Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数的开源轻量多模态嵌入模型，可将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：原文给出了参数量、上下文窗口和量化后的内存占用，读者可以据此评估它在端侧多模态检索中的可用性。
#多模态
Google DeepMind精选AI 评分6666 Simon WillisonAI 评分2222 Mistral Large 4 发布
Mistral 推出新模型 Mistral Large 4，可通过 llm 命令行工具以 mistral/mistral-large-4 调用。Simon Willison 用它与其他前沿模型同题生成 SVG 进行对比测试，涉及 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 等模型。
The DecoderAI 评分6262 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为向量，参数量 7.4 亿，号称同类最紧凑，在多模态嵌入基准上超越两倍大小的竞品。
The Verge · AIAI 评分3232 苹果、Google 正重新定义"录制"：AI 硬件不存视频只生成文字，还算录音录像吗
苹果正研发一款不保存视频的智能家居摄像头，改用 AI 将画面转成文字描述，并支持人脸识别；Google 可穿戴设备负责人 Sandeep Waraich 也提出智能眼镜摄像头可只做图像传感器、不存任何片段。
Simon WillisonAI 评分2222 Simon Willison 用 Claude Opus 5.5 生成游戏音乐
Simon Willison 测试 Claude Opus 5.5 能否作曲，让它设计一种简单的文本音乐格式并构建可播放的 artifact，还要求达到《猴岛小英雄》初代的音乐水准。结果比预期更贴近猴岛主题，效果出奇地好。他猜测这种作曲能力可能类似文本模型近期涌现的 3D 图形能力，但需用其他新旧模型做实验才能确认是否为新能力。
The DecoderAI 评分7070 Mistral 发布万亿参数模型 Large 4，主打安全任务
Mistral 发布 Mistral Large 4 公开预览版，模型拥有 1 万亿参数，在 Artificial Analysis 智能指数中得 38 分，仍落后于 Claude Opus 5.5 等闭源模型。该模型在网络安全任务上表现突出，Mistral 称其能处理 Claude 和 GPT-6 拒绝的安全工作，权重预计 10 月底发布。
TechCrunch · AIAI 评分6969 Mistral 发布 1T 参数多模态模型 Mistral Large 4
Mistral AI 发布 1 万亿参数多模态模型 Mistral Large 4，目前仅通过公共护栏端点访问，计划三周后开放权重。该模型完全使用自有算力训练，仅用 4000 块 Nvidia GPU，公司称其算力用量比中国竞争对手少两到三倍。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。
推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。
TechCrunch · AIAI 评分3636 Pinterest 用 AI 把美妆 Pin 变成可执行的美发美甲方案
Pinterest 推出由视觉智能与生成式 AI 技术 Pinterest Intelligence 驱动的 Beauty Guides，可将美发美甲类 Pin 转成沙龙可用的术语与方案，如 balayage、root melt、almond nails。用户在应用内点击“Get the Guide”即可查看具体需求、耗时、价格区间与维护频率，上线时覆盖发型、发色、甲形与甲面相关 Pin。
The DecoderAI 评分6565 Reka AI 发布全模态模型 Rho-1，统一处理文本、图像、视频与机器人控制
Reka AI 发布 Rho-1 研究预览，这个 19-billion-parameter 全模态模型在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。
NVIDIA BlogAI 评分3636 NVIDIA Inception 初创企业以 AI 弥合乳腺癌从扫描到治疗方案的关键缺口
NVIDIA Inception 初创企业正用 AI 改善乳腺癌影像、风险评估和治疗规划。iSono Health 的 FDA 获批 ATUSA 每侧乳房约2分钟完成3D超声，公司称灵敏度较手持2D超声高28%；Ataraxis AI 以病理切片和临床变量预测治疗反应与复发风险。
Latent SpaceAI 评分6969 Google DeepMind 推出 Gemini 4 Argon，支持最高 1M token 输出
Google DeepMind 推出面向编码、企业知识工作和网络防御的 Gemini 4 Argon，目前仅通过 Fairwind Program 向政府用户和可信网络防御者开放。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon，输出上限增至 1M tokens
Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络防御者开放，并计划逐步扩展至开发者、企业和消费者。
推荐理由：多项基准与 Google 内部部署案例覆盖软件工程、知识工作和网络防御，可据此比较模型在长程复杂任务中的表现。
Microsoft Research精选AI 评分6161 Microsoft Research 推出面向复杂生物学的 AI 研究系统 Quine
Microsoft Research 推出 Quine，这套实验性 AI 研究系统由多模态生物世界模型和连接模型、科学工具、文献、湿实验及研究人员的交互框架组成。
推荐理由：案例展示了如何用跨模态生物世界模型筛选实验候选，再以湿实验反馈迭代，提供了可迁移的计算与实验闭环思路。
Latent SpaceAI 评分6969 AMD以$8.2B收购World Labs，Atlas解决稀疏重建问题
AMD以$8.2B收购World Labs，后者专注于创意、设计等领域的AI空间智能，并在收购SceniX后建设机器人模拟能力。World Labs称Atlas从零训练，可根据输入的2D图像预测新相机视角，并通过结合生成模型与多视图几何处理稀疏重建问题。
Simon WillisonAI 评分2222 Simon Willison 用 Claude Opus 5.5 生成 Kākāpō Party 像素动画，并用 Claude Code 录制视频
Simon Willison 用 Claude Opus 5.5 将三张 kākāpō 鹦鹉照片生成 HTML5 canvas 像素动画 Kākāpō Party，画面中至少 20 只鹦鹉随音乐跳跃、点击触发彩带和气球效果。
Latent SpaceAI 评分6262 Runway 发布 GWM Worlds 2 与 WorldPrompt 输入格式
Runway 推出研究预览版 GWM Worlds 2，把高保真视频与音频生成变成实时交互仿真，并引入 WorldPrompt 这一输入格式，可固定环境部分要素（含首帧）并生成带时间戳的事件序列，事件还能实时提示。
Google Research精选AI 评分6767 Google 以多智能体框架自动生成连贯长视频
Google 提出 AI video co-director、CANVAS、A²RD 和 VQQA，以多智能体编排提升长视频的叙事、角色与场景一致性。该体系构建于 Gemini 和 Veo 之上，通过全局创意优化、持久视觉记忆、自回归片段生成及 VLM 闭环提示词优化，支持生成数分钟视频。
推荐理由：研究将长视频一致性拆解为全局编排、视觉记忆、时序生成和闭环优化，为多镜头生成系统提供了可迁移的工程框架。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，将近实时视频生成与原生实时对话模型结合，并已在 Gemini Enterprise 提供。
推荐理由：它将实时对话、流式视频与异步工具调用整合进企业智能体，为客服和交互导览提供更连续的多模态交互路径。
Hugging Face BlogAI 评分4141 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径。该草稿模型新增 280M 参数（占 3B 目标模型 8.9%），端侧解码最高提速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x，且不改变输出质量。
Latent SpaceAI 评分6262 Meta Connect 2026：Muse 智能体、AI 眼镜与 Charm 设备
Meta 在 Connect 2026 上把 Muse 个人智能体作为硬件加智能体战略的核心，发布眼镜等新设备，并预告但未发布新的前沿模型。Muse 新增语音与实时视频能力，将登陆全部 Meta 眼镜，每个 Muse 拥有独立邮箱地址，Mac 版支持 computer use，连接器平台已有 1500+ 应用。
OpenAI NewsAI 评分2222 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 以更高精度规划剪辑，将色彩校正与调色效率提升 3 倍，并在一天内生成 50 个自定义特效。
NVIDIA BlogAI 评分4545 AI Day Singapore：NVIDIA 与合作伙伴展示东南亚 AI 进展
NVIDIA 与合作伙伴在 AI Day Singapore 展示东南亚 AI 进展，以 Nemotron 开放模型和工具推动公共部门及企业规模化部署。新加坡 HTX 正研究 Nemotron 3 Super 与 Nemotron 3 Nano Omni；泰国 iApp Technology 开源法律模型，Thanoy 聊天机器人约有 43,000 名用户。
Google ResearchAI 评分4747 绕过推理瓶颈：用 Retrieve-for-Train 加速复杂 AI 搜索
Google Research 的 Retrieve-for-Train 通过离线 RL 发现符合奖励的查询扇出并编译为监督数据，再蒸馏至轻量扩散检索器，以单次非自回归推理绕过测试时 CoT 开销。其 53.9M 参数扩散模型可直接将查询嵌入映射为目标嵌入集合，监督样本由冻结的扇出语言模型离线生成，无需人工标注。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，两款模型面向近实时推理和生产级语音智能体。
推荐理由：两款模型把并行推理、视觉理解和后台工具调用融入近实时对话，为复杂语音智能体提供了更完整的生产级能力组合。
Microsoft ResearchAI 评分4949 GigaPath-Flash 与 GigaTIME-Flash：以高效病理基础模型迈向群体规模发现
Microsoft Research 开源 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏骨干降低群体规模病理研究的计算成本。GigaPath-Flash 配备 22M 参数 ViT-S 和 21M 参数 LongNet 编码器，计算量约低 50 倍，成绩与原版相差 3% 以内；两者采用 Apache 2.0，仅供研究且未经临床验证。
Microsoft ResearchAI 评分4646 MindTopo 揭示 VLM 的空间推理能力
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。