inclusionAI/Ring-2.5-1T
inclusionAI 发布了 Ring-2.5-1T，这是一个拥有 1 万亿参数规模的大型语言模型。该模型旨在通过开源和开放科学的方式，推动人工智能技术的进步与普及。此次发布标志着在构建超大规模、可访问的 AI 模型方面取得了重要进展，为更广泛的研究社区提供了强大的基础工具。
#模型发布
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分4242 蚂蚁 inclusionAI：HuggingFace 新模型AI 评分4141 inclusionAI/Ming-flash-omni-2.0
inclusionAI 发布了 Ming-flash-omni 2.0 版本。该项目致力于通过开源与开放科学的方式，推动人工智能技术的进步与民主化。新版本意味着模型能力、效率或应用范围的进一步升级，延续了其降低AI技术门槛、促进广泛可及性与协作创新的核心目标。
Qwen：Blog Retrieval Qwen-Image-2.0：专业信息图表与精美照片级真实感
Qwen-Image-2.0 发布，主打专业信息图表与照片级真实感图像生成。Qwen Studio 平台同步集成聊天、多模态理解、文档处理、网页搜索及工具调用等综合能力。
Sarvam AIAI 评分5252 Sarvam AI 发布语音识别模型 Saaras V3，支持 23 种语言并原生流式解码
Sarvam AI 发布语音识别模型 Saaras V3，原生支持流式低延迟解码，覆盖 22 种印度官方语言加英语共 23 种语言。
美团 LongCat：HuggingFace 新模型 美团 LongCat 发布 LongCat-Flash-Lite-FP8 模型
美团 LongCat 团队发布 LongCat-Flash-Lite-FP8 模型。该版本采用 FP8（8位浮点）精度格式，属于 Flash-Lite 轻量化系列，旨在提升推理效率并降低显存占用。目前公开信息仅包含平台默认标语，具体参数规模、基准测试成绩及技术细节有待进一步披露。
OpenAI：官网动态AI 评分5454 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一款 Codex 原生智能体，将前沿编码性能与通用推理结合，用于支持长周期、真实世界的技术工作。
Claude Platform：开发者版本说明精选AI 评分7272 Claude Opus 4.6 发布：最智能模型，专为复杂智能体任务设计
Anthropic 发布 Claude Opus 4.6，定位为最智能模型，专为复杂智能体任务和长周期工作设计。新模型推荐使用自适应思考模式（`thinking: {type: "adaptive"}`），弃用手动思考，且不支持预填充助手消息。
推荐理由：Opus 4.6 把长上下文和智能体推理推向实用，加上压缩 API 和数据驻留控制，这是 Anthropic 面向企业落地的完整答卷，做 agent 的开发者值得认真评估。
Sarvam AIAI 评分5454 Sarvam AI 发布 3B 状态空间视觉语言模型 Sarvam Vision，主打印度语言文档智能
Sarvam AI 发布 3B 参数状态空间视觉语言模型 Sarvam Vision，面向文档智能、图表解读和复杂表格解析。
Sarvam AIAI 评分5454 Sarvam AI 发布 TTS 模型 Bulbul V3，覆盖 11 种印度语言
Sarvam AI 发布面向印度语言的文本转语音模型 Bulbul V3，提供 35+ 专业配音声线、支持语音克隆，并新增低延迟流式输出模式。
Mistral AI：News精选AI 评分6464 Mistral 发布 Voxtral Transcribe 2，Voxtral Realtime 以 Apache 2.0 开放权重
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2（批量转写）和 Voxtral Realtime（实时转写）两款语音转文字模型。
推荐理由：官方给出了两个语音转写模型的能力边界、延迟数字、基准对比和开放权重细节，便于评估其在语音应用中的可迁移性。
美团 LongCat：HuggingFace 新模型 美团-longcat/LongCat-Image-Edit-Turbo
美团-longcat发布LongCat-Image-Edit-Turbo图像编辑模型，秉持开源与开放科学理念推进人工智能技术的普及。该项目专注于图像编辑领域，旨在提供高效的图像处理能力。目前公开信息主要阐述项目愿景与使命，具体技术参数、性能指标及版本更新细节有待进一步披露。
Qwen：Blog Retrieval Qwen3-Coder-Next：推进小型混合模型在智能体编程中的应用
Qwen Studio 提供全栈功能，涵盖聊天机器人、图像与视频理解、图像生成、文档处理、网页搜索集成、工具调用及 Artifacts 等模块。
ElevenLabs：Blog精选AI 评分6565 Eleven v3 语音模型正式全量开放，符号与数字朗读错误率下降 68%
ElevenLabs 宣布其最先进的 Text to Speech 模型 Eleven v3 结束 Alpha 阶段，正式面向所有平台开放。新版本在测试中 72% 的场景被用户认为比 Alpha 更稳定；针对数字、符号和专业记号的处理，内部基准覆盖 8 种语言 27 个类别，错误率从 15.3% 降至 4.9%，整体减少 68%，改进集中在体育比分、货币、化学式等依赖上下文判断符号含义的场景。
推荐理由：原文给出具体的错误率下降数字和示例对比，读者可以据此评估 Eleven v3 正式版在数字和符号朗读上的实际改进。
Sarvam AIAI 评分5151 Sarvam AI 发布 Sarvam Audio 语音识别模型，覆盖 22 种印度语言
Sarvam AI 发布语音模型 Sarvam Audio，基于 30 亿参数、在英语和 22 种印度语言上从零预训练的 Sarvam 3B 扩展而来。
OpenMOSS / 复旦NLP / 上海创智 / MOSI精选AI 评分6262 MOVA 发布：32B MoE 端到端同步视频-音频生成模型全栈开源
OpenMOSS 团队发布 MOVA 音视频基础模型，总参数 32B MoE、激活 18B，支持文本或图像到音视频的端到端同步生成，最高 720p、单段 8 秒。模型采用非对称双塔架构（14B Wan 2.2 I2V 视频塔与 1.3B 音频塔）加双向 Bridge 和 Aligned ROPE 对齐时间轴，并开放模型权重、训练与推理代码及微调方案。
推荐理由：原文给出架构、训练策略和开源范围，读者可以了解端到端音视频生成如何处理同步问题并可复现研究。
xAI：News精选 xAI发布Grok Imagine API
xAI推出Grok Imagine API，提供文本/图像转视频及高精度编辑功能，支持物体增删、风格转换与原生音频生成。在Artificial Analysis和LMArena基准测试中排名首位，720p视频生成延迟与成本均低于Veo 3和Sora 2；在IVEBench评测中整体表现超越Kling o1与Runway Aleph。API已开放xAI及第三方平台接入。
推荐理由：xAI发布Grok Imagine视频生成API，性能宣称超越Sora与Veo，支持端到端视频创作工作流
美团 LongCat：HuggingFace 新模型 美团 LongCat 发布 LongCat-Flash-Lite
美团 LongCat 团队发布开源模型 LongCat-Flash-Lite，致力于通过开源与开放科学推进人工智能技术的普及与民主化。该项目旨在降低 AI 应用门槛，为开发者社区提供轻量级技术基础设施，助力先进人工智能能力的广泛获取与开放协作。
MiniMax：BlogAI 评分5050 MiniMax-M2-her 技术解析：专为角色扮演打造的 AI 智能体
MiniMax 基于产品 Talkie/Xingye 三年的观察，推出了专为角色扮演场景优化的模型 MiniMax-M2-her。团队发现，深度角色扮演的核心是“叙事精度”和“情感连接”。该模型旨在解决三大挑战：保留每个角色与世界观的“灵魂”、维持故事随时间推进的叙事活力、以及解读用户的隐式意图。其目标是提供高保真的世界体验，能主动推动故事发展以赋予张力，并动态适应用户的长期习惯，实现直觉性的偏好对齐。
美团 LongCat：HuggingFace 新模型 美团 LongCat 发布 Flash-Thinking-ZigZag 模型
美团 LongCat 团队发布 Flash-Thinking-ZigZag 模型，延续通过开源与开放科学推进人工智能民主化的技术路线。该项目致力于降低 AI 应用门槛，以开源方式使先进技术更广泛地惠及开发者社区，推动 AI 技术的普及与可持续发展。
MiniMax：Blog精选 MiniMax Speech 2.8 语音模型
MiniMax 发布新一代语音模型 MiniMax Speech 2.8，通过原生声音标签技术模拟人类口语中的"嗯"、"啊"等填充词及呼吸停顿，显著提升对话自然度。该模型支持10秒样本高保真声音克隆，精准还原音色与语速，同时消除背景噪音与数字伪影，输出录音室级纯净音质。此外，模型优化了跨语言表现，从普通话-日语对开始解决口音渗透问题，实现更接近母语者的发音效果。
推荐理由：10秒样本克隆真人声线，AI说话带'嗯啊'呼吸声，MiniMax语音模型上新
Liquid AI 模型与工程博客精选AI 评分6666 Liquid AI 发布 LFM2.5-1.2B-Thinking，1.2B 参数端侧推理模型内存低于 1GB
Liquid AI 发布可在手机上完全离线运行的推理模型 LFM2.5-1.2B-Thinking，内存占用约 900 MB，已上线 Hugging Face、LEAP 和 Playground。
推荐理由：官方公布了小参数量思考模型的端侧内存、速度数据和训练配方，读者可以据此评估边缘推理方案的选型。
通义 QwenAudio：原创语音项目AI 评分5252 通义 Fun-CineForge 开源零样本影视配音数据管线与模型
通义语音团队开源 Fun-CineForge，包含端到端配音数据集管线和面向多样影视场景的 MLLM 配音模型，并发布首个大规模中文电视剧配音数据集 CineDub-CN。
美团 LongCat：HuggingFace 新模型精选 美团LongCat发布重思考模式总结模型
美团LongCat推出基于5600亿参数MoE架构大模型LongCat-Flash-Thinking-2601的重思考模式（Heavy Thinking Mode），并发布LongCat-HeavyModel-Summary模型。该模式通过并行思考与总结两阶段协同扩展推理能力：前者以高温度并行生成多路径扩展宽度，后者将精炼轨迹递归反馈形成迭代循环延伸深度。模型经额外强化学习优化总结能力，已在Longcat AI平台上线。
推荐理由：美团开源 560B 参数 MoE 推理模型，Heavy Thinking 模式支持并行多路径探索，已上线可体验
Midjourney：Updates精选 Niji V7 正式发布！
Niji V7 图像模型正式上线。该版本专为亚洲及动漫场景优化，改进了动漫连贯性、提示词理解能力、文字渲染效果及 sref 性能。
推荐理由：Midjourney 动漫专用模型 Niji V7 发布，生成质量再升级
Qwen：Blog Retrieval Qwen3-VL-Embedding 与 Qwen3-VL-Reranker：面向下一代多模态检索
Qwen Studio 发布新一代多模态检索模型 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker，平台集成聊天机器人、图像视频理解、图像生成、文档处理、联网搜索、工具调用及 Artifacts 等全栈多模态能力。
Liquid AI 模型与工程博客AI 评分5656 Liquid AI 发布 LFM2-2.6B-Transcript，支持完全端侧的会议转录摘要
Liquid AI 发布 LFM2-2.6B-Transcript，一个面向 30-60 分钟长会议转录摘要的端侧专用模型，已在 LEAP 和 Hugging Face 开放下载。
Liquid AI 模型与工程博客精选AI 评分6363 Liquid AI 发布 LFM2.5 端侧模型家族，预训练扩展至 28T tokens
Liquid AI 发布 LFM2.5-1.2B 模型家族，将预训练从 10T 扩展到 28T tokens 并加入强化学习后训练，覆盖 Base、Instruct、日语、视觉语言和音频语言五个变体。
推荐理由：官方发布给出了完整基准数据和推理速度对比，读者可以据此评估 1B 级端侧模型在指令遵循和部署上的实际水位。
Qwen：Blog Retrieval Qwen-Image-2512：细节更精细，真实感更强
Qwen-Image-2512 发布，图像细节与真实感显著提升。Qwen Studio 平台提供聊天、图像视频理解/生成、文档处理、网页搜索、工具调用及 artifacts 等全功能支持。
字节 Seed：Research Feed Seed Prover 1.5:全新 Agentic 架构,更强数学推理表现
字节跳动 Seed 团队发布形式化数学推理模型 Seed Prover 1.5，采用 Agentic 架构支持 Mathlib 搜索、Python 执行与增量引理验证，并引入 Sketch Model 将复杂证明拆解为子引理并行攻克。基于大规模 Agentic RL 训练，该模型在 16.5 小时内完成 IMO 2025 前 5 题获 35/42 分（金牌线），9 小时内解决 Putnam 2025 的 11/12 题，在 Putnam 历史集、Fate-H 和 Fate-X 上分别达 88%、80% 和 33% 通过率，刷新多项 SOTA。
通义 QwenAudio：原创语音项目AI 评分5959 阿里通义团队开源 Fun-Audio-Chat-8B 语音大模型
阿里云通义 Fun 团队发布 Fun-Audio-Chat-8B 大音频语言模型，开源模型、训练与推理代码，采用 5Hz 共享骨干加 25Hz 精化头的双分辨率语音表示，宣称 GPU 时数降低近 50%，并通过 Core-Cocktail 训练保留文本 LLM 能力。
MiniMax：BlogAI 评分5353 MiniMax M2.1：显著增强多语言编程能力，专为现实世界复杂任务打造
MiniMax 发布 M2.1 模型，是对 M2 的更新。其核心升级在于系统提升了在 Rust、Java、Golang 等多语言编程任务上的性能，并达到行业领先水平。同时，模型显著增强了原生 Android 与 iOS 开发能力，以及在 Web/App 场景下的设计理解与美学表达。M2.1 优化了复合指令约束以更好地支持办公场景，响应更简洁高效。该模型在 Claude Code、Cline 等各类编程工具与 AI 智能体框架中表现出色。在衡量全栈开发能力的 VIBE 新基准上，取得了平均 88.6 分的成绩。
OpenAI：官网动态精选AI 评分6060 OpenAI 发布 GPT-5.2-Codex 编码模型
OpenAI 发布 GPT-5.2-Codex，称其为旗下最先进的编码模型。模型主打长程推理、大规模代码改造能力，并增强了网络安全相关能力。
推荐理由：官方一句话公告点出长程推理、大规模代码改造和安全能力三个方向，可作为了解该模型定位的入口。
Google DeepMind：Blog精选 Gemini 3 Flash：专为速度打造的前沿智能
Gemini 3 Flash 正式发布，在大幅降低使用成本的同时提供前沿级智能，主打极速推理性能，为需要快速响应的 AI 应用提供高性价比选择。
推荐理由：Google发布Gemini 3 Flash轻量模型，兼顾前沿性能与推理速度
Mistral AI：News精选AI 评分6363 Mistral 发布 Mistral OCR 3，整体胜率达 74%，定价 $2/1000 页
Mistral 发布 Mistral OCR 3，对比 Mistral OCR 2 在表单、扫描件、复杂表格和手写内容上取得 74% 的整体胜率。
推荐理由：官方完整披露了 OCR 3 相对上一代的提升点、定价和接入方式，可帮助需要文档解析的用户评估是否迁移。
LMSYS Blog SGLang 首日支持 MiMo-V2-Flash 模型
小米发布 MiMo-V2-Flash 推理模型，SGLang 提供首日支持。该模型拥有 309B 总参数和 15B 激活参数，采用滑动窗口注意力（SWA）和 3 层多级 MTP 设计，将注意力复杂度降至线性并提升解码效率。通过硬件感知配置平衡计算与内存，在 H200 上即使 64K 长上下文仍保持 150 TPS 单请求吞吐量。SGLang Spec v2 实现完全重叠 MTP 调度，隐藏 CPU 开销并减少 GPU 气泡，最大化硬件利用率。
通义 QwenAudio：原创语音项目精选AI 评分6060 通义实验室开源 Fun-ASR 系列语音识别模型，含方言与 31 语言版本
通义实验室发布 Fun-ASR 端到端语音识别模型系列并开源。Fun-ASR-Nano-2512 参数量 800M，基于数千万小时语音训练，支持中英日三语、7 种汉语方言和 26 种地方口音；Fun-ASR-MLT-Nano-2512 同为 800M，基于数十万小时训练，支持 31 种语言。
推荐理由：原文给出两个识别模型的训练规模、语言覆盖和开源基准对比，还附部署与推理路径，读者可据此评估在中文和方言场景的可用性。
LMSYS Blog SGLang 首日支持高效开源 Nemotron 3 Nano 混合 MoE 模型，NVFP4 精度版本采用 Quantization-Aware Distillation 技术在 B200 上实现 4 倍于 FP8-H100 的吞吐量
SGLang 宣布首日支持 NVIDIA 开源的 Nemotron 3 Nano 模型。该模型采用 Transformer-Mamba 混合 MoE 架构，总参数 30B 但仅激活 3.6B，支持 1M 上下文长度。最新 NVFP4 版本通过 Quantization-Aware Distillation 技术在保持精度的同时，在 B200 上实现相比 FP8-H100 4 倍的吞吐量。模型提供 BF16、FP8、NVFP4 三种精度格式，并支持"思考预算"功能以减少过度推理，适用于 RTX Pro 6000、DGX Spark、H100 等 GPU。
美团 LongCat：HuggingFace 新模型 meituan-longcat/LongCat-Video-Avatar 视频化身项目
meituan-longcat 发布 LongCat-Video-Avatar 视频数字人项目，致力于通过开源与开放科学推进人工智能技术的普及与民主化。该项目旨在打破视频化身技术壁垒，将先进的 AI 能力开放给更广泛的开发者社区，推动前沿技术的平民化应用与生态发展。
Google DeepMind：Blog精选AI 评分6868 Google DeepMind 发布更新版 Gemini 2.5 Flash Native Audio 语音模型
Google DeepMind 发布更新的 Gemini 2.5 Flash Native Audio 模型，用于实时语音智能体，在 ComplexFuncBench Audio 上取得 71.5%，开发者指令遵循率从 84% 提升到 90%，已在 Google AI Studio、Vertex AI 上线，并开始在 Gemini Live 和 Search Live 推出。
推荐理由：原文给出具体评测分数和功能细节，读者可以据此评估新模型在语音智能体和翻译场景的可用性。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4949 inclusionAI/LLaDA2.X
蚂蚁集团InclusionAI团队推出扩散语言模型系列LLaDA2.0。该系列模型基于扩散架构开发，专注于语言生成任务，是团队在大型语言模型领域的最新成果。