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。
#推理
#推理
今日 1 条TechCrunch · AI精选AI 评分7878
Latent Space精选AI 评分7979 AINews：Gemini 4 Argon 发布，主打百万 token 输出与网络安全预览
Google DeepMind 推出 Gemini 4 Argon 模型，在 19 项基准测试中的 13 项取得 SOTA，并支持高达 1M token 的输出限制。
推荐理由：原文汇总了 Gemini 4 Argon 的基准测试成绩、定价策略及内部部署案例，读者可据此评估其性能表现与行业影响。
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。
Google DeepMind精选AI 评分9494 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，旨在提升复杂工作流中的深度推理能力，并已通过 Fairwind Program 向受信任的网络安全防御者推出。
推荐理由：原文披露了 Gemini 4 Argon 在长上下文输出、软件工程基准及网络安全防御上的具体性能数据与分阶段开放策略，为评估前沿模型能力边界提供了直接依据。
Simon Willison精选AI 评分8080 Claude Sonnet 5.5 发布：速度提升超30%，成本降低至多30%
Anthropic 今日发布 Claude Sonnet 5.5，官方称其运行速度提升超过30%，多数工作负载成本降低至多30%。该模型定价与 Sonnet 5 相同，但在各项基准测试中表现更优。
推荐理由：作者实测新模型在编码任务上的表现与成本变化，并复现了特定思考强度下的失败案例。
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。
Simon Willison精选AI 评分8282 TypeSafe AI 发布新型 LLM Jev：面向决策任务的 System One 模型
TypeSafe AI 发布了名为 Jev 的新型大语言模型，属于“System One”或“决策模型”类别。Jev 接受文本输入并返回浮点数形式的分类结果、置信度评分或概率分布，而非生成文本。
推荐理由：原文详细解析了 Jev 作为决策模型的输入输出机制、定价策略及黑盒特性，为评估其在分类和排序任务中的适用性提供了具体依据。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 推出 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两款新模型，前者主打智能体工作流与编码，后者专攻网络安全防御。
推荐理由：原文给出了两款新模型在长周期编码和网络安全领域的具体基准表现及定价，读者可据此评估其在自动化工作流中的实际效能与成本优势。
Google ResearchAI 评分5555 Google Research 发布 TimesFM-3：面向多变量预测的零样本基础模型
Google Research 推出 TimesFM-3，这是一款拥有 3.3 亿参数的最新时间序列基础模型，原生支持多变量预测。该模型通过交替注意力机制和非自回归解码，能在单次前向传播中联合预测多个相关时间序列并处理外部协变量。
Hugging Face Blog精选AI 评分7171 IBM Granite 4.2 LLMs 构建技术详解
IBM 发布 Granite 4.2 推理模型家族，包含 3B、8B 和 30B 三种尺寸，均基于 Apache 2.0 许可证开源。这些模型通过五阶段策略在约 15T tokens 上预训练，并经过监督微调及多阶段强化学习管道训练，其中 8B 和 30B 版本额外进行了智能体强化学习以支持工具调用。所有模型均支持思考/非思考模式切换及原生工具调用，可通过 vLLM 等框架部署。
推荐理由：原文详细拆解了从预训练到多阶段强化学习的完整技术路径，为开发者提供了复现或评估该系列模型能力的具体参考。
Hugging Face Blog精选AI 评分6565 Liquid AI 发布 LFM2.5-DSpark 草稿模型，实现最高 3.2x 推理加速
Liquid AI 发布适用于 LFM2.5 系列模型的 DSpark 草稿检查点，通过推测解码技术在不改变输出质量的前提下显著提升推理速度。该方案在 H100 GPU 上最高实现 3.18x 吞吐提升，在 M4 Max MacBook Pro 端侧最高实现 2.87x 加速，并已将 llama.cpp 和 SGLang 的集成代码开源。
推荐理由：原文提供了DSpark草稿模型在GPU和端侧的具体加速数据及开源集成方案，读者可据此评估其在本地部署中的性能收益。
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。
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。
Mistral AI精选AI 评分6565 Mistral AI 发布 Leanstral 1.5：6B 激活参数实现形式化验证新 SOTA
Mistral AI 发布 Leanstral 1.5，这是一款 Apache-2.0 许可的开源模型，拥有 119B 总参数和 6B 激活参数。该模型在 miniF2F 上达到饱和，并在 FATE-H/X 上取得新的 state-of-the-art 成绩，其解决 PutnamBench 问题的成本约为每问题 $4，远低于竞品。
推荐理由：原文展示了该模型在形式化验证基准上的性能突破及低成本优势，并提供了实际代码缺陷发现案例，为评估其在工程实践中的可用性提供了具体依据。
Google ResearchAI 评分4545 Google 在 Pixel 上通过冻结 Multi-Token Prediction 加速 Gemini Nano v3
Google 推出新架构，将 Multi-Token Prediction (MTP) 头集成到冻结的 Gemini Nano v3 模型中，已在 Pixel 9/10 系列上线。该方案利用零拷贝架构复用主模型 KV cache，节省 130MB 内存，使文本生成速度提升超 50% 且保持输出完全一致。
Hugging Face Blog精选AI 评分8686 智谱发布 GLM-5.2：支持 1M 上下文的长程任务旗舰模型
智谱（Z.ai）发布最新旗舰模型 GLM-5.2，主打长程任务处理能力并首次提供稳定的 1M-token 上下文窗口。该模型采用 IndexShare 架构降低计算成本，在 FrontierSWE、PostTrainBench 等长程编码基准中表现优于多数闭源模型，成为排名第一的开源模型。
推荐理由：原文给出了1M上下文在长程编码任务中的实测表现与架构优化细节，读者可以据此判断其作为开源旗舰模型的实际工程落地能力。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 DiffusionGemma：文本生成速度提升4倍的实验性开源模型
Google DeepMind 推出基于扩散模型的实验性开源模型 DiffusionGemma，在专用 GPU 上实现最高 4 倍的文本生成加速。该模型采用 Apache 2.0 许可证，拥有 26B 总参数但仅激活 3.8B 参数，支持双向注意力以优化代码填充和非线性文本结构生成，目前主要面向追求低延迟的本地交互式应用场景。
推荐理由：该实验性模型通过并行生成机制将本地推理速度提升4倍，为开发者探索低延迟交互工作流提供了新的技术路径。
Hugging Face BlogAI 评分5757 JetBrains 发布 Mellum2：12B 参数混合专家模型
JetBrains 发布了 Mellum2，这是一个拥有 120 亿参数的混合专家（MoE）模型，每个 token 仅激活 25 亿参数。该模型基于 Apache 2.0 许可证开源，专注于文本和代码任务，相比同尺寸模型推理速度提升超过 2 倍。Mellum2 适用于路由、RAG、子智能体及私有部署等高频低延迟场景，旨在作为大型 AI 系统中的高效组件而非替代所有模型。
Hugging Face Blog精选AI 评分7070 IBM Granite 4.1 LLMs 技术详解：构建过程与性能表现
IBM 发布 Granite 4.1 系列大语言模型（3B、8B、30B），采用 Apache 2.0 许可证开源。该系列基于约 15T tokens 进行五阶段预训练，上下文窗口扩展至 512K，并通过监督微调和多阶段强化学习优化。其中 8B 稠密模型在指令遵循和工具调用等任务上表现匹敌甚至超越前代 32B MoE 模型，提供了可预测的延迟和更低成本的企业级解决方案。
推荐理由：原文详细拆解了从预训练到多阶段强化学习的全流程，展示了如何通过严格的数据工程让8B稠密模型在多项指标上匹敌32B MoE架构。
Hugging Face Blog精选AI 评分9595 DeepSeek-V4 发布：支持百万 token 上下文且专为智能体优化的开源模型
DeepSeek 发布 V4 系列模型，包含 DeepSeek-V4-Pro（1.6T 总参数/49B 激活）和 DeepSeek-V4-Flash（284B 总参数/13B 激活），均支持 1M-token 上下文窗口。
推荐理由：原文详细拆解了 DeepSeek-V4 通过混合注意力机制大幅降低长上下文推理成本的技术细节，并展示了其在智能体任务中的具体性能表现。
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。
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。
Mistral AI精选AI 评分6868 Mistral 发布开源 Leanstral：专为 Lean 4 设计的高效代码智能体
Mistral AI 发布 Leanstral，这是首个专为 Lean 4 证明助手设计的开源代码智能体，拥有 6B 激活参数并采用 Apache 2.0 许可证。
推荐理由：Mistral 发布首个面向 Lean 4 的开源代码智能体，在形式化证明任务中以极低参数量和成本超越多个大型开源模型及 Claude Sonnet。
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 DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3 Deep Think 重大升级
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，该专用推理模式旨在解决科学、研究和工程领域的现代挑战。新版本在 Humanity’s Last Exam（48.4%）、ARC-AGI-2（84.6%）和 Codeforces（Elo 3455）等基准测试中创下新高，并在国际物理和化学奥林匹克笔试部分达到金牌水平。
推荐理由：官方公布了Deep Think在科学、工程和数学基准上的最新性能数据及API开放计划，为评估其解决复杂现实问题的能力提供了具体依据。
Google DeepMind精选AI 评分8484 Google DeepMind 发布两篇论文：Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇研究论文，展示 Gemini Deep Think 模式在专家指导下解决数学、物理和计算机科学领域专业研究问题的能力。
推荐理由：原文展示了 Gemini Deep Think 在纯数学、物理和计算机科学领域的具体科研突破案例及人机协作方法论，为评估 AI 在专业科研中的实际能力提供了详实依据。
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。
Hugging Face BlogAI 评分4040 Kimina-Prover-RL 开源训练管线发布，1.7B 模型刷新 MiniF2F SOTA
Hugging Face 开源 Kimina-Prover-RL 训练管线，基于 DeepSeek-R1 范式与 Verl 框架实现 Lean 4 定理证明。配套发布的 AI-MO/Kimina-Prover-RL-1.7B 在 MiniF2F 基准 Pass@32 达 76.63%，0.6B 版本达 71.30%，均创同尺寸开源模型新纪录。
Hugging Face Blog精选AI 评分9898 Hugging Face 欢迎 OpenAI 开源 GPT OSS 模型家族
OpenAI 发布了名为 GPT OSS 的开源权重模型家族，包含 gpt-oss-120b 和 gpt-oss-20b 两个混合专家（MoE）模型，均采用 MXFP4 量化并遵循 Apache 2.0 许可证。
推荐理由：原文详细说明了 GPT OSS 的架构特性、量化方案及在主流框架下的本地部署与微调方法，为开发者提供了从云端 API 到端侧运行的完整技术路径。
Hugging Face BlogAI 评分5959 Numina & Kimi Team 发布 Kimina-Prover-72B 等定理证明模型
Numina 与 Kimi Team 联合发布基于 Qwen2.5-72B 训练的 Kimina-Prover-72B 及两个蒸馏版本（8B/1.7B），在 miniF2F 基准上达到 92.2% 的 pass@1024 通过率。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 SmolLM3：支持 128k 上下文与双模式推理的开源 3B 模型
Hugging Face 推出完全开源的 3B 参数模型 SmolLM3，包含 Base 和 Instruct/Reasoning 版本，支持英语、法语等 6 种语言及最高 128k 上下文窗口。
推荐理由：Hugging Face 发布了 SmolLM3 及其完整训练配方，展示了在 3B 规模下通过公开数据实现长上下文和双模式推理的工程路径。
Mistral AI精选AI 评分8080 Mistral AI 发布首个推理模型 Magistral
Mistral AI 发布其首个推理模型 Magistral，分为开源的 Magistral Small（24B 参数）和企业版 Magistral Medium。
推荐理由：原文给出了双版本参数规模、AIME2024 具体得分及多语言原生推理特性，读者可据此评估其在专业领域与合规场景下的实际能力边界。
Hugging Face Blog精选AI 评分6868 ServiceNow 开源 PipelineRL：支持飞行中权重更新的 LLM 强化学习实现
ServiceNow Research 在 Hugging Face 博客宣布开源实验性强化学习实现 PipelineRL，旨在解决大规模 LLM RL 训练中推理吞吐量与在线数据收集之间的权衡问题。
推荐理由：原文开源了通过飞行中权重更新解决 RL 训练吞吐与数据新鲜度权衡的实现，并展示了在简化算法下达到竞争性基准结果的技术细节。
Mistral AI精选AI 评分7575 Mistral AI 发布 Ministral 3B 和 Ministral 8B 端侧模型
Mistral AI 在 Mistral 7B 发布一周年之际推出两款新模型 Ministral 3B 和 Ministral 8B，旨在优化设备端和边缘计算场景。
推荐理由：官方公布了两款小参数模型的基准表现与定价，为边缘计算场景提供了具体的选型参考。
Mistral AI精选AI 评分7575 Mistral AI 发布 Mistral Large 2：1230 亿参数，支持 128k 上下文与多语言
Mistral AI 正式发布新一代大模型 Mistral Large 2，拥有 1230 亿参数并支持 128k 上下文窗口。该模型针对单节点推理优化，在多语言处理、代码生成及逻辑推理方面性能显著提升，并在 MMLU 等基准测试中达到新的高度。
推荐理由：官方公布 Mistral Large 2 的架构参数、多语言支持及在主流基准测试中的性能表现，为评估其成本效益和实际部署能力提供直接依据。
Mistral AIAI 评分4444 Mistral AI 发布 Mathstral：基于 Mistral 7B 的 STEM 专用模型
Mistral AI 推出 Mathstral，该模型基于 Mistral 7B 构建，专攻 STEM 领域复杂逻辑推理。Mathstral 在 MATH 基准测试中得分 56.6%，MMLU 得分 63.47%；结合多数投票机制后，MATH 分数提升至 68.37%。