Rohan Paul模型发布
AI 评分65SoMark 开源 1.3B 文档解析模型 OXR-1.0
#模型发布#开源生态#Hugging Face
N全部新闻
全部新闻
- Rohan Paul模型发布AI 评分67
Liquid AI 发布 LFM3 开源模型家族，1.7B 文本模型超越 2.6B 前代
Introducing 𝙻𝙵𝙼𝟹: our new generation of Liquid Foundation Models. With a new tri-hybrid architecture and new multimodal encoders, the LFM3 family is the ideal model suite for specialized intelligence. > 6 model instances, across text, audio, vision, and omni modalities, generative and decision models. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱: text, 256k context window. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱: vision-language model with video-input support for spatial understanding > 𝙻𝙵𝙼𝟹-𝙰𝚞𝚍𝚒𝚘-𝟸𝙱: tool calls, voice chat, reasoning in 18 languages. > 𝙻𝙵𝙼𝟹-𝙾𝚖𝚗𝚒-𝟸𝙱: an omni model combines vision, audio, and language. > 𝚍𝟷-𝟸𝙱 and 𝚍𝟷-𝙾𝚖𝚗𝚒-𝟸𝙱: decision models with typed outputs and calibrated probabilities in a single pass. Omni adds audio input. > fine-tune on 1 GPU. > a new tri-hybrid architecture > architecture optimized for 14 processor classes across GPUs, CPUs, and NPUs. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱 is a beast. It performs competitively with Gemma 4 12B (6x larger), and Gemini 3.5 Flash Lite, and GPT-5.6 Luna, with 1.9B parameters. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱 is #1 on the Pareto frontier of device intelligence 𝚙𝚒𝚙𝚎𝚝𝚝𝚎.𝚕𝚒𝚚𝚞𝚒𝚍.𝚊𝚒 Every modality for specialized intelligence. Pick the one that fits your use case, customize it, and run it on-device. 1/ 🧵
#模型发布#开源生态#Agent
- Demis Hassabis模型发布AI 评分62
DeepMind 发布交互式世界模型 Genie 4
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#多模态#Google
- Sundar Pichai模型发布AI 评分67
Google 发布 Genie 4 世界模型，支持实时操控与原生音频
#模型发布#多模态#Google
- Google AI模型发布AI 评分71
Google DeepMind 发布 Genie 4 世界模型
#模型发布#多模态#Google
- Artificial Analysis模型发布AI 评分62
微软 MAI-Image-2.7-Preview 在 AA-Image-Editing v2.1 排名第二
#评测/基准#图像生成#Microsoft
- Artificial Analysis模型发布AI 评分64
蚂蚁 Ling 3.1 Flash 1019 开源发布，智能指数升至 44
#模型发布#推理#开源生态
- 面壁智能 OpenBMB模型发布AI 评分62
面壁智能开源 MiniCPM-OCR 套件，含 1B 解析模型与 2B 校验模型
#模型发布#开源生态#端侧
- 36氪 · AI模型发布AI 评分83
Google DeepMind 发布世界模型 Genie 4，首次原生生成声音与对话
Google DeepMind 发布新一代通用世界模型 Genie 4，首次在 Genie 系列中原生生成环境音与角色即兴对话，单次连贯世界维持时间翻倍至约 2 分钟，实机画面约 24 帧/秒。该模型由 Gemini 3.8 Flash 在后台做多步推理控场、Gemini 4 Argon 拆解动作指令，组成混合世界模型架构，并已向 Google AI Ultra 用户开放内测申请，同时进入 Gemini API 与 Google AI Studio。
#模型发布#多模态#视频
- 智东西模型发布AI 评分86
OpenAI 发布 GPT-6.1 Terra 模型，API 价格较上一代低 50%
OpenAI 推出新模型 GPT-6.1 Terra，主打视觉推理、电脑操作和写作能力，标准 API 价格为每百万输入 token 1 美元、每百万输出 token 5 美元，较 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%。在 Agents' Last Exam 中等推理强度下，其电脑操作得分比 GPT-5.6 Terra 提高 15 个百分点，表现与 GPT-6 Astra 相当，而每 token 价格仅为后者的十分之一。该模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 及 Edu 用户开放，最高推理强度下事实错误率降至 4.3%。
#模型发布#OpenAI#推理
- Unite.AI模型发布AI 评分73
Liquid AI 发布 LFM3 系列六款 2B 级开源权重模型
Liquid AI 于 10 月 27 日发布 LFM3 系列，六款 2B 参数级开源权重模型均从同一个 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、全模态和决策模型。LFM3-1.7B 有 1.73B 参数、256K token 上下文、支持 16 种语言，采用 13 层门控短卷积、5 层滑动窗口注意力和 6 层全局注意力的 Tri-Hybrid 架构，以 LFM Open License v1.0 在 Hugging Face、Liquid AI Playground 和 API 提供。公司称 LFM3-1.7B 以少 35% 的参数超过 LFM2.5-2.6B，4-bit 精度下约占 1 GB 内存，但模型卡说明其不适合智能体编码或复杂多步推理。
#模型发布#开源生态#多模态
- SiliconANGLE模型发布AI 评分74
Google 预览 Genie 4 世界模型，可生成带音频的 3D 环境
Google 预览 Genie 4 世界模型，能根据自然语言描述生成逼真的三维环境，并支持用后续提示词修改天气、添加物体等编辑操作。相比前代，Genie 4 更擅长渲染流体运动等复杂细节，还能生成海浪拍击等配套音频，并让虚拟人物动作自然、可实时交互操控。该模型内部调用 Gemini Omni 保证画面真实感、Gemini 3.8 Flash 维持帧间一致性，目前面向少量早期用户测试，后续将通过 Google AI Ultra 订阅、Gemini API 和 Google AI Studio 提供。
#模型发布#多模态#Google
- The New Stack模型发布AI 评分70
Google DeepMind 发布 Genie 4 世界模型，为 AI 智能体提供可交互测试环境
Google DeepMind 发布 Genie 4 世界模型，可实时渲染带模拟物理、人体动作和原生音频的可交互环境，由 Gemini Omni 塑造场景、Gemini 3.8 Flash 规划下一步。Genie 4 让开发者按需生成测试环境，用于 Apptronik Apollo 人形机器人下跳棋等场景，但 Google 承认其物理并不总是准确，长时间运行中物体可能移位或行为异常。Google 尚未公布 Genie 4 在重复智能体测试中的基准数据，包括同一提示词能否产生一致结果。
#模型发布#多模态#Agent
- The Decoder模型发布AI 评分72
Google DeepMind 发布 Genie 4 世界模型，可实时生成带声音的交互场景
Google DeepMind 推出 Genie 3 的继任者 Genie 4，这是其首个能直接生成声音的实时世界模型，逐帧计算场景并响应用户的键盘操作和文本提示。Gemini 模型在后台负责规划，例如 Gemini 3.8 Flash 持续观察画面、把目标拆成步骤并检查每步结果；DeepMind 还在测试用 Gemini 4 Argon 将 Genie 与机器人研究 Gemini Robotics 结合，演示中模拟了 Apptronik 人形机器人 Apollo 下棋。DeepMind 称该模型仍属早期实验版本，长时间模拟中视觉细节会漂移、物体不一定持续存在，目前仅限部分测试者使用，所有视频和音轨都会带有 SynthID 水印。
#模型发布#多模态#视频
- IT之家·人工智能模型发布AI 评分74
谷歌 DeepMind 推出世界模型 Genie 4，首次实现音视频同步生成
谷歌 DeepMind 于周二推出世界模型 Genie 4，目前处于研究预览阶段，可生成可交互虚拟世界，并在模拟运行中输入提示词修改场景。该模型能生成与虚拟世界同步的实时音频，涵盖音乐、环境音和可交互对话，场景最长可维持两分钟连贯不变，时长是前代 Genie 3 的两倍。Genie 4 将陆续向谷歌 AI Ultra 订阅用户、Genie 项目以及 Gemini API 和谷歌 AI Studio 的早期合作方开放，团队也承认仿真时间越长细节越易偏移、音频准确性与画面文字清晰度仍待解决。
#模型发布#多模态#视频
- IT之家·人工智能模型发布AI 评分80
谷歌 DeepMind 发布 Genie 4 世界模型，支持实时自然语言改写
谷歌 DeepMind 发布 Genie 4 世界模型，定位为重大研究里程碑，用户可用自然语言指令实时改变天气、镜头和角色。它是 DeepMind 首个在实时世界模拟中原生生成音频的模型，音画同步产生，并在空气动力学、碰撞等物理场景和人物动作上有更强表现。Genie 4 目前仅以研究预览形式向受信任测试者开放，未来几周将扩展到 Google AI Ultra 订阅用户的 Project Genie 以及 Gemini API 和 Google AI Studio 的早期合作伙伴；工程师 Diego Rivas 承认长时间模拟可能出现细节漂移，音频准确性和画面内文字可读性尚未完全解决。
#模型发布#多模态#视频
- Microsoft AI Blog一手模型发布AI 评分67
微软发布图像编辑模型 MAI Image 2.7，Arena Edit 排名第 3
微软 AI 发布图像编辑模型 MAI Image 2.7，以预览形式上线，在 Arena Edit 排名第 3、在 Artificial Analysis 图像编辑榜排名第 2，微软 AI 因此成为第 2 的实验室。官方称该模型在 Artificial Analysis 评估的全部 10 个用例和 7 类编辑动作上均优于 2.6，在场景与风格上领先次优模型 24 Elo，目前可在 Arena、Artificial Analysis 和 MAI Playground 试用，文生图功能即将推出。
#模型发布#图像生成#Microsoft
- Hugging Face一手模型发布AI 评分83
Liquid AI 发布 LFM3 系列模型，含 1.7B 文本、视觉、音频与 Omni 版本
Liquid AI 发布 LFM3 系列开放权重模型，全部从 LFM3-1.7B-Base 分支而来，覆盖文本、视觉、音频、Omni 以及 d1 决策模型。LFM3-1.7B-Base 采用三混合层结构，预训练 22T token，最后 3.5T token 的中训练阶段加入更多智能体轨迹与工具调用数据，上下文窗口扩展到 256K token。官方称 LFM3-1.7B 在 8K 上下文下比 LFM2-1.2B 快约 25%，WebArena-Verified 得分 38.42 对 3.02；LFM3-VL-2B 在 62 项视觉基准上平均分从 57.6 升至 71.4。所有模型已在 Hugging Face 开放下载，并提供单卡微调 notebook。
#模型发布#开源生态#端侧
- 华尔街见闻模型发布AI 评分79
谷歌推出世界模型Genie 4，模拟时长翻倍至2分钟并首次实现音视频同步生成
谷歌发布新一代世界模型Genie 4，最长模拟时长提升至约2分钟，为Genie 3的两倍，并首次实现音视频同步生成，用户可用自然语言实时改变环境、操控镜头和添加角色。该模型目前以研究预览版向少量筛选测试者开放，未来数周将向Google AI Ultra订阅用户开放，并逐步向部分开发者提供Gemini API和Google AI Studio的早期访问。谷歌称Gemini负责为模拟世界提供推理和规划，实际实时交互运行在更轻量的Gemini 3.8 Flash上，所有生成音视频均嵌入SynthID水印。
#模型发布#多模态#视频
- TechCrunch AI模型发布AI 评分74
Google DeepMind 发布世界模型 Genie 4 研究预览版，新增实时音频与实时操控
Google DeepMind 发布世界模型 Genie 4 研究预览版，可生成更逼真的交互式世界，支持在模拟过程中输入提示词实时改变场景，并生成与场景匹配的音乐、环境音和交互对话。Genie 4 可实时修改天气、镜头角度或添加人物物体，场景一致性最长维持两分钟，是前代 Genie 3 的两倍，物理效果和角色拟人度也有提升。Gemini 在其中承担规划步骤和检查帧的角色，团队称 Genie 4 仍存在细节漂移、音频准确性和场景内文字可读性等问题。
#模型发布#多模态#Google