Google DeepMind 发布 Gemini 4 Neon,速度约为 Carbon 两倍且价格更低
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
Google DeepMind 发布 Gemini 4 Neon,这是约七周内第四款 Gemini 4 模型,定价为每百万 tokens 输入 3 美元、缓存输入 0.15 美元、输出 15 美元,上下文窗口 1M tokens,提供四档 effort 级别。
推荐理由:汇总 Gemini 4 Neon 的定价、上下文窗口与多项第三方评测结果,可对照同系列前代模型看能力与成本取舍。
Google 发布 Gemini 4 Neon,Simon Willison 用鹈鹕测试对比了 low、medium、high 三档推理,认为其表现优于 Hydrogen、弱于 Carbon。
Google 发布 Gemini 4 Neon,称其具备前沿级智能,可端到端快速完成复杂软件工程、知识工作和科学工作流任务。该模型即日起通过 API 提供,输入 $3/百万 tokens、输出 $15/百万 tokens,高于 Carbon 和 Argon 的 $2/$10 入门价,也是 Hydrogen $1.50/$7.50 的两倍。
推荐理由:读者可以据此了解 Gemini 4 Neon 的定价、上下文窗口与多模态能力,以及它在 Gemini 4 系列中的位置。
Google DeepMind 发布世界模型 Genie 4,此前仅以研究预览形式提供,现向 Google AI Ultra 订阅用户开放。Genie 4 支持通过文本实时重塑天气、角色或剧情,并能生成随场景变化的原生实时音效。
推荐理由:读者可了解 Genie 4 从研究预览走向订阅开放后的能力变化,以及 Genie 3 同步获得的链式世界等更新。
微软在 Ignite 上一口气发布七款 MAI 自研模型,覆盖代码、安全、图像、语音、路由与检索,主打性价比。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 性能的 98%,成本为其 40%;对比 Claude Opus 5.5 则达到 96% 的性能、5% 的成本。
推荐理由:微软一次发布七款自研模型,并给出与 OpenAI、Anthropic 同档模型的性能与价格对照,可据此判断企业智能体的成本结构。
Google DeepMind 向符合条件的 Google AI Ultra 订阅用户推出新版 Project Genie,首次开放 Genie 4。Genie 4 支持在探索过程中输入新提示词实时修改环境,并首次搭配随场景变化的实时原生音频;Genie 3 同时升级为单次生成最长 3 分钟、支持世界串联和 360 度全景图生成世界。
推荐理由:Genie 4 支持会话中途改提示词实时编辑世界并加入原生音频,可对照 Genie 3 的延长会话与全景图生成看能力边界。
阿里发布旗舰模型 Qwen4-Max,采用 2.4 万亿参数的 MoE 架构、每 token 激活 710 亿参数,支持原生图像处理与 100 万 token 上下文窗口。
推荐理由:原文给出 Qwen4-Max 的架构改动、基准对比与每任务成本,读者可据此判断其性价比位置。
Anthropic 发布新语言模型 Claude Fable 5.2,它不依赖外部图像模型,而是用 1000 到 2000 行 Python 代码驱动模拟绘画引擎,逐笔在虚拟画布上作画。
推荐理由:材料展示了 Claude Fable 5.2 用代码逐笔模拟绘画的过程,读者可据此理解语言模型在物理约束下分步规划与自我纠错的能力。
美团开源 LongCat-2.5 权重,这是一个 1.6 万亿参数的 MoE 智能体模型,每个 token 约激活 480 亿参数,支持文本、图像、视频输入和最高 100 万 token 上下文。
推荐理由:读者可了解这款 1.6 万亿参数 MoE 智能体模型在编码基准上的位置,以及它完全基于华为昇腾芯片训练和部署的路径。
Google 发布 Gemini 4 系列最低价模型 Gemini 4 Hydrogen,输入 $1.50/M、缓存输入 $0.075/M、输出 $7.50/M。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。
Google 推出 Gemini Decision 1,加入 Jev 和 OpenAI 所在的决策模型类别,支持 yes/no、选择和多维评分三类问题。该模型定价为每百万输入 token 10 美分、输出免费,高于 Jev 的每百万 4.2 美分,与 GPT-6 Luna 相同。
NVIDIA Nemotron 3.5 Super VL 已在 Amazon SageMaker JumpStart 上线,可通过 SageMaker Studio 或 Python SDK 部署。
Meta Superintelligence Lab 发布轻量模型 Muse Ember,主打复杂推理执行和智能体日常重复工作,如工具调用、编码子任务、路由、抽取和长文档解析。
推荐理由:Meta 公布 Ember 的每百万输入 token 定价与多模态输入能力,可对照同价位轻量模型判断智能体执行成本。
Thinking Machines 发布第二代模型 Inkling 2 Small,采用 MoE 架构,总参数 594B、激活参数 17B,支持文本与图像输入并可调节思考深度。
Thinking Machines 发布 Inkling 2 Small,这是一个 594B 总参数、17B 激活参数的多模态 MoE 模型,已在 Tinker 上线,Apache 2.0 权重承诺下周外部安全测试完成后开放。
推荐理由:读者可了解 Inkling 2 Small 的 68 小时预训练、NVFP4 全流程与多项独立评测表现,以及权重尚未开放这一前提。
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开放权重检查点,均为 Cosmos 3 Nano 的后训练版本,含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。
推荐理由:文章给出四个开放权重检查点的能力分工与四阶段训练配方,读者可据此判断如何适配到自有传感器与机器人本体。
Google DeepMind 发布 Gemini Omni 1.2 Flash,原生支持最长 15 秒视频生成,并可通过多轮对话编辑片段。该模型相比 Omni 1.1 降价 30%,720p 视频定价为每秒 $0.07,同时提升了对人物、产品和风格参考图的一致性。
推荐理由:原文列出时长、价格与参考一致性的具体变化,读者可据此判断视频生成成本与工作流会如何调整。
腾讯发布 Hy4 模型,首次具备图像理解能力,并能自主操作 Blender、CAD 等软件。腾讯称其在约 600 个真实金融任务上领先 DeepSeek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash,联网搜索场景的幻觉率从近 16% 降至约 5%。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),约 1T 总参数、49B 激活参数,上下文窗口 1M tokens,提供 FP8 与 NVFP4 两个官方版本。
推荐理由:原文给出 MoE 架构、稀疏注意力与安全基准细节,可据此判断开源权重模型在编码与网络安全场景的可用性。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
Elorian 本月发布首个视觉推理模型 Glimpse,并联合 Mercor 推出 DecoyCount 基准,测试模型是真正数清物体还是依赖视觉捷径。
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。
Google 发布 Genie 4 世界模型,用于生成交互式体验,主要更新包括更逼真的世界、用自然语言提示词实时修改体验、生成音频,以及底层使用 Gemini 3.8 Flash 辅助模拟。
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。
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。
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。
Google DeepMind 以研究预览形式发布世界模型 Genie 4,可生成更逼真的交互世界,并支持在模拟过程中输入提示词实时改变场景。新模型能生成与场景匹配的实时音频,包括音乐、环境音和交互对话,场景一致性最长维持两分钟,是前代 Genie 3 的两倍。
OpenAI 发布 GPT-6.1 Terra,官方称其结合了细致的视觉推理与精确的电脑操作,写作也更清晰自然,定位介于 GPT-6.1 Sol 与 GPT-6 Luna 之间。
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型,为全球每 10 米像素生成 128 维向量,前 64 维可单独使用。团队同时公开全行星预计算年度嵌入(10m、64 与 128 维)和无需登录的 OlmoEarth Embeddings Explorer 浏览器工具,模型权重、预训练数据和代码全部开放。
Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展至 8,000 tokens。新版本加入双声道立体声和十余种语言的改进口型同步,Omni Reference 单次可接受最多 15 个参考素材,并推出最高 720p、20 秒的轻量版 Kling 4.0 Flash。
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线,可将长视频按用户定义的分段规则输出带起止时间的结构化 JSON 元数据。
Meta 发布开源权重模型 Muse Spark Open,称其为美国最强开源权重模型,采用 8160 亿参数和 100 万 token 上下文窗口,原生多模态,面向复杂编码与智能体任务。
Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容,Elorian 称这一机制为视觉草稿空间。定价为每百万 token 输入 0.60 美元、输出 3 美元,Elorian 的评测称其在科学图表推理和短视频描述上超过 GPT-6 Astra。
Meta 发布开源权重模型 Muse Spark Open,采用 MoE 架构,总参数约 816B、每 token 激活约 42B,支持文本、图像、音频和视频输入,上下文窗口最高 1M tokens。
推荐理由:Meta 开源 816B 多模态 MoE 模型,文中给出各推理框架的部署命令与微调配置,可据此评估本地运行门槛。
Meta 发布 Muse Spark Open 模型,称其是迄今能力最强的美国开源权重模型,也是同类中首个能在桌面端运行、需两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 的模型。
推荐理由:Meta 与 Apple 罕见联手,让 816B 参数开源模型能在两台 Mac Studio 上本地运行,可观察端侧大模型的部署边界。
Meta 发布开源权重模型 Muse Spark Open,称其为美国最强开源权重模型,面向编码与智能体任务,拥有 8160 亿参数(激活 420 亿)、最高 100 万 token 上下文,支持文本、图像、视频和音频。
推荐理由:Meta 重返开源权重赛道,读者可了解其参数规模、多模态能力与商用许可限制。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口、更强的指令遵循和工具调用能力,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:Apertus 1.5 的发布说明完整披露了多模态早融合、训练阶段与评测口径,可据此判断开源多模态模型的工程取舍。
Nvidia 发布 Nemotron 3.5 Super VL,一个 120B 参数的开源多模态模型,采用 MoE 架构,每个 token 仅激活 12B 参数,面向持续在后台运行的企业智能体。
推荐理由:原文给出 Nemotron 3.5 Super VL 的架构、压缩与缓存细节,可据此判断开源多模态模型在企业智能体场景的落地边界。