Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布三款新 Gemini 模型：3.6 Flash、3.5 Flash-Lite 和面向网络安全的 3.5 Flash Cyber。
推荐理由：官方给出三款 Flash 模型的 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。
#模型发布
#模型发布
今日 4 条Google DeepMind精选AI 评分8080
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。
推荐理由：官方给出轻量安全模型在 CyberGym、Chrome 提交扫描等基准上的表现与限量开放方式，可据此判断其定位与可用范围。
Hugging Face BlogAI 评分2222 DharmaOCR 在巴西葡萄牙语 OCR 基准上超越 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专用基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
Hugging Face Blog精选AI 评分8888 Thinking Machines 在 Hugging Face 发布 Inkling 多模态大模型及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时发布 276B 总参数 12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与多模态评测数据，可据此判断开源大模型在长上下文与多模态推理上的进展。
Mistral AI精选AI 评分6666 Mistral AI 发布具身导航模型 Robostral Navigate
Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点、比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：官方给出单目 RGB 相机在 R2R-CE 上的成绩与训练方法，可据此判断具身导航对传感器配置的要求。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5，形式化验证性能升级并开源
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的模型，在形式化验证上大幅升级，miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 达 87%、FATE-X 达 34%。
推荐理由：官方给出 Leanstral 1.5 在形式化验证基准上的成绩与开源入口，读者可据此判断其在 Lean 4 证明工程中的可用性。
Google DeepMind精选AI 评分8080 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）两款模型。
推荐理由：两款新模型给出了延迟、单价与可用入口，读者可据此判断图像与视频生成链路的成本取舍。
Google Research精选AI 评分7272 Google 发布表格数据零样本基础模型 TabFM
Google 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：Google 把零样本思路搬到表格数据，读者可了解其架构设计与在 TabArena 上的对比表现。
Mistral AI精选AI 评分7171 Mistral 发布 OCR 4，支持 170 种语言与单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。该模型在 OlmOCRBench 上取得 85.20 的总体最高分，OmniDocBench 得分 93.07，独立标注者在 600 多份文档的盲评中平均 72% 的情况下更偏好其输出。
推荐理由：OCR 4 把边界框、块分类和置信度分数一并输出，读者可据此判断文档解析如何接入 RAG 与智能体流程。
Hugging Face BlogAI 评分5858 PP-OCRv6 上线 Hugging Face：1.5M 到 34.5M 参数、支持 50 种语言
PaddleOCR 发布新一代通用 OCR 模型家族 PP-OCRv6，已在 Hugging Face 上线，提供 tiny、small、medium 三档，参数量从 1.5M 到 34.5M。
Hugging Face Blog精选AI 评分8888 智谱发布 GLM-5.2：面向长程任务，支持 1M 上下文并采用 MIT 开源许可
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文上稳定支撑长程工作，并以 MIT 开源许可发布。模型引入 IndexShare 架构，每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9 倍，同时改进 MTP 层使投机解码接受长度最高提升 20%。
推荐理由：GLM-5.2 把 1M 上下文与长程编码能力结合，并给出与闭源前沿模型的基准对比，可据此判断开源模型在长程任务上的位置。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma 文本扩散模型，推理速度最高提升 4 倍
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的开放权重与硬件门槛，读者可据此判断本地低并发推理的适用边界。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70+ 语言的近实时语音到语音翻译音频模型，能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：官方给出 70+ 语言实时语音翻译的连续生成机制与多端上线节奏，可据此判断实时翻译的可用形态。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的智能体多模态模型，介于端侧 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、多语言覆盖、自定义企业策略执行和可审计推理链统一到一次推理调用中。
推荐理由：NVIDIA 发布 4B 多模态安全模型，支持自定义策略与可审计推理链，并公开训练数据集。
Hugging Face Blog精选AI 评分7171 Hcompany 发布 Holo3.1 系列 computer-use 模型，支持本地量化推理
Hcompany 发布 Holo3.1 系列 computer-use 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重用于本地推理。
推荐理由：Holo3.1 给出跨环境、跨框架与本地量化的具体数据，可据此判断端侧 computer-use 智能体的部署成本。
Hugging Face Blog精选AI 评分6262 JetBrains 发布 Mellum2：12B MoE 模型，Apache 2.0 开源
JetBrains 发布 Mellum2，一个从零训练的 12B 参数 Mixture-of-Experts 模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，以 Apache 2.0 许可开源。官方称其面向路由、RAG、摘要、子智能体和高吞吐编码等低延迟场景，相比同规模模型推理速度提升 2 倍以上。模型已在 Hugging Face 开放下载，架构、训练与评测细节见技术报告。
推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数并主打 2 倍以上推理速度，可据此判断轻量模型在 RAG 与子智能体中的定位。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 稠密模型，把指令遵循、推理和编码合并到同一套权重中，以修改版 MIT 许可开放权重，公开预览阶段成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：Mistral 把编码智能体搬到云端并同步放出 128B 开源权重，读者可据此判断自托管与异步编码的可行边界。
Hugging Face BlogAI 评分3838 OlmoEarth v1.1 发布：更高效的地球观测模型系列
Hugging Face 发布 OlmoEarth v1.1，一个将计算成本最多降低 3 倍、同时保持 v1 性能的地球观测模型系列。该系列通过将 Sentinel-2 各分辨率合并为单一 token 缩短序列长度，并修改预训练方案以避免性能下降，提供 Base、Tiny、Nano 三种规模权重及训练代码。
Hugging Face BlogAI 评分4141 Hugging Face 发布 Ettin Reranker 系列：六款 CrossEncoder 重排序模型
Hugging Face 发布 Ettin Reranker 系列六款 Sentence Transformers CrossEncoder 重排序模型，参数规模覆盖 17m、32m、68m、150m、400m 到 1b，均基于 Ettin ModernBERT 编码器构建。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini Omni Flash，支持对话式视频编辑
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高质量视频，并通过自然语言多轮编辑视频。
推荐理由：Gemini Omni Flash 把对话式视频编辑和多模态输入生成放在同一模型里，可据此判断视频创作流程的变化。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，即日起在 Gemini 应用、Google 搜索 AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise 等渠道开放。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的成绩和开放渠道，可据此判断其速度与成本定位。
Hugging Face BlogAI 评分3838 Granite Embedding Multilingual R2 发布：Apache 2.0 多语言嵌入模型，32K 上下文，Sub-100M 检索质量最佳
Hugging Face 发布两款基于 ModernBERT 的 Apache 2.0 多语言嵌入模型 granite-embedding-97m-multilingual-r2 和 granite-embedding-311m-multilingual-r2。
Hugging Face Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解与智能体电脑操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等榜单上取得领先成绩。
推荐理由：原文给出架构、训练配方与多榜成绩，可据此判断开源全模态模型在文档、音视频与智能体场景的可用性。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活，DeepSeek-V4-Flash 为 284B 总参数、13B 激活，均支持 1M token 上下文窗口。
推荐理由：DeepSeek-V4 把长上下文成本压到 V3.2 的零头，读者可据此判断智能体长任务部署的可行性。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，已在 Gemini API 和 Google AI Studio 面向开发者预览，企业版在 Vertex AI 预览，Workspace 用户可通过 Google Vids 使用。
推荐理由：官方给出音频标签控制方式、Elo 分数与多语言覆盖，可据此判断语音生成的可控性变化。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics-ER 1.6
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，强化了空间推理与多视角理解，并新增仪表读数能力。
推荐理由：官方给出与前代及 Gemini 3.0 Flash 的对比，并首次开放仪表读数能力，可据此判断机器人高层推理的进展。
Hugging Face Blog精选AI 评分6262 Overworld 发布 Waypoint-1.5 实时视频世界模型，面向消费级 GPU
Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广消费级硬件的 360p 版本，后续将支持 Apple Silicon Mac。
推荐理由：Waypoint-1.5 把实时世界模型从数据中心拉到消费级显卡，读者可据此判断本地交互式生成世界的硬件门槛。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖端侧到工作站，并给出 Apache 2.0 许可与首日工具支持，可据此判断本地部署与微调的选择空间。
Hugging Face Blog精选AI 评分8585 Google DeepMind 发布 Gemma 4 多模态模型家族，已在 Hugging Face 上线
Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 发布，采用 Apache 2 许可，支持图像、文本和音频输入并生成文本。
推荐理由：Gemma 4 五档尺寸与 Apache 2 许可一并给出，读者可据此判断端侧多模态与本地部署的可行边界。
Hugging Face BlogAI 评分5656 TII 发布 Falcon Perception 与 Falcon OCR：0.6B 早期融合模型做开放词汇分割
阿布扎比 TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词汇定位与分割，在 SA-Co 上取得 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.0 3B Vision 企业文档多模态模型
IBM 发布 Granite 4.0 3B Vision，一个面向企业文档理解的紧凑视觉语言模型，已在 Hugging Face 上线并采用 Apache 2.0 许可。
推荐理由：3B 小模型在表格与图表抽取上对标更大模型，并给出 LoRA 模块化部署路径，可据此判断企业文档流水线的选型。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为目前质量最高的音频与语音模型，精度更高、延迟更低，已通过 Gemini Live API 在 Google AI Studio 预览，并接入 Gemini Enterprise for Customer Experience、Search Live 和 Gemini Live。
推荐理由：官方给出语音模型的延迟、推理基准与多语言覆盖变化，可据此判断语音智能体的可用边界。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Lyria 3 Pro 音乐生成模型
Google DeepMind 发布 Lyria 3 Pro，可生成最长 3 分钟的曲目，并能按前奏、主歌、副歌、桥段等结构元素进行提示控制。
推荐理由：官方披露 Lyria 3 Pro 的时长与结构控制能力，以及它在 Vertex AI、Gemini 等入口的开放范围。
Mistral AI精选AI 评分6969 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，参数规模 4B，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，可生成带情感表达的语音并支持零样本跨语言音色适配。
推荐理由：Mistral 首款 TTS 模型给出 4B 参数、9 种语言与 70ms 延迟等具体指标，并公开了与 ElevenLabs 的人工对比结果。
Hugging Face Blog精选AI 评分6262 H Company 发布 Holotron-12B 高吞吐 computer-use 智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态 computer-use 模型，现已在 Hugging Face 上线，采用 NVIDIA Open Model License。
推荐理由：官方披露了模型架构、训练数据规模与 WebVoyager 提升幅度，可据此判断高吞吐 computer-use 智能体的落地条件。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.4 mini 和 nano
OpenAI 发布 GPT-5.4 mini 和 nano，是 GPT-5.4 的更小、更快版本。两款模型针对编码、工具调用、多模态推理以及高并发 API 和子智能体负载做了优化。
推荐理由：OpenAI 官方给出 GPT-5.4 mini 与 nano 的定位，读者可据此判断小模型在编码与工具调用场景的取舍。
Mistral AI精选AI 评分7676 Mistral 发布 Mistral Small 4 开源模型，统一推理、多模态与编码能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重大版本，也是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的 Mistral 模型，采用 Apache 2.0 许可。
推荐理由：Mistral Small 4 把推理、多模态与编码能力合并进单一开源模型，并给出与 GPT-OSS 120B 的输出长度对比，便于判断效率取舍。
Mistral AI精选AI 评分6464 Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，这是首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并同步上线 Mistral Vibe 的 agent 模式与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出权重、API 与 FLTEval 评测，可对照其与 Claude 系列的成本差距。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-5.4，主打编码、电脑操作与 1M token 上下文
OpenAI 发布 GPT-5.4，称其为面向专业工作能力最强且最高效的前沿模型，具备 SOTA 级编码、电脑操作和工具搜索能力，上下文窗口为 1M token。
推荐理由：官方给出 GPT-5.4 的定位与能力清单，可据此了解前沿模型在专业工作场景的迭代方向。