Nous Research 微调 Qwen3.8-27B 推出 Arete-27B,宣传性回答比例从 22% 降至 0.9%
Nous Research 用约 5300 万 token 对阿里 Qwen3.8-27B 做监督微调,得到开源权重模型 Arete-27B,其宣传性回答比例从 22% 降到 0.9%,事实准确率从 2.32 升到 2.98。
Nous Research 用约 5300 万 token 对阿里 Qwen3.8-27B 做监督微调,得到开源权重模型 Arete-27B,其宣传性回答比例从 22% 降到 0.9%,事实准确率从 2.32 升到 2.98。
AI 芯片设计公司 Ricursive Intelligence 训练并发布了开源语言模型 Ripple-65B Preview,预训练使用 12 万亿 token,采用 650 亿参数的稠密 Transformer 架构而非 MoE,并针对 Nvidia 硬件优化。
Thinking Machines 发布第二代模型 Inkling 2 Small,这是一个 MoE 模型,总参数 594B、激活参数 17B,支持文本与图像输入,并可调节思考深度。
Underdog 发布基于其新语音模型 Woof 的浏览器游戏演示,该模型仅 32MB、3100 万参数,公司称可在多数设备上无网络运行,并开放下载。演示中用户可在打字机上输入任意文字让模型朗读,也能旋转调音器生成不同音乐。此前数周 Underdog 还推出了 167MB 的端侧语音转文字模型 Bark,创始人 Sigil Wen 表示希望在数月内把当下多数能力较强的模型跑在用户已有设备上。
Thinking Machines 发布 Inkling 2 Small,这是一个 594B 总参数、17B 激活的多模态 MoE 模型,支持文本与图像输入、1M 上下文窗口,已在 Tinker 上线,Apache 2.0 权重承诺在下周外部安全测试完成后放出。
OpenAI 推出专为挖掘软件安全漏洞训练的 GPT-6 Cyber,能发现缺陷、构建可用利用代码并建议补丁。OpenAI 称其在无额外安全指令时 99.93% 的测试未越界,前代为 94.49%;ExploitGym 得分 48.5%,前代 GPT-5.6 Cyber 为 32.1%。
NVIDIA 在 Cosmos 世界模型平台下新增四个开放权重 checkpoint,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用允许商用与非商用的 OpenMDW1.1 许可。
百度发布开源基础模型 ERNIE-5.5-Flash-Base,采用 MoE 架构,总参数 2800 亿、每次输入激活 140 亿,刻意不做微调或后训练,由开发者自行决定后续方向,后训练版本计划随后推出。
Google DeepMind 将视频生成模型 Gemini Omni 1.2 Flash 正式开放使用,片段时长从最长 10 秒提升到 3 至 15 秒,720p 视频价格下降 30% 至每秒 0.07 美元。
Google DeepMind 发布 Gemini Omni 1.2 Flash,视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒,可按 1 秒步长指定 3 至 15 秒,720p 价格下调 30% 至每秒 $0.07,并通过 Gemini API 和 Gemini for business 全面开放。
OpenAI 发布 GPT-6 Cyber,这是一款用于发现可利用漏洞并开发修复方案的网络安全模型,训练目标是让模型始终在授权范围内行动。
OpenAI 发布网络安全模型 GPT-6 Cyber,称其在测试中越界行为占比低于 1%,而 GPT-5.6 Cyber 约为 5%。在 ExploitGym 基准上 GPT-6 Cyber 得分 48.5%,高于 GPT-5.6 Cyber 的 32.1% 和 GPT-6 Astra 的 42.4%,并帮助发现 Firefox 中 81 个此前未知漏洞。
OpenAI 发布面向网络安全的模型 ChatGPT Cyber,仅向 Daybreak 计划中最高层级的 Daybreak Red 用户开放,供攻击性安全研究用于漏洞挖掘与开发。
腾讯发布 Hy4 模型,首次具备图像理解能力并可自主操作软件,权重将在稍后未指定日期开放,目前仅通过腾讯云、OpenRouter 和元宝等腾讯应用提供。腾讯称在近 600 项真实金融任务上领先 DeepSeek V4.1 Flash、Kimi K3.1 Pro 和 GLM-5.3 Flash,联网搜索幻觉率从近 16% 降至约 5%。
Phonon 是可在本地设备离线运行的小型 TTS 模型,提供约 65MB 和 75MB 两个版本,支持英语、法语、德语、西班牙语和葡萄牙语,内置 100 多个音色。
Dharma-AI 发布 Dharma Field Extractor,一个 20 亿参数模型,可从任意类型文档中抽取指定字段并以 JSON 返回,支持无 schema 的开放抽取和按指定 schema 定向抽取两种模式。
OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款让用户与 Codex 编码智能体对话的设备,作为副项目在不到一周内完成。Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节,代工厂在不到一个月内产出小批量原型,但因 Astra 未总能考虑制造约束、公差和装配细节,经历了几轮修改。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
Mistral 发布万亿参数开源模型 Mistral Large 4(ML4,昵称 Le Chonk)的权重,企业与政府可自行下载部署,权重已在 Hugging Face 和 API 上线。
Mistral 在公开预览三周后于 Hugging Face 放出 Mistral Large 4 权重,模型昵称 Le Chonk,总参数约一万亿、每步激活 520 亿,支持文本与图像输入并输出文本和代码。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),总参数约 1T、激活参数 49B,上下文窗口 1M tokens,以 FP8 和 NVFP4 两种官方权重发布,采用 Mistral Ecosystem Open-Weight License。
Mistral 发布旗舰多模态模型 Mistral Large 4(代号 Le Chonk)的开放权重,参数量 1 万亿,主打编码与防御性网络安全能力。
IBM 发布 Granite Switch 4.1.1 补丁版本,与 4.1 完全向后兼容、无需迁移,基础模型未重算,仅更新适配器。此次更新包括支持 10 种语言、原生标点与大小写的 Granite Speech ASR 模型,以及在 Jev Decision Index 测试集上表现提升的 granitelib-core Decision 适配器。
Google DeepMind 发布 Gemini 4 Carbon,距 Argon 仅两周,在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一,并在 HLE-Diamond、TB-Science、AA-Omniscience 和 AutomationBench 四项评测中领先。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon,该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶,前代 Argon 为 50 分。
Elorian 发布首个视觉推理模型 Glimpse,并在与 Mercor 合作的 DecoyCount 基准内部测试中取得 50.48% 准确率,是唯一超过 50% 的模型。
Google 发布新一代前沿 AI 模型 Gemini 4 Carbon,但该模型无法供用户使用。Gemini 4 Carbon 本质上是 Argon 的略微改进版本。
Google 发布前沿模型 Gemini 4 Carbon,在编码、智能体任务和网络安全方面有显著提升,并在 Artificial Analysis Intelligence Index(v5.0)上排名第一,Claude Opus 5.5 和 GPT-6 Astra 位列其后。
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,可用文本指令控制,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别,单段录音最长 1 小时、最多 8 位说话人。
Google DeepMind 发布 Gemini 4 Carbon,称其在网络安全与长周期任务上能力最强,在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把多语言转写、说话人分离、翻译和音频问答合入同一 checkpoint,已在 Hugging Face 和 ModelScope 上线。
NVIDIA 发布免费开源权重模型 Nemotron 3.5 Transcribe,可转写最多 40 种语言的音频,并支持 31 种语言与英语互译。该模型可处理最长一小时的录音、区分最多 8 位说话人,NVIDIA 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。
Google DeepMind 发布 Genie 4 世界模型,称其在几乎各方面都优于 Genie 3,并借助更新后的 Gemini 模型提升模拟效果。该模型可根据指令逐帧实时生成可探索的虚拟世界,无需预渲染环境或编写交互元素。DeepMind 将其视为通往 AGI 的关键一环,可用于为实体机器人构建训练环境;文章提到,付费用户可能不久后就能使用 Genie 4。
Google DeepMind 推出 Genie 4,这是 Genie 3 的后继世界模型,逐帧计算场景并响应用户输入,用户可用键盘移动、用文本提示词改变事件。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,以 LFM3-1.7B-Base 为统一骨干衍生出文本、视觉、音频、全模态和决策共六款 2B 级模型,全部开源权重并已在 Hugging Face 上线。
Google DeepMind 发布世界模型 Genie 4,原生支持多模态,可在生成世界的同时产出音乐、环境音与交互对话,并支持用自然语言实时修改天气、镜头和场景人物。
Google 发布 Genie 4 世界模型,用于生成可交互体验,官方称有四项主要更新:世界更真实、可用自然语言提示实时修改体验、可生成音频,底层使用 Gemini 3.8 Flash 辅助模拟。
Google DeepMind 以研究预览形式发布世界模型 Genie 4,可生成更逼真的交互世界,并支持在模拟过程中输入提示词实时改变场景。该模型还能生成与场景匹配的实时音频,包括音乐、环境音和交互对话,场景一致性最长维持两分钟,是前代 Genie 3 的两倍。
OpenAI 的 Ted Sanders 按模型尺寸、推理投入和多智能体系统等维度对 GPT-6.1 Terra 等模型分类,并给出选型法则:只重质量选 Astra,稍在意价格选 Sol,非常在意价格选 Terra 或 Luna。他表示 GPT-6.1 Terra 在技术沟通上可能优于更大的 Astra,图像处理和计算机使用大致持平但价格低得多,多数其他领域则落后。
OpenAI 发布 GPT-6.1 Terra,官方称其结合细致的视觉推理与精确的电脑操作,并具备更清晰自然的写作能力,相比 GPT-5.6 Terra 有明显提升。