跳到正文
只看模型
7月22日周三
  3. Josh Woodward69

    Google 推出三款新模型，旨在提升性能、降低延迟和成本。其中，3.6 Flash 在复杂编码任务上 token 用量最高减少 65%，3.5 Flash-Lite 速度达 350 输出 token/秒。3.6 Flash 和 3.5 Flash-Lite 已在 Gemini 应用上线，3.5 Pro 进入合作伙伴测试。

    引用Google DeepMind@GoogleDeepMind

    我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。

    推荐理由：Google一口气扔出三个Gemini Flash新模型，3.6 Flash把复杂编码token砍了65%，做Agent的成本敏感型选手可以直接收益，Cyber模型专攻漏洞修复是个有意思的细分信号。

  6. The Decoder：AI News59

    阿里通义千问发布 Qwen-Image-3.0：单次生成可读十像素文字与复杂信息图

    阿里通义千问团队发布 Qwen-Image-3.0，该图像生成模型支持最长 4500 token 的输入，可单次生成包含可读十像素文字、数学公式及十二种语言的复杂排版，如 3×3 信息图网格和嵌套界面。模型目前仅通过邀请制 API 开放，后续将集成至 Qwen Chat 等自有应用，但不太可能像初版 Qwen-Image 那样开源权重。

7月21日周二
  1. Jeff Dean59

    Google DeepMind 发布 Gemini 3.6 Flash 模型，相比 3.5 Flash 使用更少 token 即可在相同成本下产出更高质量结果。同时推出面向日常任务的 Gemini 3.5 Flash-Lite 和专用于漏洞修复的 Gemini 3.5 Flash Cyber。

    引用Google DeepMind@GoogleDeepMind

    我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。

  2. Google DeepMind66

    我们正在推出三款新模型，以规模化打造更快、更智能、更便宜的 AI 智能体： 🔵 Gemini 3.6 Flash：它比 3.5 Flash 使用更少的 token，以完全相同的成本提供更高质量的工作。 🔵 Gemini 3.5 Flash-Lite：一个快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一个网络安全模型，旨在发现并修补关键软件漏洞。

  3. Google Gemini52

    Gemini 今日在官网和应用中推出升级版 Flash 和 Flash-Lite 模型。其中 Gemini 3.6 Flash 在相同成本下，使用更少 token 即可产出更高质量结果；同时发布的还有面向日常任务的 3.5 Flash-Lite 和专用于查找修复漏洞的 3.5 Flash Cyber 安全模型。

    引用Google DeepMind@GoogleDeepMind

    我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。

  10. Google DeepMind：Blog57

    Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 三款新模型

    Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。其中 Gemini 3.6 Flash 为最新主力模型，3.5 Flash-Lite 主打更低成本与更高效率，3.5 Flash Cyber 则针对网络安全场景优化。三款模型均通过 Google AI 开发者平台提供 API 访问。

    推荐理由：Gemini Flash 系列常规更新，Flash-Lite 和 Cyber 变体值得 API 开发者留意，但细节还没出来，目前只能先标记。

  13. 公众号：小红书技术81

    小红书 dots 模型获 IMO 2026 满分金牌

    小红书 dots 团队携内部版本 dots-note 3.0 参加第 67 届 IMO 2026，六道题均获满分，以 42/42 分取得满分金牌，全球仅 7 位人类选手获此成绩。模型不依赖形式化语言，直接读取原始 LaTeX 题目，通过递归自我批判能力端到端完成解题。dots-note 3.0 是 dots3 系列最轻量级模型，预期将开源。

    同一件事，精选收录的是《小红书大模型 dots-note-3.0 以满分获 IMO 2026 金牌，第三题解法获冠军选手称赞》

  14. 公众号：小红书技术77

    小红书dots模型取得IMO 2026满分金牌成绩

    小红书dots团队携dots-note-3.0内部版本参加IMO 2026，六题均获满分7分，以42/42分取得满分金牌，全球仅7位人类选手获满分。该模型不依赖形式化语言，直接读取原始LaTeX题目，通过Proof、Verify、Refine三环节递归自我批判完成解题。dots-note-3.0是dots3系列最轻量级模型，预期将开源。

    推荐理由：dots模型在IMO满分验证了递归自我批判方法的有效性，这种不依赖形式化验证、通过自我质疑改进推理的路径，可能为科学研究等难以量化的复杂任务提供新的解决思路。

  15. MarkTechPost56

    NVIDIA 发布 Cosmos 3 Edge：40 亿参数开放世界模型，可在设备端推理并生成机器人动作

    NVIDIA 发布 Cosmos 3 Edge，一款 40 亿参数的开放世界模型，专为设备端运行设计。该模型可帮助机器人和视觉 AI 智能体理解环境、实时推理并在本地生成机器人动作。Cosmos 3 系列此前已于 2026 年 5 月 31 日在 GTC Taipei 推出 Cosmos 3 Nano（160 亿参数）和 Cosmos 3 Super（640 亿参数）。

  17. Rohan Paul50

    Elon Musk确认，SpaceX海量世界级工程数据（不含ITAR限制内容）将加入Grok下一代2T参数模型的补充训练。该数据涵盖火箭、航天器、卫星、工厂及制造系统的工程知识，包括复杂系统故障诊断与修复经验。此举有望显著提升Grok在工程领域的推理与问题解决能力。

    引用Elon Musk@elonmusk

    SpaceX’s massive corpus of world-class engineering data (excluding material blocked by ITAR) will be added during supplemental training of the 2T run. This will dramatically improve Grok’s engineering capabilities.

  19. Qwen：Blog Retrieval77

    通义千问发布 Qwen-Image-3.0 图像生成模型，核心关键词为“实”

    通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。

    推荐理由：我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。

  20. IT之家·人工智能60

    小鹏集团发布 TuringViT 高效视觉编码器

    小鹏集团发布面向 VLM/VLA 时代的 TuringViT 视觉编码器，推出 18L 和 24L 两个规格。该编码器在 1536×1536 分辨率下推理吞吐量达 Seed1.5-ViT 的 3.04 倍，仅用 0.85B 图文对便在六项零样本分类基准上取得 83.6% 平均准确率，超越使用 10B 数据的基线。

  21. Gemini API：更新日志66

    Gemini 3.6 Flash 与 Gemini 3.5 Flash-Lite 正式可用

    Google 在 Gemini API 更新日志中宣布 Gemini 3.6 Flash（gemini-3.6-flash）和 Gemini 3.5 Flash-Lite（gemini-3.5-flash-lite）正式可用（GA）。

    推荐理由：官方更新日志给出两个模型正式可用的定位差异和参数弃用信息，开发者可据此评估迁移与成本选择。

  24. Hugging Face 社区博客70

    NVIDIA 发布 Cosmos 3 Edge：4B 参数开源世界模型，为机器人及边缘 AI 提供实时推理与动作生成

    NVIDIA 在 Hugging Face 上开源了 Cosmos 3 Edge，一个 40 亿参数的世界模型，旨在帮助机器人和视觉 AI 智能体在边缘设备上理解环境、实时推理并生成动作。

    推荐理由：NVIDIA 把世界模型的能力压进 4B 参数，直接在 Jetson 上实时推理并生成机器人动作，对做具身智能的人来说是个标志性信号，边缘部署终于可以摆脱云端依赖了。

7月20日周一
  1. Sakana AI：Blog60

    Sakana AI 推出 Fugu-Cyber 编排模型，面向现代网络防御

    Sakana AI 发布 Fugu-Cyber，一款面向现代网络防御的编排模型，现以新 API 端点形式提供。该模型在 CyberGym 上取得 86.9% 的成功率，在 CTI-REALM 上达到 72.1%，与 GPT-5.5-Cyber 和 Mythos-Preview 等网络安全前沿模型相当。

    推荐理由：Sakana AI 把 AI 编排带到网络安全领域，Fugu-Cyber 在真实基准上的 SOTA 成绩值得安全从业者认真看看，但具体细节还没公开，别急着上手。

  2. Recode China AI80

    Moonshot AI 发布 Kimi K3，以高端定位冲击全球前沿模型

    Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，2.8 万亿参数，以 1679 分登顶 LMArena Frontend Code Arena，成为首个在该榜超越 Claude Fable 5 和 GPT-5.6 Sol 的开源权重模型，在 Artificial Analysis Intelligence Index 排名第 3（约 57 分）。

    推荐理由：作者从架构、定价和定位三个层面拆解 K3，指出它是中国首个以能力而非价格竞争的开源旗舰模型。

  3. 公众号：昆仑万维64

    昆仑万维发布并开源可交互世界模型 Matrix-Game 3.5

    昆仑万维在 WAIC 2026 发布并开源新一代可交互世界模型 Matrix-Game 3.5。该模型通过 Patch Memory 与 Warped PRoPE 实现长期记忆与几何一致性建模，可在单张 GPU 上以 720P 分辨率、约 20FPS 实时生成流式视频。

    同一件事，精选收录的是《昆仑万维宣布2026为“世界模型元年”，发布Matrix-Game 3.5等模型》

  5. IT之家·人工智能68

    阿里千问发布语音合成大模型 Qwen-Audio-3.0-TTS

    阿里千问发布语音合成大模型 Qwen-Audio-3.0-TTS，包含首包延时300ms级别的Flash版本和面向高质量生成的Plus版本，后者在Artificial Analysis榜单夺冠。新模型支持文本嵌入[gasp]等标签调控语气，音频输出提升至48KHz，覆盖16种语言及20种方言，现已全面开放。

  6. 公众号：通义实验室70

    通义实验室发布 Qwen-Audio-3.0-TTS 实时语音合成模型

    通义实验室发布 Qwen-Audio-3.0-TTS，含 Flash（首包延迟约300ms）和 Plus 两个版本。Plus 版本在 Artificial Analysis 榜单夺冠，支持16种语言和20种中文方言，平均 WER/CER 低至3.87（Flash），说话人相似度最高达82.75（Plus）。

    同一件事，精选收录的是《通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜》

  7. 公众号：通义实验室75

    Qwen-Audio-3.0-TTS 发布：从“能说话”到“会表达”

    通义实验室发布 Qwen-Audio-3.0-TTS 实时语音合成模型，含 Flash 与 Plus 两个版本，首包延迟约 300ms。模型支持 16 种语言和 20 种方言，Plus 版在 Artificial Analysis 榜单夺冠，平均说话人相似度达 82.75。新增 Free-style 自然语言指令、细粒度标签控制及嘈杂环境鲁棒性，音频输出提升至 48K，单次合成最长 3 分钟。

    同一件事，精选收录的是《通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜》

  8. IT之家·人工智能70

    上海科学智能研究院开放科学多模态基础模型“神珍”

    上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。

    推荐理由：一个模型同时理解蛋白质、气象和医学影像，还全开放权重和代码，对交叉学科的研究者是难得的工具包。比专用模型省去切换成本，值得科学计算方向的产品人关注。

  10. IT之家·人工智能58

    字节跳动发布 Seed Audio 1.0 音频创作模型：支持精细时间控制与多语种生成

    字节跳动 Seed 官方今日发布音频创作模型 Seed Audio 1.0，在统一框架下联合建模人声、音效和环境声，支持按时间线精准控制声音进场。该模型支持 20+ 语种音频生成，在文本生成音色能力的 AB 主观评测中表现出显著优势，多数场景音频可用率达 90% 以上。目前 Seed Audio 1.0 已在火山方舟体验中心上线。

最多提供 50 页，更早的内容请使用搜索或主题页。