Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式上线并提供 API 访问，聊天界面为候补名单制。该模型在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码来测量和比较所见内容，Elorian 将这一机制称为视觉草稿空间。
#多模态
TechCrunch · AIAI 评分6060
TechCrunch · AIAI 评分7373 Meta 发布可在 Mac 上运行的开放权重模型 Muse Spark Open
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强开放权重模型，拥有 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
The Decoder精选AI 评分8282 Meta 发布 Muse Spark Open，816B 参数重返开源权重赛道
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
推荐理由：Meta 重返开源权重赛道，给出 816B 参数、百万 token 上下文与本地部署条件，可对照 Qwen、GLM、Kimi 看开源格局变化。
The DecoderAI 评分7474 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，并推出两款端侧 Bolt 模型
Nvidia 发布 Nemotron 3.5 Super VL，一个 1200 亿参数的开源多模态模型，面向持续运行的企业智能体，采用 MoE 架构，每个 token 仅激活 120 亿参数。
NVIDIA Blog精选AI 评分7272 NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 模型
NVIDIA 发布开放模型 Nemotron 3.5 Super VL，120B 参数，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍，并称其精度接近 NVIDIA 最大推理模型而参数量约为五分之一。
推荐理由：NVIDIA 一次放出三款覆盖数据中心到端侧的开放模型，并给出量化规格与部署入口，便于判断本地智能体的选型边界。
TechCrunch · AIAI 评分6262 YouTube Music 上线 AI 生成音乐标注体系
YouTube Music 周三宣布推出新的标注系统，用于标明借助生成式 AI 创作的歌曲，标注会显示在播放页面上，点击可查看 AI 在创作中的具体作用，该标注也将扩展到 YouTube 主应用。
Simon WillisonAI 评分7171 llm-gemini 0.35 加入 Gemini 4 Argon 支持
Simon Willison 为 llm-gemini 0.35 加入对 Gemini 4 Argon 的支持，该模型今日通过 Gemini API 和每月 100 美元订阅计划开放。
Simon WillisonAI 评分6262 Meta AI 发布 Muse Wonder 系列模型，llm-meta-ai 插件同步更新至 0.2
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为自家最强模型，Artificial Analysis 将 Muse Wonder（Max）评为与 GPT-6.1 Sol 相当。
The Decoder同新闻AI 评分8888 Gemini 4 Argon 全球上线，成为 Google 最强前沿模型
Google 全球上线 Gemini 4 Argon，开发者可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google Search 的 AI 模式访问；免费用户和 Plus 订阅者只能使用较弱的 Flash 模型。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务
Google DeepMind 发布前沿模型 Gemini 4 Argon，即日起通过 AI Studio 和 Gemini API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Gemini app 与 Search 的 AI Mode 面向 Ultra 和 Pro 订阅者开放。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，读者可据此判断前沿模型在长程任务上的落地程度。
The DecoderAI 评分6767 Odyssey 开放世界模型 Odyssey-3 免费研究预览
Odyssey 面向公众开放世界模型 Odyssey-3 的研究预览，用户可用文本提示生成可实时探索的交互环境，开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash，支持第一人称与第三人称视角、移动和触发事件；基础模型 14B 参数，生成 832 × 480 视频，Pro 版支持 1280 × 720。
The Verge · AI同新闻AI 评分8080 ChatGPT 上线 Intelligent UI，回复中嵌入图表、按钮和表单
OpenAI 在 ChatGPT 中推出 Intelligent UI 功能，让聊天机器人用交互式可视化内容回答问题，该更新与 GPT-6 一同向所有用户推送。
OpenAI News精选AI 评分7878 OpenAI 在 ChatGPT 全球上线 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线，并同步推出 Intelligent UI。官方称新版本响应更快，提供可视化内容和可直接探索、使用的交互体验。
推荐理由：OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线，并同步带来 Intelligent UI 的交互变化。
TechCrunch · AI同新闻AI 评分7878 OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 界面转向可视化交互
OpenAI 推出名为 Intelligent UI 的新界面，随新模型 GPT-6 于周三开始推送，把大量可视化内容整合进对话，其中不少可交互，例如可点击按钮、针对特定任务的定制计算器、交互式图表和可编辑图形。
The DecoderAI 评分6262 Google 开放 SynthID 检测器，称已有 1800 亿图片和视频带水印
Google 将 SynthID Detector 开放给公众，任何人都可以检测图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成，支持 JPG、PNG、MP4 和 MP3 格式。
Ars Technica · AIAI 评分6262 Google 推出改进版 SynthID AI 内容检测器，面向全球开放
Google 宣布其 SynthID 检测器现已支持所有合作方嵌入的水印，并在新网站 SynthID.com 上向所有人开放使用。此前非 Google 信任测试者只能通过询问 Gemini 来检测 SynthID，且旧检测器只识别 Google 自家水印，ChatGPT 等合作方图片即使带有 SynthID 也不会被标记。
TechCrunch · AIAI 评分6666 Google 上线 SynthID 网站，向所有人开放 AI 生成内容检测
Google 周二上线新网站，任何人都可以验证图片、视频或音频是否由 AI 生成，此前该工具仅向部分记者、媒体从业者和研究人员开放测试。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可将文本、图像、音频和视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与量化后内存占用，可据此判断端侧多模态检索的落地门槛。
The DecoderAI 评分6262 Google 发布 EmbeddingGemma 2，称性能超越两倍规模竞品
Google 发布开源模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，参数量 7.4 亿。Google 称其在多模态嵌入基准上超越规模达其两倍的竞品，在 Massive Text Embedding Benchmark (Code) 上得分 78.68，较前代 68.76 提升近 10 分。
Simon WillisonAI 评分3232 Mistral Large 4 发布
Mistral 推出 Mistral Large 4，模型可通过 llm 命令行工具以 mistral/mistral-large-4 调用。Simon Willison 用它与其他前沿模型同题生成 SVG，测试提示词为“一只穿渔网袜的犰狳在火星上乱穿马路”，各模型均使用默认推理等级。
TechCrunch · AIAI 评分3232 Pinterest 推出 Beauty Guides：用 AI 把美妆 Pin 图变成沙龙行动方案
Pinterest 推出 Beauty Guides，依托其视觉智能与生成式 AI 技术 Pinterest Intelligence，把发型、发色、美甲等美妆类 Pin 图转化为可带去沙龙的行动方案。
TechCrunch · AIAI 评分6969 Mistral 发布 1T 参数多模态模型 Mistral Large 4
法国 AI 实验室 Mistral AI 发布大型多模态模型 Mistral Large 4（昵称 Le Chonk），参数规模达 1 万亿，目前仅通过带护栏的公开端点访问，计划在安全测试完成后三周内开放权重。
The DecoderAI 评分7373 Mistral 发布万亿参数 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4（ML4），总参数 1 万亿、激活 49B，为原生多模态模型，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
The DecoderAI 评分6565 Reka AI 发布 19B 全能模型 Rho-1，单模型处理文本、图像、视频与机器人控制
Reka AI 发布研究预览版 Rho-1，这是一个 190 亿参数的全能模型，可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行，无需工具调用或外部模型。
NVIDIA BlogAI 评分2222 从扫描到治疗方案，AI 如何弥合乳腺癌诊疗中最致命的缺口
NVIDIA Inception 成员 iSono Health、Whiterabbit.ai 和 Ataraxis AI 正用 AI 覆盖乳腺癌筛查、风险评估与治疗规划环节。
The DecoderAI 评分3636 NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据
NASA 与 IBM Research 联合多所学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
Microsoft Research精选AI 评分6666 微软研究院发布 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献与实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Latent SpaceAI 评分7171 AMD 以 82 亿美元收购 World Labs，Atlas 解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾，公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 种语言切换等具体细节，可据此判断企业级多模态交互的落地形态。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在创作与规模化场景中的分工。
Microsoft ResearchAI 评分4242 MindTopo：微软研究院推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo，一个评估多模态大语言模型拓扑推理能力的基准，覆盖连通性、分离、顺序、包围和绳结五类拓扑关系，并区分静态推理与交互规划两个认知层级。测试显示，当前专有与开源模型在静态识别上明显强于交互规划，且均远低于人类水平，失败多发生在规划阶段而非感知阶段。图像与视频生成仅在单帧关系可见时偶有帮助，跨多步操作时仍不可靠。