跳到正文

#模型发布

今日 0 条
10月28日周三
  1. 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。

  2. 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 Decoder40

    OpenAI 的 Ted Sanders 分享挑选合适 GPT 模型的经验法则

    OpenAI 的 Ted Sanders 对 GPT-6.1 Terra 做了分级,并解释了公司如何为语言模型命名。他表示模型性能是多维的,多数差距归结于模型规模,但规模并非全部——GPT-6.1 Terra 在技术沟通上可能优于更大的 Astra,图像处理和计算机使用大致持平,价格却低得多。他的建议是:只看质量选 Astra,略在意价格选 Sol,非常在意价格选 Terra 或 Luna。

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
10月21日周三
  1. NVIDIA Blog70

    NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等开源模型家族

    NVIDIA 扩展其开源模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、面向结构化业务数据的 Kumo 系列、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 蛋白质设计模型和量子计算模型 Ising。

    推荐理由:原文一次性列出语言、机器人、生物、量子等多条开源模型线的能力与开放渠道,便于读者对照自身场景判断可复用范围。

10月20日周二
10月17日周六
  1. TechCrunch · AI60

    Elorian 发布首个模型 Glimpse,以视觉草稿空间做图像推理

    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。

10月16日周五
  1. Hugging Face Blog88

    Meta 开源 Muse Spark Open:816B 多模态 MoE 模型

    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。