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。
#模型发布
#模型发布
今日 0 条Hugging Face Blog精选AI 评分8181
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。
OpenAI News精选AI 评分6161 OpenAI 发布 GPT-Live 语音模型，已用于 ChatGPT Voice
OpenAI 发布新一代语音模型 GPT-Live，面向更自然的人机交互。该模型现已为 ChatGPT Voice 提供支持。
推荐理由：官方宣布新一代语音模型上线并接入 ChatGPT Voice，读者可据此关注语音交互体验的实际变化。
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。
OpenAI NewsAI 评分4343 OpenAI 预览 GPT-5.6 Sol：下一代模型
OpenAI 预览下一代模型 GPT-5.6 Sol，在编程、科学和网络安全方面能力更强。该模型同时配备了 OpenAI 迄今最先进的安全栈。
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。
OpenAI NewsAI 评分4747 OpenAI 与 Molecule.one 展示近自主 AI 化学家如何改进药物化学中的高难度反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，成功改进了一项关键的药物合成反应。这一成果推进了药物化学研究。
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。
Google Research精选AI 评分7070 Google 发布 ERA 研究工具并推出 Computational Discovery，论文登上 Nature
Google 发布基于 Gemini 的科学研究工具 ERA，可搜索文献、编写和用树搜索优化科学代码，在基因组学、公共卫生、卫星图像、神经科学、时间序列预测和数学等基准上达到专家级表现，论文发表于 Nature。
推荐理由：原文给出 ERA 的树搜索方法、多领域基准结果和五篇应用论文细节，并说明新工具的开放入口，读者可了解它如何用于具体科学问题。
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 Omni Flash 多模态视频生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成视频，并支持自然语言多轮编辑。
推荐理由：官方说明了视频生成与对话式编辑的具体能力和订阅范围，读者可以据此判断它是否适配现有创作流程。
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。
OpenAI NewsAI 评分1818 Databricks 将 GPT-5.5 引入企业 Agent 工作流
Databricks 在企业 Agent 工作流中采用 GPT-5.5。此前 GPT-5.5 在 OfficeQA Pro 基准上创下新的 SOTA 成绩。
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。
Hugging Face Blog精选AI 评分8383 DeepSeek 发布 V4：MoE 双检查点上线 Hub，主打百万 token 上下文的 Agent 能力
DeepSeek 发布 V4，在 Hub 上开源 DeepSeek-V4-Pro（1.6T 总参数 / 49B 激活）和 DeepSeek-V4-Flash（284B 总参数 / 13B 激活）两个 instruct 及对应 base 检查点，均支持 1M token 上下文。
推荐理由：文章拆解了 V4 为长上下文与 Agent 场景做的架构与后训练设计，读者可据此评估开源模型跑长任务的部署成本。
OpenAI NewsAI 评分5151 OpenAI 发布 GPT-5.5 System Card
OpenAI 发布了 GPT-5.5 的 System Card（系统卡）。本次抓取仅获取到标题，正文内容缺失，具体模型能力与安全评估信息以原文链接为准：https://openai.com/index/gpt-5-5-system-card
OpenAI NewsAI 评分4848 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，面向编程、研究和数据分析等复杂任务，支持跨工具使用。
OpenAI NewsAI 评分4848 OpenAI 发布 Privacy Filter：开放权重的文本 PII 检测与脱敏模型
OpenAI 发布 Privacy Filter，一个开放权重（open-weight）模型，用于检测并脱敏文本中的个人身份信息（PII），准确率达到当前最先进水平。
OpenAI NewsAI 评分4141 OpenAI 推出面向生命科学研究的 GPT-Rosalind
OpenAI 发布前沿推理模型 GPT-Rosalind，专为加速药物研发、基因组学分析、蛋白质推理和科研工作流而构建。该模型面向生命科学研究场景，旨在提升相关科研工作的效率。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.1 Flash TTS，新增音频标签实现更精细语音控制
Google DeepMind 推出文本转语音模型 Gemini 3.1 Flash TTS，在 Artificial Analysis TTS 排行榜获得 Elo 1,211 分，支持原生多说话人对话和 70+ 种语言。
推荐理由：官方发布新 TTS 模型，给出 Elo 分数、多说话人和音频标签等具体能力与开放入口，便于评估语音应用场景。
Google DeepMindAI 评分5757 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，面向机器人的具身推理模型，在指向、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 明显提升，并新增仪表读取能力，可解读压力表和视镜。
Hugging Face Blog精选AI 评分6565 Overworld 发布实时视频世界模型 Waypoint-1.5，消费级 GPU 可本地运行
Overworld 发布实时视频世界模型 Waypoint-1.5，权重已上传 Hugging Face。在 RTX 3090 至 5090 桌面硬件上可实时生成最高 720p、60 FPS 的交互环境，另提供面向游戏笔记本等更广消费级硬件的 360p 档位，Apple Silicon 支持即将推出。
推荐理由：原文给出两档模型的具体硬件门槛、帧率分辨率和约百倍数据训练规模，读者可据此判断自己的设备能否本地运行。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸
Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。
推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。
Hugging Face Blog精选AI 评分8282 Google DeepMind 发布 Gemma 4 多模态模型系列并登陆 Hugging Face
Google DeepMind 发布 Gemma 4 多模态模型系列，共五个尺寸（E2B、E4B、12B Unified、31B、26B A4B MoE），采用 Apache 2.0 许可，支持图像、文本和音频输入，上下文窗口最高 256K。
推荐理由：Hugging Face 官方详解 Gemma 4 架构、多模态能力与全生态部署方式，还覆盖 DiffusionGemma 和推理加速等上手细节。