Microsoft Research 扩大 Skala 开放范围，加速迈向可预测的 DFT
Microsoft Research 发布 Skala 1.1，训练数据较上一版增加 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol，并以 meta-GGA 的计算成本超越最昂贵的 global hybrid 泛函。
全部AI 动态
全部动态
今日 4 条Microsoft ResearchAI 评分4444
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.7 Flash，主打编码与智能体能力提升
Google DeepMind 发布 Gemini 3.7 Flash，定位为其最智能的编码与智能体主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出了具体基准对比和减半的引入价，读者可以据此评估 Flash 系列在编码和智能体场景的性价比变化。
Google DeepMind精选AI 评分6868 Google DeepMind 发布手语转文本模型 SL2T，落地 Gboard 与 Live Transcribe
Google DeepMind 发布多语言手语转文本（SL2T）翻译模型，首次将手语 AI 带入消费产品，支持在 Pixel 11 的 Gboard 和 Live Transcribe 中以美式手语（ASL）输入英文。
推荐理由：原文介绍了 SL2T 的训练数据、隐私设计与基准成绩，并说明其落地产品形态，读者可以了解手语翻译模型的可行路径。
Google Research精选AI 评分6161 Google Research 推出 AMIE (Video) 实现实时音视频临床问诊的专家级表现
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 的实时视频问诊系统，采用 Talker、Planner、Perception 三个智能体并行工作的异步多智能体架构。
推荐理由：原文给出研究架构、随机对照规模和关键结果，读者可以了解视频问诊 AI 与真人医生对比的具体依据和局限。
Microsoft ResearchAI 评分4545 Microsoft Research 推出 CARE-X：面向临床实用放射 VLM 的辅助监督、奖励对齐与工具增强测量研究模型
Microsoft Research 发布研究模型 CARE-X，一个统一的胸部 X 光 VLM，支持报告生成、疾病分类、器械识别、定位等多任务，并结合生成式与判别式双路推理及辅助监督。
Hugging Face BlogAI 评分5454 NVIDIA 发布 Magpie TTS 多语言版，开源权重支持 12 种语言并实现低延迟语音生成
NVIDIA 发布 Magpie TTS Multilingual，364M 参数开源权重模型，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言。
Hugging Face Blog精选AI 评分7979 Meta 开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 发布 30B 参数开源多模态模型 Muse Glimmer，从 Muse 蒸馏而来，采用 Apache 2.0 许可，定位于本地智能体场景如编码、文档分析和个人助理。
推荐理由：原文给出架构细节、跑分对比和多套部署方案，读者可据此评估其在本地多模态智能体场景的可用性。
Google DeepMind精选AI 评分7878 Google DeepMind 开源 WeatherNext 气旋预报模型，提前量超过 24 小时
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，单一 AI 模型即可预测气旋路径、强度和风结构，平均多出超过 24 小时的预报提前量，相当于过去 20 年趋势下约十年的气象进步。
推荐理由：Google DeepMind 官方发布并开源了模型权重，读者可以结合 Nature 论文数据评估其对气旋预报工作流的实际改进。
Mistral AIAI 评分5858 Mistral 发布开源多模态安全分类模型 Shieldstral，Apache 2.0 权重可自由下载
Mistral 发布 3B 开源多模态安全分类模型 Shieldstral，以 Apache 2.0 权重开放下载。它把内容审核建模为策略自适应的问答任务，推理时用自然语言写入审核政策即可返回校准的安全分数，无需重训练，可统一处理文本、图像及提示-回复对。官方称其在文本安全、拒答检测和多模态审核上匹配或超过最大 7 倍于其体积的开源护栏模型，可在单张 16GB GPU 上运行。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，新增视频理解与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层具身推理大脑，可编排 VLA 模型、导航 API 等底层工具完成多步任务。
推荐理由：官方发布详细列出了视频理解、进度追踪、多机协作的量化指标与获取入口，读者可据此评估机器人任务编排能力的变化。
Google DeepMindAI 评分5151 Google DeepMind 发布音乐生成模型 Lyria 3.5 并上线 Google Flow Music
Google DeepMind 发布最新音乐生成模型 Lyria 3.5，已在 Google Flow Music 中开放使用。该模型在音乐性上带来更丰富自然的旋律结构，歌词生成质量和提示词遵循度提升，人声更具表现力且发音更准确，并支持更方便地控制输出节奏和时长。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics 2，实现机器人全身智能控制
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2，实现全身控制、精细操作和多机器人协作。
推荐理由：官方发布同时给出三个模型的分工、适配速度数字和安全基准，读者可以据此评估具身智能模型进入全身控制和多机协作的实际进展。
Hugging Face BlogAI 评分5757 NVIDIA 发布 Cosmos-H-Dreams：面向手术机器人的实时生成式仿真器
NVIDIA 发布 Cosmos-H-Dreams，一个动作条件驱动的手术机器人实时生成式仿真器，将 Cosmos-H-Surgical-Simulator 蒸馏为因果、少步数的学生模型，并通过 FlashDreams 流式推理库在单张 NVIDIA RTX PRO 6000 上从约每秒10帧提升到约160帧的交互运行。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini Flash 系列模型。3.6 Flash 在 Artificial Analysis Index 上输出 token 用量较 3.5 Flash 减少 17%。
推荐理由：原文给出三款 Flash 模型的基准数据、定价和开放入口，读者可以据此评估升级对现有 Agent 工作流成本的影响。
Google DeepMind精选AI 评分6464 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，专门用于快速发现、验证和修补漏洞。
推荐理由：官方介绍了基于 Flash 微调的轻量安全模型的设计动机、基准与真实内部应用，读者可据此比较它与大型安全模型的成本与能力取舍。
Hugging Face Blog精选AI 评分8181 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 975B、激活 41B 的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文窗口，训练数据为 45 万亿 token。
推荐理由：原文给出架构细节、各档位 VRAM 部署配置和多模态评测数据，对评估落地成本和选择变体有直接参考。
OpenAI NewsAI 评分4646 GPT-5.6：随你的雄心扩展的前沿智能
OpenAI 推出 GPT-5.6，主打更高智能与更强性价比：每个 token 产出更多智能，每美元获得更强性能，并按需提供更强能力以应对最难的工作。
Mistral AIAI 评分5555 Mistral 发布 8B 具身导航模型 Robostral Navigate，单 RGB 相机达 R2R-CE 76.6%
Mistral AI 发布首款具身导航模型 Robostral Navigate，8B 参数，仅用单个 RGB 相机加自然语言指令即可自主导航，R2R-CE validation unseen 成功率 76.6%，validation seen 为 79.4%，比最佳单相机方案高 9.7 分，比最佳深度或多相机系统高 4.5 分。
Mistral AI精选AI 评分6262 Mistral 发布 Apache-2.0 开源模型 Leanstral 1.5，6B 激活参数聚焦形式化证明
Mistral 发布 Leanstral 1.5，Apache-2.0 许可，总参数 119B、激活 6B，主打 Lean 4 形式化证明工程。模型饱和 miniF2F，解出 587/672 PutnamBench 问题，在 FATE-H 达 87%、FATE-X 达 34%；经 mid-training、SFT 和 CISPO 强化学习三阶段训练。
推荐理由：原文给出基准成绩、成本对比和真实代码验证案例，读者可以据此评估开源形式化推理模型的实用边界。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：官方同时给出两款模型的定价、延迟数字和已知限制，开发者可以直接据此评估是否替换现有图像与视频工作流。
Google Research精选AI 评分6363 Google 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的零样本基础模型 TabFM，将表格预测重构为上下文学习问题，免去人工训练、调参和特征工程。
推荐理由：官方介绍了把表格预测重构为上下文学习问题的模型设计、合成数据训练方式和 TabArena 基准结果，读者可据此评估其对传统表格机器学习流程的影响。
Mistral AI精选AI 评分6868 Mistral 发布 OCR 4，新增边界框、块分类与置信度分数，支持 170 种语言
Mistral 发布 Mistral OCR 4，除文本外返回边界框、分类型块（标题、表格、公式、签名等）和逐页逐词置信度分数，支持 10 个语系下 170 种语言。
推荐理由：官方公布了能力细节、定价和基准方法论，还主动列出自动评测的打分缺陷，读者可据此判断在自己场景中怎么用。
Hugging Face BlogAI 评分5050 PP-OCRv6 登陆 Hugging Face：1.5M 至 34.5M 参数的 50 语言 OCR 模型家族
PaddlePaddle 发布 PP-OCRv6，提供 tiny、small、medium 三档模型，参数量从 1.5M 到 34.5M，medium 和 small 档支持 50 种语言。
Hugging Face Blog精选AI 评分7777 智谱发布旗舰模型 GLM-5.2，主打 1M 上下文长时程任务
智谱发布旗舰模型 GLM-5.2，面向长时程任务，首次在稳定的 1M-token 上下文上交付该能力，采用 MIT 开源协议。架构上提出 IndexShare，每 4 层稀疏注意力共享一个 indexer，1M 上下文下每 token FLOPs 降低 2.9 倍，并改进 MTP 层使投机解码接受长度最多提升 20%。
推荐理由：官方技术报告给出 1M 上下文的架构改进和三项长时程基准对比，读者可以借此评估开源模型在真实编码场景的可用性。
Google DeepMind精选AI 评分7272 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最高提速 4 倍
Google DeepMind 发布基于文本扩散的开源实验模型 DiffusionGemma，采用 Apache 2.0 协议，权重已在 Hugging Face 上提供。
推荐理由：官方说明了文本扩散模型的架构取舍与适用场景，读者可据此判断它是否适合本地低并发的高吞吐需求。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，提供 70+ 语言的近实时语音到语音翻译，自动检测语言并保留说话者的语调、节奏和音高，全程仅落后说话者数秒。
推荐理由：官方发布正文给出了 70+ 语言、延迟表现和多端开放入口，读者可据此评估它在通话、会议和翻译场景的可用性。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 12B：无编码器的统一多模态模型
Google DeepMind 发布 Gemma 4 12B，采用无编码器的统一多模态架构，视觉和音频输入直接进入 LLM backbone，支持原生音频输入。
推荐理由：原文给出了架构细节、内存门槛和许可证等可验证事实，读者可据此评估本地部署多模态模型的可行性。
Hugging Face BlogAI 评分5656 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、12 种语言显式训练覆盖、自定义策略执行和可审计推理轨迹统一到一次推理调用中。
Hugging Face Blog精选AI 评分7070 Hcompany 发布 Holo3.1 系列 Computer Use 模型，支持量化本地部署
Hcompany 发布 Holo3.1 系列 Computer Use 模型，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸。
推荐理由：官方给出各尺寸在 OSWorld 与 AndroidWorld 的量化后表现和部署路径，读者可据此评估本地 Computer Use Agent 的可行性。
Hugging Face BlogAI 评分5959 JetBrains 发布 12B 开源 MoE 模型 Mellum2
JetBrains 发布 Mellum2，一个总参数 12B、每 token 仅激活 2.5B 的开源 Mixture-of-Experts 模型，在自然语言和代码语料上从头训练，采用 Apache 2.0 许可证。
Mistral AI精选AI 评分7272 Mistral 发布 Mistral Medium 3.5，并在 Vibe 和 Le Chat 推出云端远程智能体
Mistral 发布 Mistral Medium 3.5 公测版，一个 128B 稠密模型，256k 上下文窗口，SWE-Bench Verified 得分 77.6%，以修改版 MIT 许可开放权重，最少可在四块 GPU 上自托管。
推荐理由：官方发布给出基准成绩、定价和开放权重细节，读者可以据此评估其在自托管编码场景的可行性。
OpenAI News精选AI 评分6363 OpenAI 模型解决 80 年历史的单位距离问题，推翻离散几何核心猜想
OpenAI 宣布其模型解决了有 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想。官方称这是 AI 驱动数学研究的里程碑。
推荐理由：OpenAI 官方宣布模型在数学研究上解决 80 年悬而未决的问题，可关注其对 AI 驱动数学研究的意义。
Hugging Face BlogAI 评分4848 Hugging Face 发布 OlmoEarth v1.1：更高效的对地观测模型家族
Hugging Face 发布 OlmoEarth v1.1，新一代对地观测模型家族，计算成本最高降低 3x，同时在研究基准和合作任务上保持 v1 的性能。效率提升来自减少 token 序列长度：将 Sentinel-2 三个分辨率的 token 合并为单个 token，并通过修改预训练方法避免性能下降。新家族提供 Base、Tiny、Nano 三种规格，权重和训练代码已开放获取。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 Ettin Reranker 系列：6 个 Apache 2.0 交叉编码器重排序模型
Hugging Face 的 Tom Aarsen 发布 ettin-reranker-v1 系列，含 17M 到 1B 六个 Sentence Transformers CrossEncoder 重排序模型，基于 Ettin ModernBERT 编码器，Apache 2.0 许可，支持最长 8192 token 上下文。
推荐理由：作者公开了六个模型、完整训练脚本和1.43亿条蒸馏数据，并给出与主流reranker的速度和精度对比，便于按规模选型或自行复现训练。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首个型号 3.5 Flash 当天全量开放，3.5 Pro 预计下月推出。
推荐理由：官方正文给出具体基准分数、速度对比和开放渠道，读者可据此评估 3.5 Flash 在智能体与编码场景的实用性。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite Embedding Multilingual R2 两款 Apache 2.0 多语言嵌入模型，支持 32K 上下文
IBM 发布 Granite Embedding Multilingual R2 两款 Apache 2.0 多语言嵌入模型：97M 紧凑版在 MTEB Multilingual Retrieval 得 60.3。
推荐理由：原文给出完整基准数据、训练方法与框架集成示例，读者可按规模和场景直接选型。
OpenAI NewsAI 评分5454 OpenAI 在 API 中发布新的 realtime 语音模型
OpenAI 在 API 中发布新的 realtime 语音模型，支持推理、翻译和语音转写。官方称这些模型可支撑更自然、更智能的语音体验。
OpenAI NewsAI 评分5858 OpenAI 发布 GPT-5.5 Instant，更新 ChatGPT 默认模型
OpenAI 发布 GPT-5.5 Instant，更新 ChatGPT 的默认模型。官方称其回答更智能、更准确，减少模型幻觉，并改进了个性化控制。
Hugging Face Blog精选AI 评分6464 IBM Granite 4.1 系列模型发布并详解训练过程
IBM Granite 团队发布 Granite 4.1 系列 dense 模型，含 3B、8B、30B 三个规模，在约 15T tokens 上训练，上下文经长文本扩展达 512K，均以 Apache 2.0 许可开源。
推荐理由：原文完整披露了五阶段预训练、SFT 质控和四阶段 RL 的训练配方，8B 稠密模型对标上一代 32B-A9B MoE 的结果也可供选型参考。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型，覆盖文档、语音、视频与 GUI 智能体
NVIDIA 发布 Nemotron 3 Nano Omni（30B-A3B）全模态理解模型，支持文档分析、ASR、长音视频理解和 agentic computer use，并在 Hugging Face 开放 BF16、FP8 和 NVFP4 权重。
推荐理由：原文给出完整基准对比和架构细节，读者可以据此评估它是否值得替换现有的多模态工作流。