跳到正文
10月8日周四
10月7日周三
  1. Google DeepMind82

    EmbeddingGemma 2 发布:端侧开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,这是一款基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数开源多模态嵌入模型,支持将文本、图像、音频和视频映射至统一嵌入空间,适用于端侧推理。

    推荐理由:原文给出了EmbeddingGemma 2的架构、MRL优化机制及端侧部署内存细节,为评估其在隐私RAG与跨模态检索中的实际能力提供了可参照的参数基础。

10月6日周二
  1. Mistral AI92

    Mistral Large 4 发布:1T 参数开源多模态模型

    Mistral 推出 Mistral Large 4(ML4)公共预览,该模型具有 1 万亿总参数和 490 亿激活参数,为原生多模态架构。ML4 基于 3800 块 NVIDIA Grace Blackwell GPU 在欧洲 Mistral 自有数据中心从零开始训练。

    推荐理由:Mistral 开源 1T 多模态模型的 49B 激活架构,展示其在网络安全和 Agent 编码任务中相比闭源前沿模型的优势。

10月1日周四
  1. Google DeepMind96

    Google DeepMind 发布 Gemini 4 Argon 前沿大模型

    Google DeepMind 发布新的前沿模型 Gemini 4 Argon,该模型在软件开发、企业知识工作和网络安全防御等复杂任务中提供前沿性能,目前先向受信任的网络安全防御团队开放,稍后开放给开发者、企业和消费者。

    推荐理由:官方发布材料列出了 Argon 在软件开发、知识工作和网络安全防御上的评测数据与内部工程应用案例,可供读者判断其实际工作流价值。

9月30日周三
  1. 百灵大模型76

    百灵发布 Ling-3.1-flash 模型,主打真实世界复杂任务处理

    百灵推出 Ling-3.1-flash 模型,总参数约 560B,激活参数约 25B,上下文窗口上限 1M。该模型在办公、医疗、软件工程等真实任务评测中表现突出,支持长达数十小时的持续代码开发与调试,并计划在免费体验期结束后同步开源。

    推荐理由:文中提供了架构参数、具体任务基准及对比数据,帮助判断模型在长程任务与多场景下的实际表现与开源计划。

  2. Sam Altman (X)76

    Sam Altman 发布 6.1 Sol 模型,定价仅为 Astra 五分之一且享 95% 缓存读取折扣

    Sam Altman 宣布发布 6.1 Sol 模型,其价格仅为 Astra 的五分之一,并提供 95% 的缓存读取折扣。该模型被描述为能力极强,结合 ultrafast 功能可实现 8 倍加速,目前 Astra 已支持该功能,6.1 Sol 即将接入。

    推荐理由:创始人亲自公布模型定价与缓存折扣细节,为评估性价比提供了官方依据。

9月29日周二
  1. Hugging Face Blog81

    NVIDIA Kumo Tabular 开源表格基础模型发布

    NVIDIA 在 Hugging Face 和 GitHub 发布开源表格基础模型 Kumo Tabular,它基于 Transformer 架构,针对表格数据的列、行和上下文注意力设计,支持分类和回归任务,无需训练、调参或特征工程即可通过单次前向传播进行预测。

    推荐理由:文章给出了模型规模、基准排名与调用代码,读者可以据此判断它是否适合替代传统树模型流程。

9月28日周一
9月25日周五
9月24日周四
  1. Hugging Face Blog67

    Liquid AI 发布 LFM2.5-VL-DSpark 视觉语言模型加速草案

    Liquid AI 为 LFM2.5-VL-3B 发布 DSpark 推测解码草案,在端侧实现最高 3.13 倍解码加速,端到端提速最高 2.62 倍。该草案增加 280M 参数(约为目标模型的 8.9%),支持 llama.cpp、MLX-VLM 和 SGLang,适用于 CPU 和 GPU 部署。

    推荐理由:该Drafter将LFM2.5-VL-3B端侧解码提速至多3.13倍且输出无损,为视觉模型在资源受限设备上提供了可复现的加速方案。

9月23日周三
  1. 科大讯飞49

    科大讯飞发布语音识别大模型 Spark-ASR-2.0

    科大讯飞正式发布新一代语音识别大模型 Spark-ASR-2.0。该模型通过非自回归与 LLM 增强自回归协同等技术创新,整体推理成本仅相对 Spark-ASR-1.0 增加 10%,并在中英混合、方言及复杂声学场景的识别效果上实现大幅提升。Spark-ASR-2.0 将逐步上线讯飞输入法,并通过讯飞开放平台提供 API 服务。

  2. 阿里语音AI87

    千问(Qwen-Audio-3.1)系列语音大模型发布,覆盖识别、合成、创作与实时交互

    Qwen-Audio-3.1 系列正式发布,包含 ASR、TTS、ASR-Next、TTS-Next 和 Realtime 五款模型,API 已上线千问 AI 平台,全线价格大幅下调,其中 TTS 降价约 70%,Realtime 降幅约 85%,ASR 降幅达 95%。

    推荐理由:该发布通过覆盖语音识别、合成与创作的完整模型矩阵与显著降价,为实时交互和音频内容生产提供了新的工程基线。

  3. 千问大模型81

    千问正式发布 Qwen-Audio-3.1 系列语音大模型

    千问发布 Qwen-Audio-3.1 系列,包含 ASR、TTS、Realtime 及 ASR-Next、TTS-Next 五款模型。全线 API 已上架千问 AI 平台,价格大幅下调,其中 TTS 降价约 70%,Realtime 降幅约 85%,ASR 降幅达 95%。

    推荐理由:官方一次性给出五款模型的能力边界、价格降幅与接入地址,可据此评估语音工作流的落地成本。

  4. 爱诗科技 AIsphere78

    爱诗科技发布 PixVerse R2 实时世界模型,以双引擎架构实现通用实时扩展

    爱诗科技正式发布具备 Scaling 能力的通用实时世界模型 PixVerse R2,开放游戏、互动影视及数字人等体验。模型基于 Omni Causal AR 与 Real-Time Acceleration 双引擎架构,将模型能力扩展与实时推理加速解耦,在生成质量、长程一致性和多模态控制方面实现提升。用户可通过 Prompt 和键盘操作实时生成并交互,PixVerse R2 已开放使用。

    推荐理由:实时与通用解耦的双引擎架构,为持续扩展的实时世界模型提供了可验证路径。

  5. 百灵大模型80

    Ming-Image-0.1-Design 系列开源,支持UI生成与图层拆解

    百灵大模型开源Ming-Image-0.1-Design系列,包含6B参数的Design和Layer模型,支持从文字生成UI及将设计图拆成可编辑透明图层。该模型在Artificial Analysis UI/UX Design榜单位列开源第1,Layer在Crello-Test 12项指标中全部排名第一。

    推荐理由:6B模型将设计生成与图层编辑打通,读者可评估其在UI、海报等场景替代高参数量模型的可行性。

  6. Sam Altman (X)89

    OpenAI 发布 GPT-6 Sol 和 Luna 模型

    OpenAI 发布 GPT-6 Sol 和 Luna 模型,表示其在智能、对齐、工作输出、编码和计算机使用等方面显著优于 5.6 系列前代模型。同时,新模型每 token 价格减半,单任务成本更低。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  7. Anthropic (X)88

    Claude Opus 5.5 今日上线

    Claude Opus 5.5 今日上线,作为 Claude 5.5 家族首个模型,其在多数任务上的表现达到 Claude Fable 5.1 水平,运行成本比 Opus 5 低 40%。

    推荐理由:介绍了 Opus 5.5 的定位与成本变化,读者可以判断它与 Fable 5.1 及 Opus 5 的性价比关系。

9月22日周二
  1. 阿里云85

    阿里云2026云栖大会:发布Qwen3.8-Max与真武V900,迈向机器智能时代

    阿里巴巴集团CEO吴泳铭在2026云栖大会演讲中提出机器思考总量未来将超过人类1000倍,并公布Qwen3.8-Max模型与真武V900 AI芯片。Qwen3.8-Max通过自主迭代完成33轮训练优化,在未知GPU上实现推理吞吐量提升96%;真武V900性能为前代3倍,支持扩展至50万卡的集群规模。

    推荐理由:吴泳铭提出机器思考总量将达人类1000倍,并同步发布Qwen3.8-Max与真武V900芯片,展示阿里在模型、芯片及云侧的全栈布局。

  2. 千问大模型89

    Qwen 实现芯片设计与推理适配双向闭环:模型自主完成 RTL 优化及推理栈调优

    Qwen 团队开展两项生产级实验:Qwen3.8-Max 自主完成 NoC 模块的 RTL 编码与物理实现,并独立将 Qwen3.8-Flash-Next 适配至真武 M890 芯片。芯片设计中,模型运行超 60 小时完成全流程,使模块面积降低 42%、功耗降低 59.5%。推理适配中,模型 56 小时完成优化,长文本 TTFT 降低 47%,单实例吞吐提升 96%。

    推荐理由:展示了 Qwen 在芯片设计端侧与推理端侧双向闭环中自主调用工具完成 RTL 优化及推理栈调优的工程路径。

  3. 腾讯混元63

    腾讯混元发布Hy Image3.5 preview图像生成模型

    腾讯正式发布混元图像3.5预览版(Hy Image3.5 preview),该模型在数百名内部专业设计师GSB盲测中较Hy Image3.0能力提升约30%,支持文生图、图生图及多轮对话创作,最高输出2K分辨率。腾讯云API定价为0.15元/张,已上线元宝、WorkRally、OnSolo、Miora、WorkBuddy及ima等产品,灰度测试期间生图请求量提升超50%。

    推荐理由:腾讯官方发布Hy Image3.5 preview,提供内部盲测对比数据与0.15元/张的API定价,展示其在专业创作场景的性价比与能力提升。

9月21日周一
  1. 商汤科技SenseTime45

    SenseNova U1 Pro 正式版上线商汤小浣熊

    商汤科技推出 SenseNova U1 Pro,已正式上线商汤小浣熊及日日新 API 服务。该模型构建了从需求理解、搜索补全到设计生成与修正的完整智能创作管线,支持精确局部修正与多图融合。它面向长程任务,旨在一次性交付信息图、品牌广告及电商物料等多模态设计成果。

  2. 硅基流动55

    硅基流动上线中电信 Xing4.0-29B-A4B 大模型

    硅基流动上线中电信最新开源的 Xing4.0-29B-A4B 模型,该模型基于国产算力与框架训练,29B 总参数、4B 激活参数,原生支持 256K 上下文,SWE-bench Verified 得分 75.0。针对 OpenCode、Claude Code 等智能体工具做了定向适配,现已在硅基流动平台免费开放调用,可服务于复杂工程任务与自动化流程。

9月20日周日
  1. 千问大模型83

    Qwen-Image-2.1 开源发布

    千问大模型团队开源发布 Qwen-Image-2.1,该模型视觉生成部分参数量为 7B,将文生图与图像编辑整合在同一架构中。模型支持最多 10 张参考图输入,并原生支持透明图像的生成与编辑,同时通过混合粒度注意力结构和 KV Cache 复用机制优化了推理效率与显存开销。

    推荐理由:原文详细展示了该轻量模型在透明图像生成与编辑、多图融合及推理效率优化等方面的具体能力与技术细节。

  2. 阶跃StepFun83

    阶跃发布旗舰开源模型 Step 5 Preview:总参 600B,单任务成本为 Claude Opus 5 的 1/8

    阶跃发布面向 Agentic 任务的旗舰基座模型 Step 5 Preview,采用稀疏 MoE 架构,总参数量 600B、激活参数 27B,支持 100 万 Token 上下文窗口。

    推荐理由:介绍了该模型在能效比上的量化优势,包括单任务成本更低及在复杂场景下的表现,便于判断其落地价值。

9月19日周六
  1. 千问大模型67

    千问正式发布 Qwen3.8-LiveTranslate 同声传译大模型

    千问正式发布基于 Interleave 架构的同声传译大模型 Qwen3.8-LiveTranslate,支持 60 种语言,新增实时说话人分离、双语同屏及长上下文消歧能力。模型字均延迟(LAAL)从上一代的 2.8 秒降至 2.3 秒,在相关多语言评测中翻译质量与语音合成效果领先于上一代及当前主流系统。模型 API 已上线千问 AI 平台,并提供在线尝鲜体验入口。

    推荐理由:原文给出了 Interleave 架构和降低延迟的关键数据,读者可据此判断实时同传体验的实质变化。

9月18日周五
  1. 阿里云百炼65

    HappyOyster 1.0 系列模型上架阿里云百炼,支持实时交互开放世界生成

    HappyOyster 1.0 系列模型正式上架阿里云百炼,开发者可直接调用 API 接入实时生成与持续演化的开放世界能力。该系列包含 Adventure 和 Directing 两个模型,其中 Adventure 支持基于文本或图像输入生成自由探索的世界,用户可实时控制镜头并与场景交互,目前 Directing 模型仅支持新加坡和美国弗吉尼亚地域。

    推荐理由:阿里云百炼上线 HappyOyster 1.0 模型,支持通过 API 实时生成可交互的开放世界,文中给出了具体场景示例与计费标准。

  2. 阿里云百炼85

    阿里云百炼上线 Qwen3.8 Omni Flash 原生全模态模型

    阿里云百炼正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash,该模型输入不再区分模态,全模态统一售价为 0.8 元/百万 Token。官方数据显示,新模型在 29 项音视频与 Agent 评测中平均性能较上一代提升超过 25%,并具备从音视频素材中主动定位关键片段、执行工具调用及沉淀可复用 Agent Skill 等完整任务流能力。

    推荐理由:原文明确列出全模态同价 0.8 元/百万 Token 的成本优势及主动取证和工具执行的 Agent 能力变化。

9月16日周三
  1. 科大讯飞69

    科大讯飞上线全国产语音基座大模型 Spark-Audio-1.0-Preview

    科大讯飞上线基于全国产算力训练的语音基座大模型 Spark-Audio-1.0-Preview,采用 0.65B 音频编码器搭配 30B-A3B 语言模型,支持 99 种语言和 202 种方言识别,并在高噪声等复杂场景下表现领先。体验链接为 https://iflytekresearch.iflytek.com/experience/spark-audio,API 后续将上线讯飞开放平台。

    推荐理由:原文给出了全国产算力训练的首个语音基座模型参数和跨语言识别成绩,读者可据此评估其在复杂场景下的可用性。