跳到正文
10月13日周二
10月11日周日
  1. The Decoder67

    Odyssey-3 生成式世界模型开放免费公开预览

    Odyssey 将生成式世界模型 Odyssey-3 开放为公开研究预览,用户可用文本提示生成并实时探索交互环境。基础模型 14B 参数、生成 832×480 视频,Odyssey-3 Pro 支持 1280×720;官方称其在 Physics-IQ Verified 得分 66.1,但该成绩来自单次运行且经过八选一筛选,未满足四次运行的要求,不做筛选时平均 63.37 分。

10月10日周六
  1. IT之家60

    生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出

    生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出。该模型最多支持 3 段参考音频与 15 张参考图,单次最长可生成 16 秒视频,支持 10bit 色深,首发优惠价 0.09 元/秒起,覆盖 540P 至 4K 多种规格,面向 AI 短剧、广告营销、社交互动和影视创作等场景。

  2. IT之家43

    谷歌 Gemini 4“Argon”模型即将发布,消息称内部已在测试“Carbon”新版本

    谷歌即将正式发布 Gemini 4“Argon”模型,同时内部已在测试代号“Carbon”的新版本,其很可能是 Argon 架构下的新检查点更新,并已接入内部代码平台 Jetski。有员工称 Carbon 代码能力“堪比 Opus 5.5”,但结论仍有待深入评测验证;早期版本 Argon 处理部分编程任务时水平约相当于 Claude Opus 5。谷歌拒绝就此置评。

10月9日周五
  1. IT之家60

    JetBrains 编程 AI 模型 Mellum2.1 发布:高负载推理吞吐量近 Qwen3.5-9B 两倍

    JetBrains 发布编程 AI 模型 Mellum2.1,重点增强智能体编程能力,可探索代码库、编辑文件并检查自身修改。该模型延续 Mellum2 的 12B 混合专家架构与 2.5B 活跃参数,采用 Apache 2.0 许可证,高负载推理吞吐量接近 Qwen3.5-9B 的两倍,多 Token 预测使单请求速度提高约 1.6 倍。

10月8日周四
  1. 阮一峰科技周刊40

    科技爱好者周刊(第 414 期):Jev 决策模型有什么用

    TypeSafe AI 发布了名为 Jev 的“决策模型”,与返回文字的大语言模型不同,它直接返回表示概率的浮点数,可用于判断是非题、对选择题各选项给出正确概率,以及按预设标准为原始材料评分。已有开发者据此实现浏览器语义查找和网页内容质量打分插件。Simon Willison 指出 Jev 代表机器学习系统走向黑箱的倒退,并担忧它被用来给求职者排名。

  2. 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》

  3. 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》

  4. 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. Latent Space83

    OpenAI 发布未公开内部模型的 722 篇数学成果,被称为百年来数学界最重大时刻

    OpenAI 将其未公开内部前沿模型的 722 篇数学手稿(归为 372 个成果族)发布到公开 GitHub 仓库,并称就发布方式咨询了高等研究院的数学与 AI 顾问组。

    推荐理由:原文汇总了成果规模、单题算力消耗与数学界正反两方反应,读者可据此评估 AI 数学能力的实际进展。

  3. 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。

  4. 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。

  5. 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。