跳到正文

模型发布

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

50条精选相关主题产品更新论文研究开源生态

最新精选

第 21–40 条 · 共 50 条
7月30日周四
  1. Google DeepMind60

    Google DeepMind 在 Flow Music 上线音乐生成模型 Lyria 3.5

    Google DeepMind 发布音乐生成模型 Lyria 3.5，并在 Google Flow Music 中上线，覆盖音乐性、歌词、人声和创作控制四方面。官方称其旋律结构更复杂自然，歌词质量与提示词遵循度提升，人声更具情感与发音准确度，同时可更简便地控制输出时长与节奏。

    推荐理由：官方给出 Lyria 3.5 在旋律、歌词、人声和控制项上的具体变化，可用于对比上一代音乐生成能力。

7月28日周二
  1. Google DeepMind77

    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。

7月21日周二
7月17日周五
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型

    Google DeepMind 推出 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用 CodeMender 的方式取得与更大模型相当的表现。

    推荐理由：官方给出了新模型在真实代码库漏洞挖掘上的基准与落地案例，可据此判断轻量安全模型的能力边界。

7月15日周三
7月8日周三
  1. Mistral AI71

    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。

7月2日周四
7月1日周三
6月30日周二
  1. Google Research69

    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。

6月25日周四
6月23日周二
  1. Mistral AI65

    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。

6月11日周四
  1. Google DeepMind74

    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。

6月9日周二
  1. Google DeepMind72

    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。

  2. Google DeepMind78

    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。

5月22日周五
  1. Mistral AI78

    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。

5月18日周一
5月16日周六
  1. Google DeepMind88

    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。

4月16日周四
3月24日周二
  1. Mistral AI71

    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。

3月17日周二
  1. Mistral AI74

    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。