📸cambrian 系列最新成果：cambrian-p，p 代表 pose。 我认为 pose 很可能是我们需要的、用于稳健视频多模态模型的最小充分 3D 信号（而且它很容易获取！）——联合建模帧与 pose 能把图像序列转化为全局有根基的结构。
📸cambrian 系列最新成果：cambrian-p，p 代表 pose。 我认为 pose 很可能是我们需要的、用于稳健视频多模态模型的最小充分 3D 信号（而且它很容易获取！）——联合建模帧与 pose 能把图像序列转化为全局有根基的结构。
匹配字段摘要
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。
Together AI 推出完全开源的 Violin 视频翻译工具，通过 ASR、大语言模型翻译和 TTS 语音合成生成译制视频。它还支持基于音视频内容的多模态问答和自然语言选声，不提供声音克隆，并默认以低音量保留原声。GUI、后端模型与智能体技能均以 MIT 许可证开放。 · Together AI introduced Violin, a fully open-source video translation tool that produces translated videos through ASR, LLM translation, and TTS voice synthesis. It also supports multimodal question answering grounded in audiovisual content and natural-language voice selection; voice cloning is disabled, and the original audio is retained at low volume by def
匹配字段摘要
SpaceXAI 与 Anthropic 签署协议，向后者提供 Colossus 1 超级计算机的算力访问。Colossus 1 配备超过 220,000 块 NVIDIA GPU，包含 H100、H200 和下一代 GB200 加速器的密集部署，面向大语言模型、多模态系统和生成式 AI 的训练、微调与推理。Anthropic 还表示有兴趣合作开发数吉瓦级的轨道 AI 算力容量。
匹配字段摘要
Together AI 已上线 NVIDIA Nemotron 3 Nano Omni，为开发者提供托管式生产级多模态推理服务。该开放模型采用混合 Transformer-Mamba MoE 架构，总参数量为 30B、每个 Token 激活约 3B 参数，并支持最高 256K Token 的共享多模态上下文。开发者可通过 API 部署，也可在云端、本地或隔离环境中自行部署。
Together AI 已上线 NVIDIA Nemotron 3 Nano Omni，为开发者提供托管式生产级多模态推理服务。该开放模型采用混合 Transformer-Mamba MoE 架构，总参数量为 30B、每个 Token 激活约 3B 参数，并支持最高 256K Token 的共享多模态上下文。开发者可通过 API 部署，也可在云端、本地或隔离环境中自行部署。 · Together AI has made NVIDIA Nemotron 3 Nano Omni available to developers as a managed, production-grade multimodal inference service. The open model uses a hybrid Transformer-Mamba MoE architecture with 30B total parameters, activates about 3B parameters per token, and supports up to 256K tokens of shared mu
匹配字段摘要
我明天（周日）将在 ICLR 做三场研讨会演讲！ - 无奖励瓶颈的自我改进，包括 meta-harness（上午 10:30，RSI 研讨会） - 涌现式物理泛化，包括 π0.7（上午 11:40，多模态研讨会） - 用于鲁棒性的强化学习（下午 1:45，CAO 研讨会）
我明天（周日）将在 ICLR 做三场研讨会演讲！ - 无奖励瓶颈的自我改进，包括 meta-harness（上午 10:30，RSI 研讨会） - 涌现式物理泛化，包括 π0.7（上午 11:40，多模态研讨会） - 用于鲁棒性的强化学习（下午 1:45，CAO 研讨会）
匹配字段摘要
LG AI Research 与 Vanderbilt University Medical Center（VUMC）在 2026 AACR 上展示了多项空间生物学与 AI 联合研究，涵盖 3D/4D 图像分析、病理 AI 与基础模型。研究包括结合 3D holotomography 与同片 RNA、蛋白及荧光 H&E 数据解析胃癌微环境，以及用 AI 驱动的实时 3D/4D 空间多模态评估 HER2 靶向 ADC Enhertu 的递送、溶酶体切割与旁观者效应。
匹配字段摘要
Physical Intelligence 发布最新机器人模型 π0.7，可处理不仅说明做什么、还说明怎么做的多样提示词，包括丰富语言和视觉子目标图像等多模态信息，测试时这些图像可由轻量级世界模型生成。该模型展现出涌现的组合泛化能力，能把已学技能按提示词以新方式组合，例如学会用空气炸锅烤红薯；还能在没有该机器人洗衣折叠数据的情况下，控制新机器人 UR5e 折叠 T 恤。团队表示仍在探索 π0.7 的能力，更多细节见其博客、视频和完整研究论文。
匹配字段摘要
Physical Intelligence 发布最新机器人模型 π0.7，称其展现出涌现式组合泛化能力，能根据提示以新方式组合已学技能，例如用空气炸锅烤红薯。该模型还能在没有衬衫折叠数据的情况下控制新机器人折叠衬衫，并在同一模型中完成多种灵巧任务；它可处理包含丰富语言和视觉子目标图像的多模态提示，这些图像在测试时可由轻量级世界模型生成。
匹配字段摘要
Physical Intelligence 发布最新机器人模型 π0.7，展现出多项涌现能力：能控制新机器人 UR5e 折叠 T 恤，尽管此前没有该机器人的衣物折叠数据；还能通过语言指导学会使用家电，并在单一模型中完成多种灵巧任务。该模型具备组合泛化能力，可根据提示词以新方式组合已学技能，例如用空气炸锅烤红薯。π0.7 可处理包含丰富语言和多模态信息（如视觉子目标图像）的提示，这些图像在测试时可由轻量级世界模型生成。
匹配字段摘要
Qwen 团队开源 Qwen3.6-35B-A3B，这是一个 35B 总参数、仅 3B 激活参数的 MoE 模型，主打智能体编码能力，同时支持多模态思考与非思考模式。官方称其在 SWE-bench Verified 上得分 73.4，超过前代 Qwen3.5-35B-A3B 的 70.0，并在多数视觉语言基准上接近 Claude Sonnet 4.5。模型已在 Qwen Studio 上线，可通过阿里云百炼 API 以 qwen3.6-flash 调用，权重发布于 Hugging Face 和 ModelScope，并支持 OpenClaw、Claude Code、Qwen Code 等第三方编码助手。
匹配字段摘要
LG AI Research 发布 EXAONE 4.5，这是 LG 首个以开源权重方式发布的视觉语言模型（VLM），在 EXAONE 4.0 基础上集成自研 Visual Encoder，采用原生多模态预训练同时学习文本与图像。模型引入 Multi-Token Prediction（MTP）模块，推理速度较此前方法提升 1.5 倍以上，并采用自研 AGAPO 强化学习算法提升逻辑推理能力。官方称其在 MMMU-Pro、MathVision、CharXiv、OCRBench_v2 等基准上优于或接近 Qwen 3 VL 32B、GPT-5-mini、Claude Sonnet 4.5，在韩语视觉基准 k-viscuit 和 KRETA 上表现领先，模型已在 Hugging Face 发布并附技术报告。
LG AI Research 发布 EXAONE 4.5，这是 LG 首个以开源权重方式发布的视觉语言模型（VLM），在 EXAONE 4.0 基础上集成自研 Visual Encoder，采用原生多模态预训练同时学习文本与图像。模型引入 Multi-Token Prediction（MTP）模块，推理速度较此前方法提升 1.5 倍以上，并采用自研 AGAPO 强化学习算法提升逻辑推理能力。官方称其在 MMMU-Pro、MathVision、CharXiv、OCRBench v2 等基准上优于或接近 Qwen 3 VL 32B、GPT-5-mini、Claude Sonnet 4.5，在韩语视觉基准 k-viscuit 和 KRETA 上表现领先，模型已在 Hugging Face 发布并附技术报告。
匹配字段摘要
Caltech、Mila、FutureHouse 等机构提出 DISCO（Diffusion for Sequence-structure CO-design），一种多模态生成模型，可围绕分子目标同时生成蛋白序列与 3D 结构，无需预先指定 theozyme。在 178/179 个靶点的计算基准上取得最优表现，并在 4 类卡宾转移反应中测试 90 个设计，其中 B–H 插入达 98% 产物和 5,170 总转化数，活性超过此前定向进化实验的两倍。这些酶的活性位点几何在 AlphaFold 数据库的 2 亿多个结构中找不到近缘天然同源物。
匹配字段摘要
阿里千问发布 Qwen3.6-Plus，通过阿里云百炼 API 提供，默认 1M 上下文窗口，重点提升智能体编码与多模态感知推理能力。官方基准显示其在 SWE-bench Verified 得 78.8、Terminal-Bench 2.0 得 61.6、QwenClawBench 得 57.2，均高于 Qwen3.5-397B-A17B。API 新增 preserve_thinking 参数用于保留多轮思考内容，默认关闭，可接入 Claude Code、Qwen Code、Cline、OpenCode 等编码工具。
阿里千问发布 Qwen3.6-Plus，通过阿里云百炼 API 提供，默认 1M 上下文窗口，重点提升智能体编码与多模态感知推理能力。官方基准显示其在 SWE-bench Verified 得 78.8、Terminal-Bench 2.0 得 61.6、QwenClawBench 得 57.2，均高于 Qwen3.5-397B-A17B。API 新增 preserve thinking 参数用于保留多轮思考内容，默认关闭，可接入 Claude Code、Qwen Code、Cline、OpenCode 等编码工具。
匹配字段摘要
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可处理多模态输入，模型可在企业内部基础设施中训练和运行。Mistral AI 已与 ASML、DSO National Laboratories Singapore、Ericsson、欧洲空间局、HTX Singapore 和 Reply 等机构合作，用其专有数据训练模型。Forge 以智能体优先设计，Mistral Vibe 等自主智能体可用它微调模型、寻找最优超参数、调度任务并生成合成数据。
匹配字段摘要
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，双方计划联合开发前沿开源 AI 模型，结合 Mistral AI 的模型架构与全栈平台和 NVIDIA 的算力、模型开发工具及合成数据生成管线。联盟首个项目是一个在 NVIDIA DGX Cloud 上训练的基础模型，将支撑即将推出的 NVIDIA Nemotron 4 系列并开源。Mistral AI 将贡献专有训练技术、多模态能力和企业级微调工具，此前双方曾合作开发 Mistral Nemo 模型。
匹配字段摘要
Sakana AI 宣布与日本防卫装备厅防卫创新科学技术研究所签订委托研究合同，开展为期多年的大规模基础技术开发，研究主题为通过组合多种 AI 技术加速观测、报告、信息整合与资源分配。研究将开发面向陆海空全领域海量多模态数据的综合分析系统，并推进可在无人机和移动终端等边缘设备上高速运行的小规模视觉语言模型（SVLM），以提升指挥控制系统（C2 系统）能力。该委托研究被定位为防卫装备厅的实证型突破研究，Sakana AI 将防务与情报列为继金融之后的重点领域，并已组建国内专门团队。
匹配字段摘要
Ahead of AI 整理了 2025 年 7 月至 12 月值得关注的 LLM 研究论文，并按主题分类。清单涵盖推理模型、推理时扩展方法、模型发布与技术报告、架构、高效训练、扩散语言模型、多模态与视觉语言模型，以及数据和预训练数据集。
匹配字段摘要
Modal 宣布为 Mistral 3 提供 Day 0 支持，开发者可在其无服务器基础设施上部署并自动扩缩容这些模型。Modal 的 GPU 内存快照功能在 Ministral 3 3B 上把中位冷启动时间从约 118 秒降到约 12 秒，接近 10 倍提升，使用需为 vLLM 服务器启用 Sleep Mode 并设置 enable_gpu_snapshot。Mistral 3 是 Mistral 新推出的开源多模态模型家族，Ministral 3 提供 3B、8B、14B 三种规模。
Modal 宣布为 Mistral 3 提供 Day 0 支持，开发者可在其无服务器基础设施上部署并自动扩缩容这些模型。Modal 的 GPU 内存快照功能在 Ministral 3 3B 上把中位冷启动时间从约 118 秒降到约 12 秒，接近 10 倍提升，使用需为 vLLM 服务器启用 Sleep Mode 并设置 enable gpu snapshot。Mistral 3 是 Mistral 新推出的开源多模态模型家族，Ministral 3 提供 3B、8B、14B 三种规模。
匹配字段摘要
Claude Opus 4.5 与 Gemini 3 相比如何？ - 推理/文本：在控制推理 token 数量的情况下，Gemini 3 ≈ Opus - 多模态：在视觉/图像输入上，Gemini 3 大幅优于 Opus - 安全：能力 ≠ 安全。在越狱、诚实性等方面，Opus 优于 Gemini
Claude Opus 4.5 与 Gemini 3 相比如何？ - 推理/文本：在控制推理 token 数量的情况下，Gemini 3 ≈ Opus - 多模态：在视觉/图像输入上，Gemini 3 大幅优于 Opus - 安全：能力 ≠ 安全。在越狱、诚实性等方面，Opus 优于 Gemini
匹配字段摘要
vLLM TPU 现由 tpu-inference 驱动，通过统一的 JAX→XLA 降低路径支持 PyTorch 和 JAX，并在无需修改模型代码时将吞吐量提高约 20%。新版默认采用 SPMD，引入支持任意模型规格、量化 dtype 和张量并行的 RPA v3，其在 Trillium（v6e）上的吞吐量较 RPA v2 提高约 10%。当前整体性能已接近 2025 年 2 月首个 TPU 原型的 5x，并支持稠密模型、多模态输入、前缀缓存、分块预填充和结构化解码等能力。
匹配字段摘要