H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
推荐理由：Holo4 同时开源权重与全部评测轨迹，读者可据此判断通用计算机操作智能体的成本与能力边界。
全部动态 · 今日7条
全部 AI 动态
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
模型
新模型、模型版本、权重开放、模型能力与价格变化的发布与评测结果
Hugging Face Blog精选74
Latent Space62 Runway 发布 GWM Worlds 2 与 WorldPrompt 输入格式
Runway 推出 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并引入 WorldPrompt 这一输入格式，可固定环境部分要素（含首帧）并生成带时间戳的事件，事件还能实时提示。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音结合，为 Gemini 的对话模型带来近实时的视觉形象，具备精准唇形同步、自然表情和流畅的轮流对话能力。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景的落地形态与开放范围。
Hugging Face Blog41 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下提速，设备端解码最高 3.13x、H100 上 2.66x，端到端最高 2.62x 和 2.27x。
Logan Kilpatrick · X精选71 Google 发布 Gemini 3.8 Flash 与 Flash-Lite TTS 语音模型
Google 发布 Gemini 3.8 Flash 和 Flash-Lite TTS 文本转语音模型，官方称其为新的 SOTA 语音模型。该模型提供新的音色设计体验、2000+ 可直接用于生产的音色、语音克隆、100 种语言支持，语音混音功能即将推出，并称在 Hume AI 的语音基准上排名第一。
推荐理由：Google 发布 Gemini 3.8 Flash 与 Flash-Lite TTS，给出 2000+ 音色、100 种语言和语音克隆等能力清单。
Google DeepMind · X62 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
Google DeepMind 发布两款文本转语音模型。Gemini 3.8 Flash TTS 可设计带有不同口音和特征的自定义音色；Gemini 3.8 Flash-Lite TTS 面向效率与规模化，可从自建风格或官方生产级音色库中选择。官方称可用于创建和部署自定义音频。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与深度创作控制，后者面向高并发配音和语音智能体。
推荐理由：原文给出两款 TTS 模型的语音克隆、逐行导演能力与基准排名，可据此判断语音生成在配音和播客场景的可用度。
Qwen · X精选71 阿里发布 Qwen-Audio-3.1 音频模型系列，含 TTS-Next 与 ASR-Next
阿里发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增 TTS-Next 和 ASR-Next 两个模型，共五个模型覆盖音频理解、生成、交互与创作。
推荐理由：原文列出五个音频模型的能力分工与降价幅度，读者可据此判断语音栈的选型与成本变化。
Latent Space精选88 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna
Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 家族首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并成为 Claude Code 和 Claude 应用的默认模型。
推荐理由：同一天两家实验室各自发布新模型并大幅降价，读者可对比能力与每任务成本两条路线的差异。
Qwen · X62 Qwen-Image-2.1 登顶 Image Edit 与 Text-to-Image 竞技场开源第一
阿里 Qwen 团队宣布 Qwen-Image-2.1 在 Image Edit 和 Text-to-Image 两个竞技场中均成为排名第一的开源模型。据竞技场数据，该模型在 Image Edit Arena 拿到 1367 分，位列开源第一、总榜第 16，距第 15 名的 GPT-Image-1.5-high-fidelity 差 3 分。官方邀请用户试用并分享生成结果。
Simon Willison精选88 Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，作者称 GPT-6 Sol 与 Luna 的价格是 GPT-5.6 同级模型的一半。
推荐理由：作者实测对比了同日发布的多款新模型，并给出完整价格表与推理层级失效的具体案例。
Greg Brockman · X精选83 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两款模型基于 GPT-6 Astra 的技术进展，定位为更快、更便宜，以支持规模化工作。Greg Brockman 称其继承了 Astra 在专业工作、事实性、编码、计算机使用和对齐方面的 SOTA 表现。OpenAI 还提升了缓存与推理效率，Sol 和 Luna 的 API 价格相比 GPT-5.6 促销价降低 50%。
推荐理由：OpenAI 把 Astra 的能力下放到更快更便宜的 Sol 和 Luna，并给出 API 降价幅度，可据此判断成本变化。
OpenAI News精选75 OpenAI 发布 GPT-6 Sol 与 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，将前沿智能带入日常工作，两者在能力与成本上有不同的平衡。原文未披露参数规模、定价和具体能力指标。
推荐理由：OpenAI 一次推出 Sol 与 Luna 两款 GPT-6 模型，读者可据此了解其在能力与成本上的不同取舍。
Alex Albert · X16 Alex Albert 表示，更多内容即将发布，今天只是个开始
@mikeyk 表示，Claude Sonnet 5.5 和 Haiku 5.5 将在未来几周内推出，并带来许多同样的性能、效率和安全性改进。 更多内容即将发布。今天只是个开始！
Mike Krieger · X精选75 Anthropic 推出 Claude Opus 5.5，运行成本低于 Opus 5
Mike Krieger 表示，Anthropic 于今日推出 Opus 5.5，并称其在编程和知识工作方面处于领先水平，也是一款出色的写作模型。他表示，对于大多数任务，其表现可媲美 Claude Fable 5.1，运行成本则比 Opus 5 低 40%。
推荐理由：与 Claude Fable 5.1 和 Opus 5 的比较，为读者了解此次发布所宣称的性能和运行成本提供了具体参照。
Latent Space精选78 小米发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本 300 万美元
小米发布 MiMo-V2.6 系列，包含全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米首次进入前沿开源模型序列，其 RL 环境与训练配方开源，为观察后训练成本路线提供了具体样本。
Qwen · X33 Qwen-Image-2.1 获 OpenVINO Day-0 支持
来自 @inteldevs 的 Day-0 OpenVINO 支持！🥳 Qwen-Image-2.1 已可在 Intel 硬件上优化运行。一个开放权重 checkpoint，同时支持生成和编辑。👇
Simon Willison71 TypeSafe AI 发布 Jev，推出只输出浮点决策的 System One 模型
TypeSafe AI 上周发布 Jev，这是其称为 System One 模型（作者更倾向叫 decision models）的新类别模型：仍接受文本输入，但输出的是对应类别、是非题、评分及置信度的浮点数，而非文本。
Latent Space精选76 TypeSafe AI 创始人 Diogo Almeida 谈 Jev 与 RLCD：为软件而非聊天造 System 1 模型
TypeSafe AI 创始人 Diogo Almeida 在 Latent Space 访谈中介绍新模型 Jev，称其为面向代码消费的 System 1 模型，按每美元智能而非聊天体验优化，核心创新是未发表的 RLCD（Reinforcement Learning for Calibrated Decisions），用校准概率替代人类评分反馈。
推荐理由：Diogo Almeida 复盘 RLHF 到 RLCD 的路线分歧，并解释为何把可靠性而非基准分数当作模型目标。
Qwen · X58 Qwen-Image-2.1 获 SGLang-Diffusion 首日支持
Qwen 宣布 SGLang-Diffusion 已支持 Qwen-Image-2.1，可完成文生图、多图编辑和透明 RGBA 输出。SGLang 方面称该支持在单张 RTX 4090 24GB 上配合 CPU offload 即可原生精度运行，1024×1024 生成耗时 18.7s、图像编辑 21.7s，请求期间峰值显存 22.7 GiB；在 RTX PRO 6000 96GB 上生成和编辑分别为 8.0s 和 9.6s。推理支持 TP/SP、LoRA 和 OpenAI 兼容 API，40 步去噪、每请求一张图、未做量化。
Google DeepMind · X38 AlphaGenome Atlas 助力疾病 DNA 变异识别
@BroadInstitute、@UniofExeter 及其他机构的研究人员已在用 AlphaGenome Atlas，更好地识别潜在的致病 DNA 变异并解读其作用。🧵
Latent Space70 TypeSafe 发布 Jev 决策模型：比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上
TypeSafe 发布 Jev，一个用 RLCD 训练、只做决策/分类/路由/打分的非自回归模型，宣称比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上，输出 token 免费。
Logan Kilpatrick · X精选72 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时音频模型
Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新的 SOTA 实时音频模型，主打前沿价格与性能。3.8 Live 支持 97 种语言并可无缝切换，还支持异步工具调用等能力。
推荐理由：Google 发布新一代实时音频模型，给出语言覆盖与异步工具调用等能力，可据此判断实时语音交互的可用边界。
Google DeepMind精选82 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款实时语音模型给出并行推理与工具调用能力，并列出多项语音基准成绩，可据此判断语音智能体的可用边界。
Google DeepMind · X精选77 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为目前最好的对话式 AI。官方表示这两款模型可以对话、思考并在后台处理任务，而不打断用户当前的工作流。
推荐理由：Google DeepMind 发布对话模型新版本，读者可了解其在实时对话与后台任务处理上的能力定位。
Google DeepMind · X22 WeatherNext 3 助力可再生能源预测
天气预报在向可再生能源转型中发挥着关键作用。 WeatherNext 3 为电网运营商以及风能和太阳能发电企业提供风机高度风速和太阳辐射的预测，助力更智能、更清洁的能源规划。🧵
DeepSeek · X精选68 DeepSeek 发布 DeepSeek-V4.1-Flash 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，称其更智能、更快、更高效。该模型是新架构家族中体量最小的一个，具备原生视觉理解能力，面向更强能力、更快推理、更高吞吐设计，并可扩展至更大模型。
推荐理由：DeepSeek 新架构家族的最小模型，原生视觉理解与推理吞吐提升，可据此判断其轻量多模态定位。
OpenAI News精选80 OpenAI 发布 GPT-6 Astra，面向企业场景强化推理与电脑操作
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备更强的推理、电脑操作以及写作与设计判断能力。
推荐理由：OpenAI 公布 GPT-6 Astra 面向企业场景的能力定位，可据此了解其推理与电脑操作方向。
Demis Hassabis · X精选72 DeepMind 发布 AlphaGenome Atlas，可预测 90 亿种单字母 DNA 变异影响
Google DeepMind 发布 AlphaGenome Atlas，这是一个由 AI 驱动的可搜索数据库，可预测全部 90 亿种可能的单字母 DNA 变异带来的影响。Demis Hassabis 表示，继 AlphaFold 绘制蛋白质宇宙之后，该工具开始为人类基因组绘图，帮助科学家更好地理解疾病，并面向学术研究免费开放（http://alphagenome.google/atlas）。
推荐理由：AlphaFold 之后 DeepMind 把预测能力从蛋白质扩展到人类基因组，读者可了解这一数据库的覆盖范围与开放方式。
Google DeepMind精选71 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，据 Brightband 的独立实时评测。
推荐理由：原文给出分辨率、更新频率和降水精度等具体指标，读者可据此判断 AI 天气预报在实时数据上的进展。
Hugging Face Blog40 Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个规模，用单个双向 Transformer 直接处理文本 token 与原始图像 patch，无需独立视觉塔或因果语言模型。
Demis Hassabis · X精选78 Google 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google 发布 Gemini 3.8 Flash，这是不到一个月内的又一次升级，同时推出面向网络安全方向的 Gemini 3.8 Flash Cyber。Demis Hassabis 表示 3.8 Flash Cyber 推进了网络防御的前沿，模型与网络安全工作的更多细节见 Google 官方博客。被引用的 Logan Kilpatrick 称该模型在智能体与编码能力上再次提升，是 6 周内第三次更新的 Flash 模型。
推荐理由：Google 在不到一个月内再次更新 Flash 系列，并首次把网络安全方向单列为 Cyber 版本，可据此观察其模型迭代节奏与安全布局。
Google DeepMind精选82 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与面向安全防御的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 有明显提升，定价保持每百万输入 token 0.75 美元、输出 3.75 美元。
推荐理由：原文给出 3.8 Flash 在长程编码与智能体任务上的提升，以及同价位的定价与开放入口，可据此判断是否替换现有工作流。
Google Research50 Google 发布 TimesFM-3：面向多变量预测的零样本基础模型
Google 推出 TimesFM-3，一个原生预训练支持多变量预测的时间序列基础模型，参数规模 330M，在超 1 万亿个时间点上预训练，单次前向传播即可完成预测。它支持多目标、历史协变量和已知未来协变量，在 Gift-Eval、FEV-Bench 和 Time 三个公开基准上点预测与概率预测均排名第一。
Microsoft Research44 微软推出 GigaPath-Flash 与 GigaTIME-Flash：高效病理基础模型迈向人群级发现
微软发布 GigaPath-Flash 和 GigaTIME-Flash，以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干大幅降低病理基础模型算力需求，均以 Apache 2.0 许可开源。
Z.ai 智谱 · X精选78 智谱 GLM-5.3 开放权重发布
智谱宣布 GLM-5.3 开放权重，称这是其面向智能体编码与网络防御能力最强的模型，现已可下载、运行和定制。权重发布在 Hugging Face 的 zai-org/GLM-5.3 页面，技术细节见 z.ai/blog/glm-5.3。
推荐理由：智谱把面向智能体编码与网络防御的旗舰模型权重开放下载，读者可据此判断自部署与定制空间。
Google DeepMind精选68 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力，读者可据此判断生成视频工作流的可控性变化。
Z.ai 智谱 · X62 智谱宣布 GLM-5.3 权重将于明日发布
智谱官方账号宣布 GLM-5.3 的权重将于明日发布，并附上 Hugging Face 上的 zai-org/GLM-5.3 仓库链接。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可将原始音频直接转为准确、格式化文本。
推荐理由：官方给出流式与非流式两套 API 的 WER 数据，并对比上一代 Chirp 3，可据此判断语音转写在实际工作流中的可用性。
Hugging Face Blog精选62 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露了 Granite 4.2 的架构、SFT 数据配比与多阶段 RL 课程，可据此理解推理模型后训练的具体做法。