跳到正文
11月13日周五
  1. 36氪93

    谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率

    谷歌发布 Gemini 4 Hydrogen,面向所有用户开放,主打速度和执行效率。在默认 High 推理档位下,其完成任务速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编造事实情况减少超 80%。

    推荐理由:新模型向全员开放且部分指标超过自家高端型号,读者可快速了解它在搜索和工具调用上的实际差异。

  2. IT之家78

    腾讯混元发布实时语音模型 Hy Realtime:新增唱歌与工具调用,已上线元宝及腾讯客服

    腾讯混元发布全新实时语音模型 Hy Realtime,在语音理解、指令遵循与拟人化表达上升级,并新增 Agentic 工具调用与唱歌能力。该模型支持自然语言点歌与多轮上下文匹配歌曲演唱,已上线元宝语音通话和腾讯客服,近期将上线腾讯云提供 API 服务,当前版本可通过最新版元宝 App 或网页 Demo 体验。

    推荐理由:原文给出了 Hy Realtime 新增唱歌与工具调用的具体能力,并明确其已上线元宝语音通话和腾讯客服,并即将上线腾讯云 API,为读者提供了直接体验与接入入口。

  3. IT之家35

    语飞国际中文教育垂直大模型亮相

    2026 世界中文大会在北京开幕,会上发布语飞国际中文教育垂直大模型,为全球中文学习者、教师和教育机构提供智能化服务。 该模型面向学习者提供即时反馈评测与个性化辅导,面向教师生成涵盖课前、课中、课后环节的教学素材,并面向教育机构提供标准化接口。 这一发布将人工智能技术与国际中文教育实际需求结合,助力该领域数智化发展。

  4. R/ArtificialInteligence87

    Google 发布 Gemini 4 Hydrogen,速度比 3.8 Flash 快 2.5 倍且支持 4 档思考级别

    Google 发布 Gemini 4 Hydrogen,官方称其默认高配速度比 3.8 Flash 快 2.5 倍,提供 low、medium、high、xhigh 四个思考级别,上下文窗口为 1M,输入价格 $1.50、输出价格 $7.50 每百万 tokens。

    同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》

  5. 36氪78

    DeepMind发布AlphaGenome 2,单细胞精度识别基因组突变

    谷歌DeepMind发布新一代DNA基础模型AlphaGenome 2,并公布了78页技术报告。该模型能基于超1.07亿个单细胞数据精确预测基因突变的影响,在28种免疫细胞基准测试中的致病突变识别率从16%提升至30%。文章介绍了其零生物实验复现Nature数年成果、通过新增细胞编码器处理未见病变样本的能力,并预告模型将作为Skills接入Gemini 4。

    同一新闻,精选展示《Google DeepMind 发布 AlphaGenome 2,提升细胞类型特异性基因变异预测》

  6. 36氪81

    MiniMax 发布开源图像模型 H3-Image,10 秒生成 4K 图并支持 CAD 与机械拆解

    MiniMax 正式发布新一代开源图像生成模型 H3-Image。实测显示其高速版约 10 秒即可生成 4096x4096 像素的 4K 图像,耗时约为主流模型的 1/5。该模型支持 16 张参考图融合,并展现出处理复杂指令的能力,例如生成三视图一致的 CAD 设计、拆解机械爆炸图,以及制作包含百字级中文的排版海报。

    同一新闻,精选展示《MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理》

  7. TechCrunch · AI80

    Google 发布 Gemini 4 Hydrogen 升级 Search 处理复杂问题

    Google 发布 Gemini 4 Hydrogen 模型并全面升级 Search,该模型专为快速执行智能体工作流设计,比 Gemini 3.8 Flash 快 2.5 倍。Search 将利用该模型提供更精准的多部分意图理解、更复杂的拼写错误容忍度,并增加图像、对比表格等视觉响应。

    同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》

11月12日周四
  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。

  2. R/ArtificialInteligence28

    Anneal v1 Core 显式模型开源发布

    作者发布 Anneal v1 Core 显式模型,确认此前分享为时过早,现已完善核心结构。 该模型采用 CC0 协议开源,代码库位于 GitHub,目前处于实验阶段,结构较为混乱。 作者建议将核心方程喂给 capable model 进行解析,以便应用到具体项目或用途中。

  3. 36氪73

    李飞飞详解统一世界模型Atlas,AMD CEO苏姿丰谈机器人发展机遇

    李飞飞在CoRL 2026演讲中介绍统一世界模型Atlas,该模型采用多模态自回归扩散Transformer架构,支持从零像素生成到稠密3D重建的多种模式,并在Rapidata相机运动基准中排名第一。AMD CEO苏姿丰随后在对话中预测机器人物理AI未来规模达数千亿美元,强调AI算力与通用模型及专用模型协同演进的重要性。

    推荐理由:李飞飞阐释Atlas统一世界模型架构,提供从生成到3D重建的核心技术思路及机器人应用潜力参考。

  4. 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。

  5. 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。

  6. 量子位83

    文心5.5 Flash Preview发布,强调端到端编程能力并宣布即将开源

    百度发布文心5.5 Flash Preview模型,总参数2800亿,单次推理激活140亿参数,支持百万Token上下文,生成速度超过每秒200 Token。该模型重点强化端到端编程能力,实测可通过Python代码生成3D动画、网页游戏及Blender模型,并计划近期以Apache 2.0许可证开源,API支持限时折扣。

    推荐理由:原文给出了端到端编程能力的关键指标与实测案例,读者可以据此判断该模型在复杂开发任务中的实际表现。

  7. 36氪86

    MiniMax 开源 H3 Image:支持 4K 生成、16 张参考图与高速出图

    MiniMax 正式发布 H3 Image 模型并同步开源权重,支持最高 4K 分辨率、16 张参考图输入及 7500 字符提示词,生成速度仅需 10 到 20 秒。在测试中该模型表现出极强的指令遵循能力,能准确理解建筑蓝图、具身智能合成数据、机械爆炸图等复杂工程场景,且在多参考图一致性任务中避免了常见的特征混杂错误,目前开放了 API 并集成于 MiniMax Code 等平台。

    同一新闻,精选展示《MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理》

  8. Simon Willison57

    Google 发布 Gemini Decision 1 多模态决策模型 API

    Google 发布了 Gemini Decision 1 决策模型 API,支持文本、图像、音频、视频和 PDF 等多模态输入。该模型定价为每百万输入 token 10 美分,输出免费,比 OpenAI 的 GPT-6 Luna 贵但功能更全面。Simon Willison 实测显示,该模型对二元问题返回概率值而非 0/1,例如识别视频中 robot 的概率为 0.923。

11月11日周三
  1. The Verge · AI68

    谷歌 AlphaGenome 2 模型聚焦疾病细胞根源

    谷歌 DeepMind 发布了新 AI 模型 AlphaGenome 2,该模型能解析 DNA 变化对不同细胞的影响。基于超过 1 亿个细胞档案和 68 种组织进行训练,该模型在识别能改变基因表达的变异方面,表现几乎达到了其前身及先有技术的两倍水平。谷歌表示,AlphaGenome 2 现可通过 AlphaGenome API 用于非商业研究,商业化研究则提供有限的“私人预览”。

  2. 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。

  3. IT之家61

    DeepL 推出语音 AI 翻译模型 Aure

    DeepL 推出旗下最具动态感的语音 AI 翻译模型 Aure,能够实时复现说话者的语气起伏、情绪流转及重音强调。该模型建立在声音保留技术之上,已支持 DeepL Voice 网页会议版、面对面交谈版及语音 API,首发覆盖英语、德语、法语等 8 种语言。

  4. Seven Minute Feed75

    Nvidia 发布 GR00T 2 机器人基础模型,通过学习人类视频实现技能迁移

    Nvidia Research 发布了机器人基础模型 GR00T 2,该模型通过从视频转移人类动作到机械臂,大幅降低了对昂贵遥操作的需求。作为“世界-动作模型”,它能预测下一步动作并生成摄像头视野的短期扩散视频,该模型基于超过 1000 块 GB300 芯片和约 40 万小时的任务视频训练而成。