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
ElevenLabs 发布 Scribe v3 语音识别模型
ElevenLabs 推出语音识别模型 Scribe v3 与 Scribe v3 Live,可在背景噪音和多人交叉说话时准确转写。第三方基准显示其准确率略优于 OpenAI、Google、微软等竞品,但速度更慢、价格约为对手两倍。Live 版借助对话上下文,避免语音助手打断用户。
阅读原文 →
- IT之家·模型发布产品更新
科大讯飞 SparkAudio 1.0 上线 API 服务
科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 已在讯飞开放平台上线 API 服务,开发者可直接调用。该模型支持文本与语音输入、文本输出,可完成语音转写、多语言翻译、多方言识别、说话人分离和音频问答等任务,支持 99 种语言、202 种方言,并采用全国产算力训练。
阅读原文 → - The Decoder·研究进展模型发布
DeepMind 发布 AlphaGenome 2,可解析单细胞类型变异
Google DeepMind 推出 AlphaGenome 2,可针对单个细胞类型分析基因变异,而不再只做整块组织层面的预测。据称其识别出的疾病相关基因变化接近上一代的两倍,模型已通过 API 向非商业研究开放,并计划接入 Google 的 Antigravity 平台。
阅读原文 →
- 量子位·开源模型发布
MiniMax 开源生图模型,支持原生 4K 输出
MiniMax 开源一款文生图模型,据称达到 SOTA 水平,支持原生 4K 分辨率输出,单张生成成本约两毛钱。对用户而言,这意味着可以更低成本获得高质量的开源生图能力。
阅读原文 → - IT之家·模型发布产品更新
华为云CloudRobo世界模型定档11月16日发布
华为云宣布,CloudRobo 具身世界模型发布会将于 11 月 16 日线上直播,届时发布“行业 AI 梦工厂”首款昇腾原生世界模型 CloudRobo-WM1.2。该平台基于 2025 年发布的 CloudRobo 具身智能平台,目标是降低各行业应用 AI 的门槛。
阅读原文 → - IT之家·模型发布开源
Runway 发布机器人模型 Praxis-1,开放权重
Runway 推出面向机器人控制的 Praxis-1,基于 270 亿参数视频基础模型构建,采用 Apache 2.0 许可证开放权重,可在本地硬件运行微调。官方称其在相同任务上比 GPT-6 Astra 驱动的机械臂快 15.6 倍,单任务成本为其 1/51。
阅读原文 → - IT之家·模型发布产品更新
谷歌推出 Gemini Decisions API
谷歌发布由 Gemini Decision 1 模型驱动的 Decisions API,可在一次处理中对文本、图像、视频和 PDF 内容完成最多 1000 项判断,延迟 150 至 250 毫秒,已在 Google AI Studio 提供免费额度。
阅读原文 → - IT之家·模型发布研究进展
DeepMind 发布 AlphaGenome 2 模型
谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2,采用条件模型架构,可将目标组织、细胞类型或状态作为输入进行预测。该模型基于超 1.07 亿个单细胞图谱训练,识别基因表达相关遗传变异的能力接近翻倍,有助于研究人员更精准定位与疾病相关的遗传变异。
阅读原文 → - The Decoder·模型发布
Google 发布 Gemini Decision 1 决策模型
Google DeepMind 推出 Gemini Decisions API,它能在单次调用中评估最多 1000 个封闭式问题,覆盖文本、图像、音频和视频。据 Google 称,Gemini Decision 1 在 150 至 250 毫秒内返回结果,成本比 Gemini 3.5 Flash-Lite 低约五倍。
阅读原文 →
- Google DeepMind·模型发布研究进展
DeepMind 发布 AlphaGenome 2 模型
Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及其变异如何影响特定人体细胞类型与疾病。该模型有助于科学家更细致地理解疾病成因,并为寻找新疗法提供线索。
阅读原文 → - IT之家·模型发布
DeepL发布语音翻译模型Aure
DeepL 推出语音 AI 翻译模型 Aure,作为 DeepL Voice 的底层核心,可实时复现说话者的语气起伏、情绪与语速。首发支持英、德、西、法、意、日、葡、韩等语言,暂不支持中文。
阅读原文 → - The Decoder·产品更新模型发布
DeepL 新模型让实时翻译保留语气情绪
DeepL 推出名为 Aure 的新模型,用于 DeepL Voice 的实时翻译,可将原说话人的语气、情绪、重音和语速带入目标语言。这意味着实时语音翻译的听感会更接近真人表达,而不只是准确转述内容。
阅读原文 →
- 量子位·模型发布开源
文心新模型演示纯代码生成游戏
文心一款新模型展示了仅用纯代码生成《后室》游戏的能力,116 秒内可切换 20 种画风,官方表示该模型即将开源。
阅读原文 → - IT之家·产品更新模型发布
麒麟9050新NPU支持30B MoE大模型端侧运行
华为麒麟官方介绍麒麟9050系列新一代达芬奇架构NPU,称性能提升140%、功耗降低66%,支持业界首个30B MoE大模型端侧运行,无需联网与云端。落地功能包括AI屏幕朗读、Xmage智拍2.0、AI眼动翻页、熄屏地图2.0等。
阅读原文 → - IT之家·产品更新模型发布
AMD推出企业级AI编程平台Instinct Coder 355
AMD携手Spectro Cloud推出企业级AI辅助编程平台Instinct Coder 355,核心为8张Instinct MI355X加速卡与2颗EPYC 9575F处理器,支持本地运行GLM-5.3,达到前沿模型98%的性能。每个节点可服务最多85位开发者,默认调用本地算力而非云端API。
阅读原文 → - IT之家·模型发布
阿里 Qwen4 即将发布,预览版已上线
阿里巴巴宣布全新一代千问大模型 Qwen4 即将发布,在知识理解、世界感知、Coding 与 Agentic 能力上均有进阶。Qwen4-Max 预览版已首发上线阿里 Token Plan,千问办公、Qoder、千问 App 等产品同步接入。
阅读原文 → - IT之家·行业动态模型发布
IT早报:Anthropic 启动 IPO,Claude 5.2 登场
本期要点:Anthropic 启动 IPO 路演,拟发行 8.25 亿股募资最高 643.5 亿美元,并发布 Claude Fable 5.2 与 Mythos 5.2,称编码、推理等能力提升且速度更快、成本更低;谷歌开放 Gemini 4 Carbon,主打复杂编程、科研与网络安全。
阅读原文 → - IT之家·模型发布研究进展
谷歌发布 VLA 机器人模型 Gemini Robotics 2.5
谷歌推出视觉-语言-动作模型 Gemini Robotics 2.5,在灵巧度、可靠性与安全性上均有提升,测试覆盖 200 多项任务。在奔驰生产线的验证中,该模型助力 Apptronik 的 Apollo 2 人形机器人拣选打包零部件,成功率达 96%,目前向合作伙伴开放。
阅读原文 → - IT之家·模型发布
谷歌开放 Gemini 4 Carbon 模型
谷歌宣布正式开放 Gemini 4 Carbon 模型,称其是当前能力最强的推理模型,重点面向复杂软件工程、多步骤智能体任务、科学研究与网络安全。模型已通过 Gemini API 和 Google AI Studio 向付费开发者开放,并将逐步向 Google AI Ultra 订阅用户推送。
阅读原文 → - The Decoder·模型发布研究进展
Nvidia 发布机器人模型 GR00T 2
Nvidia 发布机器人模型 GR00T 2,可从视频中学习人类手部动作并迁移到机械臂,训练使用约 40 万小时视频,无需繁琐的遥操作示教。不过不同任务的成功率仍在 10% 至 80% 之间波动,稳定性有待提升。
阅读原文 →