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。
模型发布
全部主题新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新精选
第 41–60 条 · 共 117 条Google DeepMind精选AI 评分7272
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布三款 Gemini 新模型：3.6 Flash 主打编码与知识工作，在 Artificial Analysis Index 上输出 token 用量比 3.5 Flash 减少 17%。
推荐理由：三款 Flash 新模型同时给出 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型，称其在相关任务上优于主线 Flash。
推荐理由：轻量网络安全模型通过多次调用代替昂贵大模型，给出 CyberGym 与 Chrome 流水线上的可验证对比。
Hugging Face Blog精选AI 评分8282 Thinking Machines 发布 Inkling 与 Inkling-Small 开源多模态模型
Thinking Machines Lab 在 Hugging Face 发布 Inkling 系列开源多模态大模型，Inkling 为 975B 总参数、41B 激活参数的 MoE 模型，原生接受图像、文本和音频输入，支持 1M 上下文。
推荐理由：首个约1T参数、1M上下文的开源原生多模态模型，附完整部署配置与基准对比可供参考。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
推荐理由：两款模型给出明确的延迟、单价与可用入口，读者可据此判断图像与视频生成流水线的成本变化。
Hugging Face Blog精选AI 评分8282 智谱发布 GLM-5.2：面向长程任务，1M 上下文与 MIT 开源
智谱发布旗舰模型 GLM-5.2，主打长程任务，首次提供稳定的 1M token 上下文，并采用 MIT 开源许可且无地域限制。官方称其架构引入 IndexShare，每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下把每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。
推荐理由：官方给出 1M 上下文在长程编码任务上的实测栈位、架构改动与 MIT 开放权重，可据此判断开源模型的长任务能力边界。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 DiffusionGemma：文本扩散模型推理最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性生成 256 个 token，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 4x 推理加速的实测数字与本地低并发场景边界，读者可据此判断它适合哪些交互式工作流。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音到语音翻译，能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate 把语音翻译从轮流应答改为连续输出，并给出开发者、企业与普通用户的接入路径。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的 12B 多模态模型，性能接近 26B MoE 模型，可在 16GB VRAM 或统一内存上本地运行。
推荐理由：Gemma 4 12B 去掉视觉与音频编码器，16GB 内存即可本地跑，可看轻量多模态模型的新做法。
Hugging Face Blog精选AI 评分7272 H Company 发布 Holo3.1 计算机操作智能体模型家族
H Company 发布 Holo3.1 模型家族，共四个尺寸（0.8B、4B、9B、35B-A3B），并首次提供 FP8、Q4 GGUF、NVFP4 量化权重用于本地推理。
推荐理由：原文给出多尺寸模型与量化权重，以及移动端和跨框架的基准变化，可供判断本地 computer-use 智能体的落地成本。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言对话编辑视频。
推荐理由：Gemini 首个 Omni 系列模型发布，多模态输入加对话式视频编辑的入口值得关注。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.5 系列并首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列模型，首发 3.5 Flash，主打智能体与编码的前沿性能。
推荐理由：Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro，且输出速度达其他前沿模型 4 倍，读者可据基准与速度数据判断其性价比。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.1 系列 LLM 并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列稠密解码器 LLM，包含 3B、8B、30B 三个规模，基于约 15T token 训练，采用五阶段预训练流程并将上下文窗口扩展至 512K token，全部以 Apache 2.0 许可开源。
推荐理由：原文披露了 Granite 4.1 从预训练到多阶段 RL 的完整训练配方，以及 8B 稠密模型追平上一代 32B-A9B MoE 的对比结果。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频与视频智能体的长上下文全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni 全模态理解模型，在文本、图像基础上加入原生音频与视频理解，覆盖文档分析、语音识别、长音视频理解、GUI 智能体和通用多模态推理五类任务。
推荐理由：原文给出了架构细节、多模态基准成绩与吞吐数据，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体场景的可用性。
Hugging Face Blog精选AI 评分8080 DeepSeek-V4 发布：百万 token 上下文面向智能体长任务
DeepSeek 发布 V4，Hub 上有 DeepSeek-V4-Pro（1.6T 总参数、49B 激活）和 DeepSeek-V4-Flash（284B 总参数、13B 激活）两个 MoE checkpoint，均支持 1M-token 上下文窗口。
推荐理由：原文拆解了 V4 混合注意力与工具调用后训练设计，可判断长上下文智能体工作负载的成本取舍。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS，提升了可控性、表现力和语音质量，在 Artificial Analysis TTS 排行榜上取得 1,211 的 Elo 分数。
推荐理由：官方给出 Elo 1211 的排行榜成绩与音频标签控制方式，可据此判断语音生成的可控性进步。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics-ER 1.6
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型的一次重大升级，增强了空间推理与多视角理解，并新增仪表读数能力。
推荐理由：官方给出新版本在空间推理、成功检测与仪表读数上的能力变化，以及 API 与 AI Studio 的开放入口。
Hugging Face Blog精选AI 评分6262 Overworld 发布实时视频世界模型 Waypoint-1.5
Overworld 发布新一代实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广泛消费级硬件的 360p 档位。
推荐理由：Waypoint-1.5 用 720p/360p 双档位和消费级硬件本地运行把实时世界模型从演示推向可用。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个规格，采用 Apache 2.0 许可。
推荐理由：Gemma 4 给出四种规格、Apache 2.0 许可与 Arena 排名，可据此判断开源模型在本地与端侧的可用边界。
Hugging Face Blog精选AI 评分8686 Google DeepMind 发布 Gemma 4 多模态模型家族
Google DeepMind 在 HF 发布 Gemma 4 多模态模型家族，采用 Apache 2.0 许可，支持图像、文本和音频输入并生成文本。模型提供 E2B、E4B、12B Unified、31B 和 26B A4B 五个尺寸，最大上下文窗口 256K，其中 12B Unified 去掉独立视觉与音频编码器，直接把原始图像块和音频波形投影到 LLM 嵌入空间。
推荐理由：Gemma 4 五档模型覆盖端侧到 MoE，附各推理引擎与微调工具链的接入方式，可据此判断本地部署路径。