跳到正文

#模型发布

今日 1 条
今天10月1日周四
  1. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步向开发者、企业和消费者推出。

    推荐理由：Gemini 4 Argon 公布输出上限、定价与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的能力边界。

9月30日周三
  1. AWS Machine Learning Blog74

    GPT-6.1 Sol 在 Amazon Bedrock 正式可用

    GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，是 GPT-6 Sol 的一次重要升级，面向智能体编码、计算机使用和专业工作负载提供更强推理能力。

    推荐理由：GPT-6.1 Sol 在 Bedrock 上开放，读者可了解它在智能体编码与文档工作流上的能力定位和成本口径。

9月29日周二
  1. Hugging Face Blog62

    NVIDIA 发布 Kumo Tabular 表格预测基础模型

    NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行，无需训练、调参和特征工程，单次前向即可预测新行的分类或回归结果。模型提供 28M 至 215M 三种参数规模，仅用人工合成表格预训练，采用 OpenMDW-1.1 许可可商用，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。

    推荐理由：表格基础模型首次做到免训练免调参单次前向预测，读者可了解其架构设计与基准表现。

  2. OpenAI News82

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 发布 GPT-6.1 Sol，官方称其面向编码、计算机操作和专业工作，具备接近 Astra 的智能水平。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。

    推荐理由：OpenAI 发布 GPT-6.1 Sol，官方给出与 Astra 的定位和价格对比，可据此判断其性价比取向。

  3. AWS Machine Learning Blog70

    Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS

    AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。

    推荐理由：官方给出了 Sonnet 5.5 在编码与文档任务上的能力变化、与 Opus 5.5 的分工以及 Bedrock 接入方式，便于判断适用场景。

9月28日周一
  1. Hugging Face Blog72

    H 公司发布 Holo4 系列智能体模型，覆盖 GUI、代码、MCP 与 API

    H 公司发布 Holo4 系列智能体模型，包含 27B dense 与 35B-A3B MoE 两个版本，同时推出 Holotron4 Nano。Holo4 可通过 GUI、代码、MCP 和 API 与软件交互，同一模型可运行在桌面、网页、Android、代码沙箱和企业 API 上。

    推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，可据此判断通用型 computer-use 智能体的成本与能力边界。

9月25日周五
  1. Google DeepMind72

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上加入近实时视频生成，让对话模型具备能听、能看、能说的动态视觉形象，并已在 Gemini Enterprise 上线。

    推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景中的形态变化。

9月24日周四
  2. NVIDIA Developer Blog31

    NVIDIA 推出 NV-Reason-CT Open 3D CT VLM，面向放射科医生链式推理

    NVIDIA 发布 NV-Reason-CT Open，这是一款面向 3D CT 扫描的开放视觉语言模型，支持放射科医生的链式推理（Chain-of-Thought）。现有通用前沿模型在体数据成像上表现不佳，多数开放医学 AI 模型也缺乏相关能力，而 3D CT 这一临床信息最丰富、数据最密集的模态长期被现代 VLM 忽视。

9月23日周三
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。

    推荐理由：Google DeepMind 发布两款 TTS 模型，给出语音克隆、逐行导演与安全水印的具体能力，可据此判断语音生成工作流的变化。

9月22日周二
9月16日周三
9月10日周四
9月9日周三
9月8日周二
  1. OpenAI News62

    OpenAI 发布 ChatGPT Images 2.5

    OpenAI 发布 ChatGPT Images 2.5，可将想法、草图与参考照片转化为更个性化、更精致的图像，并更贴近用户原本的构想。

    推荐理由：官方给出 ChatGPT Images 2.5 的定位，读者可了解它在个性化图像生成上的能力方向。

9月3日周四
  2. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 明显提升，价格保持每百万输入 token 0.75 美元、输出 token 3.75 美元。

    推荐理由：Gemini 3.8 Flash 在编码与智能体任务上接近更贵的前沿模型，同时保持 3.7 Flash 的价格，可据此判断性价比取舍。

9月2日周三
9月1日周二
8月28日周五
  1. Google DeepMind76

    Google DeepMind 发布 Gemini Omni 1.1 Flash

    Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频能力。

    推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力及 API 入口，可据此判断生成视频工作流的可控性变化。

8月27日周四
  1. NVIDIA Developer Blog62

    阿里发布 Qwen3.8-Flash-Next 权重，预览 Qwen4 架构

    阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构预览，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram 嵌入向量，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。NVIDIA 开发者博客介绍了在 GB300 NVL72 上针对智能体编码的实验。

    推荐理由：阿里开放 Qwen3.8-Flash-Next 权重供开发者试用，可据此了解 Qwen4 架构预览版的 MoE 规格与长上下文能力。

8月21日周五
  1. NVIDIA Developer Blog62

    NVIDIA AVO 在 ARC-AGI-3 上达到 100%

    NVIDIA 宣布其 AVO 在 ARC-AGI-3 上达到 100%，称其展示了面向长时程自主智能体的前沿级通用架构。文章指出前沿语言模型只是 AI 智能体的一部分，外围的 harness 决定模型如何接收上下文、使用工具、维持状态、响应反馈、从失败中恢复并在长任务中保持进展。

    推荐理由：NVIDIA 公布 AVO 在 ARC-AGI-3 上的成绩，读者可了解其面向长时程自主智能体的架构思路。

8月14日周五
8月12日周三
  1. Google DeepMind74

    Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe

    Google DeepMind 发布多语种手语转文本模型 SL2T，在 Pixel 11 的 Gboard 和 Live Transcribe 中提供手语听写功能，首发支持美国手语（ASL）转英文，后续将扩展更多设备与语言。

    推荐理由：SL2T 把多语种手语翻译模型落到 Gboard 与 Live Transcribe，读者可了解其数据规模、隐私设计与基准表现。

8月6日周四
  1. Google DeepMind83

    Google DeepMind 开源 WeatherNext 气旋预测模型

    Google DeepMind 发布 WeatherNext AI 模型，在预测气旋路径、强度和风场结构上达到 SOTA，平均为预报员多争取约一天的预警时间，三天预报精度相当于此前模型的两天水平。

    推荐理由：WeatherNext 在气旋路径与强度预测上多出约一天预警时间，并开源模型权重，读者可据此判断 AI 天气预报的可用边界。

7月30日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，可作为机器人的高层大脑，理解物理世界、规划多步任务并把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。

    推荐理由：官方给出 Gemini Robotics ER 2 在进度分类、时刻定位与多机器人协作上的具体指标，可据此判断具身推理模型的当前水位。

7月28日周二
7月21日周二
7月17日周五
7月1日周三
6月25日周四
6月11日周四
6月9日周二
  2. Google DeepMind78

    Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的本地多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型表现，内存占用不到其一半，可在 16GB 显存或统一内存的消费级笔记本上运行，并首次在中型模型中支持原生音频输入。

    推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体部署的门槛变化。

5月18日周一
5月16日周六
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码

    Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，已在 Gemini app、Search AI Mode、Google Antigravity、Gemini API 和 Gemini Enterprise 上线。

    推荐理由：Gemini 3.5 Flash 在编码与智能体基准上的成绩和速度数据，可供判断前沿模型在延迟与质量间的取舍。

4月16日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，主打更强的可控性、表现力与音质，并引入可用自然语言指令控制语气、语速和表达方式的音频标签。

    推荐理由：Gemini 3.1 Flash TTS 的音频标签与多说话人能力，展示了语音生成从朗读走向可导演式控制的方向。