Mistral 发布万亿参数 Mistral Large 4 公开预览，主打安全与欧洲主权
Mistral 发布迄今最大模型 Mistral Large 4（ML4，绰号 le Chonk）公开预览，总参数 1.05 万亿、激活 490 亿，API 已上线，权重预计月底发布。
#多模态
#多模态
今日 6 条The DecoderAI 评分7373 The DecoderAI 评分6161 Google 发布 EmbeddingGemma 2：740M 参数多模态嵌入模型，号称超越两倍体量竞品
Google 发布开源嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为向量，参数量 740M，Google 称其在多模态嵌入基准上超越体量两倍的竞品。
TechCrunch · AIAI 评分6464 Mistral 发布 1T 参数多模态模型 Mistral Large 4，三周后开放权重
Mistral AI 发布 1 万亿参数的多模态大模型 Mistral Large 4，暂只能通过公开 guardrail endpoint 访问，计划在安全测试完成后三周内开放权重。该模型仅用 4000 块 Nvidia GPU 训练，优化用例包括网络安全、金融和芯片设计，公司上月以 210 亿欧元估值完成由 Samsung 领投的 D 轮融资。
Hugging Face BlogAI 评分4343 Falcon-Emirati-7B：让 LLM 学会阿联酋方言、文化与细微语义
Hugging Face 联合发布方推出 Falcon-Emirati-7B，基于 Falcon-H1-Arabic 7B 变体微调，专门理解与生成阿联酋阿拉伯语方言。模型采用 Mamba 与 Transformer 注意力并行的混合架构，结合阿联酋方言网页数据、阿联酋文化的 MSA 数据和受词典与风格规则约束的合成数据进行训练，上下文窗口最高支持 128K/256K tokens。
Mistral AI精选AI 评分7575 Mistral 发布 Mistral Large 4 公开预览版，月底开放权重
Mistral 发布 Mistral Large 4（ML4）公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，权重将于本月底开放下载。
推荐理由：官方发布了参数规模、基准分数、训练基础设施和权重开放时间表，读者可据此评估它在开源阵营中的实际位置。
Google DeepMind精选AI 评分6868 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，采用 Apache 2.0 许可，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：官方给出了参数量、内存占用和基准得分等具体指标，可帮助读者评估它是否适合端侧检索场景。
The DecoderAI 评分6363 Microsoft AI 发布实时转写模型 MAI-Transcribe-2-Streaming 与语音模型 MAI-Voice-2.1
Microsoft AI 发布实时语音转写模型 MAI-Transcribe-2-Streaming，称其在 Artificial Analysis 准确率排名第一，支持 60 种语言，首批部分结果延迟仅 100 多毫秒，年底前每小时音频定价 $0.54。
The DecoderAI 评分5555 Tavus 发布 Griffin 人机交互模型，近半测试者在 1 分钟视频通话中误以为是真人
Tavus 推出其称为首个 Human Interaction Model 的 Griffin，可实时处理语音、表情、语调、手势和停顿并双向生成视频。公司研究中 48% 的参与者在一分钟视频通话后认为 Griffin 是真人，此前系统最高为 2%；Tavus 所述的 Nvidia 独立测试中 Griffin 得 3.83 分，接近真人的 3.92 分。
TechCrunch · AIAI 评分5959 Google 发布 Gemini 4 Argon，称其为迄今最强大的模型
Google 发布新模型 Gemini 4 Argon，称其擅长网络安全、编码与研究，可自主发现、验证并修复关键软件漏洞。该模型经防御性网络安全任务专项训练，目前仅通过 Fairwind 安全计划向部分网络安全合作伙伴开放；Google 引用 Vals 的模型指数称其在多项基准上领先 OpenAI GPT-6 Astra 与 Anthropic 的 Fable 和 Opus。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 草稿模型，加速视觉语言推理
Liquid AI 发布面向视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下换取更快推理，解码在设备端最高加速 3.13x、H100 上最高 2.66x，端到端分别为最高 2.62x 和 2.27x。
推荐理由：原文给出视觉语言模型的投机解码加速方案、具体倍数与内存开销，并覆盖 llama.cpp、MLX-VLM、SGLang 的接入方法。
NVIDIA BlogAI 评分4444 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 预览提交中首次亮相，Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7x，DeepSeek-R1 上达 2.5x。
Hugging Face BlogAI 评分5252 H Company 发布 NeoMME 多语言多模态编码器，含 260M 和 800M 两个版本并以 Apache 2.0 开源
H Company 发布 NeoMME，一个 260M 与 800M 两种规格的多语言多模态编码器，用单个双向 Transformer 同时处理文本 token 和 32×32 图像 patch，以掩码离散扩散目标从零训练，不依赖预训练视觉塔或因果语言模型。
Microsoft ResearchAI 评分4646 Microsoft 推出 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
Microsoft Research 发布 GigaPath-Flash 和 GigaTIME-Flash，通过知识蒸馏将十亿参数 GigaPath 编码器压缩为 22M 参数 ViT-S 编码器，在约 50 倍算力降低的情况下性能与原模型差距在 3% 以内。
Microsoft ResearchAI 评分5050 Microsoft Research 扩大 Skala 开放范围，加速迈向预测性 DFT
Microsoft Research 发布 Skala 1.1，其训练数据是上一版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 个排名第一，加权平均误差为 2.8 kcal/mol，且计算成本相当于 meta-GGA 泛函。Skala 现已登陆 CP2K，并正在集成至 Psi4、FHI-aims、ORCA 和 VASP，同时推出跟踪各版本计算性能的动态基准。
Google DeepMind精选AI 评分7474 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。
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 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。
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。
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 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 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 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。