IBM 发布 Granite Embedding Multilingual R2 两款开源多语言嵌入模型
IBM 在 Hugging Face 发布两款 Apache 2.0 多语言嵌入模型 granite-embedding-311m-multilingual-r2 和 granite-embedding-97m-multilingual-r2。
#模型发布
Hugging Face BlogAI 评分5757
OpenAI NewsAI 评分5555 OpenAI API 推出可推理、翻译和转录语音的新实时语音模型
OpenAI 在 API 中推出新的实时语音模型，可对语音进行推理、翻译和转录，以实现更自然、更智能的语音体验。
OpenAI News精选AI 评分7474 OpenAI 更新 ChatGPT 默认模型为 GPT-5.5 Instant
GPT-5.5 Instant 更新了 ChatGPT 的默认模型，带来更智能、更准确的回答，减少模型幻觉，并改进了个性化控制选项。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.5 Instant System Card
OpenAI News 发布 GPT-5.5 Instant System Card，正文抓取失败，仅标题可用，具体系统卡内容未提供。
Hugging Face BlogAI 评分5858 IBM 发布 Granite 4.1 系列开源大语言模型并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列大语言模型，包含 3B、8B、30B 三个 dense decoder-only 版本，均以 Apache 2.0 许可开源。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni 多模态理解模型
NVIDIA 发布 Nemotron 3 Nano Omni，一个面向文档分析、多图推理、语音识别、长音视频理解与智能体计算机使用的全模态理解模型，已在 Hugging Face 开放 BF16、FP8 和 NVFP4 权重。
推荐理由：原文给出架构细节、训练配方与多组基准对比，读者可据此评估它在文档、音视频与智能体场景的可用性。
Hugging Face Blog精选AI 评分7878 DeepSeek-V4 发布：1M token 上下文面向智能体任务优化
DeepSeek 发布 DeepSeek-V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 为 1.6T 总参数 / 49B 激活，DeepSeek-V4-Flash 为 284B 总参数 / 13B 激活，均支持 1M token 上下文窗口。
推荐理由：文章拆解了长上下文推理成本与智能体后训练设计，读者可据此理解它为何适合长时程智能体任务。
OpenAI News精选AI 评分6969 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，官方介绍这是一款面向复杂任务的模型，适用于跨工具的编码、研究和数据分析场景。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.5 System Card
OpenAI 发布 GPT-5.5 System Card，原文链接为 https://openai.com/index/gpt-5-5-system-card，正文抓取失败，仅标题可用。
OpenAI NewsAI 评分5858 OpenAI 推出面向生命科学研究的 GPT-Rosalind 推理模型
OpenAI 发布 GPT-Rosalind，一款面向生命科学的前沿推理模型，用于加速药物发现、基因组学分析、蛋白质推理和科研工作流。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，通过在文本中嵌入自然语言 audio tags 实现对语音风格、语速和表达的细粒度控制。
推荐理由：原文给出了基准分数和开放入口，读者可据此判断其在语音生成上的定位与可用性。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6 具身推理模型
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为机器人高层推理模型，可通过 Gemini API 和 Google AI Studio 调用，并原生调用 Google Search、VLA 及第三方函数。
推荐理由：原文说明了仪器读数能力的实现路径，读者可了解具身推理如何结合代码执行解决真实巡检问题。
Hugging Face BlogAI 评分5757 Overworld 发布 Waypoint-1.5 实时交互世界模型，支持本地运行
Overworld 发布实时视频世界模型 Waypoint-1.5，提供 Waypoint-1.5-1B 与 Waypoint-1.5-1B-360P 两个权重，可在 RTX 3090 至 5090 桌面硬件上以最高 720p、60 FPS 实时生成环境，并新增面向更广消费级硬件（含游戏笔记本及即将支持的 Apple Silicon Macs）的 360p 档位。
Google DeepMind精选AI 评分8383 Google DeepMind 发布开源模型 Gemma 4 系列
Google DeepMind 发布 Gemma 4 开源模型系列，采用 Apache 2.0 许可，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，主打推理与智能体工作流。
推荐理由：原文给出了各尺寸的硬件适配与开源许可细节，读者可据此判断本地部署和微调的可行路径。
Hugging Face Blog精选AI 评分8888 Google DeepMind 发布 Gemma 4 多模态模型家族
Google DeepMind 在 Hugging Face 上发布 Gemma 4 多模态模型家族，采用 Apache 2 许可，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），均提供 base 与 IT 检查点，支持图像、文本输入，小尺寸与 12B Unified 还支持音频。
推荐理由：原文列出五档尺寸、架构取舍与各基准分数，读者可据此判断端侧与 MoE 方案的实际取舍。
Hugging Face Blog精选AI 评分6565 Falcon Perception 发布：0.6B 早融合模型与 Falcon OCR
TII 发布 Falcon Perception，一个 0.6B 参数的早融合 Transformer，用单一骨干处理图像块与文本，通过混合注意力掩码和 Chain-of-Perception 结构化接口（<coord> → <size> → <seg>）实现开放词表定位与分割。
推荐理由：原文拆解了早融合单干设计与三阶段训练配方，读者可据此判断它与视觉编码器加文本解码器路线的取舍依据。
Hugging Face BlogAI 评分5555 Hugging Face 发布 Granite 4.0 3B Vision 企业文档理解视觉语言模型
Hugging Face 发布 Granite 4.0 3B Vision，一款面向企业文档理解的紧凑视觉语言模型，主打表格抽取、图表理解和语义键值对（KVP）抽取，以 LoRA adapter 形式搭载于 Granite 4.0 Micro 之上，支持纯文本回退，可独立使用或与 Docling 组成文档处理流水线。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为迄今质量最高的音频与语音模型，精度与延迟均有改善。在 ComplexFuncBench Audio 上取得 90.8%，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后取得 36.1%。
推荐理由：给出了两项基准分数和面向开发者、企业、普通用户的开放入口，读者可据此判断其在语音智能体场景的可用性。
Google ResearchAI 评分4444 Google Research 推出 TurboQuant：以极端压缩重新定义 AI 效率
Google Research 推出压缩算法 TurboQuant（将在 ICLR 2026 发布），通过 PolarQuant 与 QJL 两项技术在零精度损失下大幅压缩模型体积，消除传统向量量化的内存开销。
Google ResearchAI 评分4545 Google Research 发布 S2Vec：用自监督框架学习城市建成环境的通用嵌入向量
Google Research 在 Google Earth AI 计划下推出自监督框架 S2Vec，通过 S2 Geometry 分区将建成环境栅格化为多层图像，再用 masked autoencoding（MAE）学习通用嵌入向量，无需人工标注即可预测人口密度、中位收入等指标。
Mistral AI精选AI 评分7171 Mistral AI 发布 Voxtral TTS 文本转语音模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，参数量 4B，基于 Ministral 3B 构建，支持 9 种语言（英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语、阿拉伯语）的自然情感语音生成。
推荐理由：原文给出了架构组成、延迟数据和与 ElevenLabs 的人工评测对比，读者可据此判断其在语音智能体场景的可用性。
Hugging Face BlogAI 评分5555 H Company 发布多模态计算机使用模型 Holotron-12B
H Company 发布面向计算机使用智能体的多模态模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-2 VL 后训练，现已在 Hugging Face 以 NVIDIA Open Model License 开源。
OpenAI NewsAI 评分5959 OpenAI 发布 GPT-5.4 mini 和 nano
OpenAI 发布 GPT-5.4 mini 和 nano，它们是 GPT-5.4 的更小、更快版本，针对编码、工具使用、多模态推理以及高吞吐量 API 和 sub-agent 负载进行了优化。
Mistral AI精选AI 评分7676 Mistral 发布 Mistral Small 4：统一推理、多模态与智能体编码的开源模型
Mistral AI 宣布发布 Mistral Small 4，这是首个将 Magistral 推理、Pixtral 多模态与 Devstral 智能体编码能力统一到单一模型中的 Mistral 模型，采用 Apache 2.0 许可开源。
推荐理由：原文给出了架构参数与延迟吞吐数据，读者可据此评估其替代多模型组合的可行性。
Mistral AIAI 评分5858 Mistral AI 开源 Leanstral：面向 Lean 4 的代码智能体
Mistral AI 发布并开源 Leanstral，首个专为 Lean 4 设计的代码智能体，采用高稀疏架构、6B 活跃参数，以 Apache 2.0 许可发布权重，同时在 Mistral Vibe 中提供 agent 模式并开放免费 API 端点 labs-leanstral-2603。
OpenAI NewsAI 评分3434 OpenAI 改进前沿 LLM 的指令层级
OpenAI 推出 IH-Challenge，训练模型优先遵循可信指令，以改进指令层级、安全可控性并抵御提示词注入攻击。
OpenAI News精选AI 评分7474 OpenAI 发布 GPT-5.4，主打编码、计算机使用与 1M token 上下文
OpenAI 发布 GPT-5.4，称其为面向专业工作、能力与效率兼备的前沿模型，具备 SOTA 级编码、计算机使用、工具搜索能力，并支持 1M token 上下文窗口。
OpenAI NewsAI 评分4444 OpenAI：推理模型难以控制其思维链，而这反而是好事
OpenAI 推出 CoT-Control，发现推理模型难以控制自己的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
OpenAI NewsAI 评分5353 OpenAI 发布 GPT-5.4 Thinking 系统卡
OpenAI 发布 GPT-5.4 Thinking 的系统卡（System Card），正文内容抓取失败，目前仅有标题可用。
Google DeepMindAI 评分5858 Google DeepMind 发布 Gemini 3.1 Flash-Lite 模型
Google DeepMind 发布 Gemini 3.1 Flash-Lite，称其为 Gemini 3 系列中最快、最具成本效益的模型，定价 $0.25/1M 输入 tokens 和 $1.50/1M 输出 tokens，即日起通过 Gemini API 在 Google AI Studio 面向开发者、在 Vertex AI 面向企业开放预览。
OpenAI News精选AI 评分6464 OpenAI 发布 GPT-5.3 Instant System Card
OpenAI 发布了 GPT-5.3 Instant 的 System Card，正文抓取失败，仅标题可用，暂无更多细节。
Google DeepMind精选AI 评分7575 Google DeepMind 发布图像模型 Nano Banana 2（Gemini 3.1 Flash Image）
Google DeepMind 发布最新图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），将 Nano Banana Pro 的世界知识、质量与推理能力带到 Flash 速度，支持最多 5 个角色的主体一致性、14 个物体的保真度、512px 到 4K 的分辨率控制，以及基于网页搜索的实时信息 grounding。
推荐理由：原文列出了从 Pro 下放的能力和各产品线的落地入口，读者可据此判断它会怎样改变现有图像工作流。
OpenAI NewsAI 评分3333 OpenAI 分享 First Proof 数学挑战的 AI 证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战提交的证明尝试，在专家级问题上测试研究级推理能力。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.1 Pro 模型
Google DeepMind 发布 Gemini 3.1 Pro，作为 Gemini 3 系列的核心推理升级，面向消费者和开发者产品同步推出。在 ARC-AGI-2 上 3.1 Pro 取得 77.1% 的验证分数，超过 3 Pro 推理表现的两倍。
推荐理由：原文给出了 ARC-AGI-2 上的具体分数和与 3 Pro 的对比，读者可据此衡量其推理能力提升幅度。
OpenAI News精选AI 评分6969 GPT-5.2 推导出理论物理新结果
OpenAI 官方发文称，一篇新预印本显示 GPT-5.2 提出了一个胶子振幅的新公式，该公式随后由 OpenAI 与学术合作者正式证明并验证。
推荐理由：官方披露模型在具体科研任务上的产出，可了解其推理能力的实际落点。
Google DeepMind精选AI 评分7474 Google DeepMind 升级 Gemini 3 Deep Think 推理模式并开放 API 早期访问
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，这一专用推理模式面向科学、研究和工程难题，现已在 Gemini app 中向 Google AI Ultra 订阅者开放，并首次通过 Gemini API 向部分研究人员、工程师和企业提供早期访问。
推荐理由：原文列出多项基准的具体分数与开放渠道，读者可据此评估其推理能力定位和可用范围。
OpenAI News精选AI 评分6060 OpenAI 推出首个实时编码模型 GPT-5.3-Codex-Spark
OpenAI 发布首个实时编码模型 GPT-5.3-Codex-Spark，生成速度提升 15x，支持 128k 上下文，现已面向 ChatGPT Pro 用户开放研究预览。
OpenAI NewsAI 评分5555 OpenAI 发布 GPT-5.3-Codex 系统卡
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为目前能力最强的智能体编码模型，结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力。
OpenAI NewsAI 评分5858 OpenAI 发布 GPT-5.3-Codex 编码智能体模型
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体模型，将前沿编码性能与通用推理能力结合，用于支撑长周期、真实场景的技术工作。
Mistral AI精选AI 评分7474 Mistral AI 发布 Voxtral Transcribe 2 语音转写模型系列
Mistral AI 发布 Voxtral Transcribe 2 系列，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时应用的 Voxtral Realtime，后者以 Apache 2.0 开源权重在 Hugging Face 发布。
推荐理由：原文给出两款模型的延迟、词错率与价格对比，读者可据此评估其在语音工作流中的替换价值。