Anthropic 发布 Claude Fable 5.2，用代码逐笔作画而非扩散生成
Anthropic 发布新语言模型 Claude Fable 5.2，它不依赖外部图像模型，而是用 1000 到 2000 行 Python 代码驱动模拟绘画引擎，逐笔在虚拟画布上作画。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 80 条11月16日
11月15日
美团开源 1.6 万亿参数智能体模型 LongCat-2.5，全程未使用 Nvidia GPU
美团 LongCat 团队在模型亮相一周后开源了 1.6 万亿参数的 LongCat-2.5 权重，该模型面向长链路自主任务尤其是编码场景。它是 MoE 架构，每个 token 约激活 480 亿参数，API 支持 100 万 token 上下文和最长 128000 token 输出，可理解文本、图像和视频，并支持开关推理。
11月13日
Google DeepMind 发布 Gemini 4 Hydrogen 模型
Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，在默认 high 思考级别下以 51 分超过 Argon 的 50 分，xhigh 级别可达 54 分。
11月12日
Google 发布 Gemini Decision 1 决策模型与 Decisions API
Google 发布 Gemini Decision 1 及配套 Decisions API，支持是/否、多选和评分量表等闭集决策，单次请求最多 1000 个问题、255 个多选选项，输入支持文本、图像、音频、视频和 PDF，上下文 256K，端到端返回耗时 150–250ms 并附带置信度分数。
11月11日
Gemini 4 Carbon 向所有用户开放，llm-gemini 0.36 同步支持
Gemini 4 Carbon 两周前仅向部分网络安全防御者开放，今天已向所有用户开放。该模型定价为输入 $2/百万 token、输出 $10/百万 token，并将于 12 月 1 日翻倍至 $4/$20。
11月10日
Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 发布 Gemini Robotics 2.5，称其为目前能力最强的视觉-语言-动作（VLA）模型，在 200 项任务上相比此前基线成功率提升 30% 至 100%，完成任务速度快 20% 至 30%。
11月6日
Thinking Machines 发布 Inkling 2 Small：594B 总参数 17B 激活，68 小时预训练
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。
NVIDIA 发布 Cosmos 3 四个开放权重模型，用于交互式世界仿真
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。
Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
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。
Google 研究用智能手表传感器识别高血压迹象
Google Research 在 Nature 发表研究，提出多模态 AI 系统 AI-PPG-ACC-HTN，利用智能手表的光电容积脉搏波（PPG）与加速度计（ACC）信号被动识别高血压状态，无需袖带校准。
10月29日
Mistral Large 4（Le Chonk）在 Hugging Face 发布
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。
10月28日
Liquid AI 发布 LFM3 系列：2B 级统一骨干覆盖文本、视觉、音频、全模态与决策模型
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
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。
10月23日
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，并开放全球预计算嵌入与浏览器工具
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年的 Sentinel-1、Sentinel-2 和 Landsat 时序数据，为地球上每 10 米像素生成 128 维向量，前 64 维可单独使用。
10月22日
Google Research 用 AI 辅助超声评估孕周，误差与专家操作相当
Google Research 在 JAMA Network Open 发表研究，评估 AI 模型基于盲扫超声估算孕周在不同临床环境与硬件上的泛化能力。
10月16日
Meta 发布 Muse Spark Open，816B 参数重返开源权重赛道
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
Meta 开源 Muse Spark Open：816B 参数 MoE 多模态模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 100 万 token。
Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍用智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到单次会话中。该平台结合可从氨基酸序列预测生物功能的模型 ProtNLM，扫描 UniProt 中数百万条未表征蛋白质，找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。
Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口，采用 MoE 架构，总参数 816B、每 token 激活 42B，可接收文本、图像、文档、音频和音视频输入并输出文本。
Meta 与 Apple 合作，让 Muse Spark Open 模型在 Mac 上运行更佳
Meta 发布 Muse Spark Open 模型，称其是迄今能力最强的美国开源权重模型，也是同类中首个能在桌面端运行、需两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 的模型。