AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- IT之家·模型发布行业动态
OpenAI 将预览网络安全模型 GPT-6 Cyber
据《财富》杂志消息,OpenAI 计划在未来数日内预览网络安全专用模型 GPT-6 Cyber,并推出配套产品,帮助客户更安全、自动化地部署该模型。相关模型与产品预计 9 月 29 日在旧金山开发者大会亮相,仅限申请准入客户参与 Alpha 测试。
阅读原文 → - The Decoder·开源模型发布
Black Forest Labs 发布开源机器人模型 FLUX 3 Action
Black Forest Labs 推出开源世界动作模型 FLUX 3 Action,可通过摄像头画面预测机器人下一步动作。它仅有 70 亿参数,在 RoboLab-120 基准上创下纪录,运行速度最高为前代最优模型的 3.95 倍。
阅读原文 → - Google DeepMind·模型发布
Google 发布 Gemini 3.8 Live 与 Live Avatar
Google DeepMind 推出 Gemini 3.8 Live,并带来 Live Avatar 功能。原文未给出更多细节与上线范围。
阅读原文 → - Hugging Face·模型发布开源
LFM2.5-VL-DSpark:加速视觉语言模型
Hugging Face 上出现名为 LFM2.5-VL-DSpark 的内容,主题是加速视觉语言模型。
阅读原文 → - The Decoder·模型发布
DeepMind新负责人希望Gemini 4尽早发布
谷歌DeepMind负责人Koray Kavukcuoglu表示,希望Gemini 4比年底更早发布,该模型已进入后训练阶段,并在内部编程工具Antigravity中运行。他认为追逐AGI“不是正确的讨论”,可信赖的智能体更重要。
阅读原文 →
- The Verge AI·模型发布行业动态
谷歌 DeepMind 新负责人:Gemini 4 接近就绪
谷歌 DeepMind 新任负责人 Koray Kavukcuoglu 首次以该身份接受采访时表示,Gemini 4 目前处于打磨阶段,发布临近。此前谷歌在旗舰 AI 模型的发布节奏上一度落后于竞争对手。
阅读原文 →
- IT之家·模型发布
谷歌确认新一代旗舰模型 Gemini 4 即将推出
谷歌 DeepMind 负责人卡武克奥卢透露,Gemini 4 已进入后训练初期,有望远早于年底推出,谷歌会继续快速迭代。这是 Gemini 3 系列之后首款下一代旗舰模型,公司当前重点已转向该模型。
阅读原文 → - IT之家·模型发布产品更新
高通发布 1-bit Bonsai 视觉模型
在 2026 骁龙峰会上,高通与 PrismML 在骁龙 AR1 Gen 1 智能眼镜平台上本地运行 20 亿参数的 1-bit 量化 Bonsai 视觉模型。官方称其内存占用约为传统 4-bit 模型的 1/4、文本生成速度翻倍,可支持离线识物、翻译与语音问答,并改善续航与发热。
阅读原文 → - IT之家·产品更新模型发布
腾讯 Hy 翻译 App 上线,支持 33 种语言互译
腾讯混元宣布“腾讯 Hy 翻译”App 上线,同步支持小程序、插件与 PC 端体验。它基于开源的 Hy-MT2 翻译模型,支持 33 种语言互译并覆盖 5 种少数民族语言及方言,提供语音、拍照与离线翻译,已在 12 个国家和地区上线。
阅读原文 → - IT之家·模型发布
消息称 Kimi K3.1 下月登场
科技媒体消息称,月之暗面正筹备推出 Kimi K3.1 模型,或于下月登场,内部配置文件中出现 Low、High、Max 三档推理强度。爆料还提到最高 100 万 Token 上下文、Agent 模式与多智能体协作等能力。
阅读原文 → - The Decoder·模型发布
Google 发布 Gemini 3.8 Flash TTS 模型
Google 推出 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音合成模型,支持 100 多种语言。Flash TTS 可用文字描述从零设计新音色,两者均支持为单行台词加舞台提示、用一份脚本生成双人对话,并可用 30 秒样本克隆音色。
阅读原文 → - IT之家·模型发布产品更新
谷歌发布 Gemini 3.8 Flash 文本转语音模型
谷歌推出 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款文本转语音模型,支持用自然语言提示定制语音、约 30 秒音频复刻声音,并内置 SynthID 水印等保护。前者面向角色创意设计,后者面向大规模配音场景。
阅读原文 → - Google DeepMind·模型发布
Gemini 3.8 文本转语音模型亮相
Google DeepMind 发布 Gemini 3.8 文本转语音模型,为用户提供新的语音生成能力。
阅读原文 → - IT之家·模型发布研究进展
小米 MiMo-V3 将采用全新架构
小米 MiMo 大模型负责人罗福莉宣布,MiMo-V3 即将采用全新架构,其核心组件 HySparse 2 同日发布。该方案通过 KV 桥接与 KV 重用等方式,降低长上下文下的预填充计算量与 KV 缓存占用,并提升检索表现,面向智能体推理场景。
阅读原文 → - Hugging Face·模型发布
NVIDIA 发布 Nemotron 3 说话人分离
NVIDIA 推出 Nemotron 3 Diarization,支持构建实时、多说话人的 AI 应用,可区分语音中的不同发言者。用户可借此开发需要识别“谁在何时说话”的实时语音场景。
阅读原文 → - The Decoder·模型发布产品更新
阿里发布 Qwen Audio 3.1 系列模型
阿里通义千问团队发布 Qwen-Audio-3.1,包含五款面向语音识别、语音合成和实时交互的模型,语音识别提升多语言与方言能力并可自动清理口水词与重复内容,同时大幅下调音频服务价格。
阅读原文 → - IT之家·开源模型发布
蚂蚁百灵开源 Ming-Image-0.1-Design 系列
蚂蚁百灵开源 Ming-Image-0.1-Design 系列,含两个 6B 模型:一个可从文字生成 UI、信息图、海报等设计,另一个能把设计图拆成可独立编辑的透明图层,并同步开源 Design Skill 与 PPT Skill。在 UI/UX Design 专项评测中,该系列位列开源模型第一。
阅读原文 → - 量子位·模型发布
斑马智能发布端侧大模型AutoOmni 2.0
云栖大会期间,斑马智能发布新一代全模态端侧大模型 AutoOmni 2.0-23B-A3B,官方称其让元神 AI 更懂「我的世界」。端侧形态意味着相关能力可在本地运行,具体终端落地情况尚未披露。
阅读原文 → - IT之家·模型发布产品更新
讯飞发布语音识别大模型Spark-ASR-2.0
科大讯飞正式发布新一代语音识别大模型 Spark-ASR-2.0,将于明日上线讯飞输入法。官方称其在通用识别、方言、高噪小音量等复杂场景及文本流畅性上明显提升,整体推理成本较上一代仅增加约 10%。
阅读原文 → - IT之家·模型发布产品更新
阿里千问发布 Qwen-Audio-3.1 语音大模型
千问发布 Qwen-Audio-3.1 系列语音大模型,同时推出音频创作与音频理解新模型,形成覆盖理解、生成、交互、创作的音频能力栈。官方还下调全线语音模型价格,其中 TTS 降价约 70%、Realtime 约 85%、ASR 达 95%。
阅读原文 →