Google 发布 Gemini 4 Argon，称其为迄今最强大模型
Google 母公司 Alphabet 推出新 AI 模型 Gemini 4 Argon，官方称其为迄今最强大的模型。该模型通过 Fairwind Program 向部分网络安全合作伙伴开放，专门针对防御性网络工作训练，能够自主发现、验证和修补关键软件漏洞。
推荐理由：原文指出该模型专攻防御性网络安全并声称在多项基准测试中领先竞品，读者可据此评估其在特定垂直领域的实际能力与行业地位。
#多模态
#多模态
今日 2 条TechCrunch · AI精选AI 评分7878 The DecoderAI 评分6565 Tavus 发布 Griffin：近半数受试者在通话中将其误认为真人
Tavus 推出名为 Griffin 的“人类交互模型”（HIM），旨在实时理解和进行面对面视频对话。在一项研究中，48% 的参与者在仅一分钟的视频通话后认为 Griffin 是真人，而此前系统的最高比例仅为 2%。
The Decoder精选AI 评分8686 Google 发布 Gemini 4 Argon：缩小与 OpenAI 和 Anthropic 差距但未确立明显领先
Google 发布新前沿模型 Gemini 4 Argon，在部分关键基准测试中超越竞争对手，但尚未确立全面领先地位。该模型目前仅向“可信网络防御者”等早期测试者开放，后续将逐步面向 API 客户和 Google AI Ultra 订阅用户推出。
推荐理由：原文梳理了 Gemini 4 Argon 的基准测试表现、定价策略及分阶段开放计划，为评估其与竞品差距提供了具体数据参考。
Microsoft Research精选AI 评分6060 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，这是一个结合生物学世界模型与交互式工具链的 AI 研究系统，旨在连接模型、科学工具、文献及研究人员。该系统在胰腺导管腺癌（PDAC）研究中应用，仅用一个周末即完成了从缩小化合物搜索空间到确定候选药物的过程，并验证了多个排名靠前的化合物能驱动肿瘤细胞状态转变。
推荐理由：微软研究院推出Quine，通过多模态世界模型与实验闭环加速生物发现，并在胰腺癌研究中验证了化合物筛选效率。
Hugging Face BlogAI 评分4242 Hugging Face 发布 LFM2.5-VL-DSpark 实验性草稿模型，推理速度最高提升 3.13 倍
Hugging Face 推出针对视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型。该模型通过推测解码技术，在仅增加 8.9% 参数量的前提下，实现设备端最高 3.13 倍、H100 上 2.66 倍的解码加速。目前已支持 llama.cpp、MLX-VLM 和 SGLang，提供 Safetensors 和 GGUF 格式供开源部署。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款最新实时对话模型，旨在提升语音智能体的近实时推理能力。
推荐理由：原文详细列出了两款新语音模型在多项基准测试中的具体得分及并行推理能力，为开发者评估实时语音智能体的性能与成本提供了直接依据。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 联合发布 WeatherNext 3，这是其最新且最准确的全球天气 AI 模型。该模型直接利用实时静止卫星数据进行训练，每小时生成一次高分辨率预报，地表变量分辨率达 5 公里，较前代提升约五倍。
推荐理由：该模型通过直接学习实时卫星数据实现了小时级高分辨率预报，并集成至 Google 核心产品生态。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 NeoMME 多模态编码器系列
Hugging Face 推出 NeoMME 260M 和 800M 参数规模的多语言多模态编码器，采用单一双向 Transformer 处理文本与图像补丁。NeoMME-Retriever 在 ViDoRe v3 基准测试中表现优异，260M 版本吞吐量约为 ColModernVBERT 的两倍，并通过层级令牌池化和非对称量化将索引存储减少至每页 6 kB。
推荐理由：原文展示了单Transformer架构在视觉文档检索中的效率突破，提供了从模型权重到代码示例的完整开源实现。
Microsoft ResearchAI 评分3838 Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型助力群体规模发现
Microsoft Research 推出开源病理基础模型 GigaPath-Flash 和 GigaTIME-Flash，旨在通过提升效率实现群体规模的疾病研究。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 SL2T 手语转文本模型并集成至 Pixel 11
Google DeepMind 推出大规模多语言手语转文本（SL2T）模型，首次将手语 AI 应用于 Gboard 和 Live Transcribe 等消费产品。
推荐理由：原文展示了 SL2T 模型在 Gboard 和 Live Transcribe 中的落地方式及隐私保护机制，读者可据此了解手语 AI 从实验室走向消费级产品的具体路径。
Google Research精选AI 评分7878 Google Research 发布 AMIE (Video)：实现专家级实时音视频临床问诊
Google Research 推出基于 Gemini 和 Project Astra 的 AMIE (Video)，该系统能在实时视频问诊中感知非语言线索并引导虚拟体格检查。
推荐理由：原文展示了AMIE在实时视频问诊中达到专家级表现的实验设计与结果，为理解多模态医疗AI的感知与推理能力提供了具体依据。
Hugging Face Blog精选AI 评分9292 Meta 发布 Muse Glimmer：面向本地智能体的开源多模态模型
Meta 发布 Muse Glimmer，这是一个专为本地智能体用例设计的 30B 参数多模态模型，采用 Apache 2.0 许可证开源。该模型由 Muse 蒸馏而来，包含 2B ViT 视觉编码器和 28B 文本解码器，支持图像、视频输入及多模态工具调用。
推荐理由：原文给出了30B参数模型的架构细节、基准测试数据及在主流推理框架中的Day-0支持，读者可据此评估其在本地智能体场景下的实际部署能力。
Mistral AI精选AI 评分7373 Mistral AI 发布 Shieldstral：3B 参数开源多模态安全分类器
Mistral AI 发布 Shieldstral，这是一款 3B 参数的开源多模态安全分类器，在文本安全方面性能匹敌或超越体积达其 7 倍的模型，并在多模态审核基准上创下新纪录。
推荐理由：原文展示了将内容审核转化为问答任务的新范式，读者可据此了解如何通过自然语言策略实现无需重训的灵活安全评估。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，这是一款用于机器人的高级具身推理模型。该模型支持视频理解、任务编排和多机器人协作，在进度分类和时刻查找任务中分别达到 57.4% 和 91.3% 的准确率。开发者可通过 Gemini API 和 Google AI Studio 访问该模型。
推荐理由：原文给出了视频理解、任务编排和多机器人协作的具体能力指标，读者可以据此判断其在物理世界中的实际表现。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 正式推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型，旨在优化 AI 智能体的构建效率与成本。
推荐理由：官方详细披露了新版 Flash 系列模型的 token 效率提升数据、具体定价及计算机使用能力内置情况，为开发者评估智能体工作流的成本与性能提供了直接依据。
Hugging Face Blog精选AI 评分9393 Thinking Machines 发布 Inkling 系列开源多模态大模型
Thinking Machines Lab 在 Hugging Face 发布了 Inkling 系列开源多模态大模型，包含总参数约 1T 的 Inkling 和总参数 276B/激活 12B 的 Inkling-Small。
推荐理由：原文给出了1T参数全模态模型的架构细节与部署配置，读者可以据此评估其在多模态推理任务中的实际能力。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 并开放开发者接入
Google DeepMind 正式发布 Nano Banana 2 Lite 和 Gemini Omni Flash，并在 Google AI Studio、Gemini API 及 Gemini Enterprise Agent Platform 向开发者开放。
推荐理由：官方同步开放两款新模型的开发者接口，明确了各自的延迟、成本及能力边界，为构建图文视频混合工作流提供了具体选型依据。
Hugging Face BlogAI 评分5353 PP-OCRv6 在 Hugging Face 发布：支持 50 种语言的轻量级 OCR 模型
PaddlePaddle 在 Hugging Face 发布 PP-OCRv6，提供 tiny、small 和 medium 三个档位，参数量从 1.5M 到 34.5M。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，这是一款旨在笔记本电脑上运行的高性能多模态模型。它采用独特的无编码器统一架构，将视觉和音频输入直接融入 LLM 主干网络，支持原生音频输入。
推荐理由：该模型采用无编码器统一架构，在16GB显存设备上实现接近26B MoE的多模态推理能力，适合关注本地部署效率的开发者。
Hugging Face Blog精选AI 评分6565 NVIDIA 发布 Nemotron 3.5 Content Safety：支持自定义策略的多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，这是一个基于 Gemma 3 4B IT 微调的统一多模态、多语言内容安全模型。它支持自定义企业策略执行和可选的可审计推理轨迹（THINK Mode），在保持低延迟的同时实现了跨语言和图文的综合安全评估。
推荐理由：该模型将多模态、多语言与自定义策略执行统一于单次推理，并开源了包含真实图像的训练数据集，为企业级内容安全提供了可审计且低延迟的解决方案。
Hugging Face BlogAI 评分3838 OlmoEarth v1.1 发布：计算成本降低至三分之一
Hugging Face 推出 OlmoEarth v1.1 地球观测模型家族，通过优化 Transformer token 序列长度，将计算成本降低至上一代的三分之一。该版本在保持与 OlmoEarth v1 相当性能的同时，显著提升了推理效率，支持 Base、Tiny 和 Nano 三种规格，使大规模卫星影像处理更经济高效。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 推出 Gemini Omni Flash，这是 Omni 系列的首个模型，支持从图像、音频、视频和文本等任意输入生成高质量视频。
推荐理由：原文详细说明了 Gemini Omni Flash 支持自然语言对话式视频编辑及多模态输入生成，并给出了具体的分发渠道和订阅权限。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 3.5 Flash 模型
Google DeepMind 正式发布 Gemini 3.5 系列并率先推出 Gemini 3.5 Flash 模型，该模型主打智能体（Agent）与编码能力，现已向全球用户开放。
推荐理由：官方详细披露了 Gemini 3.5 Flash 在智能体任务与编码基准上的性能数据及开放入口，为评估其实际工作流替代能力提供了具体依据。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，这是一款支持文本、图像、视频和音频的全模态理解模型。该模型采用 Mamba-Transformer MoE 混合骨干网络，在 OCRBenchV2 和 WorldSense 等基准测试中表现优异，并针对长文档分析和智能体计算机使用进行了优化。BF16、FP8 和 NVFP4 检查点已在 Hugging Face 开放下载。
推荐理由：原文给出了混合架构细节与多基准实测数据，读者可以据此评估其在长文档和音视频联合理解任务中的实际能力边界。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini Robotics-ER 1.6 增强机器人具身推理能力
Google DeepMind 推出 Gemini Robotics-ER 1.6，这是一款专为机器人设计的高层推理模型，显著提升了空间推理和多视角理解能力。该模型新增了仪表读取功能，能够解读复杂压力表和液位计，并在指向、计数及任务成功检测方面优于前代版本。
推荐理由：官方详细拆解了空间推理与仪表读取等核心能力，并给出了 API 入口及开发者示例，适合评估其在工业巡检场景的落地潜力。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemma 4：号称每字节性能最强的开源模型家族
Google DeepMind 正式推出 Gemma 4 系列开源大模型，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可证。
推荐理由：Google DeepMind 发布 Gemma 4 系列开源模型，提供从移动端到工作站的多种尺寸及 Apache 2.0 许可，展示了其在智能体工作流和边缘计算上的最新进展。
Hugging Face Blog精选AI 评分9696 Gemma 4 系列多模态模型发布
Gemma 4 系列多模态模型正式发布，包含 E2B、E4B、12B Unified、31B 和 26B A4B 五种尺寸，支持图像、文本和音频输入，采用 Apache 2.0 许可证。
推荐理由：原文给出了五种尺寸的多模态架构细节与跨框架部署方案，读者可据此评估其在端侧推理和智能体工作流中的实际可用性。
Hugging Face Blog精选AI 评分7070 TII 发布 Falcon Perception 0.6B 早期融合模型及 Falcon OCR 0.3B 模型
Technology Innovation Institute (TII) 发布 Falcon Perception（0.6B 参数）和 Falcon OCR（0.3B 参数），两者均采用单一早期融合 Transformer 架构处理图像补丁与文本。
推荐理由：原文展示了早期融合架构在开放词汇分割与OCR任务上的性能优势及推理细节，为小参数模型替代复杂视觉管线提供了可复用的技术路径。
Hugging Face BlogAI 评分5555 IBM 发布 Granite 4.0 3B Vision：面向企业文档理解的紧凑多模态模型
IBM 在 Hugging Face 发布 Granite 4.0 3B Vision，这是一款基于 Apache 2.0 许可的紧凑视觉语言模型，专为企业文档理解设计。
Hugging Face BlogAI 评分5858 H Company 发布 Holotron-12B 高吞吐量计算机使用智能体模型
H Company 发布 Holotron-12B，这是一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态计算机使用模型。该模型采用混合 SSM 和注意力机制，在单张 H100 GPU 上实现了比 Holo2-8B 高 2 倍以上的吞吐量，并在 WebVoyager 基准测试中将性能从 35.1% 提升至 80.5%。
Mistral AI精选AI 评分8080 Mistral AI 发布 Mistral Small 4：统一推理、多模态与编码能力的开源模型
Mistral AI 发布 Mistral Small 4，这是首个将 Magistral（推理）、Pixtral（多模态）和 Devstral（智能体编码）能力统一于一体的 Mistral 模型。
推荐理由：Mistral Small 4 将推理、多模态和编码能力统一于单一开源模型，并提供了具体的架构参数与效率对比数据。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3.1 Flash-Lite 模型
Google DeepMind 推出 Gemini 3.1 Flash-Lite，这是其最快且最具成本效益的 Gemini 3 系列模型，现已通过 Gemini API 和 Vertex AI 向开发者和企业开放预览。
推荐理由：官方公布 Gemini 3.1 Flash-Lite 的定价、速度提升及基准测试数据，为高并发场景下的模型选型提供具体参考。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.1 Pro 模型
Google DeepMind 正式发布 Gemini 3.1 Pro，作为 Gemini 3 系列的核心智能升级版本。该模型在 ARC-AGI-2 基准测试中取得 77.1% 的验证分数，推理性能较前代提升超过一倍。
推荐理由：原文披露了 Gemini 3.1 Pro 在 ARC-AGI-2 基准上的具体得分及全平台开放入口，读者可据此评估其推理能力跃升幅度与当前可用性。
Google Research精选AI 评分6565 Google 发布 MedGemma 1.5 4B 与 MedASR 开源医疗模型
Google Research 发布 MedGemma 1.5 4B 模型和 MedASR 语音识别模型，并启动 Kaggle 黑客松。MedGemma 1.5 新增对 CT、MRI 和全切片病理图像等高维医学影像的解读能力，在内部基准测试中疾病分类准确率较上一代显著提升；MedASR 专为医疗听写微调，错误率远低于通用 Whisper large-v3 模型。
推荐理由：原文给出了MedGemma 1.5对CT和MRI等高维医学影像的支持及具体基准提升，开发者可据此评估其在复杂医疗场景中的适配潜力。
Mistral AI精选AI 评分6060 Mistral AI 发布 Mistral OCR 3 模型
Mistral AI 正式发布 Mistral OCR 3，该模型在表单、扫描文档、复杂表格和手写内容上的整体胜率比 Mistral OCR 2 高出 74%。
推荐理由：Mistral OCR 3 在表单、手写和复杂表格识别上较前代有显著提升，且以极低价格提供 API 服务，适合需要高精度文档解析的开发者评估。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3 Flash：兼顾前沿智能与速度
Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。
推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。
Mistral AI精选AI 评分8787 Mistral AI 发布 Mistral 3 系列开源模型
Mistral AI 正式推出下一代模型家族 Mistral 3，包括 Mistral Large 3（41B 激活/675B 总参数的稀疏 MoE）以及 Ministral 3 系列（3B、8B、14B 密集模型）。
推荐理由：官方发布了包含稀疏 MoE 大模型和密集小模型的 Mistral 3 系列，全部采用 Apache 2.0 协议开源并支持多模态与推理能力。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Nano Banana Pro (Gemini 3 Pro Image) 图像生成模型
Google DeepMind 推出基于 Gemini 3 Pro 的新一代图像生成与编辑模型 Nano Banana Pro (Gemini 3 Pro Image)。
推荐理由：原文详细列出了新模型在文本渲染、多图融合及推理能力上的具体升级，并明确了各产品线与订阅层级的开放入口。
Google DeepMind精选AI 评分9696 Google DeepMind 发布 Gemini 3 Pro 模型及 Agentic 开发平台
Google DeepMind 正式发布 Gemini 3 Pro，该模型在 Terminal-Bench 2.0 上得分 54.2%，并在 WebDev Arena 中以 1487 Elo 登顶。
推荐理由：原文给出了 Gemini 3 Pro 在智能体编程和多模态推理上的基准表现，以及配套的 Antigravity 平台和 API 定价细节。
Google DeepMind精选AI 评分9898 Google DeepMind 发布 Gemini 3 模型及 Antigravity 开发平台
Google DeepMind 正式发布 Gemini 3 系列模型，其中 Gemini 3 Pro 已在 Google 搜索、Gemini App 及开发者平台上线。
推荐理由：原文披露了 Gemini 3 Pro 在多项基准测试中的具体分数及 Deep Think 模式的性能提升，并介绍了配套的 Antigravity 开发平台，为评估其实际能力边界提供了量化依据。