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
NVIDIA BlogAI 评分2222 NVIDIA Inception 初创公司用 AI 补齐乳腺癌诊疗缺口
NVIDIA Inception 计划中的多家初创公司正用 AI 覆盖乳腺癌筛查、风险评估与治疗规划环节。iSono Health 的 FDA 认证 ATUSA 可穿戴 3D 超声系统约两分钟完成单侧乳房标准化扫描，公司称其灵敏度比手持 2D 超声高 28%；Whiterabbit.ai 的 WRDensity 已用于数十万患者，并研发新一代乳腺 X 光 AI。
AWS Machine Learning BlogAI 评分2222 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 生成式 AI 创新中心（GenAIIC）合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，将单次内容发现任务耗时从平均 250 分钟降至 2 分钟以内。
Tripo@tripoaiAI 评分3434Microsoft Research 博客（RSS）精选AI 评分6161 Microsoft Research 发布 AI 生物研究系统 Quine，并开放 Quine Fellows 项目申请
Microsoft Research 推出 Quine，一个包含生物学世界模型和交互式 harness 的 AI 研究系统，可跨基因组、蛋白质、化学、细胞状态和生物成像等模态联合学习并推理干预后果。
推荐理由：原文给出 PDAC 化合物筛选一个周末完成并经湿实验验证的结果，读者可据此评估 AI 驱动生物发现的实际路径。
OpenBMB@OpenBMBAI 评分3838MiniCPM-o 4.5 现已支持 SGLang Omni v0.1.7。 为开发者提供更多灵活运行和构建该模型的方式。
LlamaIndex：产品、工程与评测AI 评分4949 LlamaParse 为什么表单解析比 VLM 更可靠？
LlamaIndex 发文解释表单为何需要专用解析器：VLM 擅长通用推理，但表单解析结果并不会随推理增强而变好，且成本更高。LlamaParse 将表单表示为带 id、label、value 的字段与 section 嵌套 JSON 树，能保留复选框、签名及字段归属关系，避免扁平化后两个 "Date" 字段无法区分。
公众号：可灵AI（快手·视频）AI 评分6161 可灵 Kling 4.0 宣布 10 月上线，Kling 4.0 Flash 开放抢先体验
可灵AI宣布全新升级的 Kling 4.0 将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日向黑金年卡会员开放小范围抢先体验。
MeshyAI@MeshyAIAI 评分2424公众号：昆仑万维（天工）AI 评分4545 昆仑万维天工工作台上线AI MV创作与音乐生成能力
9月27日，昆仑万维旗下SkyProduction（天工工作台）上线三项新能力：开放AI MV创作功能；无限画布接入Mureka V8/V9/V9.5音乐生成模型；视频和图片支持智能配乐。用户可在同一画布完成从音乐分析、分镜规划到视频生成的全流程，并调用Seedance 2.5模型生成视频片段。
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。
Meituan LongCat@Meituan_LongCatAI 评分5555公众号：千问APP（阿里）AI 评分3535 千问App上线盒马菜谱与淘宝闪购异地美食Skill
阿里千问App联合盒马和淘宝闪购，推出“盒马菜谱”和“淘宝闪购异地美食”两大智能体技能。用户可通过文字指令、拍摄冰箱食材或宴席照片获取家宴方案及做法，并一键下单购买食材；旅游时也可查询当地特色美食推荐并直接配送。该功能旨在通过AI辅助解决假期饮食规划与采购问题。
Google Research：Blog（网页）AI 评分5656 Google Research 发布 AI 视频联合导演研究，用多智能体框架生成连贯长视频
Google Research 提出基于 Gemini 和 Veo 的多智能体编排框架，将长视频生成建模为全局优化与世界状态跟踪问题，包含 Co-Director（COLM 2026）、CANVAS（EMNLP 2026）、A²RD 和 VQQA 四个框架，支持 SynthID 水印。
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。
Hugging Face：Blog（RSS）AI 评分5757 Liquid AI 发布 LFM2.5-VL-DSpark 视觉草稿模型加速 VLM 推理
Liquid AI 在 Hugging Face 发布面向视觉语言模型 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下换取推理加速。
Meta Engineering Blog（RSS）AI 评分5555 Meta 为 AI 眼镜推出 Private Processing 机密计算基础设施
Meta 宣布将 Private Processing 机密计算基础设施扩展到 Meta AI 眼镜，把信任边界延伸到云端 CVM，使包括 Meta 在内的任何人都无法访问用户数据。
Runway：News（网页）精选AI 评分6262 Runway 发布 DaVinci Resolve 插件，可在剪辑软件内生成和重绘素材
Runway 发布 DaVinci Resolve 插件，可在 Resolve Studio 内直接生成图像和视频、重绘播放头下的片段，并将结果导入媒体池和时间线。
推荐理由：官方发布说明讲清了插件的核心工作流变化和版本要求，剪辑师可以据此评估是否把生成环节搬进 Resolve。
World Labs@theworldlabsAI 评分1919
Qwen@Alibaba_QwenAI 评分6565Qwen 发布 Qwen Intelligence，推出三款移动端智能体：Mobile Planner Agent 规划与编排复杂任务，在 MobilePA-Bench。
Artificial Analysis@ArtificialAnlysAI 评分5252
StepFun@StepFun_aiAI 评分5959
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。
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。
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。
- Qwen@Alibaba_QwenAI 评分7373
通义千问发布 Qwen3.8-Omni-Flash，是 Qwen 首个以智能体能力为核心构建的全模态模型，支持原生音视频理解、推理和工具调用。
Google Research：Blog（网页）AI 评分5252 Google Research 用生成式 UI 让教师创建定制互动学习模拟
Google Research 发布新研究实验，让教育者用针对学习优化的生成式用户界面（GenUI）动态生成符合其教学目标的互动学习模拟。
Qwen：Blog Retrieval（API）精选AI 评分7878 Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付
Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。
推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。
- World Labs@theworldlabsAI 评分4646
SenseTime@SenseTime_AIAI 评分5757- SenseTime@SenseTime_AIAI 评分5353
公众号：面壁智能（MiniCPM）AI 评分6565 外部团队基于 MiniCPM-o 4.5 开源全模态交互智能体 Gander，让 Agent 边干活边对话
浙江大学等高校的外部研究者以 MiniCPM-o 4.5 为基座后训练，开源了端到端全模态交互智能体 Gander，论文、数据、代码和模型全部开放。
- StepFun@StepFun_aiAI 评分6060
Google AI：DEV 作者专属（RSS）AI 评分7070 Google 发布 Gemini 3.8 Live 与 3.5 Transcribe 实时语音模型
Google 在 Gemini API 和 Google AI Studio 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型，支持异步函数调用、视觉上下文、97+ 语言和可配置思考，Extended Thinking 版位列 Artificial Analysis 语音到语音榜单第一。
NVIDIA Blog（RSS）AI 评分5151 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1，吞吐最高达 GB300 NVL72 的 3.7 倍
NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 preview 结果，Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。