Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布新模型 Gemini 4 Argon，可处理编码、研究和写作等任务，并针对防御性网络安全工作专门训练，公司称其能自主发现、验证并修补关键软件漏洞。
#多模态
#多模态
今日 1 条TechCrunch · AIAI 评分6464
Microsoft Research精选AI 评分7070 Microsoft Research 推出生物学 AI 研究系统 Quine
Microsoft Research 发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与科研人员的交互式 harness 两部分组成。
推荐理由：微软研究院公开了面向生物学的多模态世界模型 Quine 及其与 Broad Institute 合作的湿实验验证结果。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Omni 1.1 Flash，强化生成视频控制
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供给开发者，新增场景延长、首尾帧插值、360p 快速草稿和 4K 放大等能力。
推荐理由：原文列出场景延长、首尾帧插值和 4K 放大等具体能力与价格入口，可据此判断生成视频工作流的变化。
Google DeepMind精选AI 评分6767 Google DeepMind 发布手语转文本模型 SL2T，首发落地 Gboard 与 Live Transcribe
Google DeepMind 发布手语转文本模型 SL2T，以超过 10 万小时、50 多种手语的数据训练，实现手语到文本的机器翻译。该模型首先在 Pixel 11 的 Gboard 与 Live Transcribe 中上线，支持美国手语（ASL）转英文，可用来搜索、写消息或向 Gemini 提问，更多设备和语言将后续支持。
推荐理由：官方披露 SL2T 的训练规模、手语到文本的翻译路径与隐私处理方式，可了解手语 AI 首次落地消费产品的工程取舍。
Hugging Face Blog精选AI 评分8787 Meta 开源 Muse Glimmer：面向本地智能体的 30B 多模态模型
Meta 发布开源多模态模型 Muse Glimmer，从 Muse 蒸馏至 30B 参数，采用 Apache 2.0 许可，面向编码、文档分析、个人助理等本地智能体场景。
推荐理由：Meta 开源 30B 多模态模型，附 day-0 推理与量化支持，可用于评估本地智能体模型的落地方案。
Mistral AI精选AI 评分6262 Mistral AI 发布 3B 开源多模态安全分类器 Shieldstral
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可发布，可在单张 16GB NVIDIA GPU 上运行。该模型把内容审核转化为策略自适应问答任务，推理时直接接受自然语言策略，无需重新训练即可统一文本与图像安全评估，官方称其在文本安全和多模态审核基准上匹配或超过至多 7 倍规模的开放护栏模型，并给出可阈值化的连续安全评分。
推荐理由：3B 分类器以推理时自然语言策略替代固定危害分类，读者可据此判断轻量护栏模型的部署方式变化。
Google DeepMind精选AI 评分7272 Google DeepMind 发布具身推理模型 Gemini Robotics ER 2
Google DeepMind 发布面向机器人具身推理的 Gemini Robotics ER 2，作为高层大脑负责对话、理解物理世界并规划多步任务，再交由底层 VLA 模型执行动作。
推荐理由：官方给出进度分类、时刻定位与多机协作的量化结果，可对照上一代了解具身推理的实际提升幅度。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2，首次实现对人形机器人从脚到指尖的全身控制。
推荐理由：官方给出了全身控制、22 自由度手部操作与多机器人协作的能力边界，并说明首个具身推理模型已开放入口。
Hugging Face BlogAI 评分4949 NVIDIA Cosmos-H-Dreams：为手术机器人带来实时生成式仿真
NVIDIA 推出 Cosmos-H-Dreams，一个面向手术机器人的实时、动作条件生成式仿真器，可将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，每帧潜变量最少只需 2 步去噪。
Hugging Face BlogAI 评分3131 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。
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。
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 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。
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 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 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。