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。
模型发布
全部主题新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新精选
第 41–60 条 · 共 160 条Hugging Face Blog精选AI 评分6262
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。
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。
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。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布实时语音模型 Gemini 3.1 Flash Live，称其为迄今最高质量的音频模型，延迟更低、对话更自然。在 ComplexFuncBench Audio 上得分 90.8%，在开启 thinking 的 Scale AI Audio MultiChallenge 上得分 36.1%，均领先前代模型。
推荐理由：官方给出两项音频基准分数和多产品开放入口，读者可以据此评估它对语音智能体开发的实际改进。
Mistral AI精选AI 评分6262 Mistral AI 发布 Voxtral TTS 语音生成模型
Mistral AI 发布首款文生语音模型 Voxtral TTS，4B 参数，支持 9 种语言，仅需约 3 秒参考音频即可适配自定义音色，并支持零样本跨语言音色迁移。
推荐理由：原文给出 9 语言、3 秒参考音色、70ms 延迟等可核验细节与人类评测对比，读者可据此评估其语音智能体方案。
Mistral AI精选AI 评分7171 Mistral 发布 Small 4，统一指令、推理与多模态能力并开源
Mistral 发布 Mistral Small 4，首次将 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码能力统一到单一模型，采用 Apache 2.0 许可开源。
推荐理由：官方宣布 Small 家系统一推理、多模态与编码能力，并给出架构参数和推理效率对比，便于评估开源部署性价比。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5.4：面向专业工作的前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作最强、最高效的前沿模型。新模型在编码、计算机使用和工具搜索上达到 SOTA，并提供 1M-token 上下文窗口。
推荐理由：OpenAI 官方给出 GPT-5.4 的能力定位与 1M-token 上下文，可据此判断其在专业工作场景中的可用性。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.1 Flash-Lite，主打高并发场景的性价比与速度
Google DeepMind 发布 Gemini 3.1 Flash-Lite，定位 Gemini 3 系列中最快、最具成本效益的模型，已在 Google AI Studio 和 Vertex AI 以 preview 形式推出。
推荐理由：官方公布定价与实测对比数据，开发者可据此评估高并发场景下换用该模型的速度与成本收益。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，在 ARC-AGI-2 上取得 77.1% 的 verified 成绩，推理表现是 3 Pro 的两倍以上。
推荐理由：官方公布 ARC-AGI-2 得分并覆盖消费端与开发者端入口，读者可以直接对照现有工作流评估升级。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3 Deep Think 重大升级，HLE 48.4%、ARC-AGI-2 84.6%
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，面向科学、研究和工程挑战的专用推理模式。
推荐理由：原文给出 Deep Think 多项基准成绩和 API 开放入口，读者可以据此评估它在科研与工程场景的可用性。
OpenAI News精选AI 评分6262 OpenAI 发布实时编码模型 GPT-5.3-Codex-Spark
OpenAI 发布首个实时编码模型 GPT-5.3-Codex-Spark，生成速度提升 15x，支持 128k 上下文。模型以研究预览形式向 ChatGPT Pro 用户开放。
推荐理由：OpenAI 官方公布实时编码模型的速度与上下文规格及试用范围，正在用该模型的用户可据此评估是否切换。
Mistral AI精选AI 评分6262 Mistral 发布 Voxtral Transcribe 2 两款语音转写模型
Mistral 发布 Voxtral Transcribe 2 系列，包含批处理转写模型 Voxtral Mini Transcribe V2 和实时模型 Voxtral Realtime。
推荐理由：官方发布了两个语音转写模型的具体性能、价格和开放权重信息，读者可以据此对比现有转写方案的成本与延迟。
Hugging Face Blog精选AI 评分6969 Overworld 发布实时交互式视频扩散模型 Waypoint-1
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘交互生成可进入的虚拟世界。
推荐理由：原文给出训练方法、推理库与帧率数据，并解释它与微调路线世界模型在控制延迟上的差异。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布开源推理视觉语言模型 Cosmos Reason 2
NVIDIA 发布 Cosmos Reason 2，一个面向物理 AI 的开源推理视觉语言模型，登顶 Physical AI Bench 和 Physical Reasoning 排行榜，成为视觉理解排名第一的开源模型。
推荐理由：官方发布给出模型规格、上下文长度和评测变化，读者可据此评估其是否适合机器人与视频分析场景。
OpenAI News精选AI 评分7272 OpenAI 发布 GPT-5.2-Codex 编码模型
OpenAI 发布 GPT-5.2-Codex，称其为目前最先进的编码模型。该模型主打长程推理、大规模代码变换和增强的网络安全能力。
推荐理由：官方说明点出长程推理、大规模代码改造与安全能力三个方向，可作为评估其编码定位的基本参照。