庆祝 Google Translate 20 周年：趣闻、技巧与可尝试的新功能
Google Translate 迎来 20 周年，从 2006 年的一项 AI 实验起步，现已支持近 250 种语言。官方分享了 20 条相关趣闻，并介绍了用户可尝试使用的实用技巧与新功能，以展示其多年来的技术演进与服务扩展。
#多模态
Google Blog：AIAI 评分5151
Together AI 研究与产品博客AI 评分5454 NVIDIA Nemotron 3 Nano Omni 上线 Together AI 平台
Together AI 上线 NVIDIA Nemotron 3 Nano Omni 多模态模型，单一开源模型可统一推理视频、图像、音频和语言。该模型采用混合 Mamba-Transformer MoE 架构，总参数 30B、每 token 激活约 3B，支持最高 256K token 共享多模态上下文，开放权重、数据和后训练配方，支持 FP8 与 NVFP4 部署。
Apple Machine Learning ResearchAI 评分4545 StereoFoley: 从视频生成具有对象感知能力的立体声音频
StereoFoley是一个视频到音频的生成框架，能生成48kHz、语义对齐、时间同步且空间准确的立体声。现有视频生成音频模型大多局限于单声道或无法实现对象感知的立体声成像，主要受限于缺乏专业混音、空间准确的视频-音频数据集。该研究首先开发了一个从视频生成立体声的基础模型，在语义准确性上达到了与当前最先进V2A模型相当的性能。
Google Blog：AIAI 评分5959 8 个使用 Gemini 整理空间（与生活）的技巧
Gemini 提供了利用 AI 整理家居和数字空间的一系列技巧。这些建议包括制定智能清洁计划、高效整理收件箱以及管理季节性家务。用户可以通过这些 AI 驱动的功能，系统化地优化物理和数字环境，从而提升日常生活的条理性和效率。
Apple Machine Learning ResearchAI 评分4848 Learning Long-Term Motion Embeddings for Efficient Kinematics Generation
研究提出了一种通过长时运动嵌入来高效生成运动学的方法，直接对从追踪器模型获取的大规模轨迹中学习到的嵌入进行操作，将场景动态建模效率提升了数个数量级。该方法能够根据文本提示或空间戳指定的目标，高效生成长而真实的运动序列，避免了传统全视频合成在探索多种可能未来时效率低下的问题。
字节 Seed：Research PapersAI 评分6969 Seed3D 2.0：推进高保真、仿真就绪的3D内容生成
由于您提供的文章正文内容为无法解析的乱码，无法提取有效信息来撰写摘要。请提供可读的正文文本，以便根据要求生成包含关键发布内容、具体变化及相关数字指标的中文摘要。
字节 Seed：Research FeedAI 评分8181 Seed3D 2.0发布,更高精度、更强可用性
Seed3D 2.0正式发布，这是一个在几何精度与材质质量上显著提升的新一代3D生成大模型。它采用两阶段DiT策略优化几何生成，并通过统一PBR模型增强纹理的真实感与稳定性。评测显示，其在两项核心指标上均达到SOTA，人类打分员在纹理任务中对它的偏好率超过69%。此外，模型拓展了下游可用性，支持部件级生成与场景组合，为具身智能和工业制造提供生产级3D内容。
字节 Seed：Research Feed精选AI 评分6161 字节 Seed 发布 Seed3D 2.0，几何与 PBR 材质生成达 SOTA
字节 Seed 正式发布 3D 生成大模型 Seed3D 2.0，在几何生成、纹理材质生成两项核心指标对比中均取得 SOTA 结果。模型采用 Coarse-to-Fine 两阶段 DiT 提升几何精度，统一 PBR 生成架构并引入 MoE 与 VLM 先验，还支持部件级生成、关节化建模与场景组合，输出可兼容 Isaac Sim 等仿真引擎；技术报告已公开，API 已上线火山引擎。
推荐理由：官方博客给出两阶段 DiT、统一 PBR 等架构细节与人类盲评结果，读者可了解 3D 生成走向生产可用的具体路径。
Anthropic：Newsroom精选AI 评分7575 Anthropic Labs 推出 Claude Design
Anthropic Labs 推出 Claude Design，由 Claude Opus 4.7 驱动的视觉设计工具，面向 Claude Pro、Max、Team 及 Enterprise 订阅者开放研究预览。用户可通过对话快速创建设计原型、幻灯片及营销物料，支持自动应用企业设计系统、多格式导入导出，并能与 Claude Code 无缝衔接。据 Brilliant 反馈，复杂页面设计从 20 余条提示缩减至 2 条，设计到生产周期从数周缩短至单次对话。
推荐理由：Anthropic 把 Claude 变成了设计协作工具，从草图到代码的链路打通，对非设计师做原型是个实用入口，但能否撼动 Figma 还早。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分5656 inclusionAI发布LLaDA2.0-Uni模型
LLaDA2.0-Uni是一个统一的多模态模型，具备对世界的理解与生成能力。该模型通过整合视觉、语言等多模态信息，实现了跨模态的语义理解和内容生成。其架构支持从图像理解到文本生成、跨模态检索等复杂任务，标志着多模态人工智能向更通用、统一的方向演进。
推荐理由：蚂蚁 inclusionAI 推出 LLaDA2.0-Uni，主打理解与生成统一架构，但距发布已过两周且信息极少，建议等官方技术报告出来再决定是否跟进。
Google Blog：AI精选AI 评分7070 Gemini 3.1 Flash TTS：下一代表现力AI语音技术
Google正式发布Gemini 3.1 Flash TTS，作为下一代表现力AI语音技术，该模型现已全面上线Google旗下各产品线。此次升级标志着Google在语音合成领域的技术突破，旨在为用户提供更自然、富有情感表现力的AI语音交互体验，进一步强化其AI生态系统的语音能力。
推荐理由：Google 把 TTS 的控制权交给了文本指令，音频标签这个设计让语音应用从'选择预设'变成'现场导演'，对多模态应用是个实在的增强。
字节 Seed：Research Papers精选AI 评分6666 字节 Seed 发布 Seedance 2.0 音视频联合生成模型
字节 Seed 发布原生多模态音视频生成模型 Seedance 2.0，2026 年 2 月初在中国正式上线，采用统一架构支持文本、图像、音频、视频四种输入模态。
推荐理由：官方技术报告梳理了 Seedance 2.0 的统一架构、多模态输入上限与分辨率规格，读者可对照前代看能力变化。
Google DeepMind：Blog精选AI 评分6868 Gemini Robotics-ER 1.6：通过增强具身推理赋能真实世界机器人任务
Gemini Robotics-ER 1.6 正式发布，通过增强具身推理能力为真实世界机器人任务提供底层支持。该版本重点升级空间推理与多视角理解功能，使自主机器人能够更精准地解析三维环境、理解物体间空间关系，并在复杂场景中实现高效决策与操作执行，显著提升机器人在物理世界中的感知与交互性能。
推荐理由：Gemini Robotics-ER 1.6 在机器人推理上迈了一大步，仪器读取和多视角成功检测是真需求，尤其是波士顿动力集成后，做具身智能的团队值得第一时间测试。
Goodfire ResearchAI 评分5959 Goodfire 用 Evo 2 嵌入解释 ClinVar 全部 420 万个基因变异并发布 EVEE
Goodfire Research 与 Mayo Clinic 合作发布预印本，基于基因组基础模型 Evo 2 的嵌入训练轻量探针做变异效应预测，致病性探针在 839k 个 ClinVar 单核苷酸变异上达到 0.997 AUROC，并零样本泛化到 indel（0.991 AUROC）。
LlamaIndex：产品、工程与评测AI 评分5656 LlamaIndex 发布文档解析基准 ParseBench，覆盖约 2,000 页企业文档和 16.7 万条测试规则
LlamaIndex 发布文档解析基准 ParseBench，包含约 2,000 页人工校验的企业文档页面和超 167,000 条测试规则，覆盖表格、图表、内容忠实度、语义格式和视觉定位五个维度。
字节 Seed：Research PapersAI 评分5959 字节 Seed 发布 Protenix-v2：结构预测与生物分子设计双线提升
ByteDance Seed 发布 Protenix-v2 技术报告，覆盖高精度结构预测与生物分子设计。
字节 Seed：Research Feed Seed 全双工语音大模型发布:懂倾听、抗干扰,走向更自然的交互
字节跳动发布原生全双工语音大模型Seeduplex，基于"边听边说"框架实现听说同步交互。相比半双工模型，其在复杂场景下误回复率和误打断率降低50%，抢话比例下降40%，判停延迟缩短约250ms，打断响应延迟缩短约300ms。评测显示，用户通话满意度绝对值提升8.34%，对话流畅度MOS分提升12%。该模型具备精准抗干扰和动态判停能力，可在豆包App最新版本体验。
Meta AI：Research Blog精选AI 评分8080 Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型
Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线并开放部分用户的私有 API 预览。
推荐理由：官方发布给出基准成绩与三条扩展轴的技术细节，读者可以了解其相对 Llama 4 Maverick 的效率变化和安全评估结论。
Liquid AI 模型与工程博客AI 评分5252 Liquid AI 发布 LFM2.5-VL-450M：面向边缘端的结构化视觉语言模型
Liquid AI 发布 LFM2.5-VL-450M，是 LFM2-VL-450M 的升级版，预训练数据从 10T 扩至 28T tokens，新增边界框预测（RefCOCO-M 81.28）和文本函数调用（BFCLv4），MM-IFEval 从 32.93 提升至 45.00，MMMB 从 54.29 提升至 68.09。
Qwen：Blog Retrieval Qwen3.6-Plus：迈向真实世界 Agent
Qwen3.6-Plus 定位真实世界 Agent 应用，Qwen Studio 平台集成聊天机器人、图像视频理解、图像生成、文档处理、网页搜索、工具调用及 Artifacts 等全栈功能，覆盖多模态任务与复杂场景需求。
LlamaIndex：产品、工程与评测AI 评分5959 LlamaParse 撰文评析 2026 年开发者可用的 OCR 库选型框架
LlamaParse 发布 2026 年开发者 OCR 库选型指南，比较 Tesseract、PaddleOCR、Surya、EasyOCR、docTR 及 Mistral OCR、olmOCR、Qwen2.5-VL 等工具的适用与失效场景。
Qwen：Blog Retrieval精选 Qwen3.5-Omni：全面扩展，迈向原生全模态 AGI
Qwen Studio 发布，集成聊天机器人、图像视频理解、图像生成、文档处理、网页搜索、工具使用及 Artifacts 功能，提供全模态 AI 一站式解决方案。
推荐理由：阿里发布Qwen3.5-Omni多模态模型，迈向原生全模态AGI
Modal 官方工程博客AI 评分5656 Runway 选择 Modal 为 Runway Characters 提供实时推理基础设施
Runway 选择 Modal 为其实时视频智能体 API Runway Characters 提供推理基础设施。该产品基于世界模型 GWM-1，可从单张图像生成可对话的数字角色，无需微调；Runway 在 Modal 上只需一行代码即可将容器转为带 RDMA 组网的多节点 GPU 集群，团队从概念验证到生产上线用时不到 30 天。
Google DeepMind：Blog Lyria 3 Pro：支持更长音轨，扩展至更多平台
Lyria 3 Pro 发布，支持生成更长音轨并具备结构感知能力，同时将集成至更多 Google 产品和平台。
Google Blog：AI Lyria 3 Pro：在更多 Google 产品中创作更长音轨
Google 将 Lyria 3 Pro 扩展至更多产品，支持生成更长音轨，并集成至专业人士日常工作和创作工具中。
Google Blog：AI精选 基于 Lyria 3 构建：全新音乐生成模型开放预览
Lyria 3 音乐生成模型现已开放付费预览，开发者可通过 Gemini API 调用，或在 Google AI Studio 免费测试。
推荐理由：Google 发布音乐生成模型 Lyria 3，现可通过 Gemini API 和 AI Studio 体验
Suno：Blog Suno v5.5：更具表现力，更懂你
Suno发布v5.5模型，推出Voices、Custom Models与My Taste三大功能。Voices支持Pro及Premier订阅者录制或上传人声，经语音验证后仅限本人使用；Custom Models可基于用户原创曲库训练最多三个个性化模型；My Taste则面向所有用户，自动学习其音乐偏好。此次更新旨在同时服务专业音乐人与普通创作者，并为与音乐产业合作的下一代模型奠定基础。
Google Research：Blog精选 Vibe Coding XR：基于 XR Blocks 与 Gemini 加速 AI + XR 原型开发
Google XR 团队推出 Vibe Coding XR 工作流，结合 Gemini Canvas 与开源框架 XR Blocks，利用长上下文推理能力将自然语言提示在 60 秒内转化为可交互、支持物理效果的 WebXR 应用。该方案基于 WebXR、three.js 和 LiteRT.js 构建，支持手势交互与深度感知，可在桌面模拟环境或 Android XR 头显中实时预览。已展示的应用包括几何可视化数学辅导和交互式物理实验室，用户可通过捏合等手势操作 3D 对象，快速验证空间交互设计。
推荐理由：Google推出Vibe Coding XR，用自然语言快速生成可交互的Android XR空间应用。
Google Developers Blog精选AI 评分7171 跳跃即玩：利用Gemini与MediaPipe进行开发
该工作流通过Gemini Canvas，借助高级提示词快速原型化MediaPipe Pose Landmarker等体感游戏机制。开发者可在Google AI Studio中优化原型，采用低延迟的“轻量”模型和稳定的追踪点（如肩部关节点）以确保游戏响应灵敏。最后，流程利用Gemini Code Assist将实验性代码重构为模块化、可用于生产的应用程序，使其能够支持多种多模态输入，从而显著简化了体感控制游戏的开发过程。
推荐理由：开发者可快速上手AI游戏开发，优化性能并部署生产应用。
上海人工智能实验室 InternLM：原创项目AI 评分5757 上海人工智能实验室 InternLM 发布 WildClawBench 真实环境智能体基准
InternLM 团队发布 WildClawBench，一个在真实 OpenClaw 环境中端到端评测 AI 智能体的基准，包含 60 个原创任务，覆盖生产力、代码、社交、搜索、创意合成与安全对齐六大类，中英双语。
Qwen：Blog Retrieval精选 Qwen3.5-Max-Preview 现已上线 Arena
Qwen3.5-Max-Preview 已登陆 LMSYS Chatbot Arena。Qwen Studio 提供聊天机器人、图像与视频理解、图像生成、文档处理、网页搜索、工具调用及 artifacts 等全栈功能。
推荐理由：阿里 Qwen3.5-Max 预览版上线 Arena，支持多模态理解与工具调用
Google Research：Blog Google Research 在 The Check Up 分享：从医疗创新到真实世界临床场景
Google Research 在 The Check Up 活动发布多项医疗 AI 进展。与 Fitbit 合作的 Personal Health Agent (PHA) 整合可穿戴设备数据提供个性化健康指导；乳腺癌检测 AI 在研究中识别出 25% 传统筛查漏检的间隔期癌症；多智能体系统 AMIE 已在 Beth Israel Deaconess Medical Center 开展临床测试，协助病史采集。同时推出 MedGemma 开放模型及 Health AI Developer Foundations (HAI-DEF) 赋能开发者，糖尿病视网膜病变筛查模型已服务超 100 万例，AI 正从实验室走向真实临床场景。
Mistral AI：News精选AI 评分7878 Mistral 发布 Small 4，统一推理、多模态与编码能力并以 Apache 2.0 开源
Mistral 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一进一个模型，以 Apache 2.0 许可开源。
推荐理由：发布方给出架构参数与吞吐对比数据，读者可以评估这款统一推理与多模态的开源模型在自托管部署中的成本取舍。
Claude Platform：开发者版本说明精选AI 评分6969 Claude Opus 4.6 和 Sonnet 4.6 的 1M token 上下文窗口正式可用
Claude Opus 4.6 和 Sonnet 4.6 的 1M token 上下文窗口现已正式可用，按标准定价计费，超过 200k token 的请求无需 beta header 即可自动生效。同时，所有支持模型的专用 1M 速率限制已移除，改用标准账户限制；使用 1M 上下文窗口时，每请求的媒体上限从 100 提升至 600 张图片或 PDF 页面。
推荐理由：Claude 的百万 token 上下文终于从 beta 转正，200k token 以上请求不再需要 beta 头，媒体文件限制一口气提到 600 页，做长文档处理的开发者可以直接切生产。
Claude：Blog精选 Claude 新增交互式图表、图解与可视化功能
Claude 推出可视化功能测试版，支持在对话中实时生成交互式图表、图解等视觉内容，无需代码即可随对话调整修改。该功能不同于可下载的 Artifacts，以内联临时形式辅助理解当前话题，默认向所有套餐用户开启。同时 Claude 还新增食谱、天气等主题格式，并支持在对话内直接交互 Figma、Canva 和 Slack 等应用。
推荐理由：Claude推出对话内交互式图表功能，实时生成可视化助力理解
OpenAI：官网动态精选 ChatGPT 推出数学与科学学习新方式
ChatGPT 新增数学与科学交互式可视化解释功能，支持实时探索公式、变量及概念，帮助学生更直观地理解理科知识。
推荐理由：ChatGPT 新增数学与科学可视化交互功能，提升学习体验
LlamaIndex：产品、工程与评测AI 评分5454 LlamaIndex 发布 audio-kb，用 LlamaParse 与 Gemini Embedding 2 搭建可搜索的音频知识库
LlamaIndex 发布 CLI 工具 audio-kb，可在终端录制或上传音频笔记，用 LlamaParse 转写、Gemini Embedding 2（3072 维向量）嵌入，并存入带 HNSW 索引的本地 SurrealDB 后语义检索。
Runway：News精选 Runway 推出 Characters：单图实时生成可对话虚拟角色 API
Runway 推出 Characters API，基于 GWM-1 世界模型，支持用单张图片零微调生成实时可对话虚拟角色。支持自定义外观风格、声音、性格及知识库，具备自然表情、眼神、口型同步和手势。面向客户支持、培训教育和品牌营销等企业场景，已获 BBC 等采用。开发者可通过 API 集成，消费者也可在网页端体验预设角色。
推荐理由：Runway推出实时视频Agent，单图生成可对话数字人，拓展AI交互形态
OpenAI：官网动态 Descript 如何实现大规模多语言视频配音
Descript 利用 OpenAI reasoning models 实现大规模多语言视频配音，可在自动本地化大型内容库时保持时间同步与语义准确。
Google Blog：AI Ask a Techspert：AI 如何理解我的视觉搜索？
Google 搜索 AI 模式通过 query fan-out（查询扇出）技术处理视觉搜索，将图像查询拆解为多个子问题并行分析，从而提升对视觉内容的理解能力。