Google DeepMind 发布 Gemini Omni Flash，支持对话式视频编辑
Google DeepMind 发布 Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言多轮对话编辑视频。
AI 评分82
AI 评分 82 / 100
模型发布
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。
第 461–480 条 · 共 505 条
Google DeepMind精选推荐
Google DeepMind精选推荐 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，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道上线。
AI 评分87
AI 评分 87 / 100
Hugging Face Blog精选 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、长音视频理解和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。
AI 评分71
AI 评分 71 / 100
Hugging Face Blog精选推荐 DeepSeek-V4 发布：面向智能体任务的百万 token 上下文
DeepSeek 发布 V4，在 Hub 上提供两个 MoE 检查点：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
AI 评分87
AI 评分 87 / 100
DeepSeek News精选推荐 DeepSeek-V4 预览版上线并开源：1M 上下文，分 Pro 与 Flash 两个版本
DeepSeek 上线并开源了 DeepSeek-V4 预览版，全系标配 1M 上下文，分为 V4-Pro 与 V4-Flash 两个版本。
AI 评分82
AI 评分 82 / 100
Qwen Blog精选 Qwen3.6-27B 开源发布：270亿参数稠密多模态模型，编程能力超越 Qwen3.5-397B-A17B
Qwen 团队开源 Qwen3.6-27B，一个 270 亿参数的稠密多模态模型，支持思考与非思考模式，智能体编程能力全面超越前代开源旗舰 Qwen3.5-397B-A17B。
AI 评分78
AI 评分 78 / 100
Google DeepMind精选 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，称其在可控性、表达力和语音质量上均有提升，在 Artificial Analysis TTS 榜单上取得 1,211 Elo 分数。
AI 评分71
AI 评分 71 / 100
Qwen Blog精选 Qwen3.6-35B-A3B 开源：35B 总参数、3B 激活的 MoE 智能体编程模型
Qwen 团队开源 Qwen3.6-35B-A3B，这是一个总参数 35B、激活参数仅 3B 的 MoE 模型，主打智能体编程能力。
AI 评分78
AI 评分 78 / 100
Google DeepMind精选 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先机器人模型的升级版，增强了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
AI 评分71
AI 评分 71 / 100
Hugging Face Blog精选 Overworld 发布 Waypoint-1.5 实时视频世界模型
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。
AI 评分62
AI 评分 62 / 100
Google DeepMind精选推荐 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。
AI 评分85
AI 评分 85 / 100
Hugging Face Blog精选推荐 Google DeepMind 发布 Gemma 4 多模态模型家族
Google DeepMind 在 Hugging Face 发布 Gemma 4 多模态模型家族，采用 Apache 2 许可，支持图像、文本和音频输入并输出文本。
AI 评分87
AI 评分 87 / 100
Qwen Blog精选 Qwen3.6-Plus 发布：默认 1M 上下文，主打智能体编码与多模态
Qwen 团队发布 Qwen3.6-Plus，通过阿里云百炼 API 上线，默认 1M 上下文窗口，重点强化智能体编码与多模态感知推理。
AI 评分78
AI 评分 78 / 100
Hugging Face Blog精选 TII 发布 Falcon Perception 与 Falcon OCR 模型
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 上达到 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）。
AI 评分62
AI 评分 62 / 100
Hugging Face Blog精选 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，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，支持表格抽取、图表理解和语义键值对抽取。
AI 评分62
AI 评分 62 / 100
Qwen Blog精选推荐 Qwen 发布 Qwen3.5-Omni 原生全模态大模型，含 Plus/Flash/Light 三尺寸
Qwen 团队发布新一代原生全模态大模型 Qwen3.5-Omni，支持文本、图片、音频、音视频理解，含 Plus、Flash、Light 三种尺寸的 Instruct 版本。
AI 评分82
AI 评分 82 / 100
Google DeepMind精选 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。该模型在 ComplexFuncBench Audio 上以 90.8% 领先上一代，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后得分为 36.1%。
AI 评分74
AI 评分 74 / 100
Google DeepMind精选 Google DeepMind 发布 Lyria 3 Pro，支持生成 3 分钟长曲目
Google DeepMind 发布音乐生成模型 Lyria 3 Pro，可生成最长 3 分钟的曲目，并能理解音乐结构，支持用提示词指定前奏、主歌、副歌和桥段等元素。
AI 评分66
AI 评分 66 / 100
Google DeepMind精选 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 向开发者开放预览。
AI 评分71
AI 评分 71 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image）图像模型
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），将 Nano Banana Pro 的世界知识、画质与推理能力带到 Flash 级速度。
AI 评分82
AI 评分 82 / 100