Tavus 的 Griffin 模型在1分钟通话中让近半测试者误认真人
Tavus 的 Griffin 模型在1分钟视频通话中让48%参与者误认为真人，此前系统最高仅2%。在 Tavus 所述的 Nvidia 独立音频视频对话拟人测试中 Griffin 获3.83分接近人类3.92分，预览版 Griffin-Lite 已开放给选定测试者。Tavus 成立于2020年，从营销视频扩展至实时对话。
#多模态
#多模态
今日 1 条The DecoderSI 评分6161
TechCrunch · AISI 评分6666 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布 Gemini 4 Argon，称其可处理编码、研究和写作等任务，并专门针对防御性网络安全训练，能自主发现、验证并修补关键软件漏洞。
Hugging Face BlogSI 评分5050 Liquid AI 发布 LFM2.5-VL-DSpark 实验性草稿模型
Liquid AI 发布 LFM2.5-VL-DSpark 实验性草稿模型，为 LFM2.5-VL-3B 视觉语言模型引入推测解码路径。该模型增加 280M 参数，在 H100 上实现最高 2.66x 解码加速，并支持 llama.cpp、MLX-VLM 和 SGLang。
Google DeepMind精选SI 评分8484 Google DeepMind 发布 WeatherNext 3 全球气象 AI 模型
Google DeepMind 发布 WeatherNext 3，这是其最先进的全球气象 AI 模型，支持实时卫星数据输入和每小时刷新。该模型在 5 公里分辨率下提供温度等表面变量预测，并将降水预测准确率提升最高 60%，已集成至 Search、Gemini 和 Maps 等产品。
推荐理由：模型直接学习实时卫星数据并实现每小时更新，为高纬度地区提供更高精度的局部气象预测。
Hugging Face BlogSI 评分4141 Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个版本，用单个双向 Transformer 同时处理文本 token 与 32×32 图像 patch，无需独立视觉塔或因果语言模型，并以掩码离散扩散目标从零训练。
Google DeepMind精选SI 评分7272 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展与 4K 上采样
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一批生成视频创作控制能力，通过 Gemini API 在 Google AI Studio 提供。
推荐理由：官方给出场景延展、首尾帧插值与 4K 上采样等具体能力与开放入口，可据此判断生成视频工作流的变化。
Google DeepMind精选SI 评分7878 Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe
Google DeepMind 发布多语种手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。
推荐理由：SL2T 把多语种手语翻译从实验室带进 Gboard 与 Live Transcribe，读者可了解其数据规模与隐私设计。
Hugging Face Blog精选SI 评分6262 NVIDIA 发布 Magpie TTS 多语言版：364M 开源权重，新增阿拉伯语、韩语和巴西葡萄牙语
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，支持 12 种语言，本次新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并通过更新训练数据提升多语言质量。
推荐理由：原文给出 364M 开源权重模型的多语言扩展与自部署延迟数据，可据此评估自建语音链路的成本与可行性。
Hugging Face Blog精选SI 评分8282 Meta 发布开源多模态模型 Muse Glimmer 30B，面向本地智能体场景
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，面向本地智能体场景，可用于编码、文档分析和个人助理。
推荐理由：Meta 开源 30B 多模态模型，附完整基准对比与本地部署代码，可据此判断端侧智能体选型。
Mistral AI精选SI 评分7171 Mistral AI 发布 3B 开源多模态安全分类器 Shieldstral
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，采用 Apache 2.0 许可，可在单张 16GB NVIDIA GPU 上运行。它把内容审核建模为策略自适应的问答任务，推理时接受自然语言策略并输出校准后的安全分数，无需重新训练，统一处理文本与图像安全评估。官方称其在文本安全上可匹配最高 7 倍参数量的模型，并在多模态审核上取得新的 SOTA。
推荐理由：3B 开源权重模型以推理时自然语言策略替代固定分类体系，读者可据此判断轻量安全分类器的部署门槛。
Google DeepMind精选SI 评分7878 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber。
推荐理由：三款 Flash 系列模型同时发布，给出 token 效率、价格与多项基准对比，可据此判断智能体工作流的成本变化。
Hugging Face Blog精选SI 评分8484 Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文并原生接收图像、文本和音频输入的开源多模态 MoE 模型，同时推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，4 秒生成文本到图像，每张 1K 图像 0.034 美元；后者支持高质量视频生成与对话式编辑，输出视频定价为每秒 0.10 美元。
推荐理由：两款模型同日开放开发者入口，并给出延迟、单价与能力边界，便于评估图像到视频的串联工作流。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，一款支持 70 多种语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话者的语调、节奏和音高。
推荐理由：原文给出 70+ 语言、连续生成语音和几秒延迟等关键指标，读者可据此判断实时语音翻译的可用边界。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Gemma 4 12B：统一架构、无编码器的多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成与对话式视频编辑
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮对话编辑视频。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。
Google DeepMind精选SI 评分8888 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini 应用、Google 搜索 AI Mode、Google Antigravity、Gemini API、Google AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和开放渠道，可据此判断速度与质量的取舍。
Mistral AI精选SI 评分7676 Mistral 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进单一开源模型，并给出可切换的推理强度参数。
Mistral AI精选SI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 Mistral Large 3 与 3B/8B/14B Ministral 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 全系以 Apache 2.0 开源并给出从 3B 到 675B 的规格与部署路径，读者可据此判断开源前沿模型的可用边界。
Mistral AI精选SI 评分7474 Mistral AI 发布 Mistral Medium 3，主打低成本企业部署
Mistral AI 发布 Mistral Medium 3，称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上，价格为每百万 token 输入 0.4 美元、输出 2 美元。
推荐理由：官方给出 Mistral Medium 3 的定价、对标模型与部署门槛，可据此判断企业自部署的成本与可行性。
Mistral AI精选SI 评分7171 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/s，以 Apache 2.0 许可开源。
推荐理由：官方给出 128k 上下文、150 tokens/s 与 Apache 2.0 开源等参数，可据此判断小模型在端侧与多模态场景的可用性。