Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文本模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。相比此前的 Chirp 3，其最终转写时间据 Artificial Analysis 测量提升 70%，在 FLEURS 基准上流式模式 WER 为 5.50%、非流式模式为 5.04%，并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入 Gboard、Antigravity、Gemini app 和 Chrome 等产品，LangChain、LiveKit、Vercel 等平台通过 Gemini Live API 提供支持。
#模型发布#语音#Google
IBM 发布 Granite 4.2 系列语言模型，包含 3B、8B、30B 三个尺寸，均可输出思维链并支持 thinking 与非 thinking 模式，另设低推理预算的 low-effort 模式。8B 和 30B 额外经过智能体 RL 阶段，学习调用工具、编辑运行代码、操作终端和联网搜索，全部模型支持原生工具调用，可通过 OpenAI 兼容接口接入智能体框架。模型基于 Granite-4.1 base 后训练，SFT 数据约 720 万条、约 100B token，RL 采用异步 GRPO 分阶段课程，并已发布 FP8、NVFP4、MXFP4 和 GGUF 量化版本。
#模型发布#推理#Agent
#模型发布#具身智能#OpenAI
匿名模型 Ox Alpha 免费登陆 OpenRouter，支持 1M-token 上下文和多模态输入，面向编程与持续智能体任务。其 DeepSWE 子集完整测试得分为 63%，接近 Fable 5 且每项任务消耗的 Token 更少；早期线索指向智谱 AI，但开发者身份尚未揭晓。
#模型发布#编码#Agent
V4-Flash-Vision-Exp 可在多种智能体框架中顺畅运行，将视觉理解与广泛的工具结合，以支持更多实用工作流。
#产品更新#Agent#多模态
#模型发布#多模态#Agent
蚂蚁百灵正式开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base 两个 Base Model，并同步开放预训练、中期训练和 WSM 合并三个阶段的权重，共 6 个 checkpoints。Ling-3.0-tiny-base 总参数 7.9B、激活参数 1.3B，Ling-3.0-flash-base 总参数 124B、激活参数 5.1B，可用于持续预训练、监督微调、偏好优化、强化学习后训练与蒸馏。官方说明 Base Model 未完成指令对齐，不建议未经后训练直接部署为面向终端用户的聊天服务。
#模型发布#开源生态#数据/训练
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 投机解码草稿模型，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍，且不改变输出质量。草稿模型约 300M 参数，采用 5 层、block size 9 的简化注意力结构，已在 Hugging Face 提供 Safetensors 与 GGUF 权重，并开源集成到 llama.cpp 和 SGLang。在 BFCL 多工具函数调用场景中，LFM2.5-2.6B 的延迟平均降低 57%；LFM2.5-8B-A1B 受 llama.cpp Metal 后端 MoE 实现影响，端侧仅提升 18%。
#产品更新#推理#端侧
#模型发布#推理#数据/训练
Z.ai 发布 GLM-5.3，目前仅在编码套餐中提供，即将上线 API，两周后将在 Hugging Face 开放权重。该模型与 GLM-5.2 同基座，仅大幅扩展后训练，参数量约 750B，在多项智能体编码基准上超过 Kimi K3，部分指标超过 Claude Fable 5 或 GPT-5.6-Sol。作者认为中国实验室贴近前沿的主因是发布周期以天计而非以月计，并指出 Z.ai 对公开基准的重视与其融资和股价相关。
#模型发布#开源生态#数据/训练
GLM-5.3 即将推出，重点聚焦编程能力。材料未提供具体功能、发布时间或可用性信息。
Introducing GLM-5.3: Built to Code. Ready for Cyber Defense. - Top-tier coding and agentic capabilities, achieved through post-training on the 743B base model - A major leap in cybersecurity, setting a new standard among open models Tech Blog: https://t.co/ekQkO83jCv https://t.co/y3Y2AB0wxr
#模型发布#编码
MiniMax 发布开源权重音乐生成模型 MiniMax Music 3，已在 ComfyUI 上线。该模型根据歌词和音乐描述生成最长五分钟的完整歌曲，输出 32 kHz、16-bit 立体声，架构由 8B Global LLM（基于 Qwen3-8B 初始化）、0.6B Local LLM、2.4B Flow Matching 阶段和 123M Flow-VAE 解码器组成。歌词支持 [Intro]、[Verse]、[Chorus] 等段落标签，并可通过包含全局元数据、人声细节和编曲三部分的 Structured Caption 控制歌曲走向。MiniMax 同时发布官方音乐描述改写技能，可用 npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter 安装，模型权重发布于 Hugging Face 的 MiniMaxAI/MiniMax-Music3。
#模型发布#开源生态#多模态
微软发布首款网络安全模型 MAI-Cyber-1-Flash，并集成进多智能体漏洞识别与修复框架 MDASH。该模型源自 MAI-Thinking-1 系列，可高效处理约 90% 的任务，其余 10% 的极难任务交给 GPT-5.4，组合方案在 CyberGym 的 any-crash 指标上达到 96%，相比现有 GPT-5.4 + 5.4 mini + 5.3 codex 方案节省 50% 成本。微软同时推出智能体安全系统 Perception，用于持续监控、修补和关闭新的威胁向量。
#产品更新#安全/对齐#Agent
#产品更新#Google#多模态
#模型发布#Agent#编码
#模型发布#编码#Agent
Gemini 3.7 Flash is here. It’s stronger for coding, knowledge work, and web development. 🧵
#产品更新#Google#编码
MiniMax 发布新一代音乐生成模型 Music 3.0，输入创作概念和可选歌词即可一次性完成作曲、编曲、演唱与制作，单次生成最长约五分钟。模型由八层 RVQ tokenizer、基于 Qwen3.5-8B 初始化的 8B Global LLM 与 0.6B Local LLM 组成的 Hybrid-LM，以及 2.4B flow-matching 模块和 123M Flow-VAE 构成，官方称在创作意图理解、编曲完整度和人声自然度上有三项升级。该模型以开放权重形式发布。
#模型发布#多模态#开源生态
#模型发布#Agent#推理
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。该模型在 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），DeepSWE v1.1 为 65.3%（3.6 Flash 为 49.0%），WebDev Arena Elo 为 1588 对 1538，GDP.pdf 为 34.0% 对 22.0%，AutomationBench 为 30.4% 对 17.0%。年底前入门价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，为 3.6 Flash 原价的一半，并随附针对 CBRN 与网络攻击滥用的更新防护措施。
#模型发布#Google#编码