跳到正文

#模型发布

今日 8 条
11月12日周四
  1. IT之家51

    科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言

    科大讯飞今日宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务,支持 99 种语言与 202 种方言。该模型直接理解语音中的语义情绪与环境音,解决级联方案信息丢失与链路割裂问题,并采用全国产算力训练。这是相较上一代模型在听见更多、理解更透、用得更广方面的全新升级。

  2. IT之家51

    字节火山引擎发布 Seedance 2.5 flash 视频模型:生成速度翻倍,价格更低

    字节火山引擎 11 月 12 日推出 Seedance 2.5 flash 视频模型,生成速度较 Seedance 2.5 提升一倍且价格更低。720P 下生成价格约 0.99 元/秒,降低约 34%,单段最长 30 秒,支持 10 张图片等输入,API 将于 11 月 15 日上线火山方舟。该模型与旗舰版 Seedance 2.5 形成高低梯度,面向批量内容生产。

  3. 量子位64

    文心5.5 Flash Preview发布,纯代码造《后室》游戏并宣布即将开源

    百度发布文心5.5 Flash Preview,总参数2800亿、激活140亿,支持百万Token上下文与每秒200Token生成,主打端到端编程并即将开源。模型实测用代码完成《后室》网页游戏、动画与3D园林,在Terminal-Bench等基准展现与Claude Opus 5.5、GPT-6.1 Sol竞争实力。该模型于百度世界大会前亮相,权重将用Apache 2.0开放。

  4. Latent Space49

    Google 发布 Gemini Decision 1 决策模型

    Google 发布 Gemini Decision 1,这是一款支持多模态输入的校准决策模型,单次请求可处理 1000 个问题,端到端延迟约 200ms。其输入价格为每百万 token 0.10 美元,输出免费,官方称比 Flash-Lite 便宜 5 倍。此前该项目为 Google DeepMind 内部原型,小团队在六周内完成了模型与 API 的发布。

  5. IT之家26

    IT早报 1112:曝英伟达正准备罢免 CEO 黄仁勋;华为全新子品牌星芒官宣;苹果 20 周年款 iPhone 前瞻整机如整块玻璃;5 位师傅仅 2 位说实话家电维修乱象曝光...

    英伟达被曝正准备罢免 CEO 黄仁勋,受此消息影响公司股价盘后大跌。华为官宣全新子品牌 OSTA 星芒,将于 11 月 20 日发布会首次亮相。此外,苹果 20 周年款 iPhone 前瞻显示整机如整块玻璃,家电维修乱象及腾讯元宝搜索上线等资讯亦在列。

  6. IT之家63

    谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2:从组织预测深入单细胞分析,识别基因表达变异能力近乎翻倍

    谷歌 DeepMind 于 11 月 11 日推出新一代基因组 AI 模型 AlphaGenome 2,能针对特定细胞类型预测 DNA 变异影响,识别基因表达变异能力接近上代两倍。新模型使用超 1.07 亿单细胞图谱训练,在 TenK10K 免疫细胞测试致病变异识别达 30% 优于上代 16%,并支持未训练细胞分析与跨模态推断。这是继 AlphaGenome 后深入单细胞分析的升级。

  7. Simon Willison55

    Google发布Gemini Decision 1决策模型API

    Google于2026年11月11日发布Gemini Decision 1决策模型API,加入Jev和OpenAI的决策模型类别。该模型支持yes/no、choice和rubric-scoring三类问题,覆盖文本、图像、音频、视频与PDF全模态,输入每百万token 10美分且输出免费。作者用视频测试返回概率值,Jev仅文本最便宜,OpenAI支持文本与图像。

  8. The Decoder69

    Google DeepMind 的 AlphaProof Code 用四周而非数年验证了 Signal 的加密核心

    Google DeepMind 发布 AlphaProof Code,在四周内完成 Signal 加密核心代码的形式化验证,传统方式需数年。系统基于 Gemini Carbon 的 AI agents 写下超 600 万行 Lean 证明语言,标出约 1% 代码供人工审查并捕获两个测试用漏洞。DeepMind 计划将方法扩展至电网与医疗设备,此前验证仅停留在理论设计阶段。

11月11日周三
  1. Google DeepMind59

    Google DeepMind 发布 AlphaGenome 2,预测 DNA 变异对人类细胞类型的影响

    Google DeepMind 于 2026 年 11 月 11 日发布 AlphaGenome 2 模型,可预测 DNA 序列变异对特定人类细胞类型的影响。新条件模型在 TenK10K 数据集上识别致病变异比例达 30%,约为初代 16% 的近两倍,并已通过 AlphaGenome API 开放非商业研究。这是继去年 AlphaGenome 后的下一代模型,将单细胞生物学与人类遗传学桥接。

  2. IT之家53

    DeepL 推出语音 AI 翻译模型 Aure,实时复现说话者语气起伏与情绪流转

    DeepL 于 11 月 11 日推出语音 AI 翻译模型 Aure,官方称其可实时复现说话者语气起伏、情绪流转及语速快慢。该模型作为 DeepL Voice 底层核心,已支持网页会议版、面对面交谈版及语音 API,首发支持英德西法意日葡韩八种语言。其建立在 DeepL 近期声音保留技术之上,进一步捕捉声音动态起伏以提升翻译自然度。

  3. 量子位76

    英伟达发布GR00T 2机器人基础模型并开源,Anthropic Fable 5.2同期亮相RoboDojo

    英伟达在CoRL大会发布新一代机器人基础模型GR00T 2,并宣布模型、数据与仿真环境等将陆续开源。GR00T 2通过X-Adapt实现跨本体技能迁移,每项任务5次示范加30分钟LoRA微调可使成功率至95%。同期Anthropic Fable 5.2在RoboDojo Sim双臂测试得分64.9%,高于GPT-6 Astra的29.8%。

    推荐理由:英伟达发布GR00T 2世界动作模型与全套开源工具链,其跨本体适配能力可显著降低不同本体机器人重新采集示范数据的成本。

  4. IT之家85

    谷歌正式开放迄今最强模型 Gemini 4 Carbon,主打复杂编程、科学研究与网络安全

    谷歌于当地时间11月10日宣布正式开放 Gemini 4 Carbon 模型,这是谷歌目前能力最强的推理模型,主打复杂编程、科学研究与网络安全。该模型拥有1,048,576 Token统一上下文窗口,通过Gemini API和Google AI Studio向付费开发者开放,首发优惠价每百万输入Token 2美元、输出10美元至2026年11月30日。

  5. The Decoder63

    Nvidia 模型 GR00T 2 观看人类视频,然后想象自己作为机器人

    Nvidia 在研究报告中推出 GR00T 2 世界-动作模型,通过扩散生成未来视频将人类动作迁移到机器人,降低遥操作需求。该系统在千余块 GB300 芯片上使用约 40 万小时头戴视频训练,少量示例下部分任务成功率从 40% 升至 95%。其配合 OpenAI GPT-6 Astra 语言模型可将玩具组装成功率提至 97%,但高层模型会拖慢实时响应。

  6. The Decoder57

    Google DeepMind 的 Gemini Robotics 2.5 在奔驰装配试点分拣金属件成功率达 96%

    Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,在奔驰匈牙利与德国产线分拣金属件试点成功率达 96%。该模型较前代任务成功率提升 30% 至 100% 且速度加快 20% 至 30%,同时开源 ASIMOV-Jailbreak 安全基准。其为今年早些时候首个支持机器人全身控制模型的后继版本。

  7. MiniMax 动态64

    MiniMax 发布 H3-Image 图像生成模型并开放权重

    MiniMax 今天正式发布 H3-Image 图像生成模型并开放权重,可在10秒内生成4096x4096像素图像。该模型衍生自H3,具备文本生图、图像参考与编辑能力,最多支持16张参考图,指令遵循突出;权重见 https://huggingface.co/MiniMaxAI/MiniMax-H3-Image,并通过开放平台等提供API,生成速度达主流5倍且首周4K五折。

    推荐理由:MiniMax H3-Image 模型开放权重且十秒出4K图,其速度达主流五倍、价格仅半价,为开源图像生成提供性价比参照。

  8. Google DeepMind83

    Gemini 4 Carbon 现已开放

    Google DeepMind 今日开放 Gemini 4 Carbon 模型,提供前沿网络安全与长程代理工作流能力。该模型在 CursorBench 4.0、WANDR 等基准排名第一且任务成本低于次优外部模型一半以上,通过 AI Studio API 以与 Gemini 4 Argon 相同价格($2/$10 per M tokens)开放。

    推荐理由:Gemini 4 Carbon定价与Gemini 4 Argon一致,但面向更复杂编程与科研任务,开发者可对比二者选型。

  9. The Verge · AI79

    Google发布Gemini 4 Carbon模型并预览agent swarm功能

    Google正式向公众发布Gemini 4 Carbon模型,并在Antigravity平台预览可将单个提示词转为协调智能体团队的agent swarm功能。该模型每百万输入token定价2美元、输出10美元,约为OpenAI GPT-6 Astra和Anthropic Fable 5.2同级竞品的五分之一到四分之一。

    推荐理由:Gemini 4 Carbon以不足竞品四分之一token定价向公众开放,其agent swarm功能支持多智能体协作。

11月10日周二
  1. Google DeepMind62

    Gemini Robotics 2.5 加速真实世界通用灵巧性

    Google DeepMind 推出 Gemini Robotics 2.5 视觉-语言-动作模型,在 200 多项任务上成功率提升 30% 至 100%,加速真实世界通用灵巧性。该模型在奔驰产线由 Apollo 2 实现 96% 分拣成功率,并发布开源基准 ASIMOV-Jailbreak。此为继年初全身智能后物理智能的进一步推进。

    推荐理由:Gemini Robotics 2.5 在超200项任务成功率提升30%至100%,奔驰产线达96%成功率,显示机器人实用进展。

  2. 量子位67

    蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,统一触觉Token提升机器人操作成功率

    蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token供动作模型使用。在π0.5拉拉链任务中,接入该模型后成功率从原始触觉的15%升至59%,轻量版 LingBot-Touch-Tiny 约532万参数且代码权重已开源。此前直接输入原始触觉信号反而使机器人操作成功率下降。

  3. 量子位56

    从“一脑多机”到“一脑多手”,蚂蚁灵波开源LingBot-Touch触觉基础模型

    蚂蚁灵波11月10日开源触觉基础模型LingBot-Touch,可将磁触觉、视触觉和压阻式信号编码为统一触觉Token供不同灵巧手使用。在26项真机测试中,接入该模型使四种动作模型平均任务成功率提高约14至26个百分点,模型和代码已在Hugging Face与GitHub开源。此为蚂蚁灵波继通用大脑后补齐触觉感知、推进具身原生路线的动作。

  4. IT之家52

    号称行业首个具身全模态端到端交互大模型,智元发布 WITA-Omni

    智元正式发布 WITA-Omni 全模态大模型,号称行业首个具身全模态端到端交互大模型,支持触觉、本体状态输入与机器人动作表情输出。该模型采用流式全双工架构,平均交互响应约600毫秒较业内快近3倍,且无需唤醒词支持自然对话。此前 WITA-Omni Preview 曾以85.21分登顶 DailyOmni 全模态理解榜单。

  5. Simon Willison70

    Meta AI 发布最小最高效模型 Muse Ember

    Meta AI 发布小模型 Muse Ember,面向智能体高频任务与复杂推理,定价与 GPT-6 Luna 和 Claude Haiku 5.5 相近。模型支持百万输入 token 但长提示会涨价,位于效率前沿帕累托线;作者实测其 SVG 生成质量与贵 40 倍的 Muse Wonder 相当。

  6. IT之家54

    蚂蚁灵波 LingBot-Touch 触觉基础模型开源,为通用大脑接入“手感”

    蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,为通用大脑补齐关键的触觉感知能力。模型基于近 5000 小时真实触觉数据预训练,输出统一触觉 Token,在 26 项真机测试中使四种动作模型平均成功率提升约 14 至 26 个百分点。该表征可跨传感器、跨灵巧手和跨模型复用,此前 LingBot 系列已构建全栈体系,此次将感知延伸至指尖。

© 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