Google DeepMind 推出 Gemma 4 12B
Google DeepMind 推出 Gemma 4 12B，将智能体式多模态能力带到笔记本电脑，并首次在其中型模型中支持原生音频输入。该模型在标准评测中的表现接近 26B MoE，内存占用不到后者一半，可在配备 16GB RAM 的消费级笔记本上本地运行。其无编码器架构可直接整合音频与视觉输入，以减少延迟和内存用量。
匹配字段标题、摘要、正文
←搜索结果
搜索“Google”
Google 在 I/O 上推出 Gemini 3.5 Flash，面向智能体与编程
Google 在 I/O 上推出 Gemini 3.5 Flash，称其面向智能体和编程具备前沿性能。该模型于当天在全球推出，针对现实世界的智能体工作流提供前沿级性能，速度是其他前沿模型的 4 倍。
匹配字段标题、摘要、正文
Google 发布 Gemini Omni，融合 Gemini、Veo 与 Nano Banana
Google 发布 Gemini Omni，将 Gemini 的智能与 Veo、Nano Banana 的能力结合。官方称其支持跨场景角色一致性、文生视频编辑以及动态物理与环境表现，当天开始推送。
匹配字段标题、摘要
Google DeepMind 推出 Gemini Omni
Google DeepMind 推出 Gemini Omni，其首款模型 Gemini Omni Flash 可接收图像、音频、视频和文本输入，生成高质量视频，并支持通过多轮自然语言对话编辑。该模型正向 Gemini app、Google Flow 和 YouTube Shorts 推出，未来数周将通过 API 面向开发者和企业客户开放；初期音频输入仅支持语音参考，生成视频均含 SynthID 数字水印。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS，通过 audio tags 精细控制语音风格、节奏和表达，并支持 70 多种语言及原生多说话人对话。该模型在 Artificial Analysis TTS 排行榜获得 1,211 Elo 分，正逐步上线 Google AI Studio、Vertex AI 和 Google Vids；生成的音频均带有 SynthID 水印。
匹配字段标题、摘要、正文
Google 推出 Gemini 3.1 Pro，作为 Gemini 3 Deep Think 突破的核心智能基础
Google 推出 Gemini 3.1 Pro，为最具挑战性的任务提供更智能、更强大的基础模型，并称其核心智能促成了 Gemini 3 Deep Think 的突破。该模型现已可用。
匹配字段标题、摘要
Google Nano Banana 提升 AI 图像生成的视觉一致性
Google 发布 Gemini 2.5 Flash Image 模型“Nano Banana”，可在生成和编辑图像时，让人物、宠物或产品在不同姿势与角度下保持视觉一致。该模型已在 Pixel、Android 和 Gemini API 中提供，并支持近乎即时的图像编辑，可用于营销与设计。
匹配字段标题、摘要、正文
Google Gemma 2 上线 Ollama，提供 2B、9B、27B 三个尺寸
Google Gemma 2 已在 Ollama 上线，提供 2B、9B 和 27B 三个参数尺寸，采用全新架构。Ollama 给出的运行命令为 ollama run gemma2:2b、ollama run gemma2 和 ollama run gemma2:27b，并可与 LangChain、LlamaIndex 等工具配合使用。原文称 27B 版本在基准测试中性能超过参数量两倍于它的模型。
匹配字段标题、摘要、正文
微软 MAI-Image-2.7-Preview 升至图像编辑榜第二
Mustafa Suleyman 宣布 MAI-Image 成为全球第二的图像编辑模型，称其再次超过 Google、Meta、xAI 和 GPT-Image-2.5-Flare，并可在 MAI Playground 试用。其引用的 Artificial Analysis 评测显示，微软 MAI-Image-2.7-Preview 在 AA-Image-Editing v2.1 上排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst（max），在 7 项编辑动作上均高于 MAI-Image-2.6，其中构图与取景提升 +57 Elo、文字或符号编辑 +49、场景与风格编辑 +48，并在 4 项动作上排名第一。该模型目前仅在 MAI Playground 提供图像编辑，文生图功能称即将推出。
匹配字段摘要、正文
DeepMind 发布交互式世界模型 Genie 4
Demis Hassabis 分享 Google DeepMind 的交互式世界模型 Genie 4，称其整合了实时物理、推理与音频能力。Google DeepMind 官方账号称这是其迄今最真实、最具交互性的世界模型，可实时探索动态环境，观察场景如何响应、发声，以及其中人物的移动、反应与说话。Hassabis 还提到模拟之中嵌套模拟。
匹配字段摘要
Recursive 发布开源编码模型 Flint，称开发流程大部分由 AI 完成
Recursive 发布首个开源权重编码模型 Flint，参数规模 40B，CEO Richard Socher 称模型管线几乎所有环节都由其 Eureka Machine 系统完成，包括新的基座训练方式、模型架构和针对特定芯片优化的代码。WIRED 作者在 48GB 内存的 Mac 上实测，用它搭建命令行待办、网页研究抓取程序和 RSI 科普网站，认为其速度和准确度优于同尺寸模型。Recursive 已从 Google Ventures、Greycroft、Nvidia 和 AMD Ventures 融资 6.5 亿美元，估值 46.5 亿美元。
匹配字段摘要、正文
Meta 发布 816B 参数开源权重模型 Muse Spark Open，支持 1M 上下文窗口
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 开源权重模型，816B 总参数、1M token 上下文
Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型规格为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、1M 上下文
Meta 发布开源权重模型 Muse Spark Open，面向编码与智能体任务，总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频和音频。该模型已针对双 Apple M5 Ultra Mac Studio 与最新 MLX 框架优化，同时支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并针对 AMD、Apple、Intel 和 NVIDIA 芯片优化。模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，开发者可用 PyTorch 及 TorchTitan 进一步微调。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、1M 上下文窗口
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频和音频多模态，面向编码与智能体任务。该模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，有限商业条款允许许多开发者免费使用。模型还针对 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行做了优化，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎。
匹配字段摘要、正文
Meta 开源 816B 参数多模态模型 Muse Spark Open
Meta 于 10 月 15 日公开 Muse Spark Open 权重，这是一个原生多模态开源模型，总参数 816B、激活参数 42B，上下文窗口 1M token，面向编码与长程智能体任务。模型采用 MoE Transformer 加 Perception Encoder 架构，可通过 Baseten、Fireworks AI、Groq 等 API 平台调用，权重在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等处下载，本地运行 NVFP4 版本需至少 700GB 显存。Meta 称其为首个能在桌面端运行的同级模型，用两台搭载 M5 Ultra 的 Mac Studio 配合 MLX 框架即可承载；模型卡显示其 Artificial Analysis 智能指数为 39，低于表中 GLM 5.3 的 45 和 Kimi K3 的 44。
匹配字段摘要、正文
Meta 发布 816B 开源模型 Muse Spark Open
Meta 发布 Muse Spark Open，一个 816B 参数、42B 激活参数的开源权重模型，采用 100 万 token 上下文窗口，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等 API 调用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等下载。Meta 称其面向编码与智能体任务，在 JobBench、MCP-Atlas 等智能体与工具调用基准上领先 Kimi K3、GLM 5.3 和 Qwen3.8，但在 Terminal-Bench 2.1 和 DeepSWE 1.1 等编码基准上落后。模型采用 Muse Model License，年营收超过 2000 万美元的公司需先通知 Meta 并签署单独协议才能提供模型服务，且使用方须在产品界面显著标注 Built with Muse Spark Open。
匹配字段摘要、正文
Meta 开放 816B 参数模型 Muse Spark Open，面向编码与智能体任务
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
匹配字段摘要、正文
Meta 发布 Muse Spark Open，与 Apple 合作在 Mac Studio 上运行
Meta 发布 Muse Spark Open，称其为迄今能力最强的美国开源权重模型，总参数 816B、激活参数 42B，上下文窗口 100 万 token，面向编码与智能体任务。该模型与 Apple 合作适配 Mac Studio，可在两台 512GB M5 Ultra Mac Studio 上通过 MLX 框架运行；512GB 版 Mac Studio 尚未发售，预计本月晚些时候推出。模型权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载，也可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，免费下载并采用允许有限商业用途的许可。
匹配字段摘要、正文
xAI 发布 Grok Voice 3.0，登顶 Artificial Analysis 语音对话指数
xAI 发布实时语音对话模型 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech 指数上以 86.9 分登顶，高于 OpenAI GPT-Live-1 的 83.2 分和 Google Gemini 3.8 Live 的 82.6 分，前代 Grok Voice 2.0 为 81.3 分。该模型在 τ-Voice 客服对话基准上成功率从 56.5% 升至 71.6%，位列第二，落后 GPT-Live-1（Astra, Medium）的 74.5%；人类盲测偏好排名第三，语音输出平均延迟 0.81 秒，价格维持每分钟 0.08 美元。xAI 称其已在特斯拉车辆中每天处理数百万次对话，并在 Starlink 工作日接听约 2 万通客户来电，其中约 70% 无需人工介入，现已通过 API 开放。
匹配字段摘要、正文