新模型来了，优势依旧：DharmaOCR 在巴西葡萄牙语上仍胜过 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专用基准上得分 0.925，超过 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型经葡萄牙语语料监督微调后，再用 DPO 提升推理稳定性、降低退化率。作者认为，把全部参数集中到单一语言领域，是其相对多语言模型的结构性优势。
全部AI 动态
全部动态
今日 6 条Hugging Face BlogAI 评分3131
Hugging Face Blog精选AI 评分8585 Thinking Machines 开源多模态大模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling 及 Inkling-Small 两款开源多模态大模型。
推荐理由：原文列出了 Inkling 与 Inkling-Small 的架构参数、部署显存门槛和多引擎支持，读者可据此判断自部署可行性。
Mistral AI精选AI 评分7171 Mistral 发布 Robostral Navigate 具身导航模型
Mistral AI 发布 Robostral Navigate，这是其首个面向具身导航的 8B 模型，仅凭单张 RGB 图像和自然语言指令即可让机器人自主导航，无需 LiDAR 或深度传感器。
推荐理由：原文给出单 RGB 相机实现具身导航的基准数据和训练方法，读者可了解紧凑模型如何完成复杂导航任务。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5 形式化验证模型，Apache-2.0 开源
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、总参数 119B、激活 6B 的形式化验证模型，miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34%。
推荐理由：官方给出多基准成绩、训练流程和每解题成本，读者可对照其开源权重与免费 API 判断形式化验证的实用门槛。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：同属 Nano Banana 家族的三档模型首次给出速度、成本与质量的分工定位，可作为选型参照。
Google Research精选AI 评分6969 Google Research 发布 TabFM：面向表格数据的零样本基础模型
Google Research 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习（ICL）问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：TabFM 把零样本思路带到表格分类与回归，读者可据此了解免训练预测在企业数据场景的落地方式。
Mistral AI精选AI 评分6565 Mistral 发布 OCR 4，新增文本框选与区块分类
Mistral 发布文档解析模型 OCR 4，在提取文本之外新增边界框、区块分类和内联置信度评分，支持 170 种语言并可单容器自托管部署。官方称独立标注者在 600+ 份、12+ 种语言的文档对比中平均 72% 情况下更偏好 OCR 4，该模型在 OlmOCRBench 得 85.20、OmniDocBench 得 93.07。
推荐理由：Mistral OCR 4 在文本框选、区块分类和自托管上的变化，让文档解析可直接进入 RAG 与智能体管线。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开放模型 DiffusionGemma，基于 Gemma 4 与 Gemini Diffusion 研究，用文本扩散同时生成整块 token，在专用 GPU 上最高提速 4 倍，单张 NVIDIA H100 超 1000 tokens/秒、RTX 5090 超 700 tokens/秒。
推荐理由：原文给出扩散文本生成的速度收益、硬件门槛与质量取舍，读者可据此判断它适合哪类本地推理场景。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.5 Live Translate 音频模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款可自动识别 70 多种语言并做近实时语音到语音翻译的音频模型，能保留说话人的语调、节奏和音高，并持续生成语音、始终比说话人慢几秒。
推荐理由：官方给出 70+ 语言、流式连续翻译与多渠道开放的细节，读者可据此判断实时语音翻译的可用边界。
Google DeepMind精选AI 评分7878 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，一款面向笔记本电脑的无编码器多模态模型，视觉与音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型的表现，同时总内存占用不到其一半，并首次在中等规模 Gemma 中支持原生音频输入。
推荐理由：原文给出无编码器架构的视觉与音频直连设计和 16GB 显存本地运行门槛，可据此判断端侧多模态智能体的落地条件。
Mistral AIAI 评分3131 Mistral 收购 Emmi AI，加码工业物理 AI 基础研究
Mistral 已收购 Emmi AI，并将其工作纳入自身，专注为航空航天、汽车、半导体和能源等行业构建基础 Physics AI。双方此前发布的成果包括 AB-UPT——可在单张 GPU 上处理 900 万表面单元与 1.4 亿体积单元的原始几何、无需重新划分网格，以及首个端到端深度学习代理模型 NeuralDEM。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Medium 3.5，并在 Vibe 与 Le Chat 上线云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 密集架构模型，在 SWE-Bench Verified 上得分 77.6%，以修改版 MIT 许可证开放权重，API 定价为每百万输入 token 1.5 美元、每百万输出 token 7.5 美元。
推荐理由：Mistral Medium 3.5 以 128B 密集架构开源并成为 Vibe 与 Le Chat 默认模型，读者可据此判断云端异步编码智能体的可用性。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini Omni 系列，首个模型 Gemini Omni Flash 上线
Google DeepMind 推出 Gemini Omni 系列，首个模型 Gemini Omni Flash 可组合图像、音频、视频和文本输入，生成并对话式编辑高质量视频。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，今日起在 Gemini app、Google Search AI Mode、Google Antigravity、Gemini API、AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方披露 3.5 Flash 在 Terminal-Bench 2.1 等基准上的成绩与 4 倍输出速度，可据此判断其性价比定位。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS 文本转语音模型，在 Artificial Analysis TTS 排行榜上取得 1,211 Elo 成绩。
推荐理由：Gemini 3.1 Flash TTS 给出了 Elo 成绩、音频标签控制和多语言覆盖，可据此判断语音生成的可控性变化。
Google DeepMindAI 评分5858 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 推出 Gemini Robotics-ER 1.6，定位为机器人的高层推理模型，强化空间推理与多视角理解，可通过 Gemini API 和 Google AI Studio 供开发者使用。
Mistral AI精选AI 评分7171 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言的语音生成。
推荐理由：原文给出了架构、延迟与定价，读者可据此判断它在企业语音工作流中的位置。
Mistral AI精选AI 评分7474 Mistral 发布 Mistral Small 4 开源模型，统一推理、多模态与编码能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个主要版本，也是首个把 Magistral 推理、Pixtral 多模态与 Devstral 编码智能体能力统一到单一模型的 Mistral 模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进一个开源模型，并给出可调推理强度与延迟数据。
Mistral AIAI 评分5454 Mistral 发布 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，一个面向 Lean 4 的开源代码智能体，以 Apache 2.0 许可开放权重，并集成进 Mistral Vibe 与免费 API。
Mistral AI精选AI 评分6464 Mistral 发布 Voxtral Transcribe 2 语音转写模型系列
Mistral 发布 Voxtral Transcribe 2，包含面向批处理的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转写模型。
推荐理由：Mistral 一次放出批处理与实时两款语音转写模型，并给出延迟、错误率与单价对比，可据此判断实时语音应用的落地成本。
Mistral AI精选AI 评分6464 Mistral AI 发布 Mistral OCR 3，在表单与手写文档上较上代提升 74%
Mistral AI 发布 Mistral OCR 3，在表单、扫描文档、复杂表格和手写内容上相对 Mistral OCR 2 取得 74% 的整体胜率。该模型支持 markdown 输出并可用 HTML 标签还原表格结构，定价为每 1000 页 2 美元，Batch API 折扣下降至每 1000 页 1 美元，模型 API 名为 mistral-ocr-2512。
推荐理由：原文给出 OCR 3 相对上一代的提升幅度和按页计价，读者可据此估算文档处理流水线的成本变化。
Mistral AI精选AI 评分7171 Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，包括 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
推荐理由：官方给出了 Devstral 2 的 SWE-bench Verified 成绩、参数规模与定价，可据此判断开源编码模型的性价比位置。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 MoE 大模型 Mistral Large 3
Mistral 发布 Mistral 3 系列，包含 3B、8B、14B 三个 Ministral 3 密集模型，以及总参数 675B、激活 41B 的稀疏 MoE 模型 Mistral Large 3，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出从 3B 到 675B 的全系开源模型，读者可据此判断小模型与 MoE 大模型的分工。
Mistral AI精选AI 评分7474 Mistral 发布 Voxtral 语音理解模型，24B 与 3B 两个版本均以 Apache 2.0 开源
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 和 3B 两个版本，均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文，可处理最长 30 分钟转录或 40 分钟理解，并具备音频问答、摘要、多语言识别与语音触发函数调用能力，其语言模型骨干继承自 Mistral Small 3.1。
推荐理由：Mistral 开源语音理解模型，给出两款尺寸、32k 上下文与转录基准对比，可据此判断开源语音方案的落地成本。
Mistral AI精选AI 评分6565 Mistral AI 联合 All Hands AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级开源版 Devstral Small 1.1。
推荐理由：Devstral 新版本给出了 SWE-Bench Verified 分数、开源许可与 API 定价，读者可据此比较开源代码智能体的性能与成本。
Mistral AI精选AI 评分7272 Mistral AI 发布首个推理模型 Magistral，含 24B 开源版与企业版
Mistral AI 发布首个推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和更强的企业版 Magistral Medium。
推荐理由：Mistral 首个推理模型同时给出开源权重与企业版，并公开 AIME2024 成绩和训练细节，便于比较其与现有推理模型的定位。
Mistral AIAI 评分4848 Mistral 发布 Codestral Embed：首个代码专用嵌入模型
Mistral AI 发布首个代码专用嵌入模型 Codestral Embed，在真实代码检索任务上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
Mistral AI精选AI 评分7171 Mistral AI 与 All Hands AI 发布编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方给出 SWE-Bench Verified 46.8% 的横向对比与单卡本地部署门槛，便于判断开源编码智能体的可用边界。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Medium 3，主打低成本与易部署
Mistral AI 发布 Mistral Medium 3，官方称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上，价格低至每 M token 输入 $0.4、输出 $2。
推荐理由：官方给出 Mistral Medium 3 在成本、部署门槛与专业任务上的定位，可与 Claude、Llama 4、DeepSeek v3 对比。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Small 3.1：128k 上下文、多模态、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本表现、多模态理解，上下文窗口扩展至 128k tokens，推理速度 150 tokens 每秒，以 Apache 2.0 许可证开源。
推荐理由：Mistral Small 3.1 以 128k 上下文和 Apache 2.0 开源发布，读者可据此判断小模型在端侧多模态任务上的可用边界。