Google 发布 TabFM:面向表格数据的零样本基础模型
Google 发布 TabFM,一个面向表格数据分类与回归的零样本基础模型,将表格预测建模为上下文学习问题,无需手动训练、超参数调优和特征工程,单次前向传播即可对未见过的表格生成预测。
推荐理由:原文给出 TabFM 的架构设计与 TabArena 基准表现,读者可据此判断零样本表格预测能否替代传统树模型流程。
Google 发布 TabFM,一个面向表格数据分类与回归的零样本基础模型,将表格预测建模为上下文学习问题,无需手动训练、超参数调优和特征工程,单次前向传播即可对未见过的表格生成预测。
推荐理由:原文给出 TabFM 的架构设计与 TabArena 基准表现,读者可据此判断零样本表格预测能否替代传统树模型流程。
Mistral 发布 OCR 4,在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数,支持 170 种语言、10 个语系,可打包进单个容器完全自托管。该模型在 OlmOCRBench 上取得 85.20 的总体最高分,OmniDocBench 得分 93.07,官方同时说明这两个基准在数学、科学和多栏文档上存在评分偏差,建议以自身文档实测为准。
推荐理由:OCR 4 在文本之外返回边界框、块类型与置信度,读者可据此判断结构化文档解析如何接入 RAG 与智能体流程。
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 上最高实现 4 倍推理加速,单张 NVIDIA H100 上超过 1000 tokens/秒、RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 4x 加速的实测数字与硬件门槛,读者可据此判断本地低并发场景是否值得换用扩散式生成。
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 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。
Mistral 发布 Mistral Medium 3.5,这是一个 128B 稠密模型,将指令遵循、推理与编码合并到同一套权重中,以修改版 MIT 许可开放权重,支持 256k 上下文窗口,最少四块 GPU 即可自托管,在 SWE-Bench Verified 上得分 77.6%,τ³-Telecom 得分 91.4。
推荐理由:Mistral 把编码智能体搬到云端并同步开源 128B 权重,读者可据此判断自托管与异步编码的可行边界。
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 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。
DeepSeek API 现已支持 V4-Pro 和 V4-Flash 模型,可通过 OpenAI ChatCompletions 与 Anthropic 接口调用。
推荐理由:原文给出了 DeepSeek V4 接入方式与旧名停用节点,用户可据此规划 API 调用代码迁移。
Google DeepMind 发布 Gemini 3.1 Flash TTS,称其在可控性、表现力和质量上均有提升,在 Artificial Analysis TTS 榜单上取得 1211 Elo 分数。
推荐理由:官方给出 Elo 1211 与音频标签控制方式,可据此判断语音生成在可控性上的进展。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其推理优先机器人模型的升级版,强化了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。
推荐理由:官方给出与上一代及 Gemini 3.0 Flash 的对比和仪表读数新能力,可据此判断机器人高层推理的进展。
Mistral AI 发布首款文本转语音模型 Voxtral TTS,4B 参数,支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言,具备情感表达与零样本跨语言音色适配能力。
推荐理由:Mistral 首款 TTS 模型给出参数量、延迟与定价,并公开与 ElevenLabs 的对比评测,便于判断企业语音栈的选型空间。
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 今日宣布作为创始成员加入 NVIDIA Nemotron Coalition,与 NVIDIA 合作开发开源前沿模型并发布 Mistral Small 4。联盟首个基础模型将在 NVIDIA DGX Cloud 上训练,支撑即将开源的 NVIDIA Nemotron 4 家族。双方此前曾合作开发 Mistral Nemo 模型。
Mistral 发布 Leanstral,这是首个面向 Lean 4 的开源代码智能体,采用 6B 激活参数的稀疏架构,权重以 Apache 2.0 许可开放,并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由:Mistral 开源面向 Lean 4 的代码智能体,给出权重、API 与 FLTEval 评测,可据此判断形式化验证的成本门槛。
Mistral 发布 Voxtral Transcribe 2,包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文本模型。
推荐理由:官方给出两款语音转写模型的延迟、错误率与价格对比,可据此判断实时语音应用的落地成本。
Mistral 发布 Mistral OCR 3,在表单、扫描文档、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%,官方称其准确率超过企业级文档处理方案和 AI 原生 OCR 方案。
推荐理由:官方给出与前代在表单、手写、扫描件上的胜率对比和每千页定价,可据此判断文档解析的替换成本。
Mistral AI 发布 Devstral 2 编码模型家族,含 123B 的 Devstral 2 和 24B 的 Devstral Small 2,两者均为开源模型,分别采用修改版 MIT 和 Apache 2.0 许可。
推荐理由:官方给出两款开源编码模型的参数、SWE-bench 成绩与许可差异,并附独立人工评测对比,便于判断开源编码模型与闭源模型的差距。
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。
DeepSeek 通过临时端点 base_url=https://api.deepseek.com/v3.2_speciale_expires_on_20251215 提供 V3.2-Speciale,定价同 V3.2 且无工具调用。该服务可用至2025年12月15日15:59 UTC,详情参见文档。
DeepSeek 官方 API 的 deepseek-chat 和 deepseek-reasoner 均已升级到 DeepSeek-V3.2。deepseek-chat 对应 DeepSeek-V3.2 的非思考模式,deepseek-reasoner 对应思考模式。该更新记录于 DeepSeek API 官方更新日志。
推荐理由:此次版本升级将 DeepSeek 官方的 chat 与 reasoner 接口统一到 V3.2,开发者可按思考与非思考模式选择调用。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 升级至 DeepSeek-V3.2-Exp。deepseek-chat 对应 DeepSeek-V3.2-Exp 的非思考模式,deepseek-reasoner 对应其思考模式。
DeepSeek 已将 deepseek-chat 和 deepseek-reasoner 升级到 DeepSeek-V3.1-Terminus,分别对应非思考与思考模式。更新保持原模型能力,减少中英混合与异常字符,并优化 Code Agent 和 Search Agent 性能。
推荐理由:DeepSeek 将 deepseek-chat 与 deepseek-reasoner 升级至 V3.1-Terminus,改善语言一致与 Agent 性能。
DeepSeek 将 deepseek-chat 与 deepseek-reasoner 升级到 DeepSeek-V3.1,采用混合推理架构支持思考与非思考模式。相较 DeepSeek-R1-0528,新模型推理效率提升且智能体任务能力增强,SWE-bench Verified 66.0、SWE-bench Multilingual 54.5、Terminal-bench 31.3。
推荐理由:DeepSeek-V3.1 采用混合推理架构并公布 SWE-bench Verified 66.0 等基准,读者可对比 R1 版本判断其推理与智能体任务提升。
Mistral 发布 Voxtral 语音理解模型,提供 24B 生产级和 3B 本地与端侧两个版本,均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文,可处理最长 30 分钟音频转写或 40 分钟音频理解,具备内置问答与摘要、多语言自动检测以及从语音直接触发函数调用等能力。
推荐理由:Mistral 开源语音理解模型,给出两种尺寸、32k 上下文与 API 定价,可据此判断开源语音方案的落地成本。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 至 1.1。
推荐理由:Mistral 与 All Hands AI 联合发布两款代码智能体模型,给出 SWE-Bench Verified 分数与 API 定价,便于对比现有方案。
Mistral AI 发布首款推理模型 Magistral,分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由:Mistral 首款推理模型同时给出开源权重与企业版,并公开训练论文,可对照其多语言推理与速度主张。
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed,称在真实代码检索场景中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由:官方给出代码嵌入模型在检索基准上的对比与多维度、多精度取舍,可据此评估代码 RAG 的存储与质量平衡。
DeepSeek 将 deepseek-reasoner 模型升级到 DeepSeek-R1-0528,增强推理能力并优化前端开发。基准 AIME 2025 从70.0升至87.5,GPQA 71.5至81.0,LCB_v6 63.5至73.3,Aider 57.0至71.6,幻觉减少且支持函数调用(Tau-bench Airline 53.5/Retail 63.9)。
推荐理由:原文列出 AIME 2025 等四项基准的具体涨幅,读者可对比旧版 R1 判断推理与代码能力增强幅度,以及 token 成本变化。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral,在 SWE-Bench Verified 上取得 46.8%,比此前开源 SoTA 高出 6 个百分点以上,并以 Apache 2.0 许可开源。
推荐理由:官方给出 Devstral 在 SWE-Bench Verified 的分数与开源许可,读者可据此判断开源编码智能体的当前水位。
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。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V3-0324,推理与代码生成等能力得到增强。新版本在 MMLU-Pro 75.9→81.2、AIME 39.6→59.4 等基准显著提升,并改进中文写作、搜索及函数调用准确性,修复了旧版 V3 的问题。
推荐理由:DeepSeek-V3-0324 在 MMLU-Pro 与 AIME 等基准较旧版 V3 提升明显,读者可对比数值了解推理与前端代码改进。
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。
Mistral 发布首个区域语言模型 Mistral Saba,这是一款 24B 参数模型,支持阿拉伯语及多种南亚语言。该模型响应速度超过 150 tokens/s,性能优于 5 倍于其规模的模型,且支持 API 调用及本地部署。此前 Mistral 刚发布了 Mistral Small 3,Saba 是其针对中东和南亚市场的定制化补充。
Mistral AI 发布 24B 参数模型 Mistral Small 3,采用 Apache 2.0 许可,在 MMLU 上准确率超 81%、延迟 150 tokens/s。
推荐理由:24B 参数对标 Llama 3.3 70B 且同硬件下快 3 倍以上,可据此判断本地部署的性价比。
DeepSeek API 更新日志宣布 deepseek-reasoner 是新模型 DeepSeek-R1。用户指定 model='deepseek-reasoner' 可调用 DeepSeek-V3,详情参见 DeepSeek-R1 Release,指南见 Thinking Mode。
推荐理由:DeepSeek API 更新日志宣布 deepseek-reasoner 即新模型 DeepSeek-R1,并附思考模式指南,便于接口接入。
DeepSeek 已将 deepseek-chat 模型升级至 DeepSeek-V3,API 调用方式保持不变。用户仍可通过指定 model='deepseek-chat' 调用新模型,无需修改代码。
推荐理由:DeepSeek-V3已通过现有deepseek-chat接口提供服务,API参数保持不变,开发者无需修改代码即可平滑迁移到新模型。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V2.5-1210,MATH-500 基准成绩从 74.8% 提升至 82.8%,LiveCodebench 准确率从 29.2% 增至 34.38%。新版本同时优化了文件上传和网页摘要功能的用户体验。
DeepSeek V2 Chat 与 Coder V2 合并升级为 DeepSeek V2.5,API 仍可通过 deepseek-chat 与 deepseek-coder 访问。新模型在通用与代码基准上超越前代,ArenaHard 胜率从 68.3% 升至 76.3%,HumanEval 达 89%。此次升级将原有对话与代码模型统一为单一模型。
推荐理由:DeepSeek V2.5 合并了此前的对话与代码模型,ArenaHard 与 HumanEval 等基准显示其通用和代码能力较前代有明显提升。
DeepSeek-Coder 模型已升级至 DeepSeek-Coder-V2-0724 版本。此次更新标志着该代码模型完成了版本迭代,具体性能指标或功能变更未在原文中披露。