DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台
DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，文本能力与 DeepSeek-V4-Flash 持平，涵盖智能体、推理和世界知识。
推荐理由：官方给出新模型与 V4-Flash 的文本能力对齐关系及多模态智能体基准上的提升幅度，可据此判断多模态 Agent 的可用水位。
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
DeepSeek · X精选78 Hugging Face Blog56 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
Google DeepMind精选82 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体并降价一半
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文给出 3.7 Flash 相对 3.6 Flash 的多项基准提升与半价定价，读者可据此判断编码与智能体场景的成本收益变化。
DeepSeek · X精选82 DeepSeek 发布 DeepSeek-V4-Pro
DeepSeek 发布 DeepSeek-V4-Pro，主打智能体能力升级并带来明显的生产收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max。该模型原生支持 OpenAI Responses API，并针对 Codex 做了优化、可一键配置，现已上线 app 和网页端（Expert Mode）及 API，模型名称保持不变。
推荐理由：官方给出 V4-Pro 的智能体能力升级与三档推理强度，读者可据此判断它在生产工作流中的定位。
Hugging Face Blog34 Hugging Face 为 OlmoEarth Studio 推出自定义嵌入向量导出功能
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出嵌入向量，代码与模型权重公开。用户可通过 UI 或 API 选择区域、时间范围、编码器变体（Nano 128 维 1.4M 参数、Tiny 192 维 6.2M 参数、Base 768 维 89M 参数）、分辨率与影像源，导出 int8 格式的 Cloud-Optimized GeoTIFF。
Google DeepMind精选71 Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe
Google DeepMind 发布多语种手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。
推荐理由：原文给出多语种手语到文本模型的能力边界与落地入口，读者可据此判断手语翻译在真实产品中的可用程度。
Hugging Face Blog精选62 NVIDIA 发布 Magpie TTS 多语言开源权重模型，新增阿拉伯语、韩语和巴西葡萄牙语
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，支持 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并通过更新训练数据提升了多个既有语言的质量。
推荐理由：原文给出 364M 开源 TTS 的多语言扩展与各 GPU 上的 TTFA 实测数据，可据此评估自建语音链路的延迟预算。
Hugging Face Blog精选82 Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，主打本地智能体用例，如编码、文档分析和个人助手。
推荐理由：Meta 开源 30B 多模态模型，从架构、基准到本地部署与自优化演示都给出了可复现细节。
Google DeepMind精选76 Google DeepMind 开源 WeatherNext 气旋预报模型
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预报上达到 SOTA，平均多出约一天的预报提前量，相当于气象领域约十年的进展。
推荐理由：原文给出气旋路径与强度预报多出约一天预警时间的实测结果，并开放模型权重与代码。
Mistral AI精选66 Mistral AI 发布 Shieldstral：3B 开源多模态安全分类器
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可开放下载，可在单张 16GB NVIDIA GPU 上运行。它把内容审核建模为策略自适应的问答任务，推理时用自然语言写入策略、无需重新训练，统一处理文本与图像，并输出校准后的连续安全分数。官方称其在文本安全上可匹配最多 7 倍参数量的模型，并在多模态审核上取得新的 SOTA。
推荐理由：3B 开源安全分类器把审核策略改成推理时的自然语言问题，读者可据此判断小模型在内容审核上的可行边界。
DeepSeek · X精选78 DeepSeek-V4-Flash 官方 API 开启公测
DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 进入公测。官方称其 Agent 能力大幅升级，基准分数已远超 V4-Pro-Preview，并原生支持 Responses API 格式、完整适配 Codex，配置细节见官方 API 文档。
推荐理由：DeepSeek 官方公布 V4-Flash API 公测及其 Agent 能力提升，读者可据此判断接入 Codex 的可行性。
Mira Murati · X精选73 Thinking Machines 发布 Inkling-Small，开放完整权重，规模仅为 Inkling 的四分之一
Mira Murati 表示，Inkling-Small 的表现可与 Inkling 相媲美，规模只有四分之一，并且现已开放权重，可在 Tinker 上进行微调。 她期待看到人们用它创作出什么。 在引用的公告中，@thinkymachines 报告称，该模型总参数量为 276B，激活参数量为 12B，并开放完整权重，同时在 Tinker Playground 上提供文本、图像和音频聊天。 https://thinkingmachines.ai/news/inkling-small/
推荐理由：与 Inkling 的比较为较小模型所宣称的性能提供了背景，而参数量则说明了规模缩减的程度。
Google DeepMind精选71 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，负责与人类对话、理解物理世界并规划多步任务，再把动作执行交给底层 VLA 模型，还可原生调用 Google Search 等工具。
推荐理由：官方给出 ER 2 在进度分类与时刻定位上的具体数字和开放入口，可据此判断机器人在长任务中的可用边界。
Google DeepMind58 Google DeepMind 在 Flow Music 发布 Lyria 3.5 音乐生成模型
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并在 Google Flow Music 中上线。该版本在音乐性、歌词、人声和创作控制四方面改进：可生成更丰富自然的旋律结构，歌词质量与提示词遵循度、结构感知提升，人声更具表现力和情感细节且发音改善，同时支持更便捷地控制输出节奏与时长。
Google DeepMind精选80 Google DeepMind 发布 Gemini Robotics 2，带来机器人全身智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型：负责视觉语言到运动控制的 VLA 模型 Gemini Robotics 2、负责具身推理的 Gemini Robotics ER 2，以及可在设备本地运行的 Gemini Robotics On-Device 2。
推荐理由：原文给出三款模型的职责分工与开放入口，读者可据此判断机器人全身控制与多机协作的落地路径。
Hugging Face Blog52 NVIDIA 发布 Cosmos-H-Dreams 实时生成式手术机器人仿真器
NVIDIA 发布 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，将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并通过 FlashDreams 推理库在单张 NVIDIA RTX PRO 6000 GPU 上运行。
Google DeepMind精选78 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由：原文给出三款 Flash 模型的 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是一款基于 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取得接近更大模型的成绩。
推荐理由：原文给出轻量安全模型在 CyberGym 等基准上的表现与限量试点部署方式，读者可据此判断其能力定位与开放范围。
Lilian Weng · X精选65 Inkling 是我们的开放权重模型
Inkling 是 Lilian Weng 所在组织的开放权重模型。 它旨在成为一个基础模型，在广泛的能力类别中表现扎实，便于实际使用和定制。 Weng 邀请用户在 Tinker 上试用。
推荐理由：此次发布将 Inkling 定位为可供实际定制的基础模型；提供完整权重和微调能力，也为其预期用途提供了具体背景。
Hugging Face Blog精选88 Thinking Machines 发布 Inkling 系列开源多模态模型
Thinking Machines Lab 在 Hugging Face 发布 Inkling 系列开源多模态模型，其中 Inkling 为约 1T 参数、41B 激活参数的 MoE 模型，原生支持图像、音频、文本输入和 1M 上下文，并推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断约 1T 参数开源多模态模型的落地门槛。
Mistral AI精选71 Mistral AI 发布 Robostral Navigate 具身导航模型
Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：原文给出单目 RGB 相机下的导航成功率与训练方法，读者可据此判断具身导航对传感器依赖的变化。
Mistral AI精选71 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，PutnamBench 解出 587/672 题，FATE-H 和 FATE-X 分别取得 87% 和 34% 的 SOTA。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与开源入口，读者可据此判断其在证明工程中的可用性。
Google DeepMind精选78 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快。
推荐理由：两款模型同时开放开发者入口，并给出延迟、单价与能力边界，便于判断图像到视频链路的成本与可用性。
Google Research精选76 Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，无需手动训练、调参和特征工程即可在单次前向传播中完成预测。
推荐理由：原文给出了 TabFM 的架构设计与 TabArena 基准表现，读者可据此判断零样本表格预测能否替代传统树模型流程。
Mistral AI精选62 Mistral 发布 OCR 4，支持 170 种语言并可单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。
推荐理由：OCR 4 把边界框、块分类和置信度分数一并输出，读者可据此判断文档解析如何接入 RAG 与智能体流程。
Google DeepMind精选71 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性并行生成整块文本，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：Google DeepMind 开源文本扩散模型，给出速度与硬件门槛的具体数字，可据此判断本地交互式推理的可行性。
Andrej Karpathy · X精选78 Karpathy 评 Claude Fable 5 发布：与 Mythos 同底模，长任务能力显著跃升
Andrej Karpathy 评价 Claude Fable 5 发布，指出它与 Mythos 是同一底层模型，只是增加了安全防护，在几乎所有基准上以一定幅度达到 SOTA。
推荐理由：Karpathy 以第一手使用体验判断 Fable 5 是值得大版本号跃升的一步，并给出长任务场景下的具体变化。
Google DeepMind精选78 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70 多种语言的近实时语音到语音翻译音频模型，能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate 把同传从逐句等待改为连续生成，并给出开发者、企业、消费端三条落地路径。
Google DeepMind精选78 Google DeepMind 发布 Gemma 4 12B：统一的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智能体多模态模型，介于边缘端 E4B 与 26B MoE 之间，也是其首个支持原生音频输入的中等规模模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Google Research56 Google 开源其水文建模框架，支持自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
Mistral AI精选82 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密模型，以修改版 MIT 许可开放权重，成为 Mistral Vibe 和 Le Chat 的默认模型，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 把编码智能体搬到云端并同步开源 128B 权重，读者可据此判断自托管编码智能体的可行边界。
Oriol Vinyals · X精选82 谷歌在 I/O 大会上推出 Gemini 3.5 Flash
在 Google I/O 大会上，Oriol Vinyals 宣布推出 Gemini 3.5 Flash，并称其目标是在前所未有的速度下实现前沿级智能。他表示，3.5 Flash 在几乎所有基准测试中都胜过 3.1 Pro，同时保持 Flash 级速度。
推荐理由：这篇文章说明了新模型的定位，以及它相较于 3.1 Pro 的基准测试表现，可让人快速了解谷歌 Flash 系列在速度与能力之间的取舍。
Google DeepMind精选85 Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成视频
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并支持用自然语言多轮对话编辑视频。
推荐理由：原文给出 Omni 系列首个模型的输入输出能力与上线渠道，读者可据此判断多模态视频生成的实际可用范围。
Google DeepMind精选88 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道开放。
推荐理由：Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro，并给出速度与成本对比，可据此判断长程任务的落地空间。
Nick Turley · X精选80 gpt-5.5 instant 开始向所有 ChatGPT 用户推出
Nick Turley 对 Instant 更新表示欢迎，并称数亿人默认使用这一版本的 ChatGPT，同时强调其在智能水平、简洁度、准确性和对话质量方面的改进。 在引用的帖子中，@michpokrass 表示 gpt-5.5 instant 于今日发布，并将在接下来几天内向所有人推出；他提到其事实准确性、“破解技巧”方面的表现和基础智能水平均有所提升，幻觉也大幅减少。
推荐理由：Instant 是数亿人的默认 ChatGPT 版本，因此，据称准确性和对话质量方面的改进将惠及广泛的日常用户。
Google DeepMind精选71 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，一款主打可控性、表现力和音质的文本转语音模型，已在 Gemini API 和 Google AI Studio 面向开发者预览、在 Vertex AI 面向企业预览，并通过 Google Vids 向 Workspace 用户开放。
推荐理由：官方给出音频标签的用法与多语言覆盖范围，读者可据此判断语音生成的可控程度。
Google DeepMind精选71 Google DeepMind 发布 Gemini Robotics-ER 1.6
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先机器人模型的重大升级，强化了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计等复杂仪表。
推荐理由：原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口，读者可据此判断机器人高层推理的进展。
Google DeepMind精选85 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖端侧到工作站，并给出 Arena 排名与 Apache 2.0 许可，便于判断开源模型的可用边界。
Mistral AI精选62 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首个文本转语音模型 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 9 种语言，具备情感表达与低延迟特性。
推荐理由：原文给出 4B 参数、9 种语言与 70ms 延迟等具体指标，并附与 ElevenLabs 的对比评测，便于判断语音智能体的成本与可用性。
Mistral AI精选78 Mistral 发布 Mistral Small 4，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 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的 Mistral 模型，采用 Apache 2.0 许可。
推荐理由：Mistral 把推理、多模态与编码能力合并进一个开源小模型，并给出可调推理强度与部署门槛，便于判断其落地成本。