Google Research 釋出 TabFM：面向表格資料的零樣本基礎模型
Google Research 推出了 TabFM，這是一個專為表格資料分類和迴歸設計的零樣本基礎模型。該模型通過將表格預測轉換為上下文學習問題，消除了傳統機器學習中的手動模型訓練、超引數調優和複雜特徵工程，能夠在單次前向傳遞中對未見過的表格生成高質量預測。
推薦理由：Google Research 釋出了面向表格資料的零樣本基礎模型 TabFM，讀者可以據此瞭解大模型架構如何簡化分類和迴歸的工作流。
模型發布
全部主題新模型的釋出、開源與迭代：大模型廠商的旗艦更新、開源權重放出、效能與價格變化的第一時間記錄。
最新精選
第 201–220 條 · 共 238 條Google Research精選品質評分6363
Ollama Blog精選品質評分7070 Gemma 4 於 Apple Silicon 上加速 90%：多 token 預測實現
Gemma 4 在 Apple Silicon 上透過多 token 預測，速度提升近 90%。 - 速度提升：在 Aider polyglot benchmark 上，Gemma 4 12B (nvfp4) 在 M5 Max 上平均提升 90%。
推薦理由：Gemma 4 於 Apple Silicon 上透過多 token 預測將速度提升至 90% ，並自動調整 Draft 長度，讓代理快回應。
Google Research精選品質評分6565 Google Research：利用凍結的多Token預測技術在 Pixel 裝置上加速 Gemini Nano 模型
Google Research 宣佈推出一項新架構，將多Token預測（MTP）技術應用到已部署且權重被凍結的 Gemini Nano v3 模型上。該方法採用零複製架構直接利用主模型的鍵值快取，在 Pixel 9 和 10 系列裝置上實現了 50% 或更高的推理速度提升，並減少了能耗。
推薦理由：谷歌研究團隊通過在已凍結的 Gemini Nano 模型上應用多Token預測架構，在不增加記憶體冗餘的前提下顯著提升了端側裝置的推理速度與能效。
Mistral AI精選品質評分8181 Mistral AI 釋出 Mistral OCR 4 文件解析模型
Mistral AI 釋出 Mistral OCR 4 模型，提供文件解析功能，除提取文本外還返回邊界框、塊分類和行內建信度分數。該模型支援 170 種語言，可在單容器中執行以用於自託管部署，並通過 API 或 Document AI 提供支援。
推薦理由：該模型支援多語言及單容器私有化部署，為企業級檢索和智慧體工作流提供了帶邊界框和置信度的結構化文件解析能力。
Modal Engineering Blog精選品質評分6262 Modal 推出 Qwen 3.5 397B-A17B 的 DFlash Speculator，實現 5-20% 推理速度提升
Modal 推出基於 DFlash 架構的 Qwen 3.5 397B-A17B speculator，並在 SGLang 推理引擎上實現 5–20% 的速度提升。
推薦理由：本篇說明 Qwen 3.5 397B-A17B 的 DFlash speculator 如何實現 5-20% 的速度提升，並提供在 B200 節點上 1000 tok/s 的實驗資料，對於追求高吞吐量的推理工作具有參考價值。
Google DeepMind精選品質評分7575 Google DeepMind 釋出 DiffusionGemma 開源文本擴散模型
Google DeepMind 釋出了採用 Apache 2.0 協議開源的實驗性模型 DiffusionGemma，這是一款基於 Gemma 4 家族和 Gemini 擴散研究的 26B MoE 文本擴散模型，可在專用 GPU 上實現高達 4 倍的文本生成速度。
推薦理由：該模型採用文本擴散架構實現數倍於傳統自迴歸模型的推理速度，為開發者探索本地即時互動工作流提供了新的硬體利用方式與微調路徑。
Google DeepMind精選品質評分8686 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。
推薦理由：Gemma 4 12B 以無編碼器的多模態架構實現低記憶體、強推理，適配本地 16GB VRAM 機器，讀者可據此評估在邊緣裝置上的部署可能。
Mistral AI精選品質評分8787 Mistral AI 釋出 Mistral Medium 3.5 與 Vibe 雲端非同步智慧體
Mistral AI 推出 128B 開源旗艦模型 Mistral Medium 3.5，具備 256k 上下文視窗、可配置推理強度以及從頭訓練的視覺編碼器，並在 SWE-Bench Verified 上取得 77.6% 的成績。
推薦理由：Mistral Medium 3.5 的釋出和雲端非同步智慧體能力的上線，展示瞭如何通過長上下文與多工具呼叫降低開發者的任務阻塞成本。
Google DeepMind精選品質評分8686 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。
推薦理由：原文介紹了新模型的具體輸入組合和釋出範圍，讀者可以據此評估多模態影片生成與編輯的最新能力邊界。
Google DeepMind精選品質評分8484 Google DeepMind 釋出 Gemini 3.5 模型的首款型號 3.5 Flash
Google DeepMind 正式推出 Gemini 3.5 模型系列的首款型號 3.5 Flash，主打前沿智慧與高速推理，重點提升智慧體和編碼任務表現。3.5 Flash 在 Terminal-Bench 2.1 等基準上表現優於 Gemini 3.1 Pro，速度達到其他前沿模型的 4 倍，目前已全面向全球使用者、開發者及企業推出。
Together AI Official Blog精選品質評分7575 Together AI 立即發布 NVIDIA Nemotron 3 Nano Omni 模型
Together AI 於今日正式推出 NVIDIA Nemotron 3 Nano Omni 模型，並於同日即時提供開發者使用。 - 多模態推理：單一模型即可同時處理影像、影片、音訊與文字，支援 256K token 的共享上下文。
推薦理由：本篇說明 NVIDIA Nemotron 3 Nano Omni 在 Together AI 上，與 Agent 效能，對落地 Agent 的開發者具參考價值。
Google DeepMind精選品質評分7373 Gemini 3.1 Flash TTS 釋出：下一代表達式 AI 語音模型
Google DeepMind 推出了 Gemini 3.1 Flash TTS，提升了可控性、表達力和音質，支援 70+ 語言和多說話人對話，並通過細粒度音訊標籤讓開發者可用自然語言控制語音風格。該模型在人工分析 TTS 評測中獲得 1,211 Elo 分，並已在 Gemini API、Vertex AI 及 Google AI Studio 預覽。
推薦理由：Gemini 3.1 Flash TTS 通過細粒度音訊標籤提升可控性與表達力，支援 70+ 語言，支援多說話人對話，適合企業與開發者構建多語種語音應用，且在人工分析 TTS 評測中獲得 1,211 Elo 分。
Google DeepMind精選品質評分7575 Gemini Robotics-ER 1.6：通過增強具身推理驅動真實世界機器人任務
Google DeepMind 推出了 Gemini Robotics-ER 1.6，這是其專為機器人設計的最新模型，提升了空間推理、多視角理解和儀表讀取能力。該版本在安全性和物理約束遵守方面也有顯著改進，並已通過 Gemini API 和 Google AI Studio 對開發者開放。
推薦理由：Gemini Robotics-ER 1.6 通過增強空間推理和多視角理解，顯著提升機器人在真實環境中的自主決策能力，並首次實現儀表讀取功能，為工業設施監測提供更高精度。該模型在安全性和物理約束遵守方面也表現出顯著改進，幫助機器人更安全地執行任務。
Google DeepMind精選品質評分6969 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。
推薦理由：Gemma 4 以高效引數利用率和多模態能力，成為最強開源模型之一，支援從移動端到雲端的多場景部署，並提供 128K–256K 上下文視窗和 140+ 語言支援，兼具函式呼叫和結構化 JSON 輸出，滿足多行業需求。
Mistral AI精選品質評分7575 Mistral AI 釋出 Voxtral TTS 語音生成模型
Mistral AI 釋出 4B 引數量的語音生成模型 Voxtral TTS，支援 9 種語言的高質量語音合成與低延遲流式傳輸。該模型具備上下文理解、說話人建模及零樣本跨語言語音適應能力，已通過 API、Mistral Studio 和 Hugging Face 開放。
推薦理由：原文公佈了架構細節和零樣本跨語言能力，讀者可以據此評估它在即時語音工作流中的表現。
Together AI Official Blog精選品質評分7070 Mamba‑3 發布：更高效的 SSM 方案提升 1.5B 模型推理速度
Mamba‑3 是一款新型 SSM，專為推理效率設計，於 1.5B 模型層級下，預填+解碼延遲均優於 Llama‑3.2‑1B、Gated DeltaNet 及 Mamba‑2。
推薦理由：Mamba‑3 以高效的 SSM 方案，提升 1.5B 模型預填解碼延遲，並提供 Triton/TileLang/CuTe kernels，為線性模型推理競爭力提供基礎。
Mistral AI精選品質評分8484 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。
推薦理由：Mistral Small 4 將推理、多模態與編碼功能統一，提供可配置推理強度和高效推理，幫助使用者在單一模型中完成多種任務。
Mistral AI精選品質評分6868 Leanstral 釋出開源可信 Vibe 編碼基礎
Leanstral 是 Mistral AI 推出的首款專為 Lean 4 設計的開原始碼代理，採用 6B 活躍引數，支援在 Mistral Vibe 中零設定使用，並提供免費 API 端點。
推薦理由：Leanstral 以 6B 引數實現高效 Lean 4 程式碼生成，成本低於主流模型，展示了開原始碼代理在正式驗證場景中的可行性。
Ahead of AI (Sebastian Raschka)精選品質評分6464 A Dream of Spring for Open-Weight LLMs：盤點 2026 年初 10 款開源大模型架構
本文深度解析 2026 年 1 月至 2 月 期間發布的 10 款主要開源權重模型，涵蓋架構相似性、注意力機制與效率最佳化： - Arcee AI Trinity Large：採用 400B 引數的 Mixture-of-Experts（MoE）架構，結合滑動視窗注意力（SWA）與 QK-Norm 穩定訓練。
推薦理由：原文系統梳理近期十款開源模型的架構演進與效能差異，讀者可透過對比了解新型混合注意力的設計趨勢。
Mistral AI精選品質評分7373 Mistral AI 釋出 Voxtral Transcribe 2 語音模型系列並開源即時版本
Mistral AI 釋出了 Voxtral Transcribe 2 語音模型系列，包含用於批次轉寫的 Voxtral Mini Transcribe V2 和用於即時應用的 Voxtral Realtime。
推薦理由：Mistral 釋出了 Voxtral Transcribe 2 語音模型系列，並開源了 Voxtral Realtime 權重，讀者可以據此瞭解其在即時性與多語言轉寫上的新進展。