SpaceXAI@SpaceXAIAI 评分4444推出 Grok Voice Transcribe 2.0。它是世界上最准确的语音转录模型。
#模型发布
#模型发布
今日 0 条- SpaceXAI@SpaceXAIAI 评分4444
Claude Platform：开发者版本说明（RSS）AI 评分3737 Claude Platform 版本说明（2026 年 9 月 18 日）
Anthropic 在 Claude Platform 版本说明中宣布推出 Claude Opus 5.5 与 Claude Sonnet 5.5，并更新 API、SDK、Console 的计费、合规与缓存诊断能力。
NVIDIA Blog精选AI 评分6565 Salesforce 在 Dreamforce 发布基于 NVIDIA Nemotron 3 Super 的 CRM 推理模型 Koa
Salesforce 在 Dreamforce 宣布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练，使用近 30 年企业 CRM 部署形成的专有合成数据集。
推荐理由：文章同时给出 Koa 的训练方式、CRM Bench 表现、试点客户与上线节奏，便于理解企业自研推理模型的落地路径。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率与高复杂度多步推理任务。
推荐理由：官方同时给出两款实时语音模型的定位、基准成绩与 API、企业版和消费端开放路径，便于判断语音智能体落地选择。
Fireworks AI（网页）精选AI 评分7272 Fireworks 发布 DeepSeek-V4.1-Flash，DeepSWE 编码准确率接近 GPT-6 Astra 且单任务成本为 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，并给出 DeepSWE、Terminal-Bench 2.1 与 HLE 评测。DeepSeek-V4.1-Flash 在 DeepSWE 上 Pass@1 为 74.34%，单任务成本 $0.430；GPT-6-Astra 为 74.12%、$6.524，二者质量接近而成本相差 15 倍。
推荐理由：文章用 DeepSWE、Terminal-Bench 2.1 和 HLE 对比成本与能力边界，并解释输入输出分离激活及 KV cache 优化。
OpenAI News精选AI 评分7171 OpenAI 在 API 中推出 GPT-Live-1，支持全双工语音对话
OpenAI 在 API 中推出 GPT-Live-1，面向更自然的语音体验。该模型支持全双工语音对话，并增强指令遵循、自定义声音和电话集成能力。
推荐理由：官方说明了 GPT-Live-1 的全双工语音、指令遵循、自定义声音和电话能力，便于判断 API 语音应用的接入方向。
Fireworks AI（网页）精选AI 评分6262 Genspark 与 Fireworks Lab 发布 Gen-1 Slides，后训练 MiniMax M3 实现 Opus 5 级幻灯片生成
Genspark 与 Fireworks Lab 将开源多模态模型 MiniMax M3 后训练为 Gen-1 Slides，可端到端规划、撰写并自检幻灯片，现已作为 Genspark AI Slides Standard 模式默认模型上线。
推荐理由：文章给出了从 MiniMax M3 后训练到专用幻灯片模型的完整 RL 方法、成本对比和生产指标，适合了解长程智能体训练如何落地。
OpenAI News精选AI 评分6060 OpenAI 发布面向企业工作的 GPT-6 Astra 模型
OpenAI 推出 GPT-6 Astra，称其为面向企业的最强模型。该模型具备高级推理、computer use，以及更强的写作和设计判断能力；当前材料仅为官方摘要，未提供完整正文。
推荐理由：官方摘要点明 GPT-6 Astra 面向企业工作场景，并列出推理、电脑操作、写作和设计判断等能力方向。
Google DeepMind精选AI 评分8383 Google DeepMind 发布全球天气 AI 模型 WeatherNext 3
Google DeepMind 与 Google Research 发布全球天气 AI 模型 WeatherNext 3，接入实时卫星数据、每小时更新，并提供最高 5 公里分辨率预报。
推荐理由：文章说明了实时卫星数据、逐小时更新和多档分辨率如何改进局地与降水预报，并列出 Google 产品和云端接入入口。
Hugging Face Blog精选AI 评分6262 H Company 与 Hugging Face 发布多模态多语言编码器 NeoMME 及 NeoMME-Retriever
H Company 与 Hugging Face 发布 260M 和 800M 两种规格的 NeoMME 多模态多语言编码器，并用其微调得到视觉文档检索模型 NeoMME-Retriever。
推荐理由：文章给出单塔架构、ViDoRe v3 成绩、编码吞吐和索引压缩数据，便于评估其在视觉文档检索与视觉 RAG 中的工程取舍。
OpenAI News精选AI 评分6060 OpenAI 发布 GPT-6 Astra 模型
OpenAI 发布 GPT-6 Astra，称其是公司迄今最智能、对齐程度最高的模型。官方摘要称该模型在 computer use、编码、网络安全和科学领域具备 state-of-the-art 能力。
推荐理由：官方摘要给出了 GPT-6 Astra 的定位和四类能力方向，可作为了解该模型发布范围的基础入口。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，主打智能体工作流、长程编码、多步推理与网络安全防御。
推荐理由：官方同时给出通用 Flash 与网络安全 Cyber 两个版本的定价、基准表现和获取渠道，便于比较其在智能体编程与防御场景中的定位。
Claude Platform：开发者版本说明（RSS）精选AI 评分8484 Claude Platform 9 月版本说明发布 Sonnet 5.5、Opus 5.5、Fable 5.1 与 Mythos 5.1
Anthropic 在 Claude Platform 9 月版本说明中发布 Claude Sonnet 5.5、Claude Opus 5.5、Claude Fable 5.1 和 Claude Mythos 5.1，并说明 API、SDK、Console 与 Managed Agents 更新。
推荐理由：官方汇总多款 Claude 模型的规格、价格、API 行为变化和迁移要点，便于开发者评估升级影响。
Google Research精选AI 评分6767 Google Research 发布 TimesFM-3：支持零样本多变量时间序列预测
Google Research 发布时间序列基础模型 TimesFM-3，原生支持零样本多变量预测，可在一次前向传播中联合预测多条相关时间序列。该模型拥有 330 million 参数，在超过 1 trillion 个时间点的真实与合成语料上预训练，支持多目标、历史协变量和已知未来协变量，并输出 10th 至 90th percentile 的 9 个分位数。
推荐理由：文章说明了 TimesFM-3 从单变量扩展到多变量预测的架构变化，并给出公开基准表现与 GitHub、Hugging Face 获取入口。
Microsoft ResearchAI 评分5757 Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
Microsoft Research 联合 University of Washington 和 Providence 发布 GigaPath-Flash 与 GigaTIME-Flash，两款开放权重模型以 Apache 2.0 许可在 Hugging Face 提供。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini Omni 1.1 Flash，增强生成视频控制能力
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Google AI Studio 的 Gemini API 面向开发者提供新的创作控制和生成视频能力。
推荐理由：官方说明了场景延展、首尾帧、360p 草稿和 4K 升清等视频控制能力，便于开发者评估接入方式。
Google DeepMind精选AI 评分8080 Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe
Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文字模型，并通过 Google AI Studio 的 Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放公开预览。
推荐理由：文章给出实时与预录制两种 API、WER、语言支持和落地入口，便于开发者判断语音智能体与转写管线的接入方式。
Fireworks AI（网页）精选AI 评分6060 Harvey 与 Fireworks 基于 Kimi K3 后训练法律模型 Tenet
Harvey 发布首个模型 Tenet，并与 Fireworks 合作基于 Kimi K3，通过 Fireworks Training API 的异步强化学习完成面向长流程法律工作的后训练。
推荐理由：文章给出 Tenet 在法律智能体任务上的训练方式、评测分数和单任务成本，可用于判断后训练对长流程专业工作的实际增益。
Hugging Face Blog精选AI 评分8282 IBM 发布 Granite 4.2 推理大模型家族并说明构建方法
IBM 发布 Granite 4.2 稠密 decoder-only 推理大模型家族，包含 3B、8B、30B 三种规格，并以 Apache 2.0 许可证开放。
推荐理由：文章系统拆解 Granite 4.2 从预训练、SFT 到多阶段 RL 的训练路径，可用于理解推理模型与智能体能力如何分层构建。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-DSpark 草稿模型，LFM2.5 推理最高加速 3.18 倍
Liquid AI 发布面向 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型检查点，通过推测解码提升推理速度且不改变贪心解码输出。
推荐理由：文章给出三款草稿模型的参数规模、H100 与 M4 Max 实测加速及 llama.cpp、SGLang 接入方式，便于评估端侧和服务端部署收益。
Microsoft ResearchAI 评分5555 Microsoft Research 发布 Skala-1.1，并接入 CP2K 等计算化学软件
Microsoft Research 发布深度学习交换关联泛函 Skala-1.1，训练数据较首个公开版本增加 2.5 倍，在热化学、反应动力学和分子结构预测等任务上提升精度。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体工作流降价
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码和智能体的高智能主力模型，距 Gemini 3.6 Flash 仅三周。
推荐理由：官方给出编码、网页开发、复杂文档与业务流程基准，并标明 API 价格和可用入口，便于评估生产级智能体迁移成本。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 SL2T 手语转文本模型，并在 Pixel 11 的 Gboard 与 Live Transcribe 落地
Google DeepMind 发布大规模多语言手语转文本模型 SL2T，首先支持 ASL 到英语，并在 Pixel 11 的 Gboard 和 Live Transcribe 中提供手语转文字听写，更多设备和语言将随后推出。
推荐理由：原文说明了 SL2T 的手语到文本技术路径、训练规模和首批落地入口，可帮助读者理解视觉手语翻译进入消费产品的方式。
Hugging Face Blog精选AI 评分7272 NVIDIA Magpie TTS Multilingual 发布开放权重版本，支持12种语言与自托管低延迟语音智能体
NVIDIA 在 Hugging Face 发布 Magpie TTS Multilingual 开放权重模型，参数规模364M，支持12种语言，并提供 NVIDIA NIM 生产推理容器。
推荐理由：文章给出12种语言、364M参数和多GPU延迟数据，可帮助评估自建低延迟语音智能体的部署方案。
Hugging Face Blog精选AI 评分8787 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-30B，这是从 Muse 蒸馏出的 30B 稠密多模态模型，采用 Apache 2.0 许可，面向本地智能体、编码、文档分析和个人助理等隐私敏感场景。
推荐理由：文章同时给出架构、基准和 transformers、llama.cpp、vLLM 的 day-0 接入方式，便于评估本地智能体部署路径。
Google DeepMind精选AI 评分8686 Google DeepMind 发布并开源 WeatherNext 气旋预报模型
Google DeepMind 宣布 WeatherNext AI 模型在气旋路径、强度和风结构预测上达到 state-of-the-art 准确率，并开源 WeatherNext 2 与 WeatherNext Cyclones 的代码和模型权重。
推荐理由：文章同时给出 Nature 论文结果、开源权重和预报应用场景，可帮助读者理解 AI 气象模型从研究到业务使用的落地路径。
Mistral AI精选AI 评分7575 Mistral AI 发布 3B 开源多模态安全分类模型 Shieldstral
Mistral AI 发布 3B 开源权重多模态安全分类模型 Shieldstral，采用 Apache 2.0 许可，可在单张 16GB GPU 上运行。模型把内容审核建模为二元问答任务，用户在推理时用自然语言提供策略，模型通过单个 token 输出校准的 yes/no 安全分数，无需重新训练即可评估文本、图像及文本加图像内容。
推荐理由：原文说明了用自然语言策略在推理时适配审核规则的设计，便于理解小模型安全分类器的工程取舍。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，这是面向机器人的具身推理模型，可理解视频、编排多步任务、调用 Google Search 或用户自定义工具，并把运动执行交给低层 VLA 模型。
推荐理由：官方说明了视频理解、任务编排和多机器人协作能力，并给出 API 与 AI Studio 的可用入口。
Google DeepMindAI 评分5757 Google DeepMind 在 Google Flow Music 中推出音乐生成模型 Lyria 3.5
Google DeepMind 在 Google Flow Music 中推出最新音乐生成模型 Lyria 3.5。新版本提升旋律结构的丰富度与自然度，改进歌词质量、提示词遵循和结构感知，并增强人声的真实感、情感表达与发音。用户还可更方便地控制输出音乐的速度和时长。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Robotics 2，带来机器人全身智能与多机协作
Google DeepMind 推出 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和本地运行的 Gemini Robotics On-Device 2。
推荐理由：官方拆解了三款模型在全身控制、灵巧操作、长程协作和端侧适配上的分工，可帮助理解机器人智能层的能力边界。
Hugging Face Blog精选AI 评分6868 NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式模拟器
NVIDIA 发布 Cosmos-H-Dreams，这是面向手术机器人的实时、动作条件生成式模拟器，并通过 FlashDreams 流式推理库提供服务。
推荐理由：文章说明了从 Cosmos-H-Surgical-Simulator 蒸馏到实时学生模型的训练路径，以及单 GPU 上的交互式推理表现。
Claude Platform：开发者版本说明（RSS）精选AI 评分8686 Anthropic 发布 Claude Opus 5，并更新 Claude Platform 多项 API 与 Managed Agents 能力
Anthropic 于 7 月 24 日发布 Claude Opus 5，模型 ID 为 claude-opus-5，支持 1M token 上下文窗口、128k 最大输出 token 和默认开启 thinking，价格为 $5 / $25 USD per MTok。
推荐理由：官方版本说明集中列出 Claude Opus 5 的规格、价格、API 行为变化和迁移要点，便于开发者评估升级影响。
Google DeepMind精选AI 评分8989 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 和网络安全专用的 3.5 Flash Cyber，主打规模化构建 AI 智能体所需的效率、低延迟与可靠性。
推荐理由：官方同时给出三款模型的定位、价格、速度与基准表现，可帮助开发者按延迟、成本和智能体任务需求选型。
Google DeepMind精选AI 评分7575 Google DeepMind 发布网络安全模型 Gemini 3.5 Flash Cyber
Google DeepMind 推出基于 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，用于快速发现、验证和修补软件漏洞。
推荐理由：文章说明了该网络安全模型的定位、受限开放方式和多项代码漏洞评测结果，可帮助读者理解轻量模型在安全扫描中的取舍。
Hugging Face Blog精选AI 评分8888 Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling 与 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态 LLM Inkling，并推出 Inkling-Small 及 NVFP4 等变体。
推荐理由：文章同时给出模型架构、量化部署配置和多框架支持，便于评估多模态推理模型的落地门槛。
Mistral AIAI 评分5454 Mistral 发布具身导航模型 Robostral Navigate
Mistral 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，可接收 RGB 图像和自然语言指令并自主移动机器人。模型仅使用一个普通 RGB 相机，不依赖 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，validation seen 达到 79.4%。
Mistral AI精选AI 评分6868 Mistral AI 发布 Leanstral 1.5：119B 总参数、6B 激活参数的开源形式化证明模型
Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，模型拥有 119B 总参数和 6B 激活参数，面向 Lean 4 形式化证明与代码验证，权重已在 Hugging Face 开源，并提供免费 API leanstral-1-5。
推荐理由：官方给出 Lean 4 形式化证明基准、代码验证案例和免费 API 入口，可帮助读者判断模型在真实证明工程中的适用边界。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash
Google DeepMind 发布图像模型 Nano Banana 2 Lite，并首次通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放视频生成与对话式编辑模型 Gemini Omni Flash。
推荐理由：原文同时给出两款生成媒体模型的接入平台、价格、延迟和当前限制，便于开发者评估图像到视频工作流的组合用法。
Google Research精选AI 评分7070 Google Research 发布表格数据零-shot 基础模型 TabFM
Google Research 推出面向表格数据分类和回归的基础模型 TabFM，可将整张表作为统一提示词，在单次前向传播中对未见过的表格生成零-shot 预测。
推荐理由：原文说明了 TabFM 的零-shot 表格预测机制、训练数据来源和 BigQuery 入口，便于理解其对传统表格建模流程的替代思路。
Claude Platform：开发者版本说明（RSS）精选AI 评分8282 Anthropic 发布 Claude Sonnet 5 并更新 Claude Platform 版本说明
Anthropic 于 6 月 30 日发布 Claude Sonnet 5（claude-sonnet-5），入门价为 $2 / $10 per MTok，支持 1M token 上下文窗口和 128k 最大输出 token。
推荐理由：官方版本说明集中列出 Claude Sonnet 5 的规格、价格、迁移破坏性变化及 Managed Agents 新能力，便于开发者评估升级影响。