全部新闻

RRobbyant 蚂蚁灵波21:34模型发布

AI 评分67

蚂蚁灵波 4 天发布 6 款 LingBot 2.0 模型

蚂蚁灵波（Robbyant）结束 LingBot 2.0 发布周，4 天内共发布 6 款模型。其中包括面向空间感知的 LingBot-Vision 与 LingBot-Depth 2.0、让同一大脑适配多台机器人的 LingBot-VLA 2.0、用于实时交互的 LingBot-World 2.0、高效视频生成的 LingBot-Video，以及压轴的 LingBot-VA 2.0。官方称 LingBot-VA 2.0 从零预训练，围绕动力学建模、因果预测与实时执行等与物理世界交互的需求设计。

#产品更新#具身智能#多模态

CCognition 模型 / Devin 博客01:02一手模型发布

AI 评分74

Cognition 发布 SWE-1.7 模型

Cognition 发布 SWE-1.7，称其在更低成本下达到前沿级智能，并已在 Devin（Web、Desktop、CLI）中通过 Cerebras 以 1000 TPS 提供。该模型基于 Kimi K2.7 训练，Cognition 表示其额外训练收益挑战了后训练天花板的说法。文章还介绍了熵保持与训练稳定、跨三大洲多集群训练、数据质量筛选以及自压缩等训练方法。

#模型发布#编码#Agent

MMistral AI20:00一手模型发布

AI 评分60

Mistral 发布 Robostral Navigate 单目相机导航模型

Mistral AI 发布 Robostral Navigate，这是其首个面向具身导航的 8B 模型，仅用单个普通 RGB 相机和自然语言指令即可让机器人自主导航，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。模型完全自研、不依赖现有开源 VLM，训练数据全部来自仿真，约 240 万条轨迹覆盖 35 万个场景，并采用基于 prefix-caching 的训练算法将训练 token 减少 22 倍。在监督训练后，模型通过 CISPO 在线强化学习进一步提升，成功率提高 3.2%。

#模型发布#具身智能#端侧

CClaude 应用发布说明02:00一手模型发布

AI 评分64

Anthropic 发布 Claude Sonnet 5，主打智能体能力与成本效率

Anthropic 发布 Claude Sonnet 5，称其为迄今最具智能体能力的 Sonnet 模型，在推理、工具使用、编码和知识工作方面较 Sonnet 4.6 有显著提升，性能接近 Opus 4.8 但价格更低。该模型现已在所有套餐中可用，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，开发者可通过 Claude API 使用 claude-sonnet-5。

#模型发布#Agent#编码

GGoogle Research18:26一手模型发布

AI 评分67

Google 发布表格数据零样本基础模型 TabFM

Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和复杂特征工程，单次前向传播即可对未见过的表格生成预测。模型完全基于数亿个由结构因果模型生成的合成数据集训练，采用融合 TabPFN 与 TabICL 的混合架构。TabFM 已在 Hugging Face 和 GitHub 开源，并上线 Google Cloud BigQuery；在 TabArena 的 38 个分类和 13 个回归数据集上评测。

#模型发布#数据/训练#Google

GGoogle DeepMind08:00一手模型发布

AI 评分73

Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。Nano Banana 2 Lite 主打速度与成本，官方建议用它替换第一版 Nano Banana（gemini-2.5-flash-image），并将登陆 Search 的 AI Mode、Gemini app、NotebookLM、Google Photos 等消费端产品。Gemini Omni Flash 通过 Gemini API 和 Google AI Studio 开放，支持文本、图像、视频输入的高质量视频生成与对话式编辑，定价为每秒视频输出 $0.10，与 Veo 3.1 Fast 相同。

#模型发布#多模态#视频

LLiquid AI 模型与工程博客08:00一手模型发布

AI 评分59

Liquid AI 发布 LFM2.5-230M 端侧小模型

Liquid AI 发布目前最小的模型 LFM2.5-230M，基于 LFM2 架构，预训练 19T tokens 并含 32K 上下文扩展阶段，Base 与后训练版本已在 Hugging Face 开放。官方称其在 Galaxy S25 Ultra 上解码速度 213 tok/s、Raspberry Pi 5 上 42 tok/s，并在 GPQA Diamond、MMLU-Pro、IFEval、BFCLv3/v4 等十项基准上与参数量两倍以上的模型竞争。该模型已适配 llama.cpp、MLX、vLLM、SGLang 和 ONNX，官方同时提示不适合高级数学、代码生成和创意写作等重推理任务。

#模型发布#端侧#开源生态

MMistral AI20:00一手模型发布

AI 评分67

Mistral 发布 OCR 4 文档解析模型，支持 170 种语言与自托管部署

Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可运行在单个容器中实现完全自托管。官方称独立标注者在对比测试中平均 72% 的情况下更偏好 OCR 4，其在 OlmOCRBench 上取得 85.20 分，OmniDocBench 为 93.07 分，但官方也指出这两个基准在评分方式上存在已知局限。API 定价为每 1000 页 4 美元，Batch API 五折后为 2 美元，Document AI 为每 1000 页 5 美元，已通过 Mistral Studio、Amazon SageMaker、Microsoft Foundry 提供。

#产品更新#多模态#RAG

QQwen Blog11:30一手模型发布

AI 评分74

Qwen 发布 Qwen-AgentWorld 语言世界模型并开源 35B-A3B 版本

Qwen 团队发布 Qwen-AgentWorld，一个原生语言世界模型，在单一模型中模拟 MCP、Search、Terminal、SWE、Web、OS、Android 七个智能体交互域，训练流程为 CPT → SFT → RL，使用超过 10M 条真实环境交互轨迹。团队同时发布七域评测基准 AgentWorldBench，Qwen-AgentWorld-397B-A17B 在该基准上取得最高综合分 58.71，超过 GPT-5.4 的 58.25。已开源 Qwen-AgentWorld-35B-A3B（MoE，35B 总参数 / 3B 激活参数，256K 上下文窗口），可在 Hugging Face 和 ModelScope 获取，并给出 SGLang 与 vLLM 部署命令。

#模型发布#Agent#数据/训练

SSakana AI：Blog23:00一手模型发布

AI 评分70

Sakana AI 发布 Fugu 与 Fugu Ultra 多智能体编排模型

Sakana AI 发布 Sakana Fugu，把多智能体编排系统做成一个基础模型，通过单一 OpenAI 兼容 API 调用，内部自行完成模型选择、任务委派、验证与结果整合。首发包含 Fugu 和 Fugu Ultra 两个版本，前者兼顾性能与低延迟，后者面向多步难题；官方称 Fugu Ultra 在工程、科学与推理基准上可与 Fable 5、Mythos Preview 比肩。其智能体池可替换，官方表示若某家供应商限制访问，Fugu 会动态绕开，并计划后续纳入开放模型与自家模型。

#产品更新#Agent#MCP/工具调用

QQwen Blog10:00一手模型发布

AI 评分79

Qwen 发布 Qwen-Robot Suite 具身基础模型套件

Qwen 团队发布 Qwen-Robot Suite，包含 Qwen-RobotNav、Qwen-RobotManip 和 Qwen-RobotWorld 三款面向物理世界智能的基础模型。Qwen-RobotNav 基于 Qwen3-VL，用 1560 万样本统一指令跟随、目标导航、目标跟踪与自动驾驶五类任务，在 VLN-CE RxR 上达 76.5% SR，并零样本部署到 Unitree Go2 四足机器人。Qwen-RobotManip 基于 Qwen3.5-4B VL 与 flow-matching DiT 动作头，用超过 38,100 小时开源数据训练，在 RoboChallenge Table30 v1 通用赛道取得第一。Qwen-RobotWorld 以自然语言作为统一动作接口，在 8.6M 视频文本对上联合训练 20 多种本体，在 EWMBench 等基准排名第一。

#模型发布#具身智能#多模态

XxAI News08:00一手模型发布

AI 评分63

xAI 发布 Grok Imagine Video 1.5，图生视频模型正式开放 API

xAI 宣布 Grok Imagine Video 1.5 在 Imagine API 正式可用，模型名为 grok-imagine-video-1.5，同时 Video 1.5 Fast 已上线 grok.com/imagine 及 iOS、Android 应用。官方称这是其目前最好的图生视频模型，音效、环境音与对白在同一次生成中完成，语音更清晰、同步更好，画面运动与物理表现更稳定。Video 1.5 Fast 生成 6 秒 720p 视频约需 25 秒，此前模型需 40 秒以上；未来几天还将上线 Projects、多智能体并行和素材库搜索等功能。

#产品更新#视频#xAI

ZZyphra Research08:00一手模型发布

AI 评分66

Zyphra 发布 ZONOS2 实时 TTS 模型，采用 MoE 架构并开源

Zyphra 发布 ZONOS2，一个 Apache 2.0 许可的实时文本转语音模型，具备高保真声音克隆能力，采用 9 亿激活参数、80 亿总参数的稀疏 MoE 架构，是首个开源 MoE TTS 模型。相比 Zonos-v0.1，训练数据从约 20 万小时扩展到超 600 万小时，模型规模从 1.6B 增至 8B，实时吞吐提升 4 倍，并支持最长一分钟的多语言与语码转换音频生成。模型权重已在 Hugging Face 发布，基于 SGLang 的推理代码在 GitHub 开源，同时上线 Zyphra Cloud 并提供 API，发布后促销期内免费。Zyphra 还提出新的 ZTTS1-Eval 评测基准，覆盖 9 种语言的 Clean 集与 17 种语言的 In-The-Wild 集。

#模型发布#语音#开源生态

GGoogle DeepMind08:00一手模型发布

AI 评分68

Google DeepMind 发布 DiffusionGemma 实验性开源模型

Google DeepMind 发布 DiffusionGemma，一个采用 Apache 2.0 许可的 26B MoE 实验性开源模型，探索文本扩散生成，在 GPU 上文本生成速度最高提升 4 倍。该模型不再逐 token 顺序生成，而是同时生成整块文本，面向内联编辑、快速迭代等速度敏感的本地交互工作流。其加速优势主要体现在单加速器、低到中等批大小的本地低并发推理场景，高 QPS 云端服务下并行解码收益递减。

#模型发布#开源生态#推理

CClaude 应用发布说明01:00一手模型发布

AI 评分92

Anthropic 发布 Claude Fable 5 与 Claude Mythos 5

Anthropic 发布 Claude Fable 5，一款面向一般用途的 Mythos 级模型，在软件工程、知识工作、视觉、科学研究等基准上表现领先。同时推出 Claude Mythos 5，为同一底层模型但放宽部分安全限制，初期通过 Project Glasswing 向美国政府和网络安全伙伴开放。两款模型定价均为每百万输入 token 10 美元、每百万输出 token 50 美元，低于 Claude Mythos Preview 的一半。

#模型发布#Anthropic#安全/对齐

CCohere 产品与研究博客08:00一手模型发布

AI 评分76

Cohere 开源发布智能体编码模型 North Mini Code

Cohere 开源发布其首款智能体编码模型 North Mini Code，采用 MoE 架构，拥有 30B 总参数、3B 激活参数，并使用 Apache 2.0 许可证。Cohere 测试显示，其输出吞吐量最高为 Devstral Small 2 的 2.8x，inter-token latency 优势为 30%，Artificial Analysis Coding Index 得分为 33.4。模型权重已在 Hugging Face 提供 bf16、fp8 和 w4a16 版本，也可通过 OpenRouter、Model Vault 或 Cohere API 使用。

#模型发布#编码#Agent

GGoogle DeepMind08:00一手模型发布

AI 评分82

Gemini 3.5 Live Translate 发布，支持 70 多种语言近实时语音互译

Google DeepMind 发布 Gemini 3.5 Live Translate，可自动识别 70 多种语言并持续生成近实时译音，同时保留说话者的语调、节奏和音高。该模型仅落后说话者数秒，支持嘈杂环境和多语言输入。它正向 Android、iOS 版 Google Translate 全球推送，Google Meet 将于本月面向部分企业 Workspace 客户开启私密预览。

#模型发布#语音#Google DeepMind

小小米 MiMo22:37一手模型发布

AI 评分72

小米 MiMo 开源 MiMo-V2.5-Pro-UltraSpeed，1T 模型单节点突破 1000 tps

小米 MiMo 与 TileRT 联合发布 MiMo-V2.5-Pro-UltraSpeed，在单个标准 8-GPU 节点上让 1T MoE 模型输出速度突破 1000 tokens/s，并开源 FP4 + DFlash 检查点权重。该速度来自模型与系统的协同设计：模型侧采用 FP4 量化与 DFlash 块掩码并行推测解码，系统侧 TileRT 针对这些技术定制编译器与 kernel，全程使用通用 GPU，未采用 Cerebras 晶圆级或 Groq SRAM ASIC 方案。UltraSpeed 提供限时免费网页聊天，API 价格约为 3 倍换取约 10 倍输出体验，申请通道开放至 6 月 23 日（PDT）。

#模型发布#开源生态#推理

小小米 MiMo22:37一手模型发布

AI 评分64

小米发布 MiMo-V2.5-Pro-UltraSpeed，1T 模型单节点突破 1000 tokens/s

小米 MiMo 与 TileRT 联合发布 MiMo-V2.5-Pro-UltraSpeed，在 1T 参数 MoE 模型上首次突破 1000 tokens/s 输出速度，且只用单台标准 8-GPGPU 节点，不依赖 Cerebras 式晶圆级集成或 Groq 式片上 SRAM 芯片。该速度来自模型与系统协同设计：模型侧采用 FP4 量化和 DFlash 块掩码并行推测解码，系统侧由 TileRT 定制编译器与 kernel。官方表示将开源 FP4 + DFlash 权重，UltraSpeed 申请通道开放至 6 月 23 日（PDT），API 价格为 3 倍换取约 10 倍输出体验提升。

同一事件 · 2 条报道

#模型发布#推理#部署/工程

小小米 MiMo 官网发布与博客08:00一手模型发布

AI 评分79

小米 MiMo-V2.5-Pro-UltraSpeed 发布，1T 模型解码突破 1000 tokens/s

小米与 TileRT 合作发布 MiMo-V2.5-Pro-UltraSpeed，首次在 1 万亿参数模型上把解码速度突破 1000 tokens/s，仅用单台标准 8 卡通用 GPU 节点实现。该 API 按申请制限时开放，价格为 MiMo-V2.5-Pro 的 3 倍、生成速度约 10 倍，试用窗口为 6 月 9 日至 6 月 23 日。团队对 MoE Experts 做 FP4 量化并采用 DFlash 块级掩码并行预测投机解码，编码场景平均接受长度 6.30，同时已在 Hugging Face 开源 MiMo-V2.5-Pro-FP4-DFlash 权重。

同一事件 · 2 条报道

#产品更新#推理#部署/工程