跳到正文

模型发布

新模型的发布、开源与迭代：厂商旗舰更新、开放权重放出、上下文与价格变化的第一时间记录。

100条精选相关主题产品更新论文研究开源生态

最新精选

第 81–100 条 · 共 100 条
8月15日周六
  1. Interconnects78

    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，即将上线 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，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。

    推荐理由：GLM-5.3 仅靠后训练扩展就在智能体编码基准上逼近前沿，作者梳理了中国实验室保持追赶的发布节奏与数据产业因素。

8月14日周五
8月12日周三
  1. Google DeepMind71

    Google DeepMind 发布手语转文本模型 SL2T，率先在 Pixel 11 的 Gboard 与 Live Transcribe 上线

    Google DeepMind 发布大规模多语言手语转文本模型 SL2T，首次把手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中提供 ASL 到英语的手语听写，后续将扩展更多设备和语言。

    推荐理由：Google DeepMind 发布手语转文本模型 SL2T，已在 Pixel 11 的 Gboard 和 Live Transcribe 上线，可了解其数据规模与隐私处理方式。

8月11日周二
  1. Hugging Face Blog（hf-mirror 镜像）60

    NVIDIA 发布 Magpie TTS 多语言模型，新增阿拉伯语、韩语和巴西葡萄牙语

    NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，364M 参数，支持 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并扩展了印地语和日语的语码转换能力。

    推荐理由：NVIDIA 开源 364M 参数多语言 TTS 模型，新增三种语言并给出各 GPU 上的首音频延迟数据，可自部署微调。

8月10日周一
7月30日周四
  1. Google DeepMind66

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，可理解物理世界、规划多步任务，并把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。

    推荐理由：Google DeepMind 发布面向机器人的具身推理模型，支持视频理解、任务编排与多机器人协作，已通过 Gemini API 开放。

7月28日周二
7月21日周二
7月20日周一
  1. Interconnects88

    Kimi K3 发布：开源权重的升级

    月之暗面于 7 月 16 日发布旗舰模型 Kimi K3，这是一个 2.8T 参数的 MoE 模型，权重计划于 7 月 27 日开放。

    推荐理由：月之暗面发布 2.8T 参数 MoE 旗舰 Kimi K3，权重定于 7 月 27 日开放，作者据此分析开源与闭源模型差距缩短至 3-5 个月。

7月17日周五
  1. Google DeepMind78

    Google 发布 Gemini 3.5 Flash Cyber 网络安全模型

    Google 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的表现。

    推荐理由：Google 发布轻量网络安全模型，专攻漏洞发现与修补，仅限政府和可信伙伴试用，并给出多项基准与实战结果。

7月15日周三
  1. Hugging Face Blog（hf-mirror 镜像）88

    Thinking Machines 发布 1T 参数开源多模态模型 Inkling 及 Inkling-Small

    Thinking Machines Lab 发布开源多模态大模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，原生接收图像、音频和文本输入，支持 1M 上下文窗口，基于 45 万亿 token 训练。

    推荐理由：Thinking Machines 发布 1T 参数开源多模态模型 Inkling，原生支持图像、音频、文本与 1M 上下文，并给出各推理引擎的部署配置。

7月1日周三
6月11日周四
  1. Google DeepMind72

    Google DeepMind 发布 DiffusionGemma，文本生成速度提升至 4 倍

    Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 可达 1000+ tokens/秒，RTX 5090 达 700+ tokens/秒。

    推荐理由：Google DeepMind 开源实验性文本扩散模型，单张 H100 上推理速度可达 1000+ tokens/秒，但输出质量低于标准 Gemma 4。

6月9日周二
5月18日周一
  1. Google DeepMind80

    Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成与对话式编辑视频

    Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言进行多轮编辑，保持角色一致性和物理合理性。

    推荐理由：Gemini Omni 家族首个模型发布，支持多模态输入生成视频并用自然语言多轮编辑，已上线 Gemini 应用和 Google Flow。

5月16日周六
  1. Google DeepMind88

    Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码

    Google DeepMind 发布 Gemini 3.5 模型家族，首发 3.5 Flash，定位为面向智能体与编码的前沿模型，在 Terminal-Bench 2.1 得分 76.2%、GDPval-AA 1656 Elo、MCP Atlas 83.6%，CharXiv Reasoning 84.2%，输出速度是其他前沿模型的 4 倍。

    推荐理由：Gemini 3.5 Flash 主打智能体与编码能力，官方给出多项基准成绩和 4 倍输出速度，并已上线 Gemini 应用与 API。

4月16日周四
  1. Google DeepMind62

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，在 Artificial Analysis TTS 排行榜上取得 1,211 Elo 分数，并进入其高性价比象限。

    推荐理由：Gemini 3.1 Flash TTS 发布，新增音频标签控制语音风格与节奏，支持 70 多种语言，开发者可在 Gemini API 和 AI Studio 预览。

4月13日周一
  1. Google DeepMind62

    Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，增强了空间推理和多视角理解能力，并新增仪表读数功能，可读取压力表、液位计和数字读数等设备。

    推荐理由：Gemini Robotics-ER 1.6 升级空间推理与多视角理解，新增仪表读数能力，已通过 Gemini API 和 AI Studio 开放。

4月3日周五