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。
135 条精选近 30 天 72条共收录 252条
更新精选归档 · 第 6 页
Lilian Weng · X精选65
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。
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。