Google AI for Developers一手模型发布
AI 评分60Google 发布 Gemini 3.7 Flash，面向编码与智能体任务
#模型发布#Agent#编码
N全部新闻
全部新闻
- Google AI for Developers一手模型发布AI 评分70
Google 发布 Gemini 3.7 Flash，面向编码与智能体任务
#模型发布#编码#Agent
- Demis Hassabis模型发布AI 评分73
Gemini 3.7 Flash 发布，编码与网页开发能力升级且首发价减半
Gemini 3.7 Flash is here. It’s stronger for coding, knowledge work, and web development. 🧵
#产品更新#Google#编码
- MiniMax Blog一手模型发布AI 评分68
MiniMax 发布 Music 3.0 开放权重音乐生成模型
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
- DeepSeek模型发布AI 评分62
DeepSeek 发布 DeepSeek-V4-Pro
#模型发布#Agent#推理
- Google DeepMind一手模型发布AI 评分80
Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体
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
- Microsoft AI Blog一手模型发布AI 评分65
微软发布推理模型 MAI-Thinking-1，已在 Microsoft Foundry 开启公开预览
微软 AI 发布推理模型 MAI-Thinking-1，已在 Microsoft Foundry 开启公开预览。该模型为 35B 激活参数、约 1T 总参数的稀疏 MoE 架构，在 SWE-Bench Pro 上与 Claude Opus 4.6 持平，AIME 2025 得分 97.0%、AIME 2026 得分 94.5%，并在与 Claude Sonnet 4.6 的盲测人评中被更多用户偏好。模型支持 256k token 上下文窗口、函数调用和开发者指令，兼容 Chat Completions API，微软称其训练未使用第三方模型蒸馏，数据为可追溯的企业级数据。
#模型发布#推理#Microsoft
- Michael Truell模型发布AI 评分66
Michael Truell 转发 Grok 4.6 发布信息
Introducing Grok 4.6. It delivers frontier intelligence and is a significant improvement over Grok 4.5 at the same price. https://t.co/RtTbpXcb3a
#模型发布#xAI
- Google DeepMind一手模型发布AI 评分67
Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Gboard 与 Live Transcribe
Google DeepMind 发布多语种手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能，首批支持美国手语（ASL）转英文。该模型基于超过 50 种手语、逾 10 万小时数据训练，其中约四分之一为 ASL 数据，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本成绩。为保护隐私，模型只接收 MediaPipe Holistic 在端侧提取的姿态关键点坐标，原始视频随即丢弃，并跳过 gloss 标注直接翻译为文本。
#模型发布#多模态#端侧
- Liquid AI 模型与工程博客一手模型发布AI 评分62
Liquid AI 发布端侧视觉语言模型 LFM2.5-VL-3B
Liquid AI 发布 LFM2.5-VL-3B，一款面向端侧的视觉语言模型，已在 Hugging Face 和官方 Playground 上线。相比上一代 LFM2-VL-3B，它在屏幕与 UI 理解、函数调用、grounding 和多图输入四方面提升，ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO precision@1 从 57.1 升至 87.9。模型为非推理模型，直接作答以降低延迟，在 Apple M5 Max 上解码 228 tokens/s、Galaxy S26 Ultra 上 20 tokens/s，占用约 3 GB 内存，并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
#模型发布#多模态#端侧
- Cursor Blog一手模型发布AI 评分83
Cursor 与 SpaceXAI 联合发布 Grok 4.6
Cursor 与 SpaceXAI 联合发布 Grok 4.6，重点提升长程智能体和交互式视觉工作能力。该模型在 Artificial Analysis Intelligence Index 上与 GPT-5.6 Sol 持平，今日起在 Cursor 和 Grok Build 可用，首周提供 2 倍用量。
#模型发布#Agent#编码
- xAI News一手模型发布AI 评分76
xAI 发布 Grok 4.6，主打长时程智能体与视觉交互任务
xAI 发布 Grok 4.6，在 Grok 4.5 基础上重点提升长时程智能体能力以及更具野心的交互与视觉任务表现。官方称其在 Artificial Analysis Intelligence Index 上以 61 分与 GPT-5.6 Sol（Max）持平，Fable 5（Max）为 62 分，Grok 4.5（High）为 56 分。该模型即日起在 Cursor 和 Grok Build 上线，并可通过 API 及 OpenRouter、Vercel、Cloudflare 等渠道使用，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，快速版本价格翻倍，首周在 Grok Build 和 Cursor 内提供 2 倍额度。
#模型发布#Agent#编码
- Jensen Huang模型发布AI 评分35
Nemotron 3.5 Lightning 面向持续运行和长时智能体
Nemotron 3.5 Lightning 面向持续运行和长时智能体。该模型被描述为智能、快速、高效且开放。
Introducing NVIDIA Nemotron 3.5 Lightning⚡ An open 30B MoE model with 3B active parameters, built for always-on agents to complete high-volume, specialized tasks faster. It delivers up to 4x the output speed of similar-sized models. https://t.co/ENWrZe76pU
#模型发布#Agent#开源生态
- NVIDIA Developer · Generative AI一手模型发布AI 评分65
NVIDIA 发布 Nemotron 3.5 Lightning 开源 MoE 模型，面向长时智能体执行层
NVIDIA 发布 Nemotron 3.5 Lightning，这是一个 30B 总参数、3B 激活参数的开放 MoE 模型，面向长时运行智能体的高并发低延迟执行任务。模型在预训练阶段内置多 token 预测（MTP）投机解码，并提供 DSpark 与 DFlash 草稿模型，同时发布 NVFP4 量化与 BF16 检查点，可在 Blackwell、Hopper、Ampere GPU 及 DGX Spark 上运行。在 PinchBench 上它以 86% 准确率完成 10000 个任务，速度比 Qwen3.6 35B 快 30%，权重与训练数据按 OpenMDW-1.1 协议开放，并可用 LoRA、SFT 和 NeMo RL 定制。
#模型发布#Agent#端侧
- 蚂蚁百灵：Developer Blog一手模型发布AI 评分68
蚂蚁百灵开源 Ling-3.0-tiny：7.9B 总参数、1.3B 激活参数
蚂蚁百灵正式开源 Ling-3.0-tiny，这是一款总参数 7.9B、推理时仅激活 1.3B 参数的原生混合推理模型，同步提供 BF16、FP8 和 INT4 三个版本。官方称其在 Artificial Analysis Intelligence Index 获 25 分，Agentic Index 达 16 分，输出速度超过 160 tokens/s。模型可在单台 NVIDIA DGX Spark 上完成 FP8 推理，权重约 7.85GB，并已完成 Apple Silicon 的 MacBook 与 Mac mini 本地运行适配。
#模型发布#开源生态#推理
- Ollama Blog一手模型发布AI 评分68
NVIDIA Nemotron 3.5 Lightning 上线 Ollama，30B 参数本地运行
NVIDIA Nemotron 3.5 Lightning 已在 Ollama 上线，可完全在本地设备运行。这是一个 30B 总参数、每 token 仅 3B 激活的开放模型，采用混合 MoE 架构，支持最高 1M token 上下文，面向持续运行的智能体任务，如读取文件、调用工具、整理结果和失败重试。官方称其吞吐量比同类开放模型高 4 倍，任务完成时间快 30%，并针对 Apple silicon 提供 nemotron-3.5-lightning:30b-mlx 版本。
#产品更新#Agent#端侧
- Microsoft AI Blog一手模型发布AI 评分62
Microsoft 发布 MAI-Image-2.6，Arena 文生图榜排名第二
Microsoft 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，整体较 MAI-Image-2.5 提升 79 Elo，文本渲染单项提升 91 Elo，官方称其成绩领先 Meta、Google 和 xAI 的模型。MAI-Image-2.6 与 MAI-Image-2.6-Flash 已在 Microsoft Foundry 开放 Public Preview，本周晚些时候上线 MAI Playground，并陆续接入 Microsoft Foundry 及其他产品。
#模型发布#图像生成#Microsoft
- Hugging Face一手模型发布AI 评分71
如何使用 NVIDIA Magpie TTS 构建低延迟多语言语音智能体
NVIDIA Magpie TTS Multilingual 以开放权重支持 12 种语言，并允许开发者在自有基础设施上部署、微调语音和定制发音。NVIDIA NIM 本地测试中，单流首音频延迟为 32–79ms；B200 在 64 路并发时达到 239ms 和 320× 实时吞吐量。
#模型发布#语音#部署/工程
- NVIDIA Developer · Generative AI一手模型发布AI 评分71
Meta 发布 30B 开源模型 Muse Glimmer，可在单张 NVIDIA GPU 上跑本地智能体
Meta 发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口 120K+，面向本地 AI 智能体工作负载。该模型采用稠密架构，每个 token 激活全部参数，在 NVIDIA Blackwell Ultra 上以 BF16/NVF4 精度实现单 GPU 超过 20K tokens/s，可完整放入单卡显存，无需模型分片、CPU offload 或外部端点，覆盖 GeForce RTX 5090、DGX Spark、DGX Station 和 Jetson 平台。开发者可用 NeMo AutoModel 做全量 SFT 和 LoRA 微调，权重已上线 Hugging Face，并提供 SGLang、vLLM 推理方案和可下载的 NIM 容器。
#产品更新#Agent#端侧
- Unsloth一手模型发布AI 评分79
Meta 开源 30B 模型 Muse Glimmer，18GB 内存可本地运行
Today we're also opening the weights for Muse Glimmer, a great 30B parameter dense model that can run locally. Soon we'll also release the weights for Muse Spark 1.2, our latest foundation model. Meta is a strong supporter of open source and I'm proud of these releases. Congrats to @alexandr_wang and the MSL team for all your great work on these models.
#模型发布#开源生态#Meta