Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发、低成本配音场景。
推荐理由：两个 TTS 模型把语音生成从固定预设转向自然语言定制，并给出 Hume AI 基准成绩与开放入口，便于判断创作与规模化配音的能力边界。
全部AI 动态
全部动态
今日 4 条Google DeepMind精选AI 评分7676 Latent Space精选AI 评分8282 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna，两家齐降价 40-50%
Anthropic 发布 Claude Opus 5.5，称其多数任务达到 Claude Fable 5.1 水平，单任务成本比 Opus 5 低约 40%、速度快约 30%，并成为 Claude Code 与 Claude 应用的默认模型；数小时后 OpenAI 推出 GPT-6 Sol 和 Luna，定价分别约为前代 GPT-5.6 的一半。
推荐理由：把两家同日发布的价格、基准和订阅变化放在一起对照，并给出作者迁移默认模型的一手判断。
Simon WillisonAI 评分7272 Claude Opus 5.5 与 GPT-6 Sol/Luna 发布，新一轮价格战开启
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。
Latent Space精选AI 评分8484 小米发布 MiMo-V2.6-Pro 1T-A42B，训练成本 300 万美元
小米发布 MiMo-V2.6 系列两款原生全模态开源模型，其中 MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数登上 Artificial Analysis 智能指数开源权重模型首位（46 分），输入输出价格分别为 $0.435/M 和 $0.87/M token，模型采用 MIT 许可。
推荐理由：复盘小米 MiMo-V2.6 的 RL 训练三轴扩展与开源环境清单，可对照其成本与榜单位置判断开源权重模型的进展。
Simon WillisonAI 评分7171 TypeSafe AI 发布 Jev：只输出浮点决策的 System One 模型
TypeSafe AI 上周发布 Jev，这是其称为 System One 模型的首次实例：它接受文本输入，但不输出文本，而是返回类别、是非题、评分对应的浮点数及置信度。
Latent SpaceAI 评分6060 Jev 发布两天内出现 6 个克隆实现
Jev 发布两天内，其发布视频获得 3600 万次播放，社区迅速出现至少 6 个复现或类似实现，包括基于 ModernBERT 的 Laya、基于扩散模型的 DiffusionGemmaJev。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者主打规模化与成本效率，后者面向高复杂度任务，支持边推理边说话。
推荐理由：官方给出两款语音模型的基准分数、价格定位与开放渠道，可据此判断语音智能体的选型与部署时机。
Interconnects · Nathan LambertAI 评分4444 最新开源模型盘点：Motif-3、GLM-5.3、Hy4-preview 与开源模型许可证之变
智谱 GLM-5.3 从 GLM-5.2 及更早版本的 MIT 许可证转为自定义许可证：若被许可方或其关联方运营 Model as a Service 业务且连续 12 个月总收入超过 100 亿美元，须先通过 Z.AI 安全审查，方可商用。
IEEE Spectrum · AIAI 评分7171 Google DeepMind 发布 AlphaGenome Atlas，预先计算 90 亿个 DNA 变异预测
Google DeepMind 于 9 月 8 日发布 AlphaGenome Atlas，这是一个在线仓库，预先计算了参考人类基因组全部 90 亿种单碱基变异的 AlphaGenome 预测结果。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3 全球天气模型，直接学习实时对地静止卫星观测数据，每小时输出一次预报，温度等关键地表变量分辨率达 5 公里，较上一代 WeatherNext 2 的 25 公里、6 小时更新提升约 5 倍。
推荐理由：官方披露了分辨率、更新频率与训练数据来源的变化，可对比上一代判断天气模型精度提升的路径。
Hugging Face BlogAI 评分4343 Hugging Face 发布 NeoMME：260M 与 800M 多语言多模态编码器
Hugging Face 推出 NeoMME，包含 260M 和 800M 两个多语言多模态编码器，不用独立预训练视觉塔或因果语言模型，由单个双向 Transformer 同时处理文本 token 与原始图像 patch，并以掩码离散扩散目标从零训练。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8，包含两个变体：Gemini 3.8 Flash 面向软件工程、智能体任务和多步推理，定价与 3.7 Flash 相同，为每百万输入 token $0.75、输出 token $3.75；Gemini 3.8 Flash Cyber 面向漏洞检测与自动修补，通过新的 Fairwind Program 向受信任防御方开放。
推荐理由：官方给出 3.8 Flash 与 Cyber 两个变体的定价、基准表现和开放入口，便于对照 3.7 判断升级幅度。
Microsoft ResearchAI 评分3636 微软研究院发布 GigaPath-Flash 与 GigaTIME-Flash 病理基础模型
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash 两款高效病理基础模型，均以 Apache 2.0 许可证开放。
Hugging Face BlogAI 评分4949 Open ASR Leaderboard 首次加入全球南方语言：Monsoon 印地语与印度英语评测集
Hugging Face 的 Open ASR Leaderboard 新增 Monsoon en-IN 与 Monsoon hi-IN 两个评测集，印地语由此成为该多语言榜单上的首个印度语言。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini Omni 1.1 Flash，增强生成视频控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更可控的生成视频能力，通过 Gemini API 在 Google AI Studio 等平台开放。
推荐理由：原文列出场景延展、首尾帧指定、4K 放大等具体能力与开放入口，可据此评估生成视频在开发流程中的可控性。
NVIDIA Developer Blog精选AI 评分6666 阿里发布 Qwen3.8-Flash-Next 权重，预览 Qwen4 架构
阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构的预览，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram 嵌入向量，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文字模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由：官方给出 WER、延迟提升和两套 API 入口，读者可据此判断语音转写能否接入现有工程链路。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露 Granite 4.2 的三档规模、五阶段预训练与分阶段 RL 流程，可对照理解推理模型的后训练工程。
Hugging Face BlogAI 评分4646 LFM2.5-DSpark 草稿模型发布：推理最高提速 3.2 倍
LiquidAI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下实现最高 3.18 倍 GPU 吞吐提升和 2.87 倍端侧提速。
NVIDIA Developer BlogAI 评分5050 如何为端侧机器人控制微调 NVIDIA Cosmos 3 Edge
NVIDIA 推出 Cosmos 3 Edge，这是 Cosmos 3 家族中的 4B 全模态模型，内置 2B 基于 Nemotron 的推理器，用于解决世界模型体积过大难以端侧部署的问题。该模型面向机器人利用自身传感器、环境和任务进行策略适配，NVIDIA 开发者博客介绍了如何对其做后训练以用于端侧机器人控制。
Hugging Face Blog精选AI 评分7171 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持 ColBERT 式晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate、Stanford-NLP ColBERT 以及 colpali-engine 视觉文档检索检查点均可通过同一套 API 加载。
推荐理由：原文给出多种 ColBERT 类检查点的统一加载方式，以及索引体积与检索收益之间的实测取舍，可据此决定是否替换现有稠密检索。
NVIDIA Developer BlogAI 评分3131 NVIDIA 用 Model Optimizer 的 QAD 打造 Nemotron 3.5 Lightning NVFP4
NVIDIA 发布 Nemotron 3.5 Lightning NVFP4 检查点，借助 NVIDIA Model Optimizer 的 QAD 方法在保持精度的同时实现最高 4 倍吞吐提升。该检查点体积从全精度版本的 66 GB 压缩至 22 GB。
Interconnects · Nathan LambertAI 评分7474 GLM-5.3 发布：中国实验室如何跟上前沿
Z.ai 发布 GLM-5.3，目前仅在编码套餐中提供，之后上线 API，两周后开放权重。该模型与 GLM-5.2 共用同一基座，仅大幅扩展后训练，参数量约 750B，为 Kimi K3 的三分之一，在多项智能体编码基准上超过 Kimi K3，部分指标超过 Claude Fable 5 或 GPT-5.6-Sol。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.7 Flash，编码与智能体能力提升且首发价减半
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最智能的主力模型，距 Gemini 3.6 Flash 仅三周，首发价为 3.6 Flash 每百万 token 成本的一半，即 $0.75/1M 输入 token、$3.75/1M 输出 token，优惠持续到年底。
推荐理由：相较 3.6 Flash 的编码与知识工作基准提升和限时半价定价，是判断其性价比的直接依据。
NVIDIA Developer Blog精选AI 评分6969 阿里开放 Qwen3.8-2.4T-A95B 权重，2.4T 参数、单 token 激活 95B
阿里开放了 Qwen3.8-2.4T-A95B（Qwen3.8-Max）的模型权重，这是其目前最大的开放权重模型。该模型总参数 2.4T、单 token 激活 95B，采用细粒度 MoE 架构，混合全注意力与线性注意力，上下文窗口最高 100 万 token。NVIDIA 开发者博客介绍在 GB300 NVL72 上部署该模型并支持可配置推理。
推荐理由：摘要给出 Qwen3.8-2.4T-A95B 的开放权重与关键规格，读者可借此了解其 MoE 结构与长上下文配置。
Google DeepMind精选AI 评分7676 Google DeepMind 发布多语种手语转文本模型 SL2T，首发 Gboard 与 Live Transcribe
Google DeepMind 发布多语种手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 与 Live Transcribe 中以 ASL 转英文的听写功能首次进入消费产品，训练数据超 10 万小时、覆盖 50 多种手语。
推荐理由：官方给出了 SL2T 的数据规模、基准成绩和隐私处理方式，可据此判断手语翻译在消费端落地的可行边界。
NVIDIA Developer Blog精选AI 评分6565 NVIDIA 发布 Nemotron 3.5 Lightning，面向长时运行智能体
NVIDIA 发布 Nemotron 3.5 Lightning，这是一个开放的 30B MoE 模型，激活参数为 3B，面向常驻智能体的执行层。该模型针对工具调用、结果校验和子智能体委派这类高频执行任务设计，官方称用前沿推理模型处理每一步执行会增加成本与延迟。
推荐理由：NVIDIA 官方给出该模型在智能体执行层的参数规模与激活量，可据此判断它在常驻智能体中的成本与延迟取舍。
Hugging Face BlogAI 评分5656 NVIDIA 发布 Magpie TTS 多语言版，开放权重支持 12 种语言
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，新增 Modern Standard Arabic、Korean 和 Brazilian Portuguese，共支持 12 种语言。
NVIDIA Developer Blog精选AI 评分6464 Meta 开源 Muse Glimmer：30B 稠密模型，面向本地智能体工作流
Meta 重返开源生态，发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口超过 120K，面向本地 AI 智能体工作。该模型针对 NVIDIA 边缘、桌面和工作站 AI 平台优化，可在单 GPU 上达到 20K tokens/sec，让常驻智能体在本地处理数据并执行复杂任务。
推荐理由：Meta 回归开源发布 30B 本地智能体模型，并给出单 GPU 吞吐数字和运行平台范围。
Hugging Face Blog精选AI 评分8282 Meta 发布 Muse Glimmer：30B 本地智能体多模态开源模型
Meta 发布多模态模型 Muse Glimmer，从 Muse 蒸馏到 30B 参数，采用 Apache 2.0 许可，面向本地智能体场景，可用于编码、文档分析和个人助理。
推荐理由：材料给出 30B 多模态模型在智能体与编码基准上的完整对比表和本地部署路径，可判断其端侧适用边界。
Google DeepMind精选AI 评分7777 Google DeepMind 开源 WeatherNext 气旋预报模型，预警提前一天
Google DeepMind 在 Nature 发表论文，称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA，平均比分先模型多出超过一整天的预警提前量，三天预报精度相当于过去两天。
推荐理由：原文给出气旋路径与强度预报的量化领先幅度，以及模型权重开源的具体范围，读者可据此判断气象预报的 AI 替代空间。
NVIDIA Developer BlogAI 评分3535 NVIDIA Alpamayo 2 Super：用开放 340 亿参数推理视觉模型生成轨迹、推理链与自动标注
NVIDIA 推出 Alpamayo 2 Super，一个开放 340 亿参数的推理视觉模型，可在自动驾驶开发中统一生成轨迹、高层意图预测、场景理解与数据标注，替代此前各环节分立的模型。该模型支持在同一套表示上对比相关输出、排查模型行为，并复用至整个开发流程。
Interconnects · Nathan LambertAI 评分5858 Laguna S2.1、Inkling 与 Kimi K3：开放模型在帕累托前沿展现价值
Interconnects 在开放模型月度盘点中指出，此前被普遍预测的模型实验室整合并未到来，反而有更多公司训练并开放强模型，Thinking Machines 的开放模型微调服务年收入已达数亿美元。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Robotics ER 2，为机器人带来视频理解、任务编排与多机器人协作
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，作为高层“大脑”负责对话、理解物理世界并规划多步任务，再把电机执行交给底层 VLA 模型。
推荐理由：Gemini Robotics ER 2 给出了多机器人协作与视频进度追踪的能力细节和开发者接入方式。
Google DeepMind精选AI 评分6161 Google DeepMind 在 Flow Music 发布音乐生成模型 Lyria 3.5
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制上有提升，包括更复杂自然的主旋律结构、提示词遵循与结构感知更好的歌词、更具情感细节和发音更准的人声，以及更易控制输出tempo和时长。
推荐理由：官方给出 Lyria 3.5 在旋律、歌词、人声与节奏控制上的具体升级点，可据此判断音乐生成的可用边界。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini Robotics 2
Google DeepMind 发布 Gemini Robotics 2，通过 VLA 模型、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2 三个模型，实现人形机器人全身控制、灵巧操作与多机器人协作。
推荐理由：原文给出三个模型的职责分工与开放入口，读者可据此判断机器人智能层在全身控制与本地部署上的实际进展。
NVIDIA Developer BlogAI 评分2929 NVIDIA Ising Calibration 1.5 发布：用增强的上下文学习实现全自动量子计算机校准
NVIDIA 发布开源视觉语言模型 Ising Calibration 1.5，可解读量子处理器的诊断输出并判断其调优方式，实现基于 AI 的 QPU 自动校准。该版本增强了上下文学习能力，无需先前的训练样本即可分析陌生的诊断结果。
Hugging Face BlogAI 评分4646 NVIDIA Cosmos-H-Dreams：为手术机器人带来实时生成式仿真
NVIDIA 推出 Cosmos-H-Dreams，一个面向手术机器人的实时、动作条件生成式仿真器，将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并通过 FlashDreams 推理库在单张 NVIDIA RTX PRO 6000 GPU 上运行。
NVIDIA Developer BlogAI 评分4747 NVIDIA Nemotron 3 Ultra 在智能体 RTL 编码中精度与效率领先开源模型
NVIDIA Nemotron 3 Ultra 在智能体 RTL 编码任务上于精度与效率两项指标领先开源模型。RTL 开发与验证需要专业硬件知识和精确推理，并需反复与 EDA 工具交互。LLM 已加速代码生成，AI 智能体则借助验证反馈迭代纠错，进一步扩大其作用。
NVIDIA Developer BlogAI 评分2424 NVIDIA GB300 NVL72 创下 MoE 预训练世界纪录
NVIDIA GB300 NVL72 在预训练 DeepSeek-V3 671B 时创下每 GPU 1,648 TFLOPs 的世界纪录。随着前沿模型预训练转向 MoE 架构，每 token 计算量下降，通信效率日益决定模型在数千块 GPU 上的扩展表现。