跳到正文

#模型发布

今日 10 条
10月10日周六
  1. 量子位76

    Google发布生图模型Nano Banana 2.1,支持4K直出且中文进步明显

    Google发布生图模型Nano Banana 2.1,实现4K直出并显著改善中文渲染与错字问题。该模型在Arena评测中文本转图像等多功能平均分提升约61.7分,API价格最高下调50%,已上线Gemini APP并每日赠50积分,开发者可通过gemini-nano-banana-2.1接入。相较GPT Image 2.5,其生成更快但连续编辑有水印Bug且完成度稍逊。

    推荐理由:Google发布Nano Banana 2.1生图模型,中文渲染改善且API降价并赠额度,设计师可试用于商单。

  2. Testing Catalog27

    OpenAI 文档新增 gpt-rosalind-discovery 模型

    OpenAI API 定价页新增未正式发布的 gpt-rosalind-discovery 模型,与 gpt-rosalind-research 并列于生命科学模型板块。该模型定价为每百万输入 token $5、输出 token $25,目前仅通过可信访问计划向获批机构开放。此前 GPT-Rosalind 于 9 月 11 日结束研究预览,10 月 5 日正式生效计费。

  3. IT之家20

    Cloudflare 推出开放权重决策 AI 模型 Clef-omni,新增支持音频 / 视频输入

    Cloudflare 推出开放权重决策模型 Clef-omni,基于 Qwen3-Omni-30B-A3B-Instruct 构建,支持单次 API 调用处理文本、图像、音频及完整视频输入。该模型权重已在 Hugging Face 开放,纯文本请求中位响应时间约 130 毫秒,带声音的 21 秒视频约 1.5 秒完成评分。此前 Clef 系列仅支持文本、图像及视频抽帧,此次扩展了多模态输入能力。

  4. IT之家15

    Underdog AI 发布 Saluki 27B 模型:2-bit 量化 Qwen3.8-27B,7.89GB 大小

    Underdog AI 发布 Saluki 27B 模型,这是 Qwen3.8-27B 的 2-bit 量化调优版本,文件大小仅 7.89 GB。该模型针对智能体应用设计,工具选择和多工具并行调用表现优于全尺寸 Qwen3.8-27B,但数学表现相对逊色。Saluki 使用标准 llama.cpp 格式,可在标准 llama.cpp 及基于它构建的应用中加载,无需自定义编译。

10月9日周五
  1. 量子位48

    星动纪元VPP2登顶RoboDojo仿真榜单,超越GPT-6-Astra

    星动纪元自研世界动作模型VPP2在RoboDojo仿真榜单登顶,综合平均成功率32.26%、得分39.26分,领先GPT-6-Astra约9.78个百分点。该模型采用视频预测与动作学习解耦的三阶段训练策略,在ALOHA真机零样本测试中平均成功率达58.5%。VPP2现已开源,其技术路线验证了不依赖额外数据增强即可实现泛化突破。

10月8日周四
  1. The Decoder77

    Anthropic 发布 Claude Haiku 5.5,大幅降价印证 AI 价格战远未结束

    Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。

    推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。

  2. AWS Machine Learning Blog66

    Claude Haiku 5.5 登陆 AWS Amazon Bedrock 与 Claude Platform

    AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线,该模型为 Claude 5.5 系列最快且多数任务成本较 Haiku 4.5 低约75%。它支持 effort controls 与高分辨率图像,适合子代理与高吞吐编码等任务,可与近期发布的 Opus 5.5 组成规划与执行分工。

    推荐理由:Claude Haiku 5.5 较 Haiku 4.5 成本降约75%且支持 effort controls,读者可参考其在 AWS 子代理场景的性价比优势。

  3. OpenAI News74

    GPT-6 与 Intelligent UI 面向所有人推出

    GPT-6 正在 ChatGPT 中全球推出,搭载 Intelligent UI 提供带视觉的更快交互体验。

    推荐理由:GPT-6 正在 ChatGPT 中全球推送并搭载 Intelligent UI,提供带视觉的更快交互体验,读者可据此了解官方新模型的能力方向。

  4. Hugging Face Blog63

    Liquid AI 发布多模态开放 d1 边缘决策模型 d1-3B 与 d1-omni-600M

    今日 Liquid AI 发布开放权重 d1 决策模型 d1-3B 与实验性 d1-omni-600M,可在边缘设备做多模态决策。d1-3B 在 Decision Index 0.2.1 得 48.57 分超 Decider 35B-A3B,于 Jetson 延迟低至 16 毫秒。模型基于 LFM 单前向传播不生成 token,已在 Hugging Face 开放。

    推荐理由:Liquid AI 开放 d1-3B 等决策模型权重,以单前向传播在 Jetson 实现低于 50 毫秒多模态推理。

10月7日周三
  1. IT之家68

    谷歌推出 EmbeddingGemma 2:支持多模态、7.4 亿参数量化手机端运行只需 191MB 内存

    谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展至代码、图像、视频、音频,可统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,量化后纯文本端侧运行仅需约 191 MB 内存,配备 8K Token 上下文窗口。开发者可在 Hugging Face 下载并用于搭建离线跨模态检索系统,这是初代 EmbeddingGemma 的升级版本。

  2. Google DeepMind66

    Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数、基于 Gemma 4 架构并采用 Apache 2.0 许可的开源多模态嵌入模型,可将文本、代码、图像、视频和音频统一映射到嵌入空间。

    推荐理由:原文给出了轻量多模态嵌入模型的端侧性能指标与模块化设计,读者可据此评估本地 RAG 与跨模态搜索的可行性。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有