技术方向
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
11 条精选近 30 天 11 条共收录 62 条
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 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。
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。
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。
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。
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。
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。
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。
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。
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 公开两款决策模型及端侧与 GPU 实测延迟，可据此判断单次前向决策在边缘设备上的可用性。