跳到正文

#模型发布

今日 3 条
9月3日周四
  1. OpenAI News80

    OpenAI 发布 GPT-6 Astra 安全概览

    OpenAI 发布 GPT-6 Astra 安全概览，称其是已广泛部署的最强模型，也是首个在 Preparedness Framework 下达到网络安全能力 Critical 级别的模型。

    推荐理由：OpenAI 首次披露 GPT-6 Astra 在 Preparedness Framework 下达到网络安全能力 Critical 级别，可了解其安全评估结论。

9月1日周二
8月28日周五
8月27日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文本模型

    Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文本模型，可将原始音频直接转为准确、格式化文本。据 Artificial Analysis 测量，流式场景平均词错误率 4.0%，非流式 2.6%，最终转写时间较上一代 Chirp 3 改善 70%；在 FLEURS 基准上流式 WER 为 5.50%、非流式 5.04%。

    推荐理由：官方给出 WER、延迟与多语言等指标，并对比上一代 Chirp 3，便于判断语音转写的能力边界。

8月25日周二
8月14日周五
8月12日周三
  1. Google DeepMind71

    Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe

    Google DeepMind 发布多语言手语转文本模型 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。

    推荐理由：官方披露了 SL2T 的训练规模、手语到文本的翻译路径与隐私处理方式，可了解手语 AI 从实验室进入消费产品的技术取舍。

8月10日周一
8月6日周四
8月4日周二
  1. Mistral AI69

    Mistral AI 发布 Shieldstral：3B 开源多模态安全分类器

    Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可开放下载，可在单张 16GB NVIDIA GPU 上运行。该模型把内容审核建模为策略自适应的问答任务，推理时接受自然语言策略并输出校准后的安全分数，无需重新训练即可统一文本与图像安全评估。官方称其在文本安全上可匹配最多 7 倍参数量的模型，并在多模态审核上取得新的 SOTA。

    推荐理由：3B 开源权重模型以推理时自然语言策略替代固定危害分类，读者可据此判断内容审核的部署方式变化。

7月30日周四
  1. Google DeepMind74

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑，支持视频理解、任务编排与多机器人协作，并可通过 Gemini API、Google AI Studio 使用，Gemini Enterprise Agent Platform 上为私密预览。

    推荐理由：官方给出进度分类、时刻定位与多机协作的具体指标，可据此判断机器人在长任务中的自主完成度。

  3. Google DeepMind60

    Google DeepMind 在 Google Flow Music 发布 Lyria 3.5 音乐生成模型

    Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制四方面均有提升：旋律结构更丰富自然，歌词质量与提示词遵循、结构感知更好，人声更具表现力和情感且发音改善，同时可更便捷地控制输出节奏与时长。

    推荐理由：官方给出 Lyria 3.5 在旋律、歌词、人声与创作控制上的具体改进，可据此判断音乐生成能力的变化。

7月28日周二
7月21日周二
7月17日周五
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.5 Flash Cyber 轻量网络安全模型

    Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上表现优于主线 Flash 模型。

    推荐理由：官方给出轻量安全模型在 CyberGym、Chrome 提交扫描等基准上的表现与限量开放方式，可据此判断其能力定位与获取门槛。

7月15日周三
  1. Hugging Face Blog85

    Thinking Machines 发布 Inkling 多模态大模型及 Inkling-Small

    Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的开源多模态 MoE 模型，同时推出 276B 总参数 12B 激活的 Inkling-Small。

    推荐理由：原文给出 Inkling 的架构细节、部署配置与多模态评测数据，可据此判断其推理成本与适用场景。

7月9日周四
  1. OpenAI News62

    GPT-5.6 成为 Microsoft 365 Copilot 首选模型

    GPT-5.6 成为 Microsoft 365 Copilot 的首选模型，覆盖 Word、Excel、PowerPoint、Chat 和 Cowork，带来更强的 AI 能力，用于更快、更高质量地完成工作。

    推荐理由：OpenAI 官方说明 GPT-5.6 成为 Microsoft 365 Copilot 首选模型，读者可据此了解它在办公套件中的能力定位。

7月8日周三
  1. Mistral AI71

    Mistral 发布 Robostral Navigate 具身导航模型

    Mistral AI 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 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。

    推荐理由：Mistral 首个具身导航模型仅用单目 RGB 相机就在 R2R-CE 上超过多传感器方案，可看其训练与强化学习设计。

7月2日周四
  1. Mistral AI66

    Mistral 发布 Leanstral 1.5：6B 激活参数的形式化验证模型

    Mistral AI 发布 Leanstral 1.5，一个 Apache-2.0 许可的模型，总参数 119B、激活参数 6B，在形式化验证上大幅升级。它完全饱和 miniF2F，在 PutnamBench 上解出 587/672 题，并在 FATE-H 取得 87%、FATE-X 取得 34% 的 SOTA 成绩。

    推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与每道题成本，读者可据此判断开源证明模型的性价比。

7月1日周三
6月30日周二
  1. Google Research76

    Google 发布表格数据零样本基础模型 TabFM

    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即可在单次前向传播中给出预测。

    推荐理由：Google 把零样本思路从时序预测搬到表格数据，读者可了解其架构设计与 TabArena 基准表现。

6月26日周五
  1. OpenAI News62

    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。

6月23日周二
  1. Mistral AI62

    Mistral 发布 OCR 4，支持 170 种语言与单容器自托管

    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，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。官方称独立标注者在 600 多份文档的盲评中平均 72% 更偏好 OCR 4，并在 OlmOCRBench 上取得 85.20 的最高分，但提示该基准与 OmniDocBench 的评分存在已知局限，建议用户在自己的文档上评测。

    推荐理由：OCR 4 在文本之外返回边界框、块类型和置信度，读者可据此判断它如何接入 RAG 与智能体流程。

6月22日周一
6月17日周三
  1. Hugging Face Blog88

    GLM-5.2 发布：面向长周期任务，支持 1M 上下文

    智谱发布旗舰模型 GLM-5.2，面向长周期任务，首次在 1M token 上下文上稳定支持长程工作，并采用 MIT 开源许可。新架构 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9 倍，MTP 层改进使投机解码接受长度最高提升 20%。

    推荐理由：GLM-5.2 把 1M 上下文落到长周期编码任务上，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工程任务中的位置。

6月11日周四
6月9日周二
6月5日周五
  1. Hugging Face Blog62

    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、自定义企业策略执行和可审计推理统一到一次推理调用中。

    推荐理由：NVIDIA 把多模态、多语言、自定义策略与可审计推理合并进一次推理调用，并公开训练数据集，便于企业评估安全护栏的落地成本。

6月3日周三
  1. OpenAI News62

    OpenAI 为 GPT-Rosalind 引入生命科学新能力

    OpenAI 为 GPT-Rosalind 引入新能力，增强其在生命科学领域的生物推理、药物化学专业知识和基因组分析，并提升实验工作流能力。

    推荐理由：OpenAI 为 GPT-Rosalind 增加生物推理、药物化学与基因组分析能力，可据此了解模型在生命科学场景的定位。

6月2日周二
6月1日周一
  1. Hugging Face Blog60

    JetBrains 发布 Mellum2：12B MoE 模型，每 token 仅激活 2.5B 参数

    JetBrains 发布 Mellum2，一个从零训练、面向自然语言与代码的 12B 参数 MoE 模型，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其相比同规模模型推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景，模型已在 Hugging Face 开放下载。

    推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数并主打低延迟，可据此判断它在多模型系统中的定位。