跳到正文
10月8日周四
  1. IT之家86

    ChatGPT 周活超 12 亿,OpenAI 面向全体用户推出 GPT-6 系列与智能界面

    OpenAI 宣布面向所有 ChatGPT 用户推出 GPT-6 系列模型与智能用户界面,其全球周活用户已超 12 亿。GPT-6 Astra、GPT-6 Sol 和 Luna 过去几个月陆续发布,此前仅限 ChatGPT Work 和 Codex 使用;新界面可根据问题灵活组合文本、图像和交互元素生成回复,例如通过互动视觉效果教用户打麻将。

    同一新闻,精选展示《OpenAI 向全球 ChatGPT 用户推出 GPT-6 与 Intelligent UI》

  2. The Decoder81

    GPT-6 上线 Intelligent UI,ChatGPT 答案改为图表、按钮与迷你应用等可交互界面

    OpenAI 向全体 ChatGPT 用户推出 GPT-6 及新功能 Intelligent UI,答案以图形、按钮、图表和表单构成的可交互界面呈现,格式随问题自动适配,比较内容并排展示、解释可转为交互图表,还能在聊天内直接构建储蓄计算器或小游戏等小工具。

    同一新闻,精选展示《OpenAI 向全球 ChatGPT 用户推出 GPT-6 与 Intelligent UI》

  3. AWS Machine Learning Blog72

    AWS 宣布 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform

    今日,AWS 宣布 Claude Haiku 5.5 现已在 Amazon Bedrock 和 Claude Platform on AWS 上可用。据 Anthropic,它是 Claude 5.5 家族中最快最高效的模型,多数任务成本比 Claude Haiku 4.5 低约 75%,也是首个支持 effort 控制的 Haiku 模型,可按任务在成本与智能之间调节。

    推荐理由:原文给出 Claude Haiku 5.5 的能力定位、与 Opus 5.5 的分工方式以及调用示例,读者可据此按任务成本选型。

10月7日周三
  1. IT之家63

    谷歌发布 AI 图像模型 Nano Banana 2.1,提升视觉设计、蒙版编辑与主体一致性

    谷歌正式发布 AI 图像生成与编辑模型 Nano Banana 2.1,重点提升视觉设计、基于蒙版的图像编辑以及主体一致性表现。该模型正逐步部署至 Gemini 应用、Google AI Studio 等多个平台,面向开发者的模型 ID 为 gemini-nano-banana-2.1,支持文本、图片、音频和视频输入,可输出 1K、2K 和 4K 分辨率图像。

  2. IT之家72

    谷歌推出 EmbeddingGemma 2:支持多模态、7.4 亿参数量化手机端运行只需 191MB 内存

    谷歌正式推出 EmbeddingGemma 2,把嵌入能力从文本扩展到代码、图像、视频、音频,统一映射到同一嵌入空间。模型基于 Gemma 4 架构,总参数 7.4 亿,采用 Apache 2.0 许可;纯文本任务仅需 2.7 亿参数,量化后在 Pixel 11 Pro 上纯文本权重约占 191 MB 运行内存,完整多模态约 567 MB。

  3. Google DeepMind76

    EmbeddingGemma 2 发布:开源轻量级多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、740M 参数的开源轻量级多模态嵌入模型,采用 Apache 2.0 许可,可将文本、图像、音频和视频统一映射到同一嵌入空间。

    推荐理由:原文给出了参数量、模态拆分与量化后的内存占用,便于读者判断它能否直接落到自家端侧检索链路中。

  4. The Decoder77

    Google 发布图像模型 Nano Banana 2.1,画质全面提升且价格减半

    Google 发布图像生成与编辑模型 Nano Banana 2.1,替代 2026 年 2 月发布的 Nano Banana 2,基于 Gemini 3.6 Flash,各分辨率价格约为上一代的一半,1K 图像 3.36 美分、4K 图像 7.56 美分。

    推荐理由:原文把各分辨率价格和基准分数并列列出,便于把 Nano Banana 2.1 与 Pro 的画质和成本差异放在一起比较。

10月6日周二
  1. TechCrunch · AI70

    Mistral Large 4 发布:1T 参数多模态模型,瞄准超越闭源与开源对手

    Mistral AI 发布多模态大模型 Mistral Large 4(ML4,昵称 Le Chonk),参数量达 1T,目前仅能通过公开护栏端点访问,计划在三周内完成安全测试后开放权重。ML4 完全使用 Mistral 自有算力训练,仅动用 4000 块 Nvidia GPU,官方称比中国竞争对手少两到三倍;基准结果尚未公布,优化方向包括网络安全、金融与芯片设计。

  2. Mistral AI77

    Mistral AI 发布 Mistral Large 4:1 万亿参数原生多模态模型开启公开预览

    Mistral AI 发布 Mistral Large 4(ML4)公开预览,1 万亿参数、490 亿活跃参数的原生多模态模型,为其迄今最大最强模型。权重将于本月底开放,模型在 Mistral 自有欧洲数据中心基于 3,800 块 NVIDIA Grace Blackwell GPU 完成训练。

    推荐理由:官方公布 ML4 在网络安全、编码与多模态基准上与闭源模型的对比数据,读者可据此判断开放权重模型的当前位置。

  3. The Decoder61

    Reka AI 发布全模态模型 Rho-1:单一模型处理文本、图像、视频与机器人控制

    Reka AI 发布 Rho-1 研究预览版,这是一个 190 亿参数的全模态模型,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。所有模态作为 token 在一个共享上下文窗口中运行,无需工具调用或外部模型,同一套预测相机图像的权重也驱动机器人运动。

10月5日周一
10月2日周五
  1. Hugging Face Blog66

    Ai2 开源 AstaBrief 8B,Asta 平台的快速报告生成模型

    Ai2 开源 AstaBrief 8B,它把研究问题与检索到的文献片段直接转成带引用的报告,训练数据一并开放。模型基于 Qwen3-8B,用 SFT 加 DPO 训练;在 Asta 的 Fast mode 下平均 51.1 秒生成一份报告,约为 Claude 驱动的 Thinking mode(178.5 秒)速度的 3.5 倍。

    推荐理由:原文给出一条可迁移的训练经验,用引用密度这一简单信号过滤合成数据,比更复杂的过滤组合更有效。

  2. NVIDIA Blog73

    NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

    GPT-6 Astra Ultrafast 现已通过 OpenAI API 提供,运行在 NVIDIA Blackwell GPU 上,并向符合条件的 ChatGPT Work 和 Codex 用户开放。

    推荐理由:原文给出了 Astra Ultrafast 相对 Standard 模式最高 8 倍的 token 生成速度对比,读者可据此判断其对编码智能体工作流的影响。

10月1日周四
  1. Latent Space79

    Gemini 4 Argon 发布:Google DeepMind 对标 Astra/Fable,输出上限达 1M token

    Google DeepMind 发布 Gemini 4 Argon,定位编码、企业知识与网络防御,称在 19 个已发布基准中的 13 项排名第一,但目前仅向 Fairwind 计划的政府与可信网络防御者开放。

    推荐理由:原文对照了官方基准与 Artificial Analysis、Vals 等第三方评测,读者可据此判断 Argon 的实际水平与适用场景。

  2. Google DeepMind78

    Gemini 4 Argon 发布:下一代前沿智能

    Google DeepMind 发布前沿模型 Gemini 4 Argon,面向真实软件工程、法律金融等企业知识工作与网络安全防御,可在长程复杂工作流中维持深度推理。

    推荐理由:原文给出输出上限从 64K 提升到 1M token 的关键变化,并附上 Google 内部代码迁移与内存优化的量化结果,可据此判断长程任务工作流的改动幅度。

9月29日周二
  1. Hugging Face Blog72

    NVIDIA 发布开源表格基础模型 Kumo Tabular,四项基准排名第一

    NVIDIA 发布开源表格基础模型 Kumo Tabular,输入带标签的表格后可在一次前向传播中预测新行标签,无需训练、微调或特征工程,支持分类与回归。

    推荐理由:原文给出四项基准的排名与推理速度对比,读者可据此判断它相对调参梯度提升树和同类表格基础模型的位置。

9月28日周一
  1. Hugging Face Blog68

    Holo4 发布:通用计算机操作智能体系列,含 27B dense 与 35B-A3B MoE 两款

    Hcompany 发布 Holo4 系列智能体模型,包含 27B dense 与 35B-A3B MoE 两种尺寸,可通过 GUI、代码、MCP 和 API 与软件交互,同一模型可跨桌面、网页、Android、代码沙箱与业务 API 运行。

    推荐理由:原文给出了多接口能力说明与 OSWorld 2.0 成本性能对比,读者可据此判断开源智能体模型相对闭源前沿模型的取舍。

9月23日周三
  1. Google DeepMind76

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色 voice 设计与逐句表演控制,后者面向高并发、低成本的配音与语音智能体场景。

    推荐理由:两款模型分别面向创意配音与高并发场景,并给出语音复制的同意验证与 SynthID 水印机制,便于评估合规接入。

9月16日周三
  1. Google DeepMind83

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

    Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。

    推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。

9月3日周四
9月1日周二
8月21日周五