NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1，吞吐最高达 GB300 NVL72 的 3.7 倍
NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 preview 结果，Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。
#多模态
NVIDIA BlogAI 评分5151 蚂蚁 inclusionAI：HuggingFace 新模型AI 评分6161 蚂蚁 inclusionAI 开源全双工音视频交互模型 Realtime-Venus
蚂蚁集团 inclusionAI 在 Hugging Face 发布 Realtime-Venus，包含 Realtime-Venus-Omni 和 Realtime-Venus-Audio 两个 9B 检查点，基于 MiniCPM-o 4.5 / Omni-Flow 架构，语言骨干为 Qwen3-8B。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分6363 蚂蚁 inclusionAI 开源 Realtime-Venus 全双工交互系统
蚂蚁集团 Venus 团队与清华大学在 GitHub 开源 Realtime-Venus，一个支持全双工对话与异步任务委托的实时交互系统。系统包含三个组件：Realtime-Venus-Omni（9B，流式音视频对话与主动交互）、Realtime-Venus-Audio（9B，语音交互与音频理解）以及负责后台任务执行并将结果返回同一对话的 Harness 运行时。
推荐理由：蚂蚁和清华开源了全双工对话加异步委托任务的系统，含 9B 的 Omni 与 Audio 两个模型和 Harness 运行时，可直接下载推理或跑浏览器 demo。
OpenRouter：Announcements精选AI 评分7373 DeepSeek V4 哪些型号支持图像输入？OpenRouter 逐款梳理与调用指南
OpenRouter 梳理其目录中的 DeepSeek V4 系列图像输入支持情况：V4.1 Flash 原生读图（2026年9月10日上线，$0.15/$0.60 每百万 token）。
推荐理由：原文逐一列出 DeepSeek V4 各型号是否支持图像输入、价格和调用方式，并给出文本-only 型号配视觉模型的两段式替代方案。
Google Blog：AI精选AI 评分6363 Google 发布 TranslateGemma 等多语言 AI 成果，语言技术覆盖 300 多种语言
Google 宣布其语言技术已支持超过 300 种语言、覆盖全球 86% 人口，并发布 TranslateGemma 轻量开源翻译模型（基于 Gemini 训练、支持 55 种语言、可离线运行）。
推荐理由：原文来自 Google 对其语言技术的系统性梳理，读者可以借此了解其多语言 AI 的技术路线和数据合作方式。
Apple：Newsroom精选AI 评分7777 Apple 发布新一代 Apple Intelligence，Siri AI 正式以测试版上线
Apple 发布新一代 Apple Intelligence，推出全面重构的 Siri AI，支持个人语境理解、屏幕感知、系统级应用操作和跨设备对话，今日起以英文测试版随 2027 系统更新推出，下月扩展至法语、日语、韩语、葡萄牙语和西班牙语。
推荐理由：官方公告完整列出 Siri AI 的能力清单、设备与语言范围，以及欧盟和中国市场暂不可用等限制，读者可据此评估适用性。
Apple：NewsroomAI 评分7171 Apple 发布 iOS 27、iPadOS 27、macOS 27 等系统更新，推出 Siri AI 与新一代 Apple Intelligence
Apple 开始推送 iOS 27、iPadOS 27、macOS 27、watchOS 27、visionOS 27 和 tvOS 27 更新，引入基于新一代 Apple Intelligence 的 Siri AI。
Suno：Blog精选AI 评分7575 Suno 发布 v6 音乐模型，含 v6、v6-wild、v6-mini 三个版本
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发。v6 分为三个模型：面向 Pro 和 Premier 订阅用户的旗舰版 v6、偏探索风格的 v6-wild，以及面向所有人的更快版本 v6-mini；全系支持用自然语言局部编辑歌曲、多源混搭、采样分离、按氛围生成，并可从文本、音频、图像和视频创建音乐。
推荐理由：官方发布完整列出了三个模型的定位差异和新的编辑控制能力，可据此判断音乐创作工作流会有哪些具体变化。
IBM Research：AIAI 评分5454 IBM 与 NASA 开源月球基础模型 NASA-IBM Lunar Foundation Model
IBM 与 NASA 开源 NASA-IBM Lunar Foundation Model，整合美日多次探月任务的多模态、多分辨率观测数据。
DeepSeek：API 更新日志精选AI 评分8080 DeepSeek 发布 V4.1-Flash，API 价格同步下调
DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。
推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。
Apple：Newsroom精选AI 评分6666 Apple 发布首款折叠屏 iPhone Duo，起售价 $1,999
Apple 发布首款折叠屏 iPhone Duo，展开为 7.6 英寸内屏，合盖后为 5.4 英寸外屏，提供 iPhone 上最大显示面积。搭载 A20 Pro 芯片和蒸汽室散热，iPhone 17 Pro 续航最高 44 小时视频播放，10 月 16 日开启预购、10 月 23 日发售，起售价 $1,999。
推荐理由：官方完整披露了屏幕、铰链、A20 Pro、续航与售价等参数，读者可据此评估这款折叠 iPhone 的实际取舍。
Google Blog：AIAI 评分5252 Google DeepMind 参与纪录短片 Love, Rendered 用影像技术重现褪色的记忆
Google 发布纪录短片 Love, Rendered，讲述结婚超过 70 年的 Burt 和 Ethelle Shatz 应对 Burt 认知衰退的故事，用技术重现未曾被拍摄的记忆，包括两人在克利夫兰学生合作社相遇的那一天。
Cohere 产品与研究博客精选AI 评分6666 Cohere 发布开源权重翻译模型 North Small Translate，WMT26 得分 83.60 超越 DeepL 与 Google Translate
Cohere 发布机器翻译模型 North Small Translate，为 MoE 架构，总参数 218B、激活 25B，支持 50+ 语言，WMT26 全语言得分为 83.60，高于 DeepL NextGen 的 81.37 和 Google Translate 的 68.20，Agentic 版本达 84.36。
推荐理由：官方公布了 WMT26 各语言和分区域得分、吞吐与单任务成本数据，读者可据此评估其相对 DeepL 和开源模型的位置。
OpenRouter：Announcements精选AI 评分7171 OpenRouter 评测 Seedance 2.5：长镜头与已有素材编辑的场景及成本解析
OpenRouter 发布对 ByteDance Seedance 2.5 视频模型的评测，该模型自 2026 年 8 月 7 日上线其视频 API，生成 4 到 30 秒、480p 或 720p 的片段，支持图像、视频、音频引用和首尾帧控制，音频同趟生成不加价。
推荐理由：原文基于自家端点数据给出 Seedance 2.5 的计费公式、能力边界和与 Seedance 2.0、Wan 3.0、Veo 3.1 的逐项对比，便于按需求选型。
OpenRouter：Announcements精选AI 评分6464 OpenRouter 教程：用代码调用 Nano Banana 2 编辑图像
OpenRouter 发布教程，演示通过 API 向 google/gemini-3.1-flash-image（即 Nano Banana 2）发送源图和文本指令完成图像编辑，编辑结果以 base64 形式在响应中返回。教程给出 Python 和 TypeScript 示例、提示词写法、多轮小步编辑方法，以及更换模型只需改一个字段，并介绍了 Nano Banana 系列四个成员的价格与质量差异。
推荐理由：原文给出完整可运行的图像编辑请求代码和提示词写法，读者可以照搬并把模型换成其他供应商做对比。
蚂蚁百灵：Developer Blog精选AI 评分6464 蚂蚁百灵开源首个原生多模态大模型 Ling-3.0-flash-VL
蚂蚁百灵发布并开源首个原生多模态大模型 Ling-3.0-flash-VL，基于 Ling-3.0-flash 的 MoE 架构拓展，总参数 124B、单次推理激活 5.5B，原生支持图像、文本与视频输入，上下文窗口 256K Token。
推荐理由：官方给出架构参数、视觉反馈机制和评测细节，可帮助读者判断原生多模态训练对文本能力的实际影响。
Google DeepMind：BlogAI 评分5555 Google DeepMind 发布 AlphaGenome Atlas，绘制人类基因组单碱基变异预测图谱
Google DeepMind 发布 AlphaGenome Atlas，绘制了覆盖人类基因组中 90 亿个单碱基 DNA 变异分子效应的预测图谱。该图谱为研究基因变异的影响提供了系统性的预测资源。
OpenAI：部署安全与系统卡AI 评分5252 OpenAI 发布 ChatGPT Images 2.5 系统卡
OpenAI 发布 GPT-Image-2.5-Sunburst 和 GPT-Image-2.5-Flare 的系统卡，说明训练数据来源与过滤流程。评估显示两款模型均未跨越 Bio High 或 Cyber High 阈值，但仍沿用 GPT-Images 2.0 的预防性做法，将生物风险按 High 能力对待，用安全推理模型对所有输入和输出执行图像版生物风险政策。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5757 蚂蚁 inclusionAI 发布块扩散视觉语言 GUI 智能体 LLaDA-UI
蚂蚁 inclusionAI 在 Hugging Face 发布 LLaDA-UI，一个基于 MoE 的块扩散视觉语言 GUI 智能体，总参数约 16.7B，语言骨干为 LLaDA2.0-mini-base。
Artificial Analysis 完整文章AI 评分4949 Artificial Analysis 发布 Intelligence Index v4.2：新增 AA-Briefcase 与 GDP.pdf 评测
Artificial Analysis 发布 Intelligence Index v4.2 中期更新，新增私有测试集评测 AA-Briefcase（智能体知识工作）和 Surge AI 的 GDP.pdf（跨 100 份 PDF、4,592 页的长文文档推理，按 1,275 条专家标准全过评分），并移除已饱和的 GPQA Diamond。
Google DeepMind：Blog精选AI 评分7070 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型， hourly 更新且分辨率较上一代提升约 5 倍
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进的全球天气 AI 模型，经 Brightband 独立实时评估。
推荐理由：原文给出分辨率、卫星数据接入和降水精度的具体数字，并说明在 Google 产品和 Cloud 中的获取方式，读者可评估其实际用途。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5252 vLLM-Omni 开源框架：扩展 vLLM 支持全模态模型推理服务
蚂蚁 inclusionAI 在 GitHub 维护的 vLLM-Omni 是扩展 vLLM 的全模态模型推理服务框架，支持文本、图像、音频、视频和动作生成，覆盖 DiT 等非自回归架构。
Qwen：Blog RetrievalAI 评分4545 Qwen 发布 Qwen-Drive-1.0：面向自动驾驶的视觉语言基础模型
Qwen 团队发布 Qwen-Drive-1.0，称其为首个在预训练阶段统一 3D 感知与视觉问答、并延伸到运动规划的自动驾驶视觉语言基础模型，基于原生多模态 Qwen3.5-4B 且不改动预训练架构。
Gemini API：更新日志AI 评分5656 Google 发布音乐生成模型 Lyria 3.5 正式版
Google 在 Gemini API 中发布 lyria-3.5 音乐生成模型的正式版（GA）。模型支持文本和图片输入，可生成完整长度歌曲，改进了音乐连贯性和自然人声，并支持精细的时长与结构控制，输出高保真 44.1 kHz 立体声音频。
LlamaIndex：产品、工程与评测AI 评分5656 LlamaIndex 发布 Turbo 抽取档位，中位速度每页 3.7 秒
LlamaIndex 在 LlamaParse 平台以 beta 形式推出抽取档位 Turbo，主打低延迟实时工作流。在自建开放基准 ExtractBench 上，其速度约为 Cost Effective 模式的 4 倍，中位处理时间每页 3.7 秒，F1 为 0.84；中等及以上长度文档因页面并行处理降至每页约半秒。定价为每页 35 credits，目前支持的输入类型和配置选项少于其他抽取档位。
Google Blog：AIAI 评分5252 Google 发布 Gemini 3.7 Flash、Gemini 3.5 Transcribe 和 Pixel 11 系列等八月 AI 更新
Google 发布八月 AI 更新汇总：推出面向编码和 Agent 的工作模型 Gemini 3.7 Flash，价格为 Gemini 3.6 Flash 推出价的一半每百万 token。
Google Research：BlogAI 评分5252 Google 与 NASA JPL 发布 MAPL-EMIT：用深度学习从卫星高光谱数据全球绘制甲烷排放
Google Research 与 NASA JPL 在 PNAS 发表 MAPL-EMIT，一个基于 Swin-S 视觉 Transformer 的框架，可从 EMIT 高光谱辐射数据自动检测、定量和定位甲烷羽流。
Google DeepMind：Blog精选AI 评分7272 Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
推荐理由：官方说明列出 token、成本与准确率三项数字和开启方式，开发者可据此评估长视频分析是否换用该模式。
上海人工智能实验室 InternLM：原创项目精选AI 评分6363 上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型
上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。
推荐理由：原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明，读者可以了解统一理解与生成模型的一条新路线。
Meta AI：Research Blog精选AI 评分6464 Meta 发布实时音频感知模型 Muse Voice Transcribe
Meta Superintelligence Labs 发布 Muse Voice Transcribe，称其为首个实时音频感知模型，提供流式 ASR、最多 20+ 说话人的 diarization 和 endpointing。
推荐理由：原文给出流式 ASR、说话人分离和自适应延迟的技术细节与架构说明，读者可以了解其实时语音感知的实现方式。
vLLM 官方博客AI 评分5151 vLLM-Omni 实现 MiniMax H3 实时音频视频生成，FastH3 四步蒸馏让完整 MP4 生成快于播放
vLLM-Omni 团队发布 MiniMax H3 生产级服务实践，先做系统级优化，再集成 FastVideo 的四步 FastH3 蒸馏学生模型，将去噪循环从 49 次 DiT 前向降到 4 次。
Runway：News精选AI 评分6767 Runway 发布 Interface World Models 首个模型 Solaris，实时逐帧生成可交互界面
Runway 发布 Solaris，称其为新模型家族 Interface World Models 的第一个模型，由世界模型实时逐帧生成界面并对点击、拖拽等交互作出响应，无需代码等中间表示。
推荐理由：官方完整披露了模型机制、用户研究和局限，读者可以据此理解去除中间表示后界面生成与智能体训练的路径。
Microsoft Research 博客AI 评分7272 微软研究院发布高效病理基础模型 GigaPath-Flash 与 GigaTIME-Flash
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，旨在通过蒸馏技术大幅降低计算成本以支持大规模病理研究。GigaPath-Flash 将十亿参数模型压缩至 22M 参数，在保持竞争力的同时实现约 50 倍的算力节省；GigaTIME-Flash 则提升了空间蛋白质组学预测效率并改善了泛化能力。两款模型均以 Apache 2.0 协议开源，专为科研设计而非临床诊断，使研究人员能在单 GPU 上处理百万级切片数据。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5757 蚂蚁 inclusionAI 开源 LLaDA-UI：基于块级扩散的视觉语言 GUI Agent
蚂蚁 inclusionAI 发布 LLaDA-UI，一个基于 MoE 的块级扩散视觉语言 GUI Agent，端到端约 16.7B 参数，结合原生动态分辨率视觉编码器与 LLaDA2.0-mini-base 扩散语言骨干。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5757 蚂蚁 inclusionAI 开源 6B 图像生成与编辑模型 LLaDA-Image
蚂蚁 inclusionAI 发布开源统一图像生成与编辑模型 LLaDA-Image，参数量 6B，含 50 步 Base 版和经 Twin-DMD 蒸馏的 4 步 Turbo 版，支持文生图、VQ 条件生成、参考图编辑和中英文文字渲染。
Google Research：BlogAI 评分4949 Google Earth AI 推出行星预测引擎 PPE：自动完成地理空间建模全流程
Google Earth AI 推出实验性研究能力"行星预测引擎"（PPE），可自主完成从数据发现到模型训练评估的完整地理空间建模流程，将原本需数周的人工建模缩短至数分钟。
Ai2 / Allen Institute for AIAI 评分5656 Ai2 与 Providence Swedish Cancer Institute 合作将 AutoDiscovery 应用于癌症研究
Ai2 宣布与 Providence Swedish Cancer Institute 旗下的 Paul G. Allen Research Center 合作，将 AI 科学发现平台 AutoDiscovery 应用于癌症研究数据集。
Google Research：BlogAI 评分4040 Google 推出 GlucoFM：面向连续血糖监测的双流基础模型
Google 发布自监督基础模型 GlucoFM，采用双流设计分离血糖的慢速基线趋势与短期波动，并保留时间与缺失信息。在四个队列、七项临床任务共 14 组评估中，其 PR-AUC 平均比表现最好的 GluFormer 变体高 5.8 个百分点，并在餐后血糖响应预测中取得最低 MAE。模型基于 109,066 小时无标注 CGM 数据预训练，跨数据集迁移与少样本适应表现最佳。
Artificial Analysis 完整文章AI 评分5858 Agnes AI 发布 Agnes 2.5 Pro Beta，Artificial Analysis 智能指数达 49 分
Agnes AI 发布 Agnes 2.5 Pro Beta，在 Artificial Analysis Intelligence Index 得分 49，比 Agnes 2.5 Pro Alpha 的 40 分提高 9 分，接近 Gemini 3.5 Flash（high，52）和 GPT-5.6 Luna（max，52）。
Cohere 产品与研究博客AI 评分5959 Cohere 发布企业文档解析模型 Parse
Cohere 发布面向企业文档的视觉语言模型 Parse，可将多模态文件转为结构化 Markdown，支持表格、图片理解和 9 种主要语言。