135 条精选近 30 天 72条共收录 252条
更新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 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。
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 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。
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。
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。
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。
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 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。
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。
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。
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 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 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 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 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 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 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。
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 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。
