跳到正文
  1. IT之家76

    火山引擎上线豆包 SeedRealtime 1.0 API,实现全模态实时交互

    火山引擎正式全量上线豆包实时音视频通话模型 SeedRealtime 1.0 API 服务。该模型将声音、画面、时序与表达统一到端到端架构中,替代了传统的 ASR、VLM、TTS 级联系统,降低了交互延迟与信息损耗。

    推荐理由:火山引擎上线豆包 SeedRealtime 1.0 API,该模型将音视频流统一至端到端体系,实现了主动交互与实时判断。

  2. Hacker News AI79

    Higurashi 开源全双工语音基础模型 Haru-4B

    Higurashi 发布并开源全双工语音基础模型 Haru-4B,支持同步听与说,在 MacBook 上端到端延迟约 65 毫秒。模型基于 4000 万小时真实语音预训练,避免使用合成对话,权重与代码分别在 Hugging Face 和 GitHub 开放。

    推荐理由:模型在 Apple Silicon 上实现 65 毫秒端到端延迟,且完全基于真实对话数据训练。

  3. The Decoder90

    Google 发布 Gemini 4 Neon 模型

    Google 发布 Gemini 4 Neon,提供约 1M 上下文窗口和 1M 最大输出 token。该模型通过 API 提供服务,定价为 $3/M input tokens 和 $15/M output tokens,支持文本、图像、视频、音频及 PDF 处理,但不支持图像与音频生成。

    推荐理由:原文给出了定价策略和能力定位,读者可以据此判断它在 Google 模型线中的层级。

  1. IT之家80

    腾讯混元 Hy4 flash 模型开源

    腾讯混元 Hy4 flash 模型已正式开源,开发者可在 GitHub、Hugging Face、ModelScope 和 GitCode 下载部署。该模型总参数量为 224B,每个 token 激活 12B 参数,支持多模态输入与 100 万 token 上下文,目前已在腾讯云 TokenHub、元宝、企业微信等产品上线。

    推荐理由:明确了腾讯混元Hy4 flash的开源地址、224B总参数、12B激活参数、多模态与100万上下文长度。

  1. 量子位75

    可灵推出 Kling Image 4.0:支持原生 8K 分辨率、千字排版及组图生成

    可灵推出新版图像模型 Kling Image 4.0,主打原生 8K 高清输出,单图支持 2000 字文本生成及 70 款预设字体,并新增最多 10 张连贯组图与长图生成能力。模型采用原生理解生成大一统架构,具备原生 Agentic 能力,支持 15K Token 指令处理;第三方 Artificial Analysis 文生图榜单显示其位列全球第七、国产模型第一。

    推荐理由:通过12张实测图与多轮生图演示,展示了Kling Image 4.0在原生8K清晰度、超长文字排版及组图连贯性上的具体表现,适合评估其在电商设计与影视分镜场景下的可用性。

  1. IT之家82

    Claude Fable 5.2 通过 Python 代码模拟画笔完成绘画,展示自主规划与纠错能力

    Anthropic 的 Claude Fable 5.2 不依赖外部图像模型,而是通过编写 Python 代码模拟画笔、颜料和画布物理特性,将绘画过程拆解为独立笔触指令。

    推荐理由:Claude Fable 5.2 展示了通过代码模拟物理画笔逐笔作画的过程,而非调用图像生成模型,其纠错机制和笔触规划能力与机器人控制任务具有直接关联。

  1. 36氪67

    MiniMax H3-Image实测:狂卷字节、OpenAI,生图速度最快但复杂任务仍翻车

    MiniMax于11月10日开放H3-Image模型权重,主打10秒出图且价格仅为同档主流工具的50%-70%,与同期发布的OpenAI GPT Image 2.6和字节Seedream 5.5展开竞争。

    推荐理由:文章通过实测对比三家生图模型的速度与画质,指出MiniMax在低价开源策略上寻找突破,但能否解决复杂任务一次改对仍是关键。

  1. 量子位85

    无界前沿开源生物信息大模型 Fx-Bio-1031

    无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。

    推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。

  2. Ars Technica · AI85

    Google 推出 Gemini 4 Hydrogen,取代 Gemini 3.8 Flash

    Google 发布 Gemini 4 Hydrogen,立即取代 Gemini 3.8 Flash 且不再限制付费订阅层级。该模型支持 low、medium、high 和 xhigh 四种思考模式,其中 high 模式速度比 3.8 Flash 快 2.5 倍,幻觉率降低 5 倍以上。

    推荐理由:Gemini 4 Hydrogen 立即向所有用户开放,且在 xhigh 模式下部分性能指标超越高端版本,同时大幅降低幻觉率。

  1. IT之家79

    Runway 发布机器人模型 Praxis-1,速度与成本表现超 GPT-6 Astra

    Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。

    推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。

  2. 36氪86

    谷歌发布 Gemini Decision 1:9 项测试拿下 7 项第一,单次处理 1000 个决策问题

    谷歌正式发布 Gemini Decision 1,同时推出由该模型驱动的 Gemini Decisions API。与传统逐 Token 生成不同,该模型通过单次前向传播对最多 1000 个预设候选问题进行评分,支持文本、图像、音频、视频和 PDF 等多模态输入,覆盖二元判断、多项选择和有序标准评分三类决策任务。

    推荐理由:谷歌给出 Gemini Decision 1 的基准与校准对比,并说明它如何通过模型路由和工具选择缩短 Agent 决策链路。

  1. Google DeepMind75

    Google DeepMind 发布 AlphaGenome 2,提升细胞类型特异性基因变异预测

    Google DeepMind 发布下一代 DNA 序列模型 AlphaGenome 2,该模型通过条件化架构实现了对数百种人体细胞类型的基因表达预测。AlphaGenome 2 在识别改变基因表达的变异方面性能显著提升,在 TenK10K 数据集上发现的因果变异比例从 16% 提升至 30%。

    推荐理由:新架构将基因变异预测从组织平均扩展到单个细胞类型,为定位复杂疾病关键变异提供更高精度工具。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 模型

    Google DeepMind 正式向开发者、企业、科学家及消费者开放 Gemini 4 Carbon 模型。该模型在网络安全能力、长程代理工作流及复杂知识工作领域表现前沿,输入价格 2 美元/百万 token,输出 10 美元/百万 token。模型在 CursorBench 4.0 等基准中排名第一,支持多模态知识代理及 3D 设计等任务,并强化了安全性与对齐机制。

    推荐理由:官方给出了价格与性能对比,读者可判断它在长程代理任务与网络安全场景中的优势。

  1. 量子位88

    MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理

    MiniMax 开源 SOTA 图像生成模型 H3-Image,支持 16MP 原生 4K 分辨率及最多 16 张参考图输入。该模型具备显著的逻辑推理能力,可自动生成 CAD 三视图、机械爆炸图以及正确解答微积分试卷。官方 API 定价约为主流竞品的 50% 到 70%,首周 16MP 请求享五折优惠。

    推荐理由:实测显示该模型能精准生成CAD图纸与解题步骤,且支持原生4K分辨率,展示了其在逻辑推理与细节还原上的双重突破。

  1. 美团技术团队80

    美团正式开源 1.6 万亿参数 LongCat-2.5:多模态模型在国产算力上实现高效推理

    美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。

    推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。