OpenAI 模型解决 80 年悬案的单位距离问题
OpenAI 宣布其一个模型解决了悬置 80 年的单位距离问题,推翻了离散几何中的一个核心猜想,被视为 AI 驱动数学研究的里程碑。
推荐理由:原文点明模型解决的是悬置 80 年的具体难题,读者可据此衡量其数学推理能力的实际跨度。
内容类型
各家新模型的发布、开源与迭代:旗舰更新、开源权重放出、能力与价格变化。
240 条精选近 30 天 26 条共收录 513 条
OpenAI 宣布其一个模型解决了悬置 80 年的单位距离问题,推翻了离散几何中的一个核心猜想,被视为 AI 驱动数学研究的里程碑。
推荐理由:原文点明模型解决的是悬置 80 年的具体难题,读者可据此衡量其数学推理能力的实际跨度。
Hugging Face 发布六个基于 Ettin ModernBERT 编码器的 Sentence Transformers CrossEncoder 重排模型,尺寸从 17M 到 1B,均以 Apache 2.0 开源,并同步公开训练数据 cross-encoder/ettin-reranker-v1-data(约 143M 三元组)和约 150 行的完整训练脚本。
推荐理由:给出了各尺寸的基准对比和消融数据,读者可据此判断何时该用它替换现有 reranker。
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash,可将图像、音频、视频和文本组合作为输入,生成基于 Gemini 真实世界知识的高质量视频,并支持通过自然语言对话编辑视频,每次指令在上一次基础上延续,保持角色一致和场景记忆。
推荐理由:原文说明了 Omni 与 Gemini 推理能力的结合方式和开放入口,读者可据此判断它会怎样改变视频创作工作流。
Google DeepMind 发布 Gemini 3.5 系列的首款模型 Gemini 3.5 Flash,称其为目前最强的智能体与编码模型,在 Terminal-Bench 2.1(76.2%)、GDPval-AA(1656 Elo)、MCP Atlas(83.6%)等基准上超过 Gemini 3.1 Pro,输出速度是其他前沿模型的 4 倍,成本常低于其一半。
推荐理由:原文给出多项基准分数与速度成本数据,读者可据此判断它在智能体与编码场景中的定位。
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 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。
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。
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 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 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。
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 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。
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。
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。
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。
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。
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。
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。
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 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。