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
#多模态模型
#多模态模型
今日 3 条Google DeepMind精选推荐
Google DeepMind精选 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生更偏好其回答而非主流证据合成工具；在 140 项问诊技能评估中，AI 在 68 项上与初级保健医生相当或更优，但专家医生在识别危险信号和指导关键体格检查上整体表现更好。
AI 评分62
AI 评分 62 / 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
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
Hugging Face Blog 用 Sentence Transformers 训练和微调多模态 Embedding 与 Reranker 模型
Sentence Transformers 现已支持训练和微调多模态 embedding 与 reranker 模型，作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索（VDR）为例，微调后 NDCG@10 从基座的 0.888 提升至 0.947，超过其测试的所有现有 VDR 模型，包括参数量最多达其 4 倍的模型。
AI 评分38
AI 评分 38 / 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 Sentence Transformers v5.4 支持多模态嵌入与重排模型
Sentence Transformers v5.4 更新后，可用同一套 API 编码和比较文本、图像、音频与视频，并支持多模态重排模型对混合模态文档打分。新增能力覆盖跨模态相似度计算、encode_query/encode_document 检索流程以及先检索再重排的 RAG 模式，官方同时列出了 Qwen3-VL、NVIDIA、BGE-VL 等已支持的多模态嵌入与重排模型清单。
AI 评分62
AI 评分 62 / 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 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
Google DeepMind精选 Gemini 上线 Lyria 3 音乐生成，支持文字与图片生成 30 秒曲目
Google DeepMind 的最新音乐生成模型 Lyria 3 以 beta 形式在 Gemini app 上线，用户用文字或上传图片、视频即可生成 30 秒带歌词或纯器乐的曲目，并自动配 Nano Banana 生成的封面图。
AI 评分71
AI 评分 71 / 100
Qwen Blog精选 Qwen3.5 发布：首款开放权重模型 Qwen3.5-397B-A17B，原生视觉-语言与智能体能力
Qwen 团队正式发布 Qwen3.5，并推出该系列首款开放权重模型 Qwen3.5-397B-A17B，定位为原生视觉-语言模型。该模型采用线性注意力（Gated Delta Networks）与稀疏 MoE 的混合架构，总参数 3970 亿、每次前向传播仅激活 170 亿参数；语言与方言支持从 119 种扩展到 201 种。
AI 评分72
AI 评分 72 / 100
Qwen Blog精选 Qwen 发布图像生成基础模型 Qwen-Image-2.0，生图与编辑合二为一
Qwen 团队推出新一代图像生成基础模型 Qwen-Image-2.0，把此前的生图支线与编辑支线合并为同一个模型，同时支持文生图和图生图。模型支持 1k token 指令、2k 分辨率，可直出 PPT、海报、漫画等信息图，并强调更轻量的架构带来更小模型和更快速度。官方称在 AI Arena 盲测中，该模型在文生图与图生图基准上均取得优越性能，文中示例 PPT 即由模型按提示词直接生成。
AI 评分72
AI 评分 72 / 100
Google DeepMind精选 Google DeepMind 向美国 AI Ultra 订阅者开放 Project Genie 世界模型原型
Google DeepMind 开始向美国 18 岁以上的 Google AI Ultra 订阅者开放 Project Genie，这是一个由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性研究原型，支持创建、探索和重混交互式世界。
AI 评分72
AI 评分 72 / 100
Google DeepMind精选 Google DeepMind 发布 D4RT：统一 4D 场景重建与追踪模型
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用单一编码器-解码器 Transformer 统一动态场景重建与追踪，通过查询机制回答某个像素在任意时间、任意相机视角下位于 3D 空间的何处。
AI 评分62
AI 评分 62 / 100
Google DeepMind精选 Google DeepMind 更新 Veo 3.1 Ingredients to Video，新增竖屏输出与 1080p/4K 放大
Google DeepMind 更新 Veo 3.1 Ingredients to Video，让基于参考图生成的视频在简单提示词下更生动，并提升角色身份、背景与物体的一致性。
AI 评分71
AI 评分 71 / 100
Qwen Blog精选 Qwen 发布 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 多模态检索模型系列
Qwen 团队推出基于 Qwen3-VL 构建的 Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 模型系列，统一处理文本、图像、截图和视频的多模态检索与跨模态理解。
AI 评分68
AI 评分 68 / 100
Qwen Blog Qwen 发布文生图基础模型 Qwen-Image-2512 十二月更新
Qwen 团队发布文生图基础模型 Qwen-Image 的十二月更新 Qwen-Image-2512，重点降低“AI 感”、提升人像真实度、自然纹理细节与文字渲染质量。
AI 评分58
AI 评分 58 / 100
Qwen Blog Qwen 发布图像编辑模型 Qwen-Image-Edit-2511，一致性显著提升
Qwen 团队发布 Qwen-Image-Edit-2511，作为 Qwen-Image-Edit-2509 的增强版本，重点提升编辑一致性。新版本缓解图像漂移，增强单人及多人合影中的角色一致性，可将两张人物图高保真融合为合影；同时把社区热门 LoRA（如光照增强、新视角生成）直接集成进基座模型，无需额外调优即可使用。
AI 评分58
AI 评分 58 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3 Flash
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼顾，在 GPQA Diamond 得分 90.4%、Humanity's Last Exam 无工具 33.7%、MMMU Pro 81.2%、SWE-bench Verified 78%，定价为输入 $0.50/1M tokens、输出 $3/1M tokens。
AI 评分84
AI 评分 84 / 100
Google DeepMind Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3,513 个公开样例，另设私有留出集，由 Kaggle 管理并维护公开排行榜。
AI 评分42
AI 评分 42 / 100
Google DeepMind精选 Google 在 Gemini 应用中上线 AI 图像验证功能
Google 在 Gemini 应用中上线图像验证功能，用户上传图片并提问即可借助 SynthID 数字水印判断该图是否由 Google AI 生成或编辑。SynthID 自 2023 年推出以来已为超过 200 亿件 AI 生成内容添加水印，Google 此前已用 SynthID Detector 与记者和媒体从业者测试。
AI 评分62
AI 评分 62 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 构建的图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 以付费预览形式面向开发者推出。
AI 评分80
AI 评分 80 / 100
Google DeepMind精选推荐 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 构建，主打图像生成与编辑。
AI 评分82
AI 评分 82 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3 Pro，并推出智能体开发平台 Google Antigravity
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在各项主流 AI 基准上超过此前版本，编码能力也强于 2.5 Pro，兼顾智能体工作流与复杂零样本任务。
AI 评分87
AI 评分 87 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3，Pro 版预览上线并推出 Deep Think 模式
Google DeepMind 发布 Gemini 3，称其为自家最智能的模型，率先以 Gemini 3 Pro 预览版上线，并同步接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
AI 评分92
AI 评分 92 / 100
Google DeepMind精选 Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型嵌入智能体核心，使其从指令执行者升级为能推理目标、与用户对话并自我改进的交互式游戏伙伴。
AI 评分71
AI 评分 71 / 100
Google DeepMind Google DeepMind 在 Nature 发表研究：让 AI 视觉表征更接近人类
Google DeepMind 在 Nature 发表新论文，分析 AI 视觉模型与人类在组织视觉世界方式上的差异，并提出一种三步对齐方法。该方法先用 THINGS 数据集训练一个冻结主模型的小型适配器作为教师模型，再生成包含百万张图像、数百万条类人判断的 AligNet 数据集，最后微调学生模型。
AI 评分58
AI 评分 58 / 100
Google DeepMind Google 发布森林砍伐风险预测模型、物种分布地图与 Perch 2.0 生物声学模型
Google 发布森林砍伐风险预测基准数据集，基于纯卫星输入和 vision transformer 架构，可在 30 米尺度预测 2000-2024 年森林流失风险。
AI 评分36
AI 评分 36 / 100