 Vercel 的 AI Gateway 正式上線,使用者可透過單一 API 金鑰直接存取。 - 多模態推理:結合文字與影像理解,適用於網路安全、製造與金融工作流程。
Mistral Large 4 是一款 1 兆引數、49B 活躍引數的多模態模型,公開預覽已開放 API。 - 規模:1 兆引數,49B 活躍引數,跨領域效能領先。
推薦理由:Mistral Large 4 擁有 1 兆引數及跨領域優勢,讀者可評估其在安全、工程與科學領域的實務應用。
Mistral Large 4 正式發布,擁有 49B 活躍引數、1.05T 總引數以及 1.6B 視覺編碼器,採用 Granular Mixture‑of‑Experts 架構。
Reflection Beam 是 Reflection 首個免費開源模型,採用 501B 引數、每個 token 只啟動 23B,實現低算力下的高效編碼與推理。
Falcon-Emirati-7B 是基於 Falcon-H1-Arabic 的 7B 引數模型,專門針對阿聯酋阿拉伯語方言進行調校。\n- 核心特性:使用 Mamba 與 Transformer 混合架構,支援 128K/256K token 上下文。
Reflection Beam 以 23.8T 預訓練 token 及 80.9 SWE‑bench Verified 分數,標示美國本土大模型在程式設計與代理任務上的競爭力。