Mistral 发布 Robostral Navigate 具身导航模型
Mistral 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE 验证未见集上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点、比最佳多传感器方案高 4.5 个百分点。
推荐理由：原文给出单目 RGB 相机下的导航成功率与训练方法，读者可据此判断紧凑模型做具身导航的可行边界。
内容形态
模型发布 最新动态
新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
226 条精选近 30 天 17 条共收录 269 条
更新
精选归档 · 第 3 页
Mistral AI精选AI 评分7171 OpenAI News精选AI 评分6262 OpenAI 发布新一代语音模型 GPT-Live
OpenAI 发布新一代语音模型 GPT-Live，用于实现更自然的人机交互，目前已接入 ChatGPT Voice。
推荐理由：OpenAI 发布新一代语音模型并接入 ChatGPT Voice，读者可据此了解语音交互能力的代际更新。
Mistral AI精选AI 评分7171 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，采用 Apache-2.0 许可，119B 总参数、6B 激活参数，在形式化验证上大幅升级：miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34% 均为新 SOTA。
推荐理由：官方给出 Leanstral 1.5 在形式化验证基准上的成绩与成本对比，可据此判断开源证明模型的实用边界。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型。
推荐理由：两款新模型同时开放开发者入口，并给出延迟、单价与能力边界，便于判断多模态流水线的成本与可行性。
Google Research精选AI 评分7676 Google 发布 TabFM 零样本表格数据基础模型
Google Research 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、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出零样本表格预测的架构设计与 TabArena 基准对比，可据此判断它能否替代传统树模型流程。
OpenAI News精选AI 评分6262 OpenAI 预告下一代模型 GPT-5.6 Sol
OpenAI 预告下一代模型 GPT-5.6 Sol，称其在编码、科学和网络安全方面具备更强能力，并搭配其最先进的安全技术栈。
推荐理由：OpenAI 官方预告下一代模型 GPT-5.6 Sol，读者可据此了解其在编码、科学与网络安全上的能力方向。
Mistral AI精选AI 评分6767 Mistral 发布 OCR 4 文档解析模型
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，可单容器自托管部署。
推荐理由：官方给出 OCR 4 的边界框、块分类与置信度输出，以及自托管和按页计价方案，便于评估文档解析管线。
Hugging Face Blog精选AI 评分6060 PP-OCRv6 上线 Hugging Face：1.5M 到 34.5M 参数支持 50 语言 OCR
PaddleOCR 发布 PP-OCRv6 通用 OCR 模型家族并上线 Hugging Face，提供 tiny、small、medium 三档，参数从 1.5M 到 34.5M，其中 small 和 medium 支持 50 种语言。
推荐理由：原文给出三档模型参数、检测与识别精度及多后端接入方式，便于按部署场景选型。
Hugging Face Blog精选AI 评分8585 智谱发布 GLM-5.2，面向长程任务支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文下稳定支撑长程工作，并采用 MIT 开源许可。
推荐理由：GLM-5.2 把 1M 上下文与编码智能体能力结合，并给出与闭源前沿模型的基准对比，可据此判断开源模型在长程任务上的位置。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 DiffusionGemma 文本扩散模型，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的速度、显存与质量取舍，便于判断本地低并发场景是否值得换用。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70+ 语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Google 发布支持 70+ 语言的实时语音翻译模型，并给出开发者、企业、消费端三条落地路径。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于边缘端 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 用无编码器架构把视觉与音频直接接入 LLM 主干，读者可据此判断本地多模态智能体的硬件门槛。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 在 4B 小模型上把多模态、多语言、自定义策略与可审计推理合并进单次推理，并公开训练数据集。
OpenAI News精选AI 评分6262 OpenAI 为 GPT-Rosalind 推出新能力
OpenAI 为 GPT-Rosalind 推出新能力，面向生命科学研究，增强生物推理、药物化学、基因组分析和实验工作流能力。
推荐理由：OpenAI 为 GPT-Rosalind 增加生命科学方向能力，读者可据此了解该模型在生物推理与基因组分析上的定位。
Hugging Face Blog精选AI 评分7272 H Company 发布 Holo3.1 计算机使用智能体模型家族
H Company 发布 Holo3.1 计算机使用智能体模型家族，基于 Qwen 系列，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：Holo3.1 给出跨环境与跨框架的鲁棒性提升，并首次提供量化权重，读者可据此判断本地部署计算机使用智能体的可行路径。
Hugging Face Blog精选AI 评分6060 JetBrains 发布 Mellum2：12B 混合专家模型
JetBrains 发布 Mellum2，一个从零训练的 12B 参数混合专家（MoE）模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其面向路由、RAG、摘要、子智能体和高吞吐编码等低延迟场景，相比同规模模型推理速度提升超过 2 倍，模型已在 Hugging Face 开放下载，技术报告发布于 arXiv。
推荐理由：JetBrains 开源 12B MoE 模型，每 token 仅激活 2.5B 参数，可据此判断轻量模型在路由与 RAG 场景的部署取舍。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密模型，以修改版 MIT 许可开放权重，成为 Mistral Vibe 和 Le Chat 的默认模型，并支撑 Vibe 的云端远程编码智能体与 Le Chat 的 Work 模式预览。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 权重，读者可据此判断自托管编码智能体的可行边界。
OpenAI News精选AI 评分7878 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了已有 80 年历史的单位距离问题，推翻离散几何中的一项重要猜想，被视为 AI 驱动数学的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可观察 AI 在数学证明上的能力边界。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮编辑视频。
推荐理由：Gemini Omni 把多模态输入与对话式视频编辑结合，读者可据此判断视频生成工作流的变化方向。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise 上线。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和 4 倍输出速度，可据此判断速度与质量的取舍是否成立。