AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- The Decoder·模型发布
字节 Seedream 5.5 支持百轮稳定编辑
字节跳动 Seed 推出面向专业生产流程的图像模型 Seedream 5.5,支持最多 100 轮多轮编辑并保持像素稳定、不出现色彩漂移,可生成透明背景的原生 RGBA 图像,官方称真实感优于 GPT-Image-2.5 Sunburst。
阅读原文 → - The Decoder·模型发布开源
Ripple-65B Preview 以 Apache 2.0 开源
Ricursive Intelligence 发布 650 亿参数的开源权重模型 Ripple-65B Preview,称其在 TerminalBench 2.1 编码基准上取得美国开源模型最高分,总研发成本 3200 万美元;但在其他基准上落后于同期发布的开源模型 Inkling 2 Small。
阅读原文 → - The Decoder·模型发布开源
Thinking Machines 发布 Inkling 2 Small
Mira Murati 创立的 Thinking Machines 推出混合专家模型 Inkling 2 Small,参数规模 5940 亿,号称西方最强开放权重模型。其智能体表现提升的同时,token 消耗也明显上升,使用成本随之增加。
阅读原文 → - The Decoder·模型发布研究进展
OpenAI 推出 GPT-6 Cyber 安全模型
OpenAI 发布 GPT-6 Cyber,可发现软件安全漏洞、开发利用代码并建议修补方案。据 OpenAI 称,它已在 Firefox 中发现 81 个此前未知的漏洞,并在 Linux 内核中开发出 948 个可用利用程序。
阅读原文 →
- The Decoder·模型发布产品更新
Gemini Omni 1.2 Flash 支持 15 秒视频并降价
Google DeepMind 正式开放 Gemini Omni 1.2 Flash,视频生成时长提升至 15 秒,可通过对话逐步编辑,720p 每秒 0.07 美元,比前代便宜 30%。先用低分辨率草稿再放大成片可进一步节省成本。
阅读原文 → - The Decoder·开源模型发布
百度开源 ERNIE 5.5 Flash Base
百度开源 2800 亿参数的 ERNIE 5.5 Flash Base,采用 MoE 架构,在 33.5 万亿 token 上预训练,并且刻意不做微调,方便开发者按自身需求自由定制。
阅读原文 →
- The Decoder·模型发布
腾讯发布 Hy4 模型,可识图并操作软件
腾讯发布首个多模态语言模型 Hy4,能理解图像并自主操作软件。在 Artificial Analysis 智能指数上得 35 分,落后于 Kimi K3.1 Pro;腾讯也承认其在复杂数学与图像分析上仍明显不如最强商用模型。
阅读原文 →
- The Decoder·模型发布开源
Mistral 发布万亿参数模型 Le Chonk
Mistral 公开万亿参数模型 Large 4(代号 Le Chonk)的权重,称其编程能力领先同级开源模型,独立测试显示其速度较快、成本较低。但整体评测仍落后于 DeepSeek、GLM 等中国头部模型。
阅读原文 →
- The Decoder·模型发布
Gemini 4 Carbon发布,主打网络安全
Google DeepMind 在 Gemini 4 Argon 发布两周后再推 Gemini 4 Carbon,以59分登顶 Artificial Analysis 智能指数 v5,主打长时智能体工作流与网络防御全流程;因安全能力较强,初期仅向部分安全专家开放。
阅读原文 →
- The Decoder·开源模型发布
英伟达开源 Nemotron 3.5 Transcribe
英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe,可同时完成转写、说话人识别和翻译,并以文本提示接收指令。官方还提供超过 80 万小时语音数据集与微调工具。
阅读原文 →
- The Decoder·模型发布研究进展
Google DeepMind发布Genie 4世界模型
Google DeepMind 推出实时世界模型 Genie 4,可模拟带声音和会说话角色的交互式3D世界,并由 Gemini 模型在后台进行规划以保持模拟一致。该模型仍处于早期研究阶段,较长时长的会话会出现视觉不一致。
阅读原文 →
- The Decoder·模型发布产品更新
OpenAI 发布 GPT-6.1 Terra,API 价格减半
OpenAI 推出中端模型 GPT-6.1 Terra,其 API 价格相比上一代降低一半。分析人士认为它在“每美元智能”上树立了新标准,尤其适合日常计算任务和由 AI 驱动的电脑操作。
阅读原文 →
- The Decoder·模型发布
Block 推出语音模型 Dessa,直接处理音频
Block 发布语音模型 Dessa,不经文本转换而直接处理音频,可实时识别情绪、讽刺与停顿。该模型可在 MacBook Pro M4 Max 上本地运行,但目前尚未公开提供。
阅读原文 → - The Decoder·模型发布开源
Kimi K3.1 Pro 智能指数逼近 Claude Opus 5.5
月之暗面 Kimi K3.1 Pro 在 Artificial Analysis 智能指数上获得 55 分,较前代提升 11 分,排名第四,仅三个 Anthropic 与 Meta 模型更高。若按计划开放权重,开源与闭源模型的差距将缩小至 3 分。
阅读原文 → - The Decoder·模型发布产品更新
Canva 发布首款自研图像模型 Craft
设计平台 Canva 推出首个自研图像生成模型 Canva Craft。这意味着 Canva 在生成式设计上开始使用自家模型,但该模型的具体能力和开放范围尚未在现有信息中说明。
阅读原文 →
- The Decoder·模型发布研究进展
Recursive 发布 400 亿参数模型 Flint
AI 初创公司 Recursive 发布首个语言模型 Flint,这是一个面向本地编程场景的 400 亿参数 MoE 模型,由前 DeepMind 研究人员打造。该模型据称在公司内部 AI 系统「Eureka Machine」的协助下四个月内完成,这一路线能否通向可自我改进的 AI 仍有待验证。
阅读原文 →
- The Decoder·模型发布
Inception 发布扩散语言模型 Mercury 3
Inception 称 Mercury 3 是迄今能力最强的扩散语言模型,速度比 GPT-6 Luna 和 Claude Haiku 5.5 快四到八倍,并在 12 项基准中的 8 项胜出。目前尚无独立测试验证这些说法。
阅读原文 →
- The Decoder·模型发布产品更新
ElevenLabs 发布两款实时语音转语音模型
ElevenLabs 推出面向实时 AI 对话的 Eleven Realtime 语音转语音模型,兼顾速度与准确度。其中 v1 Max 版本在 Big Bench Audio 基准上得分 98.8%,响应时间为 0.57 秒。官方称 Artificial Analysis 榜单上没有模型能同时做到更快且更准,这意味着语音对话应用的延迟和自然度有望进一步改善。
阅读原文 →
- The Decoder·模型发布产品更新
Mistral发布Voxtral 3语音智能体模型
Mistral AI发布Voxtral 3系列模型,整合语音识别、语音合成与语音智能体SDK,支持50多种语言,并可在实时对话中调用外部工具。用户可选择自建部署或通过欧盟托管API使用,以便掌控数据。
阅读原文 →
- The Decoder·模型发布研究进展
OpenAI称GPT-6大幅提升COBOL等旧语言能力
OpenAI称新模型针对COBOL、Fortran、Visual Basic等低资源编程语言做了优化。在新基准MultiLangBench上,GPT-6 Astra在20种语言的测试通过率达87.4%,GPT-5.6 Terra约为38%;COBOL迁移场景中GPT-6.1 Sol准确率最高达97.9%。
阅读原文 →