谷歌推出 macOS 应用 AI Edge Foresight，支持离线整理会议纪要
谷歌推出 macOS 应用 AI Edge Foresight，展示 EmbeddingGemma 2 端侧多模态模型。应用可调用 Mac 麦克风和系统音频并结合用户笔记，完全离线生成润色的线上线下会议纪要，还支持基于会议内容和其他知识库的实时问答；兼容 Apple 芯片的 Mac，可免费下载。
#多模态
IT之家·人工智能AI 评分5151 Preferred Networks：AI 研究与产品AI 评分4545 PFN 大型升级 AI 翻译服务 PLaMo 翻译：基于 PLaMo 第 3 代，日语翻译精度对标 GPT-6 Astra，成本不到 1/10
PFN 发布 PLaMo 翻译大型更新版，基于其国产 LLM PLaMo 第 3 代开发，日语翻译精度对标 Claude Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 等前沿模型，原文 10 万字符翻译成本约 14 日元，不到海外前沿模型和机器翻译服务的 1/10。
IT之家·人工智能AI 评分6565 谷歌发布 EmbeddingGemma 2 多模态嵌入模型：7.4 亿参数，量化后手机端仅需 191MB 内存
谷歌发布 EmbeddingGemma 2 嵌入模型，基于 Gemma 4 架构，采用 Apache 2.0 许可，总参数 7.4 亿，将能力从文本扩展到代码、图像、视频、音频并统一映射到同一嵌入空间。
Rohan Paul@rohanpaul_aiAI 评分6767Google 发布 EmbeddingGemma 2，是其首个原生多模态开放嵌入模型，将文本、代码、图像、音频和视频统一到一个共享空间，采用 Apache 2.0 许可证。
引用Google DeepMind@GoogleDeepMindMeet EmbeddingGemma 2, our first natively multimodal open model for on-device embeddings. It expands beyond text to unify code, images, audio, and video in a shared space. 🧵
Google DeepMind：Blog精选AI 评分7070 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，以 Apache 2.0 许可开源，将文本、代码、图像、视频和音频映射到统一嵌入空间。
推荐理由：官方发布给出参数量、内存占用、维度裁剪和基准分数等具体细节，读者可据此评估端侧多模态嵌入方案的可行性。
Artificial Analysis 完整文章精选AI 评分6666 Mistral 发布 Mistral Large 4，Artificial Analysis 评测称其为美中之外最智能模型
Mistral 发布 Mistral Large 4（Research Public Preview），在 Artificial Analysis Intelligence Index 得分 38，与 GPT-6 Luna（max, 38）相当，为美中之外最智能模型，计划 10 月底开源 1T 参数（49B 激活）权重。
推荐理由：原文给出 Intelligence Index、Cyber Index、定价与上下文窗口等具体数据，读者可据此评估 Mistral Large 4 的真实水平与成本。
The Decoder：AI NewsAI 评分6161 Google 发布 7.4 亿参数开源嵌入模型 EmbeddingGemma 2
Google 发布开源嵌入模型 EmbeddingGemma 2，740M 参数，可将文本、图像、视频、音频和代码转为向量，称其在多模态嵌入基准上优于规模两倍的竞品。
Google Gemini@GeminiAppAI 评分5454
MarkTechPostAI 评分7474 Mistral AI 发布 1.05T 参数多模态 MoE 模型 Mistral Large 4（Le Chonk）
Mistral AI 于 10 月 6 日以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），为 1.05T 总参数、每 token 49B 激活的细粒度 MoE 模型。
MarkTechPostAI 评分6161 Google DeepMind 发布 EmbeddingGemma 2：基于 Gemma 4 的 740M 开源多模态嵌入模型
Google DeepMind 发布开源嵌入模型 EmbeddingGemma 2，可将文本、代码、图像、视频和音频嵌入统一的 768 维向量空间，基于 Gemma 4 架构，共 740M 参数，上下文窗口 8192 token，采用 Apache 2.0 许可。
Unsloth AI@UnslothAIAI 评分6262引用Google DeepMind@GoogleDeepMindMeet EmbeddingGemma 2, our first natively multimodal open model for on-device embeddings. It expands beyond text to unify code, images, audio, and video in a shared space. 🧵
Google@GoogleAI 评分4040EmbeddingGemma 2 经过优化，可在移动端和桌面端本地运行。 这意味着你可以从语音备忘录中找到特定的视频片段，或用简单的文本查询搜索数小时的音频，全程无需联网。
Google DeepMind@GoogleDeepMindAI 评分4949认识 EmbeddingGemma 2，我们首个面向端侧嵌入向量的原生多模态开放模型。 它超越文本，将代码、图像、音频和视频统一到同一共享空间。🧵
Google Developers Blog同事件AI 评分6666 Google 发布 EmbeddingGemma 2：基于 Gemma 4 的开源多模态嵌入模型
Google 发布基于 Gemma 4 的开源嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 许可，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间，参数量从 270M（文本/代码）到 740M（全模态）按需加载。
Google Developers Blog精选AI 评分6868 Google DeepMind 发布多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 于 10 月 6 日发布开放权重的多模态嵌入模型 EmbeddingGemma 2，将文本、图像、视频帧和音频映射到统一向量空间，参数量 740M。
推荐理由：原文给出内存占用、延迟和多种开发入口的具体数据，读者可以据此评估在本地多模态检索场景的落地方式。
TechCrunch：AIAI 评分6464 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4，计划三周后开放权重
Mistral AI 于周二发布万亿参数多模态模型 Mistral Large 4（昵称 Le Chonk），定位为介于闭源与中国开源模型之间的第三条路线。目前仅能通过公开 guardrail 端点访问，安全测试完成后计划在三周内开放权重；该模型仅用 4,000 块 NVIDIA GPU 在 Mistral 自有算力上完成训练，优化用例包括网络安全、金融和芯片设计。
OpenRouter@OpenRouter精选AI 评分7171
推荐理由：原文列出了参数量、上下文窗口和定价等具体规格，读者可以据此评估接入成本和适用场景。
IT之家·人工智能AI 评分6262 Mistral AI 发布 Mistral Large 4 公开预览版，月底开放权重
Mistral AI 于当地时间 10 月 6 日推出 Mistral Large 4（ML4，代号 le Chonk）公开预览版，API 已在 Mistral Studio 开放，模型权重将于本月底开放下载。
Hacker News：AI 热帖AI 评分7474 Mistral 发布 Large 4 公测：1T 参数多模态模型，本月底开放权重
Mistral 发布 Mistral Large 4（ML4，代号 le Chonk）公开预览，模型为 1 万亿总参数、490 亿活跃参数的原生多模态模型，权重将于本月底开放。
The Decoder：AI NewsAI 评分5858 JEPA-Anything 论文将 LeCun 的 JEPA 扩展为跨物理到生物的通用世界模型
PhAI Labs 联合 Stanford、Oxford 和 Princeton 的团队发布 JEPA-Anything，将 Yann LeCun 提出的 JEPA 架构扩展为可覆盖物理、机器人、天气、生物等七个领域的统一世界模型，方法是把预测状态拆成四个正交因子分别预测再重组。
MarkTechPostAI 评分5656 Reka 发布 19B 全模态推理模型 Rho-1，单一网络生成视频并输出机器人动作
Reka 发布 19B 全模态推理模型 Rho-1 的研究预览版，从零训练，单个网络即可理解并生成文本、图像和视频，并输出机器人动作。模型在每层使用理解与生成两条专家流，共享注意力与同一 KV cache；蒸馏版把去噪从 99 步降到 8 步，约 1 秒生成 5.3 秒视频片段。训练用了 320 张 H100 跑 3 个月，视频上限 672×384，目前仅研究预览，未开放权重、API 或定价。
Hugging Face 社区博客AI 评分4545 Falcon-Emirati-7B：让 LLM 学会阿联酋方言、文化与语感
Falcon-Emirati-7B 发布，这是一个基于 Falcon-H1-Arabic 的 7B 方言专用模型，专注理解与生成阿联酋阿拉伯语。它沿用 Falcon-H1 混合架构（Mamba 与 Transformer 注意力并行），并构建了真实方言网页数据、阿联酋文化 MSA 语料与受词表约束的合成数据三条管线。团队通过消融实验摸索方言数据注入量与训练阶段，以平衡真实与合成数据。
MarkTechPostAI 评分4949 JEPA-Anything：用一套配方为 7 个领域构建世界模型
PhAI Labs、CUHK、复旦、斯坦福、牛津与普林斯顿的研究者发布 JEPA-Anything，一个领域无关的世界模型框架，用共享学习配方覆盖视觉、生物、临床轨迹、控制、分子动力学、物理场和天气 7 个领域。
The Decoder：AI NewsAI 评分4848 Reka AI 发布 19B 全能模型 Rho-1，单模型处理文本、图像、视频与机器人控制
Reka AI 发布 190 亿参数全能模型 Rho-1 的研究预览版，在单一神经网络内处理并生成文本、图像、视频和机器人控制动作。该模型将全部模态作为 token 放入同一上下文窗口，无需工具调用或外部模型，可实时生成连续视频并即时响应新指令，同一套权重既预测摄像头图像也驱动机器人运动。
Liquid AI 模型与工程博客精选AI 评分6969 Liquid AI 发布 d1 决策模型并新增图像输入能力
Liquid AI 发布 d1 决策模型，新增文本与图像输入，可通过 console.liquid.ai 和 d1 Playground 使用。
推荐理由：原文给出 d1 在六类真实应用中对 GPT-6.1 Sol 和 Claude Opus 5.5 的成本与速度对比，以及按输入 token 计费规则，便于评估是否替换现有 LLM 调用。
Cohere Labs：官方研究博客AI 评分4545 Cohere Labs 研究：数据混合如何解锁多语言母语推理
Cohere Labs 基于 32K 上下文长度的 Tiny Aya 基础模型，用数据混合策略训练出 Tiny Aya L2-Thinker，在 60 种语言上实现超 93% 的母语推理率。
NVIDIA BlogAI 评分4141 NVIDIA Inception 初创公司用 AI 补齐乳腺癌筛查与治疗规划缺口
NVIDIA Inception 成员 iSono Health、Whiterabbit.ai 和 Ataraxis AI 正用 AI 覆盖乳腺癌筛查、风险评估与治疗规划环节。iSono Health 的 ATUSA 平台约 2 分钟完成单侧乳房 3D 超声扫描，称比手持 2D 超声敏感度高 28%；Whiterabbit.ai 的 WRDensity 已获 FDA 许可，用于自动评估乳腺密度。
IT之家·人工智能AI 评分5959 斯凯孚用 AI 复活已故影星嘉宝拍广告，引发赞许与争议
瑞典轴承制造商斯凯孚（SKF）用 AI 生成已故好莱坞影星葛丽泰·嘉宝的形象拍摄广告，项目已获嘉宝遗产管理方及家属授权。图像使用字节跳动 Seedream 5 Pro、谷歌 Gemini 的 Nano Banana Pro 生成，动作用 Seedance 2、Seedance 2.5 和快手可灵 AI，语音基于嘉宝早年影片原声训练，未使用存档照片或历史影像。
Aravind Srinivas@AravSrinivasAI 评分4848你可以在 Computer 里构建自定义垂直 AI 应用，例如：用 3D 和卫星视图猜测图像的 spatial location。
引用Computer@AskPerplexityComputer built a GeoGuessr LLM that poinpoints the location of an image, and shows all of its thinking steps. It used the Perplexity SDK for web search, local place lookups, source page retrieval, and visual clue extraction. It also used browser control to set up a Cesium account and API key for the 3D globe and satellite imagery.
The Decoder：AI NewsAI 评分4848 NASA 与 IBM 开源月球基础模型：用 17 年轨道器数据构建月球科学基座
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。
MarkTechPostAI 评分6464 Aleph Alpha 发布开源权重双语 MoE 模型 Kolibri：78.1B 总参数、每 token 仅激活 3.46B
Aleph Alpha 发布面向德英双语的开源权重 MoE 模型 Kolibri（Kolibri-1），总参数 78.1B，每 token 仅激活 3.46B，上下文最高 1,048,576 tokens，以 Apache 2.0 许可在 Hugging Face 上线。
- Aravind Srinivas@AravSrinivasAI 评分6262引用Computer@AskPerplexity
Here are 5 examples of inline visualizations that Computer can create directly in your thread: 1. Show me how a jet engine works in an inline 3D cutaway.
IT之家·人工智能AI 评分4242 V社 Steam Frame 头显第三方摄像头模块 Arcturus Vision 上市：150 美元，提升彩透效果
Arcturus 为 V社 Steam Frame 头显推出 Vision Camera 彩透外置摄像头模块，定价 150 美元，重量仅 10 克，通过鼻梁下方扩展接口即插即用，无需重启即可自动切换。