Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 7.4 亿。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一到同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于判断本地检索与 RAG 的可行性。
#多模态
#多模态
今日 0 条Google DeepMind精选AI 评分6262 The DecoderAI 评分6262 Google 发布 EmbeddingGemma 2，称多模态嵌入基准超越两倍规模竞品
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为数值向量。该模型 7.4 亿参数，在 Massive Text Embedding Benchmark（Code）上得分 78.68，比前代 68.76 提升近 10 分，Google 称其表现超过规模两倍的竞品。
TechCrunch · AIAI 评分6868 Mistral 发布 1T 参数多模态模型 Mistral Large 4
法国 AI 实验室 Mistral 于周二发布 Mistral Large 4（ML4），这是一个 1 万亿参数的大规模多模态模型，绰号 Le Chonk，目前仅通过公开的 guardrail 端点访问，计划在三周内完成安全测试后开放权重。
The DecoderAI 评分6969 Mistral 发布万亿参数模型 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，拥有 1 万亿参数、490 亿激活参数，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
The DecoderAI 评分6565 Reka AI 发布全模态模型 Rho-1，单模型处理文本图像视频与机器人控制
Reka AI 发布全模态模型 Rho-1 的研究预览版，这是一个 190 亿参数的模型，可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行，无需工具调用或外部模型，可实时生成连续视频并即时响应新指令而无需重启。
The DecoderAI 评分3838 NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
The DecoderAI 评分7575 Black Forest Labs 发布 Flux 3 Image，支持多步编辑不改动画面其余部分
Black Forest Labs 发布 Flux 3 模型家族中的图像模型 Flux 3 Image，官方称其支持多步编辑且不改动图像其他部分，覆盖文生图、图生图、文字渲染和照片级真实感。
The DecoderAI 评分6262 Tavus 发布实时对话模型 Griffin，48% 测试者误认为真人
Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。
TechCrunch · AIAI 评分7474 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布 Gemini 4 Argon，称其可处理编码、研究和写作等任务，并专门针对防御性网络安全训练，能自主发现、验证和修补关键软件漏洞。
H Company 官方精选AI 评分7474 H Company 发布 Holo4 开放权重模型，统一操作界面与工具
H Company 发布 Holo4 的二百七十亿参数稠密模型和混合专家版本，提供 API、可下载权重与多种量化格式。模型把桌面、网页、安卓操作及代码和工具调用结合在同一智能体中；不同测试平台的分数不能直接横向比较。
推荐理由：开放权重和量化版本让团队能在自有环境尝试界面操作智能体，并对不同设备和工具组合开展实际任务评测。
IT之家（RSS）AI 评分6464 美团上线 LongCat-2.5-Preview 模型：1.6T 参数，主打长程任务与多模态
美团 LongCat API 开放平台于 9 月 25 日上线 LongCat-2.5-Preview 模型，同步开放 API 与网页端体验入口。
MarkTechPost（RSS）AI 评分5555 Liquid AI 发布 LFM2.5-VL-3B-DSpark 投机解码草稿模型，解码最高提速 3.13 倍
Liquid AI 发布 LFM2.5-VL-3B-DSpark，一个为其视觉语言模型 LFM2.5-VL-3B 设计的实验性投机解码草稿模型，新增约 279.5M 参数（+8.9%），在 Apple silicon 上解码最高提速 3.13 倍，NVIDIA H100 上最高 2.66 倍。
Rohan Paul@rohanpaul_aiAI 评分5151
karminski-牙医@karminski3AI 评分5858
Meituan LongCat@Meituan_LongCatAI 评分5555- Rohan Paul@rohanpaul_aiAI 评分5656
elvis@omarsar0AI 评分5252
Liquid AI 模型与工程博客（网页）AI 评分5757 Liquid AI 发布 LFM2.5-VL-DSpark 视觉语言 drafter 模型，边缘端解码最高提速 3.13 倍
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark drafter 模型，参数约 280M，仅增加 8.9% 参数量。GPU 上解码吞吐最高提升 2.66 倍、边缘设备 3.13 倍，端到端分别最高 2.27 倍和 2.62 倍；模型已上架 Hugging Face，支持 llama.cpp、SGLang 和 MLX-VLM。
IT之家（RSS）AI 评分5151 高通携手 PrismML 发布 1-bit Bonsai 视觉模型，可在骁龙 AR1 Gen 1 智能眼镜上本地运行
在 2026 骁龙峰会上，高通与 PrismML 发布 1-bit 量化 Bonsai 视觉语言模型，基于 Bonsai 1.7B 构建，可在骁龙 AR1 Gen 1 智能眼镜平台本地运行 20 亿参数模型。官方称相同内存下可容纳约 4 倍参数，内存占用约为传统 4-bit 模型的 1/4，文本 Token 生成速度翻倍，识图、翻译、环境问答等交互可离线完成，同时降低功耗、改善续航与发热。
Hacker News：AI 热帖AI 评分6969 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒音频样本复刻声音、逐行台词表演控制、原生双说话人场景编排，覆盖超过 100 种语言和方言。
IT之家（RSS）AI 评分5858 高通携手阶跃等为第六代骁龙 8 超级至尊版端侧适配 300 亿参数 StepEdge-Omni 30B-MoE 模型
2026 骁龙峰会上，高通宣布携手阶跃、无量火及江波龙，基于第六代骁龙 8 超级至尊版端侧适配阶跃 StepEdge-Omni 30B-MoE 模型，并现场演示智能体助手。
IT之家（RSS）AI 评分5252 奥地利科学院联合 Mistral 发布古希腊语大语言模型 Apollo，用于修复莎草纸残片
奥地利科学院联合 Mistral 和 Sail Reply 开发的大语言模型 Apollo 将于当地时间周三正式发布，面向古希腊语文献修复，训练素材涵盖手稿、莎草纸与石刻铭文，总计约 6 亿个古希腊历史词汇。
Latent Space精选AI 评分8282 小米发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本约 300 万美元
小米发布 MiMo-V2.6 系列，包含原生全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米以约 300 万美元训练成本推出原生全模态开源模型，并公开 RL 环境与训练配方，可对照中国开源模型的成本路线。
IT之家（RSS）AI 评分7272 小米发布并开源 MiMo-V2.6 系列，窦锦虎评价 MiMo-V2.6-Pro 达训练有素博士研究人员水平
小米发布并开源 Xiaomi MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型，称这是探索 RSI（递归自我改进）路径的关键一步。
公众号：腾讯混元AI 评分6666 腾讯混元发布 Hy Image3.5 preview 专业生图模型
腾讯混元发布混元图像 3.5 预览版（Hy Image3.5 preview），官方称综合能力较 Hy Image3.0 提升约 30%，内部数百名设计师 GSB 盲测中与 Seedream 5.0 pro 持平，略优于 Nano-Banana Pro 和 Qwen-Image-3.0 Pro。
IT之家（RSS）AI 评分8080 小米发布并开源 MiMo-V2.6 系列，Pro 与 Flash 双版本，API 价格与前代持平
小米发布并开源 MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型。MiMo-V2.6-Pro 在 AA 智能指数 v4.3.2 取得 46 分。
OpenRouter@OpenRouterAI 评分6060小米 MiMo-V2.6 系列三款模型上线 OpenRouter，包括 1T+ 参数旗舰、开源 MoE 模型和约 10 倍速的旗舰变体。三款模型均支持文本、图像、视频和音频输入，上下文为 1M。
Xiaomi MiMo@XiaomiMiMo精选AI 评分7373推荐理由：官方发布全模态模型并开放权重、技术报告和训练代码，附与 Claude Opus 5、GPT-5.6 Sol 的 Agent 基准对比数据。
公众号：小米 MiMoAI 评分7474 小米发布并开源 MiMo-V2.6 系列，扩展强化学习规模迈向自我提升
Xiaomi MiMo 于今日正式发布并开源 MiMo-V2.6 系列模型，包含 Pro 与 Flash 两个原生全模态模型，称这是探索 RSI（递归自我改进）路径的关键一步。
Microsoft Research 博客（RSS）AI 评分5252 Microsoft Research 发布开源逆合成模型 RetroChimera 并登上 Nature
Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera，结合基于 Transformer 的 R-SMILES 2 和图神经网络模型 NeuralLoc，用 learning-to-rank 集成两者互补预测。
The Decoder：AI News（RSS）AI 评分6060 腾讯 Gander 模型实现边聊天边后台执行复杂任务
腾讯混元语音团队联合多所高校发布 Gander 模型，用"小脑"负责实时对话、可替换的"大脑"处理后台智能体任务（测试中用 GPT-5.6 家族模型），可同时处理语音、图像和文本并随时被打断。
🚨 AI News | TestingCatalog@testingcatalogAI 评分6868MarkTechPost（RSS）AI 评分6363 阿里通义Qwen团队发布Qwen3.8-LiveTranslate，实时翻译平均延迟降至2.3秒、支持60种语言
通义千问（Qwen）发布实时同声传译模型Qwen3.8-LiveTranslate，采用新的Interleave架构，平均滞后（LAAL）从2.8秒降至2.3秒，约降低18%。
StepFun@StepFun_aiAI 评分6060
The Decoder：AI News（RSS）AI 评分6969 Qwen3.8-Omni-Flash 发布，价格低于 Gemini Flash 且多模态基准相当
Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可联合处理音频和视频并自主使用工具，上下文窗口达 100 万 token。
Qwen@Alibaba_QwenAI 评分5757IT之家（RSS）AI 评分6363 阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，支持原文译文同帧同出
阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，基于 Hybrid MoE 的 Thinker–Talker 双模块设计，以 Interleave 架构重构实时同传，字均延迟（LAAL）从 2.8 秒降至 2.3 秒。
MarkTechPost（RSS）AI 评分5959 Jina AI 发布 jina-ocr-v1：3.4B MoE 文档解析模型，内置投机解码面向低预算 GPU
Jina AI 发布端到端视觉文档解析模型 jina-ocr-v1，总参数 3.4B，每 token 激活约 570M，可将 PDF、扫描件、表格和发票一次转成 Markdown。
Qwen：Blog Retrieval（API）精选AI 评分6969 Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒
Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker–Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。
推荐理由：官方给出了架构设计、LAAL 从 2.8 秒到 2.3 秒的数字和多语言评测结果，读者可以据此评估其实时翻译能力的实际变化。
MarkTechPost（RSS）AI 评分7575 阿里 Qwen 发布 Qwen3.8-Omni-Flash：1M 上下文的全模态智能体模型
阿里 Qwen 团队发布 Qwen3.8-Omni-Flash，称其为首款围绕智能体能力构建的全模态模型，接受文本、图像、音频和视频输入并返回文本，上下文窗口为 1M tokens。