Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读无超声专科培训人员操作的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕零本地优化为 4.27 天。
推荐理由：研究给出跨美国与肯尼亚两地、换用不同探头后的前瞻性验证结果，可了解医疗 AI 跨场景泛化的实测表现。
NVIDIA 扩展 Nemotron Retriever 系列，发布 Nemotron 3.5 Embed 8B BF16、1B BF16、1B NVFP4，Nemotron 3.5 Rerank 8B BF16，以及 631M 参数的 Nemotron 3.5 Parse，均为开放且可商用的模型。
Adobe 宣布 iOS、iPadOS 和 Android 版 Lightroom 移动端新增 Open Eyes 快捷操作，检测到照片中人物闭眼时可一键用生成式 AI 睁开双眼。
Kling AI 发布视频生成模型 4.0，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展至 8,000 tokens。升级后的 Omni Reference 单次生成最多接受 15 个参考素材，包括 10 张图像、总时长不超过 30 秒的 5 段视频和 7 个元素。
MiniMax 在 API 上线 MiniMax M3.1 Flash，采用 428B 总参数、约 23B 激活的 MoE 架构，支持 100 万 token 上下文和文本、图像、视频输入，定价为每百万 token 输入 $0.15、输出 $0.60。
Nace AI 发布 Drex Max，这是其首款可读取文本与图像的多模态决策模型，在公开 Decision Index 0.3.2 上得分 67.59，比 TypeSafe 的 Jev 1.14 高 6.9 分。
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频按用户定义条件切分为带起止时间的结构化 JSON 元数据。
MIT、波士顿儿童医院与 Inria 的研究者开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时辅助成像，生成可供放射科医生检查的高分辨率图像。该模型把胎儿头部的左右对称性直接嵌入网络架构，而非仅从数据中学习物理规律，从而更准确地识别大脑朝向。相关论文已在 2026 年欧洲计算机视觉会议上发表，目前模型主要基于第三孕期胎儿训练，团队希望进一步扩展至第二孕期及更小的胎儿。
Voxel51 发布 3.0 版本，将搜索、数据整理、标注和评估整合到一个多模态数据平台，面向用机器人、车辆和工厂传感器数据训练模型的团队。新增的 Voxel51 Agent 提供 45+ MCP 工具、80+ 算子和 18 个开源技能，并加入部署、数据集、样本和版本四层溯源记录。
MIT 研究人员构建了一个面向晶体材料的多模态 AI 模型，将 3D 原子结构与自然语言描述结合，相关论文发表于 Nature Communications。研究显示，该模型在筛选固态锂离子电池电解质材料时，排名靠前的结果包含已被独立认定为有前景的候选材料，并能学到纯文本模型无法获得的几何表征。团队用对比学习让模型对齐结构与文本描述，训练数据包含从实验论文和第一性原理计算数据库生成的描述性文本。
Elorian 发布首个 AI 模型 Glimpse，主打直接以图像为对象进行推理，而非仅围绕图像展开推理。按其自评估结果，Glimpse 在科学图表推理和短视频描述任务上超过 GPT-6 Astra，在其他视觉推理任务上表现相当。
Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，拥有 1200 亿参数，面向企业 AI 智能体场景。同时推出两款紧凑型 Bolt 模型，用于在本地机器上运行智能体。已有数十家机构在微调 Super VL，但要充分发挥其能力需要购买 Nvidia 硬件。
Meta 发布开源权重模型 Muse Spark Open，参数规模 816B，可处理文本、图像、视频和音频，上下文窗口最高 100 万 token。该模型在基准测试中大致与能力最强的中国开源权重模型持平，并针对 Apple M5 Ultra 的本地运行做了优化。
NVIDIA 发布 Nemotron 3.5 Super VL，这是一款 120B 参数的开源多模态模型，面向持续在线的专用智能体，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：原文给出三款模型的参数规模、部署层级和开放权重，读者可据此判断开源智能体模型从数据中心到端侧的覆盖方式。
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数、每 token 激活 12B 的 MoE 开源视觉语言模型，支持文本、图像、文档和视频输入，上下文最高 1M tokens，权重以 OpenMDW-1.1 许可发布。
Meta Superintelligence Labs 发布 Muse Spark Open，这是 Muse Spark 的开源权重版本，816B 总参数 MoE、每 token 激活 42B，支持文本、图像、视频和音频输入，上下文窗口 1M token，权重以 BF16 和 NVFP4 格式在 Hugging Face 发布。
推荐理由：Meta 开源 816B MoE 模型的规格、部署门槛与同代开源模型对比数据都在这篇里，可据此判断本地运行可行性。
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对每个问题返回各选项概率，一次前向完成且不生成输出 token。该模型已在 Liquid API 上线，定价为每百万输入 token 0.042 美元，图像按每 32×32 像素块 1.5 token 计费。
Meta 发布 Muse Spark Open，这是一个 816B 总参数、42B 激活的 MoE 模型，支持 1M token 上下文窗口和文本、图像、视频、音频输入，面向编码、长程智能体与多步推理。
Meta 发布开放权重前沿多模态混合专家（MoE）模型 Muse Spark Open，相关介绍发布在 Hugging Face Blog。原文正文抓取失败，除标题外暂无更多细节。
YouTube Music 开始为生成式 AI 音乐推出标注，用于区分歌曲由真人歌手还是 AI 生成，该标注后续也将登陆 YouTube。
OpenAI 在教师节宣布 AI for Educators 新增巴西葡萄牙语支持，并展示 Study Mode 如何帮助教师支持主动、分步式学习。
Adobe 与 NVIDIA 宣布扩大合作，为 Adobe Photoshop、Premiere、Substance 3D、Frame.io 和 Brand Concierge 等旗舰工具进行优化，以提供更快的 AI 创作、制作与个性化体验。
MIT 与 Whitehead 研究所团队开发神经网络模型 IRIS，通过识别各信号通路在不同细胞类型中一致的基因活动“指纹”，重建细胞在胚胎发育中接收过的信号历史。
推荐理由：IRIS 用迁移学习思路跨细胞类型重建信号通路历史，为干细胞工程和类器官研究提供可复用的建模路径。
Apple 提出 Selection-based Structured Reasoning（SSR）框架，将推理从开放式生成改为选择：把反复出现的高层推理表示为预先指定的可复用自然语言候选，模型每轮从中选择。该框架针对小模型推理冗长、对动作生成帮助有限且推理成本高的问题，目标是提升多模态搜索智能体的效率。
Google DeepMind 将 Gemini 4 Argon 面向开发者、企业和付费 Gemini 订阅用户开放，该模型为稀疏 MoE 架构，原生支持文本、图像、音频和视频输入，输出上限从早期 Gemini 的 64K 提升至 1M token，输入输出共享 1M 窗口。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0，新增图像与音频理解、可选思考模式、4 倍长的上下文窗口（262,144 tokens），并改进指令遵循与工具调用，权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由：原文完整公开了多模态早融合方案、四阶段预训练与五阶段后训练流程，可供研究开源模型如何扩展模态与长上下文。
TypeSafe AI 发布 System One 决策模型 Jev 1.14，以 jev-preview 别名上线，新增图像输入、Box 边界框类型和 262k 长上下文三项实验性功能。
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估四种智能体配置，并公开两个新基准的开发集。
推荐理由：Google 公开地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可了解专用工具与前置规划对空间推理的作用。
Google Research 在 Research@ 活动上公布 10 项进展，包括扩展 Google Earth AI 早期访问，新增地理空间分析、行星预测引擎和 agent-to-agent API 三种实验能力，并整合 Google Dataset Search 与 TimesFM。
Simon Willison 用 Claude iPhone 应用（chat 模式）向 Claude Opus 5.5 Max 下达提示词，要求构建名为「Tree Appreciator」的 three.js 游戏，展示两棵算法生成的树并让玩家欣赏差异。Claude 耗时 3 小时 7 分钟返回成品，包含音乐、动画和成就系统，可玩性相当强。
vLLM 宣布对 NVIDIA Nemotron 3.5 Super VL 提供 Day 0 支持，可在 vLLM 上运行该模型以支撑多模态智能体工作流，覆盖图像、文档和视频理解。该支持包含 OpenAI 兼容的服务接口与多 token 预测（multi-token prediction）。
vLLM 宣布在 Muse Spark Open 发布当天提供 Day 0 支持。该模型为 816B MoE，支持 1M 上下文和多模态输入，并包含 DSpark 投机解码、NVIDIA 与 AMD 部署、初步 TPU 支持以及 LoRA RL。
推荐理由：vLLM 在 Muse Spark Open 发布当天给出支持，读者可据此了解该模型的规模、上下文与部署路径。
Fish Audio 本周发布文本转语音模型 Drama 3，总参数 35B、每 token 约 3B 激活，权重已上 Hugging Face 并接入 Fish Audio API。
YouTube 开始为“主要”由生成式 AI 创作或完全生成的歌曲添加“Made with AI”标签，率先在 YouTube Music 应用上线，之后扩展至主应用。
Datalab 发布开源文档解析基准 OmniParseBench，用 16,288 项是/否测试覆盖 2,937 页、2,343 份文档和 92 种语言，数据集与代码公开。
谷歌翻译每月处理一万亿字，机器翻译直接销售额去年估计达 14 亿美元，但法律与医学领域的误译仍会造成严重后果。OKA 研究显示，出版前 27% 的 AI 生成文本仍被修改，其中四分之三是纠正 AI 引入的错误，5% 至 6% 改变了原意。法国学者弗朗索瓦·伊冯认为，真正的突破要等到 AI 能主动告诉人类自己何时没有把握。
Google 的 Gemini 4 Argon 正式 GA，覆盖 Gemini API、Gemini 应用、Search AI Mode 和 Antigravity，入门 API 价格为每百万输入/输出 token 2 美元/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格将翻倍至 4 美元/20 美元。
推荐理由：汇总了 Gemini 4 Argon 的定价、独立评测与可靠性争议，便于对照官方说法与第三方结果。
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型。
Google 开始全球上线 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 搜索的 AI 模式访问；免费用户和 Plus 订阅者只能使用较弱的 Flash 模型。
推荐理由：材料给出 Gemini 4 Argon 的开放范围、定价与自报基准，可据此判断前沿模型的可用性与成本变化。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio 与 Gemini API 提供，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 使用。
推荐理由：官方给出 Argon 在编码、科研与安全场景的实测数据与开放入口，可据此判断前沿模型的能力边界。