Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，强调快速执行，同时覆盖 Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search 及付费 Google AI Pro 和 Ultra 订阅者。
推荐理由：原文给出定价、基准分数与安全指标，读者可据此判断它在多模型工作流中如何与 Carbon、Argon 分工。
Google Deepmind 发布 AlphaGenome 2，一个用于基因组学研究的新模型，可预测遗传变异对特定人类细胞类型的影响，找到的相关基因变化接近前代的两倍。
Google DeepMind 推出 Gemini Decisions API，配套模型 Gemini Decision 1 可在一次处理中完成最多 1,000 个独立问题，覆盖文本、图像、音频、视频和 PDF，直接给出选项评分与带置信度的概率，延迟为 150 至 250 毫秒。
Google DeepMind 发布新 AI 模型 AlphaGenome 2，用于预测遗传变异对不同细胞类型和状态的影响，是去年发布的 AlphaGenome 的后继模型。
Google DeepMind 宣布发布下一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异对特定人类细胞类型的影响。该模型改为条件化架构，一次针对一个组织、细胞类型或状态进行预测，训练数据涵盖 68 个组织、超过 1.07 亿个单细胞图谱。
推荐理由：原文给出条件化架构改造与 TenK10K 上的召回对比，读者可据此判断细胞类型特异性预测相比上一代的实际提升幅度。
Meta Superintelligence Lab 发布轻量模型 Muse Ember，定位为该实验室迄今最轻、成本最低的模型，面向工具调用、编码子任务、路由、抽取和长文档解析等智能体日常执行任务。
Thinking Machines 发布第二代模型 Inkling 2 Small，称其为最强的西方开源权重模型，采用 594B 总参数、17B 激活参数的 MoE 架构，支持文本和图像输入并可调节思考深度。
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数 / 17B 激活参数的多模态 MoE 模型，支持文本与图像输入、文本输出，具备原生视觉能力，上下文窗口和最大输出均为 1M tokens，现已在 Tinker 和 Tinker Playground 上开放微调与推理，Apache 2.0 权重将在外部安全测试完成后于下周发布。
推荐理由：原文汇总了训练成本、独立评测与安全披露，读者可据此判断这款开源权重模型的真实定位与短板。
NVIDIA 为 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景：Cosmos3-Nano-Transfer-Auto 生成多视角驾驶数据。
推荐理由：四个检查点分别对应驾驶数据生成、流式仿真、模拟器渲染和双臂机器人动作预测，读者可据此判断各自适配的落地场景。
腾讯发布正式版大语言模型 Hy4，首次加入图像理解和自主操作软件能力，可通过 Tencent Cloud、OpenRouter 及元宝等应用使用，模型权重尚未公布具体开放日期。
Hugging Face 博客介绍 Mistral 发布的 Mistral Large 4（代号 Le Chonk）：多模态、多语言 MoE 模型，约 1T 总参数、49B 激活参数、1M token 上下文窗口。
同一件事，精选收录的是《Mistral 发布开源权重模型 Mistral Large 4（Le Chonk）》
NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到单一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人归属，可处理最长一小时录音并标注最多 8 位说话人，现已在 Hugging Face 和 ModelScope 开放。
推荐理由：原文给出榜单成绩与微调配方，读者可据此判断该模型在多语种转写与说话人分离上的可用性。
Google DeepMind 发布 Genie 4，作为 Genie 3 的后续版本，可逐帧实时生成交互式场景并直接生成声音，用户用键盘移动、用文本提示词引导事件。
Liquid AI 发布新一代 LFM3 系列，以 LFM3-1.7B-Base 为共享骨干衍生出文本、视觉、音频、omni 和决策共六款 2B 级模型，全部开源并可在 Hugging Face 下载。
推荐理由：原文给出架构改动、基准对比和微调入口，读者可据此评估 2B 级模型能否替代自己的通用大模型。
Google DeepMind 以研究预览形式发布最新世界模型 Genie 4，可生成迄今最逼真、可交互的世界，支持在模拟中途输入提示词实时改写场景，并生成与场景匹配的音乐、环境音和对话。
Google DeepMind 发布 Genie 4 世界模型，宣称在物理模拟和人物真实感等方面较 Genie 3 全面改进，部分提升来自更新后的 Gemini 模型。
Google DeepMind 宣布发布新世界模型 Genie 4，提升实时交互模拟的真实感，可原生同时生成音乐、环境音与交互对话。
推荐理由：原文说明了 Genie 4 与 Gemini 系列的分工方式，读者可据此理解实时世界模拟如何借助推理模型维持连贯性。
Google 发布 Genie 4 世界模型，用于生成 AI 交互体验，官方称其带来更真实的世界、可用自然语言提示实时更新体验、可生成音频，并在底层使用 Gemini 3.8 Flash 辅助模拟。
Canva 发布首款自研图像生成模型 Canva Craft，称可与 Google、OpenAI、ByteDance、Meta 的同类模型竞争。
Canva 发布自研图像生成模型 Canva Craft，采用两阶段架构，先规划设计再生成图像，以获得更高的精度、一致性和控制力，最高支持 2K 分辨率和 30 多种宽高比。
Canva 发布首个图像生成模型 Canva Craft，由其研究团队开发，用于与 Google、OpenAI、ByteDance、Meta 的同类模型竞争。模型分两阶段工作，先解析提示词并规划元素空间关系、比例、视觉层级等，再生成最高 2K 分辨率、最多 30 种宽高比的图像，支持精确局部编辑。
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时间序列。
推荐理由：原文给出了评测对比和训练成本变化，读者可据此判断其相对前代与同类模型的实际改进幅度。
NVIDIA 发布 Cosmos3-H-Dreams，基于 Cosmos 3 与 FlashDreams 流式推理库，在单张 NVIDIA RTX PRO 6000 GPU 上实现实时交互式生成手术模拟，训练数据来自 CMR Surgical Versius 平台上的临床胆囊切除术录像与机器人运动学记录。
Mistral AI 发布 Voxtral 3，包含语音转文本、文本转语音模型与基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用与说话整合进单一实时流式管线，每轮对话在 1 秒内完成。
推荐理由：原文给出各模型定价与多项评测口径，读者可据此比较它与现有语音方案的成本和适用场景。
Elorian 发布首个模型 Glimpse，以 research preview 形式提供 API 访问，聊天界面需 waitlist。它在推理过程中可裁剪图像区域、从视频抽取特定帧或运行代码测量比较，Elorian 称之为 visual scratch space。
Meta 发布了名为 Muse Spark Open 的开源权重模型，称其为美国能力最强的开源权重模型，采用 816 billion parameters 和 1 million token context window，原生多模态，面向复杂编码任务和智能体工作。
Meta 在 Llama 系列之后推出开源权重模型 Muse Spark Open，官方称其为美国最强开源权重模型，主打编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文窗口，支持文本、图像、视频和音频。
Meta 宣布发布 Muse Spark Open 模型，称其为迄今最强的美国开放权重模型，也是同级别中首个可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 桌面上运行的模型。
Meta 发布开源权重多模态模型 Muse Spark Open，约 816B 总参数、每 token 约 42B 激活参数，上下文窗口达 1M tokens，支持文本、图像、音频、视频输入与文本输出，面向 agentic coding 场景。
推荐理由：原文给出完整架构参数与多框架部署配方，读者可据此评估自托管该模型的资源门槛与可行路径。
Nvidia 发布面向企业智能体的开源多模态模型 Nemotron 3.5 Super VL，参数量 120B、每 token 激活 12B，采用 Mixture-of-Experts 架构，由含 Mistral AI、Thinking Machines Lab、Perplexity、Black Forest Labs 的 Nemotron Coalition 参与开发。
Google 推出 Gemini 4 Argon，定位为覆盖机器人全流程的单一模型，可控制机器人、构建虚拟仿真环境并评估训练数据，被称为迈向 physical AGI 的一步。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，以及面向边缘的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 两款模型，覆盖从企业服务器到本地设备的智能体部署。
推荐理由：原文给出了三档模型的参数、显存与部署入口，读者可据此判断从数据中心到本地设备的选型路径。
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍更长的上下文窗口（262,144 tokens）、改进的指令遵循与工具使用，模型权重已于 7 月 24 日以 Apache 2.0 许可发布至 Hugging Face。
推荐理由：原文详述了从文本模型扩展到多模态的训练配方与各阶段开源产物，便于复现其开放开发路径。
Ai2 发布 HiRO-ACE 更新版 HiRO-ACEv2，由工作在 100 km 分辨率的 ACE 模型和将其降尺度到 3 km 的新模型 HiROv2 组成，可生成全球 3 km 分辨率的降雨、风速和海平面气压数据，成本约为高分辨率大气模型 X-SHiELD 的 1/300。
Google DeepMind 宣布 Gemini 4 Argon 即日起全球开放，开发者和企业可通过 AI Studio 与 Gemini 平台的 API 使用，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini app 和 Search 的 AI Mode 使用。
推荐理由：原文列出定价、上下文规格和多领域实测数据，读者可据此评估它对现有工作流的适配度。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning (ERQA) 基准上纯推理得分 87%，超过其他前沿模型。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon 并全球开放》
Odyssey 开放世界模型 Odyssey-3 的公开研究预览，用户可通过文本提示生成可实时探索的交互环境，开发者可申请 API 访问，免费在线 demo 运行于 Odyssey-3 Flash。
GPT-6 正在 ChatGPT 中全球推出，并搭配 Intelligent UI，带来更快的响应以及可直接探索和使用的可视化与交互体验。
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M（实验版），在 Decision Index 0.2.1 上 d1-3B 得分 48.57，超过所有 4B、9B 模型以及 Decider 35B-A3B（47.11）。
推荐理由：给出了不同设备上的实测延迟和基准分数，读者可据此判断它是否满足自己的端侧部署预算。
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：给出了参数量、内存占用与上下文长度等具体指标，读者可据此判断它是否适合端侧部署。