Google DeepMind 发布手语转文本模型 SL2T，登陆 Gboard 和 Live Transcribe
Google DeepMind 发布大规模多语言手语转文本（SL2T）翻译模型，为聋人和听障用户带来新的手语输入功能，率先在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文，后续将扩展更多设备和语言。
推荐理由：原文给出模型训练规模、基准分数和隐私设计等具体细节，读者可以了解手语翻译落地的真实技术路线。
全部AI 动态
今日 0 条
Google DeepMind精选AI 评分7474 Google Research精选AI 评分6565 Google 发布 AMIE (Video)，实现实时音视频临床问诊
Google Research 推出基于 Gemini 和 Project Astra 的 AMIE (Video)，可进行实时同步临床视频问诊，感知非语言线索并引导虚拟体格检查。
推荐理由：原文给出架构设计、评测规模和与 PCP 对比的量化结果，还坦承模拟场景等局限，可帮助读者理解音视频临床 AI 的实际边界。
Microsoft ResearchAI 评分5858 Microsoft Research 发布 CARE-X 胸部 X 光研究模型，结合辅助监督、DAPO 强化学习与工具增强测量
Microsoft Research 推出研究模型 CARE-X，一个统一胸部 X 光 VLM，基于 SigLIP2-so400M 与 Phi-4-mini-instruct（3.8B），通过辅助头联合训练提供报告生成与带置信度的结构化预测，并用 DAPO 强化学习对齐临床奖励。
Hugging Face BlogAI 评分5757 NVIDIA Magpie TTS Multilingual 发布开放权重更新，新增阿拉伯语、韩语和巴西葡萄牙语
NVIDIA 发布 Magpie TTS Multilingual 更新，该 364M 参数开放权重模型现支持 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语。
Hugging Face Blog精选AI 评分7878 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 今日发布 30B 参数多模态开源模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地部署的隐私场景与编码、文档分析、个人助理等智能体用途。
推荐理由：原文给出架构细节、Agent 基准对比和各推理栈的 day-0 用法，读者可据此评估本地多模态部署的选择。
Google DeepMind精选AI 评分7979 Google DeepMind 开源 WeatherNext 系列 AI 气旋预报模型，提前量增加超过一天
Google DeepMind 发布 Nature 论文并开源 WeatherNext 2、WeatherNext Cyclones 和 WeatherNext 2-mini 模型，单个 AI 模型可同时预测热带气旋的路径、强度和风结构，相比此前模型平均多出约 24 小时提前量，相当于过去 20 年气象进步约十年的水平。
推荐理由：Google 公布了模型在气旋预报上多出约一天提前量的细节，并同步开源代码与权重，研究者可以直接复现或改进。
Mistral AIAI 评分5656 Mistral 发布开源权重安全分类模型 Shieldstral，3B 参数支持推理时自定义政策
Mistral AI 发布 Shieldstral，一个 3B 开源权重的多模态安全分类模型，采用 Apache 2.0 许可。它将内容审核建模为二选一问答任务，政策以自然语言问题在推理时提供而无需重训练，统一覆盖文本、图像及 prompt-响应对的审核、拒答检测与毒性检测；据官方评测，其表现可与最大 7 倍于自身的开源 guard 模型相当，并可在单张 16GB GPU 上运行。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini Robotics 2 全身智能机器人模型系列
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型、Gemini Robotics ER 2 具身推理模型和可本地运行的 On-Device 2 三个模型，实现人形机器人全身控制、灵巧操作和多机器人协作。
推荐理由：官方发布说明了三个模型分工、适配新机器人的数据成本和安全基准，读者可以对照判断机器人AI的落地路径。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini 模型：3.6 Flash 在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%，定价 $1.50/1M 输入、$7.50/1M 输出，DeepSWE 49% vs 37%、OSWorld-Verified 83.0% vs 78.4%。
推荐理由：官方原文给出三款新模型的具体价格、token 效率与多项基准数字，并说明各模型面向的部署场景。
Google DeepMindAI 评分5757 Google DeepMind 发布轻量网络安全模型 Gemini 3.5 Flash Cyber
Google DeepMind 发布基于 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，用于快速发现、验证和修补漏洞。
Hugging Face Blog精选AI 评分8080 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数约 1T（975B，激活 41B 的 MoE），原生接收图像、文本和音频输入，支持 1M 上下文，训练数据为 45 万亿 token，包含 BF16 和 NVFP4 权重。
推荐理由：官方博客给出架构细节、各档位 VRAM 需求和部署配置，读者可以据此评估多模态部署成本与选型。
Mistral AIAI 评分4949 Mistral 发布 Robostral Navigate：8B 具身导航模型，单 RGB 相机超越多传感器方案
Mistral 发布首个具身导航模型 Robostral Navigate，为 8B 参数、完全自研并基于仿真数据训练，仅用单个普通 RGB 相机、无 LiDAR 或深度传感器即可根据自然语言指令导航。
Mistral AI精选AI 评分6565 Mistral 发布 Leanstral 1.5：119B 总参数 6B 激活，Apache-2.0 开源形式化验证模型
Mistral 发布 Apache-2.0 开源模型 Leanstral 1.5，119B 总参数、6B 激活参数，通过 mid-training、监督微调和 CISPO 强化学习训练。
推荐理由：官方披露了完整训练流程、基准数字和真实代码验证案例，读者可以据此评估形式化验证模型在数学证明和开源查错上的实用程度。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为家族中最快最省的图像模型。
推荐理由：原文给出两款模型的速度、价格与可用入口，还说明了各自定位和 API 限制，便于开发者评估是否替换现有工作流。
Google Research精选AI 评分6161 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 推出面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习（ICL）问题，无需手动训练、超参数调优和特征工程即可在单次前向传播中生成预测。
推荐理由：原文说明了 TabFM 的架构设计、合成数据训练方式和 TabArena 基准结果，读者可据此评估其相对传统调参流程的取舍。
Google DeepMind精选AI 评分7070 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成提速至 4x
Google DeepMind 发布开源实验模型 DiffusionGemma，基于文本扩散方法生成整块文本，在专用 GPU 上推理速度最高达 4x（单张 NVIDIA H100 超 1000 tokens/秒，RTX 5090 超 700 tokens/秒）。
推荐理由：官方明确了 4x 提速的具体硬件数字和输出质量取舍，读者可以据此判断它适不适合本地低并发场景。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型，支持 70+ 语言近实时语音转语音翻译
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70+ 语言自动检测的近实时语音转语音翻译，连续生成保留说话者语调、节奏和音高的译文，全程仅落后说话者几秒。
推荐理由：官方公告给出了模型能力、开放入口和各产品落地细节，读者可以据此判断它对实时语音翻译工作流的改变。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemma 4 12B 统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款统一、无编码器的多模态模型，视觉和音频输入直接进入 LLM backbone，定位介于 E4B 与 26B MoE 之间。
推荐理由：原文给出无编码器架构、16GB 内存可跑和 Apache 2.0 开源等具体变化，读者可据此评估端侧部署选择。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 推出 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并通过自然语言多轮编辑，支持角色一致性和物理表现。
推荐理由：官方首次介绍 Omni 家族，说明了对话式改视频、多输入组合和物理表现的具体能力边界。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，率先推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首先推出 3.5 Flash，定位智能体与编码，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）和 CharXiv Reasoning（84.2%）上超过 Gemini 3.1 Pro，输出速度为其他前沿模型的 4 倍。
推荐理由：官方公布了 3.5 Flash 的基准成绩、开放渠道和 Pro 后续计划，读者可以据此评估它在智能体与编码场景的取舍。
Google DeepMindAI 评分5757 Google DeepMind 发布 Gemini Robotics-ER 1.6 增强机器人具身推理
Google DeepMind 发布 Gemini Robotics-ER 1.6，相比 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 在指点、计数、成功检测等空间与物理推理能力上显著提升。
Mistral AI精选AI 评分6565 Mistral AI 发布 4B 文本转语音模型 Voxtral TTS
Mistral AI 发布首个文本转语音模型 Voxtral TTS，参数量 4B，支持英语、法语、德语等 9 种语言，定位低延迟语音生成。模型在人工评测中自然度超过 ElevenLabs Flash v2.5，与 ElevenLabs v3 质量相当；10 秒样本加 500 字符的模型延迟为 70ms，RTF 约 9.7x。
推荐理由：原文给出延迟、价格、人评对比和开源许可等关键细节，方便读者评估它在语音 Agent 场景中的可用性。
Mistral AI精选AI 评分7171 Mistral 发布 Mistral Small 4，统一推理、多模态与智能体编码能力
Mistral AI 发布 Mistral Small 4，是首个将 Magistral 推理、Pixtral 多模态、Devstral 智能体编码能力统一到单一模型的小型模型，采用 Apache 2.0 许可开源。
推荐理由：官方发布正文给出了完整的架构参数、基准对比和部署要求，读者可据此评估其替代多模型组合的可行性。
Mistral AIAI 评分5959 Mistral 发布开源代码智能体 Leanstral，专为 Lean 4 形式化证明设计
Mistral 发布首个面向 Lean 4 的开源代码智能体 Leanstral-120B-A6B（6B 激活参数），权重采用 Apache 2.0 许可，可通过 Mistral Vibe 和 labs-leanstral-2603 免费 API 端点使用。
Mistral AI精选AI 评分6565 Mistral 发布 Voxtral Transcribe 2 语音转写模型，Realtime 开放权重
Mistral AI 发布 Voxtral Transcribe 2，含 Voxtral Mini Transcribe V2 与 Voxtral Realtime 两款语音转写模型，支持 13 种语言、说话人分离和词级时间戳。
推荐理由：官方给出两款转录模型的延迟、错误率和价格数据，并开放 Realtime 权重，读者可据此对比现有语音方案。
Mistral AI精选AI 评分7272 Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型及 Mistral Vibe CLI
Mistral AI 发布开源编码模型家族 Devstral 2，包含 123B 的 Devstral 2（modified MIT 许可）和 24B 的 Devstral Small 2（Apache 2.0），两者均支持 256K 上下文窗口，分别在 SWE-bench Verified 上取得 72.2% 和 68.0%。
推荐理由：官方公布了两个尺寸编码模型的开源协议、SWE-bench Verified 成绩、API 定价和硬件要求，可据此评估本地或端侧部署的可行性。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3，均采用 Apache 2.0 开源
Mistral 发布新一代模型系列 Mistral 3，包括 MoE 架构的 Mistral Large 3（41B 激活、675B 总参数）以及 3B、8B、14B 三个尺寸的 Ministral 3 模型，全部以 Apache 2.0 协议开源。
推荐理由：官方公告完整列出了模型规格、开源协议、部署方式与可用平台，读者可据此评估在自有环境落地的可行性。
Mistral AIAI 评分5555 Mistral AI 发布 Codestral 25.08 及面向企业的完整编码栈
Mistral AI 发布 Codestral 25.08 代码补全模型，并提供包含 Codestral Embed、Devstral 和 Mistral Code IDE 插件的企业编码栈。
Mistral AI精选AI 评分7070 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral 发布开源语音理解模型 Voxtral，含 24B 的 Voxtral Small 和 3B 的 Voxtral Mini，均采用 Apache 2.0 许可证并可通过其 API 调用，价格低至每分钟 $0.001。
推荐理由：官方公布了两个尺寸的开源语音理解模型、基准成绩和 API 价格，读者可据此评估其替代现有 ASR 方案的可行性。
Mistral AI精选AI 评分6262 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：官方给出了两个新模型的 SWE-Bench Verified 成绩、定价和许可方式，开发者可以据此评估代码智能体选型。
Mistral AI精选AI 评分6868 Mistral AI 发布首个推理模型 Magistral，含开源 24B 版 Magistral Small 与企业版 Magistral Medium
Mistral AI 发布其首个推理模型 Magistral，分开源的 Magistral Small（24B，Apache 2.0）与企业版 Magistral Medium 两个版本。
推荐理由：官方同时开源与商用双版本，给出 AIME2024 分数、开源许可和部署渠道，读者可据此评估选型。
Mistral AI精选AI 评分6969 Mistral AI 联合 All Hands AI 发布开源编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作推出面向软件工程任务的智能体大语言模型 Devstral，以 Apache 2.0 许可开源发布。
推荐理由：官方发布了模型权重和 API 定价，并给出 SWE-Bench Verified 的具体成绩与部署门槛，读者可以据此评估本地或企业编码场景的适配性。
Mistral AI精选AI 评分6464 Mistral AI 发布 Mistral Medium 3，以约八分之一成本逼近 Claude Sonnet 3.7
Mistral AI 发布 Mistral Medium 3，定位 SOTA 性能、成本降低 8 倍的新级别模型。基准上达到或超过 Claude Sonnet 3.7 的 90%，定价为 $0.4 输入 / $2 输出每 M token，超越 Llama 4 Maverick 和 Cohere Command A，可在 4 张 GPU 以上环境自部署。
推荐理由：官方给出与 Claude Sonnet 3.7 的基准对比、定价和部署门槛，读者可据此评估企业落地的性价比。
Mistral AI精选AI 评分6262 Mistral 发布 Small 3.1：多模态、128k 上下文、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上改进文本性能、增加多模态理解，上下文窗口扩至 128k tokens，推理速度达 150 tokens 每秒。
推荐理由：原文来自官方发布，给出基准对比、开源协议和硬件要求，读者可以据此评估它在轻量部署场景的可用性。