跳到正文
10月29日周四
  1. IT之家78

    英伟达开源语音转录模型 Nemotron 3.5 Transcribe,支持 40 种语言、最多 8 名说话人

    英伟达 10 月 28 日推出开放权重语音转录模型 Nemotron 3.5 Transcribe,并公开训练数据管线 Granary v2。模型采用 MoE 架构,总参数约 340 亿、激活参数约 43 亿,可处理最长 1 小时录音,支持 40 种语言转录,最多区分 8 名说话人,整合转录、说话人归属、翻译和音频问答。

    推荐理由:原文给出公开评测词错误率与说话人分离基准成绩,读者可据此比较它与同类开源转录模型的能力边界。

  2. IT之家58

    首批风云卫星极端天气 AI 模型发布,27 秒生成台风“体检报告”

    首批风云气象卫星极端天气 AI 模型在 2026 年风云卫星用户大会上发布。台风智能云图解译模型覆盖 7 类台风特征、融合 20 余种卫星实况产品,每 15 分钟解译一次,27 秒即可生成解译文本;强对流短临预警模型利用风云四号卫星过去两小时连续观测,将预警时间提前至四小时。

  3. Google DeepMind77

    Google DeepMind 发布前沿模型 Gemini 4 Carbon

    Google DeepMind 发布前沿模型 Gemini 4 Carbon,主打网络安全与长程任务能力,在 Artificial Analysis Intelligence Index v5.0 排名第一(59 分)。

    推荐理由:原文给出 Carbon 在网络安全与编码基准上的具体得分,并与 Argon 逐项对比,便于读者判断其在安全防御场景的定位。

  4. The Decoder75

    Nvidia 开源 Nemotron 3.5 Transcribe,集成转写、翻译与说话人识别

    Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe,可在单模型内完成转写、翻译、说话人识别和录音问答。模型总参数 300 亿、每步激活约 40 亿,可在单张 Nvidia GPU 上运行,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,最长处理 1 小时、最多 8 人的录音。

10月28日周三
  1. TechCrunch · AI66

    Nvidia 发布开源转录模型 Nemotron 3.5 Transcribe

    Nvidia 发布免费开源权重转录模型 Nemotron 3.5 Transcribe,可转录约 40 种语言的音频,并同步推出开源语音数据集 Granary v2。官方称该模型支持 31 种语言与英语互译、处理最长一小时录音、区分最多 8 个说话人,30B 参数可运行在 Jetson AGX Thor 到 Blackwell 的单芯片上,但仅适用于录音而非实时流。

  2. 爱范儿78

    Google DeepMind 发布世界模型 Genie 4,支持实时音频与两分钟交互模拟

    Google DeepMind 发布新一代世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,首次支持实时生成环境声音、音乐与人物对话,用户可在运行中输入提示词改变天气、添加人物和物体。

    同一新闻,精选展示《Google DeepMind 发布 Genie 4 新一代世界模拟模型》

  3. Hugging Face Blog75

    Liquid AI 发布 LFM3:统一 2B 骨干支撑六种模态模型

    Liquid AI 发布新一代基础模型系列 LFM3,将文本、视觉、音频、全模态与决策模型统一到 2B 参数级的同一骨干上,全部开放权重并上架 Hugging Face。LFM3-1.7B 以 35% 更少的参数超越 LFM2.5-2.6B,文本模型 4-bit 下约 1 GB、上下文 256K,可在单张 GPU 上微调并部署到端侧设备。

    推荐理由:LFM3 用单一 2B 级骨干覆盖文本、视觉、音频与决策,单卡微调加端侧部署的路线可作为专用模型选型参考。

  4. Ars Technica · AI46

    DeepMind 发布 Genie 4 世界模型:物理效果与人类表现更真实

    Google DeepMind 发布 Genie 4 世界模型,在物理模拟和人物表现上比 Genie 3 更真实。该模型无需预渲染环境或编程交互元素,可根据指令逐帧实时生成可探索的体验。DeepMind 将世界模型视为迈向 AGI 的关键,称其可为物理机器人创造无限训练环境,付费用户有望较早用上 Genie 4。

  5. Google DeepMind80

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。

    推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。

10月27日周二
  1. 量子位57

    国产AI 3D模型Hi3D开源V1.0,同题对比优于GPT-6 Astra

    Hi3D正式开源基于Sparc3D的3D生成模型V1.0,代码与权重已在GitHub和Hugging Face上线,可免费体验。V1.0基于约200万个筛选3D资产训练,多视图保真度0.75、细节丰富度0.841,切片成功率90%。同题对比中Hi3D Agent及V3.0在轮廓和细节上优于GPT-6 Astra,团队称V3.0为业界首个可商用2048³超高精度国产自研AI 3D模型。

  2. 量子位78

    百度发布并开源文心 Unlimited OCR 2:3600+ 页文档连续解析,KV 缓存降约 96%

    百度发布并开源文心 Unlimited OCR 2,可连续解析 3600+ 页《哈利·波特》全集等超长文档。技术报告显示,其峰值 KV 缓存从 47GB 降至 1.77GB,减少约 96%;16 路并发下端到端吞吐量提升至标准解码的 3.65 倍。模型引入 SR-SWA 注意力机制与无限解码机制,已在 Hugging Face 和 GitHub 开源。

    推荐理由:原文给出峰值KV缓存从47GB降至1.77GB的对比数据,可据此判断长文档OCR的部署成本变化。

  3. 爱范儿87

    OpenAI 发布 GPT-6.1 Terra:API 价格减半,主打 Agent 高频执行

    OpenAI 正式发布新一代模型 GPT-6.1 Terra,标准 API 价格较 GPT-5.6 Terra 降低 50%,输入每百万 Token 1 美元、输出 5 美元,仅为旗舰模型 GPT-6 Astra 的十分之一。

    推荐理由:原文将新模型与 GPT-6 Astra、Claude Opus 5.5 的价格和性能逐项对比,读者可据此判断 Agent 大规模落地时该选哪一档模型。

  4. 爱范儿88

    OpenAI 宣布其模型证明所有维度卡凯亚猜想并推翻 ETH 假设

    OpenAI 宣布其 AI 模型一次性取得三项突破:证明所有维度的局部平滑化猜想,从而推出所有维度的卡凯亚猜想与 Stein 限制性猜想;证明计算复杂性理论中的指数时间假设(ETH)为假;为量子色动力学和杨-米尔斯理论构造严格的数学存在性证明。

    推荐理由:原文把三项 AI 证明放回王虹三维卡凯亚猜想与 ETH 假设的学术脉络中,读者可据此判断它们在数学和计算复杂性理论中的位置。