OpenAI 发布 GPT-5.2：面向专业工作的前沿模型
OpenAI 发布 GPT-5.2，定位为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以驱动更快、更可靠的智能体工作流。
推荐理由：OpenAI 官方说明 GPT-5.2 的能力定位和可用入口，读者可以据此判断是否将其纳入日常工作流。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 41–60 条 · 共 84 条OpenAI News精选AI 评分7474
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3 全系开源
Mistral 发布 Mistral 3 系列模型，包括 41B 激活、675B 总参数的 MoE 模型 Mistral Large 3，以及 3B/8B/14B 三种尺寸的 Ministral 3 小模型，全部以 Apache 2.0 协议开源。
推荐理由：官方发布涵盖 Large 3 与 Ministral 3 全系的参数规模、开源协议和部署途径，读者可以据此判断各档模型适合的场景。
Google DeepMind精选AI 评分6161 Google 在 Gemini app 中上线 AI 图片验证功能
Google DeepMind 宣布在 Gemini app 中支持验证图片是否由 Google AI 生成或编辑，基于 SynthID 数字水印技术，用户上传图片询问即可检测。
推荐理由：原文说明了 Gemini app 内用 SynthID 验证 AI 图片的具体用法，以及后续扩展到视频音频和 C2PA 的计划。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已开始在 Google AI Studio 和 Vertex AI 面向付费预览推出。
推荐理由：官方发布文给出了模型能力细节、2K/4K 分辨率、接入渠道和定价定位，开发者可据此评估是否切换或叠加使用。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的新一代图像生成与编辑模型。
推荐理由：官方发布新图像模型，列出文本渲染、多语言、4K 分辨率等具体能力变化和各产品入口，读者可以对照评估使用方式。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro，编码与多模态能力全面升级
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 为其最智能模型，在各大基准上超越此前的 2.5 Pro。
推荐理由：官方发布给出了 Gemini 3 Pro 的基准成绩、API 定价和新工具入口，开发者可以直接评估是否迁移到现有编码与智能体工作流。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro 预览版及 Gemini 3 Deep Think
Google DeepMind 发布 Gemini 3，先以 Gemini 3 Pro 预览版形式推出，并预告增强推理模式 Gemini 3 Deep Think。
推荐理由：官方发布给出完整基准成绩和覆盖入口，读者可据此判断 Gemini 3 Pro 的推理与编码能力以及它如何嵌入现有工具链。
Google Research精选AI 评分6464 Google 推出生成式 UI：Gemini 3 为任意提示词动态生成可交互界面
Google 发布生成式 UI 实现，可按提示词动态生成网页、游戏、工具等定制交互界面，相关论文为 Generative UI: LLMs are Effective UI Generators。
推荐理由：原文介绍了生成式 UI 的实现原理、产品入口和人评结果，读者可以了解这一交互范式如何落地到现有产品。
Google Research精选AI 评分6262 Google 发布 Earth AI 技术论文，详解基础模型与跨模态地理空间推理
Google 发布 Google Earth AI 相关技术论文，介绍新的 Imagery 与 Population 基础模型，以及由 Gemini 驱动的 Geospatial Reasoning 智能体，用于多步地理空间问答。
推荐理由：官方同步放出技术论文和评测数字，读者可以据此了解跨模态地理空间推理的实际能力边界与应用案例。
Hugging Face Blog精选AI 评分6464 Hugging Face AI Sheets 新增视觉能力，支持图像提取、生成与编辑
Hugging Face 宣布其开源无代码工具 AI Sheets 新增视觉支持，可在表格中分析图片、提取结构化数据、从文本生成图像并用 Qwen-Image-Edit 等模型编辑图像。
推荐理由：官方发布带来图像提取、生成与编辑能力，教程演示了手写菜谱数字化等具体用法，便于读者评估是否引入自己的数据工作流。
Hugging Face Blog精选AI 评分6464 Hugging Face 发布开源 OCR 模型选型指南
Hugging Face 发布开源 OCR 模型指南，新增 Chandra 和 OlmOCR-2 及其 OlmOCR Benchmark 得分。
推荐理由：指南基于 OlmOCR Benchmark 等公开基准对比了 9 个开源 OCR 模型的格式、大小与成本，并给出按使用场景选型的具体方法。
Hugging Face Blog精选AI 评分6565 mmBERT 发布：ModernBERT 架构扩展到 1800 多种语言的多语言编码器
mmBERT 发布，基于 ModernBERT 架构，在 1800 多种语言、3T+ token 上训练，是首个在 XTREME 等基准上超越 XLM-R 的多语言编码器。
推荐理由：原文给出三阶段训练细节和完整评测数据，读者可以据此评估其多语言与检索能力是否适合自己的场景。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5，称其在多项能力上大幅跃升
OpenAI 发布 GPT-5，称其是目前最好的 AI 系统，智能水平较此前所有模型有显著跃升。GPT-5 在编码、数学、写作、健康、视觉感知等领域具有领先表现。
推荐理由：OpenAI 官方宣布 GPT-5 发布，可借此了解其在编码、数学、写作等多项能力上的定位。
Hugging Face Blog精选AI 评分6161 H Company 发布开源 Action VLM 系列 Holo1，驱动 Web 智能体 Surfer-H
H Company 发布开源 Action VLM 系列 Holo1（含 Holo1-3B 与 Holo1-7B），并同步开源含 1,639 项 UI 任务的 WebClick 多模态定位基准。
推荐理由：官方给出模型规格、定位准确率和每任务成本数字，读者可据此评估这套开源 GUI 自动化方案的实际性价比。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 nanoVLM：用纯 PyTorch 从零训练视觉语言模型的最简代码库
Hugging Face 发布 nanoVLM，一个纯 PyTorch 的轻量工具包，可在免费 Colab 上启动视觉语言模型训练，灵感来自 Andrej Karpathy 的 nanoGPT。
推荐理由：原文拆解了 nanoVLM 的架构、训练与推理全流程，代码轻量可读，适合想从头理解 VLM 训练机制的读者上手实践。
Hugging Face Blog精选AI 评分6868 Hugging Face 盘点视觉语言模型年度进展：更好、更快、更强
Hugging Face 发布长文，回顾 2024 年 4 月以来视觉语言模型（VLM）的关键变化与趋势。
推荐理由：Hugging Face 系统梳理了过去一年 VLM 的新架构、多模态 RAG、智能体与安全模型，可作为领域入门与选型参考。
Mistral AI精选AI 评分6565 Mistral 发布 Mistral Medium 3，性能达 Claude Sonnet 3.7 九成而成本更低
Mistral AI 发布 Mistral Medium 3，在多项基准上达到或超过 Claude Sonnet 3.7 的 90% 表现，定价为 $0.4 输入 / $2 输出每 M token，并称超越 Llama 4 Maverick 与 Cohere Command A。
推荐理由：官方给出与 Claude Sonnet 3.7 对比的基准成绩、定价和部署选项，读者可据此评估企业落地的性价比。
Hugging Face Blog精选AI 评分8080 Meta 发布 Llama 4 Maverick 与 Scout，Hugging Face 同步上线权重与生态支持
Meta 发布 Llama 4 Maverick（约 400B、128 专家）和 Scout（约 109B、16 专家），均为 17B 激活参数的 MoE 原生多模态模型，在最多 40 万亿 token、200 种语言数据上训练。
推荐理由：官方公告给出两款模型的参数、上下文长度与架构细节，读者可以据此评估部署门槛和与 transformers 的集成方式。
Mistral AI精选AI 评分6666 Mistral 发布 Mistral Small 3.1：多模态、128k 上下文、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，基于 Mistral Small 3 改进文本性能、增加多模态理解和 128k 上下文窗口，推理速度达 150 tokens 每秒。
推荐理由：官方给出基准对比、128k 上下文、单卡部署要求和开源下载入口，可据此评估其在小模型生态的定位。
Hugging Face Blog精选AI 评分8181 Google 发布开源多模态多语言长上下文模型 Gemma 3
Google 发布 Gemma 3 系列开源模型，提供 1B/4B/12B/27B 四种尺寸，4B 及以上支持图文输入和 140+ 种语言，上下文窗口扩展到 128K（1B 为 32K）。
推荐理由：文章梳理了 Gemma 3 各尺寸能力变化并给出 transformers、llama.cpp、MLX 的推理用法，便于判断上手方式。