Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，再逐步扩展至开发者、企业和消费者。
推荐理由：原文给出定价、1M 输出上限和多项基准成绩，读者可据此评估该模型在编码与防御性网络安全上的实际表现。
#多模态
#多模态
今日 2 条Google DeepMind：Blog（RSS）精选AI 评分7777 Google Blog：AI（RSS）AI 评分2525 Google Translate 如何用 Gemini 模型与语言专家保留真实对话语义
Google Translate 将最新 Gemini 模型与语言专家的人类视角结合，把字面翻译转为自然对话。软件工程师 Isaac Caswell 已帮助平台新增 146 种语言，目前 Translate 支持近 250 种语言。团队还通过向用户询问上下文、微调大语言模型来判断语义细微差别。
xAI：News（网页）精选AI 评分6262 xAI 发布 Grok Imagine API，主打高质量低延迟视频生成与编辑
xAI 发布 Grok Imagine API，一套覆盖视频生成与视频编辑的统一 API 套件，称其为迄今最强的音视频生成模型。
推荐理由：官方宣布 Grok Imagine API 上线，附 Artificial Analysis 文生视频排名第一及延迟对比，可据此评估其在视频生成工作流中的位置。
xAI：News（网页）精选AI 评分6666 xAI 发布 Grok Imagine Video 1.5 图生视频模型并开放 API
xAI 发布 Grok Imagine Video 1.5，已在 Imagine API 正式可用（模型名 grok-imagine-video-1.5），并在 grok.com/imagine 和 iOS、Android 应用推出 Video 1.5 Fast。
推荐理由：xAI 官方说明升级点和速度数据，还给出 API 模型名与并发代理等入口，适合评估图生视频工作流。
xAI：News（网页）精选AI 评分6464 xAI 将 Grok 4.5 推向 iOS、Android、网页和 X 平台
xAI 宣布其最强模型 Grok 4.5 当日起在 grok.com、X 以及 iOS 和 Android 应用上可用。官方称该模型更准确理解提问、能跟踪更长对话并更快给出答案，可完成制作电子表格、把大纲转为幻灯片和图表、撰写文稿、提炼长 PDF 要点等任务，并通过 Microsoft 365 插件在 Word、Excel、PowerPoint 和 Outlook 中直接使用。
推荐理由：xAI 官方说明 Grok 4.5 的能力改进和全平台可用范围，读者可据此评估在日常问答和知识工作中的使用方式。
Suno：Blog（网页）精选AI 评分7676 Suno 发布 v3 音乐模型
Suno 发布 v3 模型，称其为首个能生成广播级音乐的模型，可在数秒内生成完整的两分钟歌曲，现已向所有用户开放（https://app.suno.ai）。改进包括更好的音质、更多风格和流派、更高的提示词遵循度（更少模型幻觉、更自然的结尾）。模型不识别对其他艺术家的引用，并采用专有的不可听水印技术检测 Suno 生成的歌曲；v4 已在开发中。
推荐理由：官方说明 v3 在音质、风格和提示词遵循上的具体改进，并介绍了水印防滥用机制，可帮助读者了解其能力边界。
Suno：Blog（网页）AI 评分5252 Suno 发布 Scenes 功能，可用照片和视频生成歌曲
Suno 发布新功能 Suno Scenes，从相机拍摄的照片或视频生成独特歌曲，官方称其为视觉叙事的创作模式。该功能首先面向 iOS 移动端用户开放，在歌曲创作体验的 Camera 模式下使用。
Suno：Blog（网页）精选AI 评分6464 Suno 发布 v4.5 音乐模型，曲风更准、人声更丰富、歌曲最长 8 分钟
Suno 发布最新音乐模型 v4.5，带来更动态的音乐、更准的曲风与曲风混搭、更丰富的人声表现。新功能包括提示词增强助手、Covers 与 Personas 组合使用，歌曲长度可达 8 分钟，生成速度和音频质量均有提升。
推荐理由：官方列出了 v4.5 在曲风、人声、提示词理解和生成速度上的具体改进，适合关注 AI 音乐生成的读者了解能力变化。
Suno：Blog（网页）精选AI 评分6161 Suno 发布升级版 Song Editor 与 stem 拆分等创作控制功能
Suno 推出升级版 Song Editor，可在波形上逐段重排、重写和重制曲目，并可将曲目拆分为 12 个干净 stem 供预览和下载。同时支持最长 8 分钟的整曲上传，新增三个创意滑块控制生成风格，可继续在 DAW 中编辑或在 Suno 内完成曲目。
推荐理由：官方介绍升级版 Song Editor、12 轨 stem 拆分和 8 分钟上传等新能力，可帮助创作者评估其在音乐工作流中的用法。
Microsoft AI：官方博客（网页）AI 评分2222 Microsoft AI 生成式 AI 与 Copilot 产品组合概览
Microsoft 生成式 AI 通过深度学习按自然语言提示词生成文本、图像、音乐和代码，区别于仅做分析预测的传统 AI、预测式 AI 和对话式 AI。
MiniMax：Blog（网页）AI 评分3131 MiniMax 在 NVIDIA GTC 举办 AI Founder Day，发布自进化模型 M2.7
MiniMax 在 NVIDIA GTC 期间举办 AI Founder Day，并推出首个自进化模型 M2.7。现场演示显示 M2.7 可处理复杂任务、迭代编辑与工具调用，接近“精英级工程师”表现。联合创始人云叶一在主题演讲中提出智能体时代，强调模型正成为可规划、执行与迭代的系统核心组件。
LMSYS：Blog（Chatbot Arena 团队）AI 评分4646 SGLang 推出 EPD 分离架构：为视觉语言模型实现弹性编码器扩展
SGLang 推出 Encoder-Prefill-Decode（EPD）分离架构，将视觉语言模型（VLM）的视觉编码与语言处理拆分为三层，使编码器服务器可独立横向扩展。
LMSYS：Blog（Chatbot Arena 团队）AI 评分3636 Intel 与 SGLang 团队用 Dynamo 实现异构 CPU+GPU EPD 分离，加速 VLM 推理
Intel 与 SGLang 团队通过 Dynamo 和 SGLang 为视觉语言模型（VLM）实现异构 Encode-Prefill-Decode（EPD）分离，将视觉编码任务卸载到 CPU。在 Qwen3-VL-8B-Instruct 上，该方案在 QPS 1-2 负载下带来约 1.2x-1.3x 的 P99 TTFT 和请求吞吐提升，P99 TPOT 降低约 1.3x-30x。
Liquid AI 模型与工程博客（网页）AI 评分1717 Liquid AI 面向国防战术边缘的端侧 AI 方案
Liquid AI 推出面向国防战术边缘的端侧 AI 方案，其多模态模型完全在设备本地运行，支持威胁检测、自主导航和实时 ISR，推理留在本地以保持速度和断网可用性。该方案针对国防场景的 SWaP 约束调优，适配手持设备、头显、地面车辆和小型 UAS 的 NPU 与 CPU，避免将敏感数据发送至云端带来的安全风险与 ITAR 违规。
Liquid AI 模型与工程博客（网页）AI 评分1919 Liquid AI 面向医疗健康行业的私有化 SLM 方案
Liquid AI 推出面向医疗健康与生命科学的 SLM 方案，可在医院内网或 VPC 私有部署，让敏感数据留在本地。该系列模型针对临床与制药场景定制，支持文本、音频和图像的多模态处理，并采用支持 HIPAA、SaMD 变更控制模式与可审计性的架构。
Liquid AI 模型与工程博客（网页）AI 评分1616 Liquid AI 面向电商的定制多模态 AI 模型：语义搜索、站内智能体与商家 Copilot
Liquid AI 推出面向电商行业的定制多模态 AI 模型，以毫秒级响应支撑语义搜索、站内智能体和商家 Copilot。其意图原生搜索可理解自然语言、图像查询与结构化筛选，并实时调用商家 API 返回商品；站内智能体接入购物车、结账、订阅、订单状态等 API，可引导客户并完成购买流程。商家侧 SLM 基于分析数据、营销活动和商品目录训练，用于总结表现、建议行动并生成商品调整。
Liquid AI 模型与工程博客（网页）AI 评分1818 Liquid AI 面向消费电子设备的端侧 AI 方案
Liquid AI 面向消费电子厂商推出端侧 AI 方案，其高效 SLM 可为 PC、智能手机、智能扫地机器人等设备定制适配 NPU、CPU、RAM 和功耗的模型，无需新芯片即可实现智能通知、离线助手和功耗摘要等功能。该方案支持调用厂商自有 API 以打开应用、修改设置并编排设备功能，仅在复杂推理时交由云端 LLM 处理，同时以单一多模态模型覆盖文本、音频和视觉。
Liquid AI 模型与工程博客（网页）AI 评分2121 Liquid AI 面向汽车行业的本地多模态车载 AI 助手方案
Liquid AI 推出面向汽车行业的车载 AI 助手方案，其多模态模型完全运行在量产车已有的 CPU 和 NPU 上，无需云端依赖或新增硬件。方案采用边缘优先的 SLM 与混合智能体架构，单个模型支持 20+ 种语言，速度达现有方案的 5 倍，可实现亚秒级响应与自然语音、座舱视觉交互。
Liquid AI 模型与工程博客（网页）AI 评分3636 Liquid AI 在 Hugging Face 上线 LFM2.5 系列 WebGPU 与 CPU 演示 Space
Liquid AI 在 Hugging Face Spaces 上线一批 LFM2.5 演示，包括可在浏览器用 WebGPU 本地运行的 LFM2.5-VL-3B 和端侧 LFM2.5 研究智能体。另有英语拼写检查、多语言 PII 检测、掩码扩散与策略检查等 Space，基于 LFM2.5 或 LFM2.5 Encoder 在 CPU 上运行。
Liquid AI 模型与工程博客（网页）AI 评分6060 Liquid AI 发布 LFM2.5 端侧模型家族
Liquid AI 发布 LFM2.5 模型家族，主打端侧 AI 部署与设备上 Agentic AI，预训练从 10T 扩展到 28T tokens，并通过强化学习扩展后训练流程。
Liquid AI 模型与工程博客（网页）AI 评分5555 Liquid AI 发布 LFM-7B：非 Transformer 架构的高效语言模型
Liquid AI 发布 LFM-7B，一款基于 Liquid Foundation Model 非 Transformer 架构的语言模型，面向聊天场景。官方称其在 7B-8B 级别英文、阿拉伯语和日语对话评测中领先，上下文窗口为 32k（RULER 有效长度 32k），内存占用低于同类 Transformer 模型，适合本地、低延迟和成本受限部署。
Liquid AI 模型与工程博客（网页）AI 评分6363 Liquid AI 发布 LFM2-VL 系列视觉语言模型
Liquid AI 发布首批视觉语言基础模型 LFM2-VL，包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个开源变体，面向手机、笔记本、可穿戴等资源受限设备的低延迟部署。
Liquid AI 模型与工程博客（网页）AI 评分6060 Liquid AI 发布端到端音频基础模型 LFM2-Audio-1.5B
Liquid AI 发布 LFM2-Audio-1.5B，一个支持音频与文本输入输出的端到端基础模型，将 LFM2 家族扩展到音频领域。
Liquid AI 模型与工程博客（网页）AI 评分5555 Liquid AI 发布 3B 端侧视觉语言模型 LFM2-VL-3B
Liquid AI 发布 30 亿参数视觉语言模型 LFM2-VL-3B，基于 LFM2-2.6B 主干并集成 SigLIP2 400M NaFlex 编码器，现已在 Hugging Face 和 LEAP 平台上线。
Liquid AI 模型与工程博客（网页）AI 评分6464 Liquid AI 发布 LFM2.5 端侧模型家族
Liquid AI 发布 LFM2.5-1.2B 模型家族，称其为迄今最强的边缘 AI 版本，预训练从 10T 扩展到 28T tokens，并大规模引入强化学习后训练。
Liquid AI 模型与工程博客（网页）AI 评分5656 Liquid AI 发布 LFM2.5-VL-450M，新增目标定位与函数调用，面向边缘部署
Liquid AI 发布 LFM2.5-VL-450M，是 LFM2-VL-450M 的升级版，新增边界框定位和文本函数调用支持，预训练从 10T 扩展到 28T tokens。
Liquid AI 模型与工程博客（网页）AI 评分5353 Liquid AI 发布 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M 双向检索模型
Liquid AI 发布两款 350M 参数多语言检索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，是 LFM 家族首批双向模型，支持 11 种语言的跨语言搜索。
Cursor Blog精选AI 评分6969 Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时程智能体任务
Cursor 团队与 SpaceXAI 今日联合发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、更复杂的交互与视觉工作。在 Artificial Analysis Intelligence Index 上它与 GPT-5.6 Sol 持平（61 分），训练上进行了更长时间的补充训练、重新生成的 SFT 轨迹和广泛的智能体 RL。
推荐理由：原文给出训练方法、基准分数和定价细节，读者可以据此评估它在智能体编程场景中的定位。
Claude：Blog（网页）精选AI 评分7070 Claude Artifacts 功能页详解：Claude Design、Claude Slides 与 Claude Docs 开放 beta
Claude 介绍 Artifacts 功能，可在对话旁生成设计、演示文稿、文档、仪表盘或小型交互工具，支持画布编辑、链接分享（默认私有）和导出为 PowerPoint、PDF、HTML 等格式。
推荐理由：官方页面对 Artifacts 及 Claude Design、Claude Slides、Claude Docs 的功能、协作与导出方式做了较完整说明，便于了解可用范围。
CMU：Machine Learning BlogAI 评分2828 CMU 在 NeurIPS 2025 展示 156 篇论文
卡内基梅隆大学（CMU）研究者在 12 月 2 日至 7 日于圣迭戈举行的第 39 届 NeurIPS 2025 上展示 156 篇论文。口头报告包括提出 Encoder–Attender–Decoder 框架研究触觉处理的 ConvRNN、缓解标签平滑表征坍缩的 MaxSup，以及单步生成模型 MeanFlow（ImageNet 256×256 单次函数评估 FID 3.43）。
Cohere Labs：官方研究博客AI 评分6262 Cohere Labs 发布 Embed 5 系列嵌入模型，含 Pro 与 Fast 两档
Cohere 发布 Embed 5 系列嵌入模型，含 Embed 5 Pro 和 Embed 5 Fast 两档，均支持 128K token 上下文、100+ 语言、文本与图像输入和共享嵌入空间，定价分别为每百万 token $0.12 和 $0.08。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8181 Anthropic 发布 Claude Fable 5.1：面向编码与长时间智能体任务的新旗舰模型
Anthropic 发布 Claude Fable 5.1，定位为其最强编码与知识工作模型，面向 Pro、Max、Team、Enterprise 用户及 Claude Platform、AWS、Google Cloud、Microsoft Foundry。
推荐理由：官方页面给出定价、缓存降价、回退机制和客户实测引用，读者可以据此评估长时智能体与编码工作流的成本收益。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分6767 Anthropic 发布 Claude Science 科研工作台公测版
Anthropic 发布 Claude Science，一款面向科学家的 AI 工作台应用，目前为 macOS、Windows 和 Linux 上的公开 beta，面向 Pro、Max、Team 和 Enterprise 计划。
推荐理由：官方产品页列出可复现分析、60+ 科学数据库连接和 HPC 计算管理等具体能力，读者可据此判断它对科研工作流的影响。
Hugging Face：Blog（RSS）AI 评分5454 Hugging Face 推出 Open TTS Leaderboard：用客观指标评测多语言 TTS 与语音克隆
Hugging Face 推出 Open TTS Leaderboard，用客观指标评测开源 TTS 模型的可懂度、速度和说话人相似度，将评估周期从数周缩到数小时。
Google Developers Blog（RSS）AI 评分3737 Google Cloud 在 Cloud TPU 上为 vLLM 实现长上下文多模态嵌入推理
Google Cloud 将原生 TPU 支持集成进 vLLM，并以 Qwen3-Embedding-8B 为目标模型完成多项优化，支持 4K+ token 文本与 15K+ token 多模态输入的嵌入推理。
Preferred Networks：AI 研究与产品AI 评分4646 Preferred Networks 投资 Noetra 并参与日本国产多模态基础模型项目
Preferred Networks（PFN）宣布投资 Noetra 并参与其日本国产 Physical AI 多模态基础模型项目，该项目由 METI 与 NEDO 资助，Noetra 与 AIST 共同入选。
World Labs：官网AI 评分2121 World Labs：Christoph Lassner 谈 GenAI 时代的内容 3.0
World Labs 发布 Christoph Lassner 的分享，探讨生成式 AI 如何催生一种角色与世界可动态演化的新媒介，以及这对叙事和数字内容未来的意义。
World Labs：官网AI 评分6060 World Labs 推出 Marble 3D 世界生成模型有限预览，支持浏览器内探索与导出
World Labs 发布空间智能模型更新，并推出有限访问的 Marble 测试预览，用户可在 marble.worldlabs.ai 用图像或文本提示生成可自由导航的 3D 世界。
World Labs：官网AI 评分6565 World Labs 发布实时生成世界模型 RTFM 并开放研究预览
World Labs 发布实时生成世界模型 RTFM（Real-Time Frame Model），可在用户交互时实时生成视频，现已以研究预览形式开放浏览器演示。RTFM 在单张 H100 GPU 上以交互帧率运行推理，不依赖显式 3D 表示，作为端到端训练的学习式渲染器工作；它将带位姿的帧作为空间记忆并通过 context juggling 检索邻近帧，使世界在长时间交互中持续存在而不丢失。
World Labs：官网AI 评分5252 李飞飞：空间智能是 AI 的下一个前沿
李飞飞发表长文，提出空间智能是 AI 的下一个前沿，认为 LLM 擅长语言但在距离估计、物体旋转、物理预测等空间能力上远低于人类。她将世界模型概括为生成一致世界、接受多模态输入、根据动作预测下一状态三项核心能力，并介绍 World Labs 已向部分用户开放可通过多模态输入生成可探索 3D 环境的 Marble，应用将依次覆盖创作工具、机器人和科学研究。