跳到正文

全部动态

今日 0 条
10月30日周五
  1. Mistral AI88

    Mistral 发布 1 万亿参数多模态模型 Mistral Large 4(Le Chonk)开放权重

    Mistral 发布 Mistral Large 4(Le Chonk)的开放权重,这是其 1 万亿参数、原生多模态的旗舰模型,此前已公开预览。该模型在 FrontierCode 2.0 上得分 19.7%,在 Terminal-Bench 4.0 上提升 13 个百分点至 41%,并提供 Low、Medium、High 三档推理模式。

    推荐理由:原文给出开放权重、三种推理模式与定价,读者可据此判断自托管部署的成本与安全取舍。

10月29日周四
  1. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长程任务能力上达到 SOTA,在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。

    推荐理由:原文列出 Carbon 在网络安全与长程编码基准上的具体分数和定价,可对照两周前发布的 Argon 看能力推进节奏。

  2. Hugging Face Blog71

    NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线

    NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。

    推荐理由:原文给出多语言转写、说话人分离与翻译的统一模型,并附开放数据管线和微调配方,可据此判断落地方式。

10月28日周三
  1. The Decoder78

    Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe,整合转写、翻译与说话人识别

    Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,可用文本指令在单一模型中完成转写、翻译和说话人识别,并支持就录音内容提问。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别,可处理最长 1 小时、最多 8 名说话人的录音;模型总参数 30B、每步约 4B 激活,可在单张 Nvidia GPU 上运行。

    推荐理由:读者可了解这款开源语音模型在转写、翻译与说话人识别上的能力边界,以及配套数据集和微调流程。

  2. Hugging Face Blog76

    LiquidAI 发布 LFM3 系列:六个 2B 级多模态模型共享同一骨干

    LiquidAI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、omni 及两个 d1 决策模型)全部从 LFM3-1.7B-Base 分支而来,覆盖文本、图像、视频和音频输入。

    推荐理由:LiquidAI 公布了 LFM3 的架构改动与六个 2B 级模型的实测对比,可据此判断端侧多模态选型。

  3. Google DeepMind87

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4,可实时生成带原生音频的可交互模拟世界,支持用自然语言实时修改天气、镜头和人物。Genie 4 首次在实时世界模型中原生生成音频,包括环境音与可随输入变化的角色对话,并借助 Gemini 模型维持模拟的连贯性。

    推荐理由:读者可了解 Genie 4 在实时世界模拟中加入原生音频与人物交互的能力边界,以及它与 Gemini 模型协同完成多步任务的方式。

  4. The Decoder72

    Google DeepMind 发布 Genie 4 实时世界模型

    Google DeepMind 推出 Genie 4,这是 Genie 3 的后续版本,可逐帧计算场景并响应用户输入,用户用键盘移动、用文本提示词驱动事件。DeepMind 称这是其首个直接生成声音的实时世界模型,每个世界带有自己的背景音,角色之间能对话并实时反应。

  5. Ars Technica · AI78

    DeepMind 发布 Genie 4 世界模型,称物理与人物模拟更真实

    Google DeepMind 发布 Genie 4 世界模型,称其在几乎各个方面都改进了 Genie 3,并借助更新后的 Gemini 模型让模拟更真实。该模型无需预先渲染环境或编写交互元素,用户只需描述需求,它便能在探索过程中逐帧实时生成体验。DeepMind 将世界模型视为通往 AGI 的关键要素,认为它可用于为物理机器人构建训练环境,或加速创意领域的原型设计。

    推荐理由:文章交代了 Genie 4 相对 Genie 3 的改进方向,以及世界模型被定位为通往 AGI 的关键环节。

10月27日周二
  1. The Decoder88

    OpenAI 请外部专家核查 AI 在数学、计算机科学与物理领域产出的证明

    OpenAI 请外部专家担任“shepherd”,核查其 AI 在数学、计算机科学和物理三个领域产出的证明,并按各领域情况分别处理。计算机科学结果声称证伪了长期被广泛接受的 ETH,数学结果声称把 1991 年提出的局部平滑猜想推广到所有维度,物理结果声称证明了四维量子场论的存在性,但只覆盖 Yang-Mills 的存在性部分,不涉及质量间隙。

    推荐理由:OpenAI 让外部专家分领域核查 AI 产出的证明,读者可借此了解三项结果各自的验证方式与争议。

  2. The Verge · AI88

    OpenAI 公布数学、计算机科学与物理三项发现,并引入外部专家把关

    OpenAI 公布数学、计算机科学和物理三项“重大”发现,其中计算机科学成果声称推翻了长期被广泛相信的 Exponential Time Hypothesis(ETH),相关论文与 Lean 证明已发布到 GitHub。

    推荐理由:OpenAI 公布三项 AI 辅助发现,并首次引入外部专家把关,读者可据此了解 AI 产出成果的验证与署名规范争议。

10月25日周日
  1. TechCrunch · AI66

    Block 发布全双工语音模型 Dessa,可在本地运行

    Block 研究实验室发布语音模型 Dessa,完全基于人类语音训练,可在单块 NVIDIA GPU 上本地运行,并能同时说话和倾听。该模型能表现笑声、停顿和哭腔等情绪,Block 称情绪内建于模型而非依赖语音标签驱动,目前尚未公开开放,正邀请安全研究者测试。Dessa 可在 MacBook M4 Max 或更高配置的消费级电脑上运行。

10月24日周六
  1. The Decoder58

    Block 发布语音模型 Dessa,完全用人类语音训练、不依赖文本

    Block 发布语音模型 Dessa,称其完全基于人类语音数据从零训练、不使用任何文本数据,直接以音频形式处理语音,可实时捕捉情绪、讽刺、笑声和停顿。该模型支持全双工交流,可在 MacBook Pro M4 Max 本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 目前尚未公开,团队先招募 AI 安全研究人员测试潜在风险。

  2. Latent Space85

    月之暗面发布 Kimi K3.1 Pro:2.8T 总参数、104B 激活参数,权重定于 11 月 4 日开放

    月之暗面发布 Kimi K3.1 Pro,这是一款总参数 2.8T、激活参数 104B 的多模态 MoE 模型,支持 100 万 token 上下文,API 已上线,权重承诺于 2026 年 11 月 4 日发布。

    推荐理由:材料汇总了 Kimi K3.1 Pro 的独立评测、定价与开源承诺,可据此判断开源权重与闭源前沿的差距。

  3. Simon Willison82

    月之暗面发布 Kimi K3.1 Pro,API 上线并承诺 11 月 4 日开放权重

    Kimi K3.1 Pro 今日上线 Kimi API,尚未开放权重,月之暗面承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens,与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半,另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。

    推荐理由:作者用统一提示词实测三个推理档位,并给出与前沿闭源模型的价格和榜单对比。

10月23日周五
  1. The Decoder62

    Canva 发布首款自研图像生成模型 Craft

    Canva 发布首款自研图像生成模型 Canva Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万设计模板而非照片。Craft 先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,支持 55 种语言文字渲染,并可通过 Magic Layers 拆分为可编辑图层。

  2. The Verge · AI65

    Canva 发布首款自研 AI 图像模型 Canva Craft

    Canva 发布首款自研图像生成模型 Canva Craft,采用两阶段架构,先规划设计再生成图像,最高支持 2K 分辨率和 30 多种宽高比。该模型基于平台数百万个人工模板训练,可更准确地生成含清晰文字和精确物体摆放的复杂图像,目前在全球向所有用户开放,入口为左侧菜单三点选项中的 Dream Lab。

  3. TechCrunch · AI62

    Canva 发布首个图像生成模型 Canva Craft

    Canva 发布首个自研图像生成模型 Canva Craft,由公司研究团队开发,用于与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。该模型分两阶段工作,先解析提示词并规划元素空间关系、相对比例、视觉层级和文字生成信息,再生成最高 2K 分辨率、支持 30 种宽高比的图像。

10月22日周四