Chinese contentGoogle 发布 Gemini 4 Hydrogen：速度较 Gemini 3.8 Flash 提升 2.5 倍
Google 新出的 Gemini 4 Hydrogen 主打快，比 Gemini 3.8 Flash 快 2.5 倍，还带 1M 上下文和 4 档思考模式。跑 agent 或批量任务的开发者可以关注下这个价格和 Terminal-Bench 成绩，算算换过来省不省。
Latest
Every published item, in order · 2490 items
Nov 13
Chinese content腾讯混元发布实时语音模型 Hy Realtime，支持工具调用与唱歌
腾讯混元这个 Hy Realtime 语音模型挺有意思，除了对话还能点歌唱歌，跟腾讯音乐团队一起做的，比如你说“放首 2010 到 2020 年的英文民谣”它就唱给你听。还能自己判断什么时候联网搜答案，做智能客服的同学可以关注下它的 API。
IT之家Source
Chinese content中科院团队提出 M³Net 模型，模拟医生读片流程辅助肺结节诊断
中科院团队做的 M³Net 挺有意思，它不再只看单尺度特征，而是像医生那样从整体肺部到结节细节层层分析，在 LIDC-IDRI 数据集上比了十二种算法都有提升，对那种边界模糊的难判断结节特别有用。做医疗影像 AI 的人可以看看它的多尺度对齐思路，论文发在 Information Fusion 上。
IT之家Source
Chinese content语飞国际中文教育垂直大模型在2026世界中文大会发布
中文教育这个细分赛道出垂直模型了，学习者能拿即时评测和答疑，老师一句话生成备课素材，机构还有标准接口可接。做教育产品或对外汉语教学的团队可以看看它开放到什么程度。
IT之家Source
Chinese content华为云 11 月 16 日发布 CloudRobo-WM1.2：首个原生基于昇腾的世界模型
华为云把世界模型和自家昇腾芯片绑在一起做了，不依赖英伟达生态。做机器人训练、具身智能的团队可以关注，毕竟全昇腾链路的具身模型目前国内还真不多见。
Chinese contentBaidu 发布 Ernie 5.5 Flash Preview：2800 亿参数、百万 token 上下文，开放权重即将推出
Baidu 这次把 2800 亿参数和百万 token 上下文的模型开放权重放出，之前 ERNIE 一直是闭源 API。想私有化部署长文本模型的同学可以盯一下，和 DeepSeek、Qwen 的开源路线直接对标。
Chinese contentGoogle 发布 Gemini 4 Hydrogen，主打编程与智能体任务加速
Google 给 Gemini 家族加了个主打速度的 Hydrogen 版本，专门优化写代码和跑智能体任务。如果你在用 Gemini 做编程助手或者编排 agent，现在多了一个更快的选项，可以和标准版对比一下响应速度再决定用哪个。
Chinese contentGoogle 发布 Gemini 4 Hydrogen：小型快速模型，接替 3.8 Flash
Google 把 Gemini 4 系列补齐了，Hydrogen 主打快和省 token，比 3.8 Flash 快 2.5 倍，价格也比旗舰型号便宜不少。做需要低延迟对话或批量处理应用的开发者可以直接在 API 里换上试试。
Chinese contentGoogle 发布 Gemini 4 Hydrogen，llm-gemini 0.37 同步更新支持
Google 的便宜版 Gemini 4 来了，但现在的定价只比老大哥便宜 25%，要到 12 月才真正划算。文章里有完整的三模型价格表和 pelican 输出质量对比，选模型前值得看看实际效果差距。
Chinese contentGoogle 发布 Gemini 4 新模型，更快更便宜且向所有用户开放
Google 这次把 Gemini 4 直接开放给所有用户，不再只给订阅用户，速度和价格也降了。正文很短，具体分数和定价没给，想看实测的可以等后续评测，但想第一时间用上的现在就能去试。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Chinese contentLiquid AI 发布 74M 参数流式音频编解码器 LiquidCodec
Liquid AI 把 LFM3 语音模型底下的音频编解码器单独开源了出来。74M 参数、单 CPU 线程跑 361 倍实时速度，做端侧语音助手或实时通话应用的人可以省掉 GPU 编码开销，值得跟 EnCodec、Mimi 这类编解码器对比一下再选型。
Chinese contentGoogle 发布 Gemini 4 Hydrogen，改进复杂问题理解能力
Google 把 Gemini 4 Hydrogen 直接塞进了搜索框，能拆解带好几个子问题的提问，连打错的错别字也能看懂。和只答一半的旧搜索 AI 模式相比，明显更聪明，经常用搜索的人今天就能试到。
Chinese contentIBM 发布 LLMON 标记语言，随 Granite 4.1 3B 与 8B 模型推出
IBM 把自家的 LLMON 标记语言直接做进了 Granite 4.1 的 3B 和 8B 小模型里，模型卡就在 Hugging Face 上。如果你在做本地部署或结构化输出，可以拿它和普通 Markdown 提示对比试试，小模型跑起来门槛很低。
Chinese contentGoogle Gemini 4 Hydrogen 发布四周即超越自家更大的 Argon
Google 把 Flash 系列换成了 Gemini 4 Hydrogen，结果这个小模型上线四周就在 Artificial Analysis 榜单上超过了自家更贵的 Argon。它和 Claude Sonnet 5.5 得分差不多还更便宜，但比 GPT-6.1 Sol 贵 2.5 倍、写智能体代码不行。做编程或智能体的开发者可以对比一下再选。
Chinese content谷歌发布 Gemini 4 Hydrogen：百万 Token 输入 1.5 美元，主打编码与智能体
输入 1.5 美元每百万 Token 还给 100 万上下文，这价格对经常跑长文档和智能体任务的开发者很友好。跟 Gemini 4 Argon 比智能指数还略高，写代码的可以直接在 AI Studio 里试试四档思考深度怎么调最省钱。
IT之家Source
Chinese contentGoogle DeepMind 发布 AlphaGenome 2，可预测 DNA 变异对特定细胞类型的影响
DeepMind 又发了 AlphaGenome 2，用 1.07 亿个细胞的数据训练，能告诉你一个 DNA 突变具体影响哪种细胞，找致病位点的能力比上一版翻了一倍。做遗传研究或生物医药的朋友可以对比一下 Enformer，这个的细胞类型粒度是新的。
Nov 12
Chinese contentAnthropic 工程师用一句话让 Claude 生成 3D 射击游戏
Anthropic 工程师拿 Claude 玩了个极限测试：一条提示词直接生成带 3D 画面的射击游戏，不用手写代码。做前端或想快速出原型的开发者可以看看这个思路，对比一下自己常用的代码生成工具体验差在哪。
Chinese contentElevenLabs 发布 Scribe v3 与 Scribe v3 Live 语音识别模型
做电话语音智能体的可以看看，ElevenLabs 新版 Scribe v3 Live 会结合上下文判断用户是否说完，能减少打断式抢话。准确率在 Artificial Analysis 测试里略胜 OpenAI 和 Google，但速度和价格不如 Microsoft 和 xAI，需要按场景取舍。
Chinese content科大讯飞上线 SparkAudio 1.0 语音基座大模型 API，支持 99 种语言 202 种方言
讯飞把语音理解从“转文字再分析”改成了直接听懂语音，连情绪和背景音都能理解，还支持 202 种方言。做智能客服、车载语音或者跨语言会议的开发者可以直接调 API 试试，中文方言场景尤其值得关注。
IT之家Source
Chinese contentGoogle DeepMind 发布 AlphaGenome 2，基因组预测细化到单细胞类型
DeepMind 把基因组 AI 从整块组织推进到单细胞粒度，训练数据有 1.07 亿个细胞图谱，识别致病变异的能力翻倍。做遗传学或靶点研究的人可以直接调 API，还能接进 Antigravity 用智能体跑分析流程，比前代实用不少。
Chinese contentMiniMax开源生图模型，支持原生4K输出，单张约两毛
MiniMax把能出原生4K的生图模型开源了，单张成本两毛左右，还提到CAD拆解这类工程场景。画设计图、做批量素材的团队可以对比一下Stable Diffusion系和闭源API的成本，做私有化部署的先看协议再上车。
Chinese contentQwen4 实测：编程能力有进步但速度慢、性价比低
博主真金白银充了值，拿清明上河图、超级玛丽、绝地求生这些硬核例子测 Qwen4，连每个例子跑了几分钟、烧了多少 Credit 都列出来了。想选编程模型的人可以直接看结论：国产阵营里 HY4 更快更便宜，和 Claude 的差距确实不小。
Chinese content华为云 CloudRobo-WM1.2 昇腾原生世界模型 11 月 16 日发布
华为云要出手了，11 月 16 日发布首款昇腾原生的世界模型 CloudRobo-WM1.2。做机器人开发的值得看直播，华为云明确不造本体、只做平台，等于给国内一堆机器人公司提供了底层模型选项，跟英伟达 Cosmos 这类世界模型形成了对标。
IT之家Source
Chinese content百度 ERNIE Lightning 推理模型与 ERNIE-Wizshot-ME 视频模型上线千帆
百度这次上架的两个模型挺实用：ERNIE Lightning 专攻搜索推理，快慢思考省钱又快；Wizshot-ME 能把一张静态人像变成 4-15 秒的 1080p 微表情视频，做数字人的朋友可以直接在千帆上试了。
Runway releases Praxis-1 robot model with open weights
An open-weight, Apache 2.0 robot policy model that runs on a single RTX 5090 lowers the entry bar for robotics labs and hardware startups that cannot afford proprietary stacks. Teams building manipulation systems can fine-tune it locally instead of licensing closed models like GPT-6 Astra, which Runway claims is 51 times costlier per task. Builders tracking video-to-action transfer, an emerging alternative to pure imitation learning, should benchmark it on their own hardware.
IT之家Source
Chinese contentJev 创作者 Diogo Almeida 呼吁开发者用 System One 模型自动化一切
Jev 作者 Diogo Almeida 在 Code Summit 上喊话：重复劳动都该自动化，用 System One 模型直接写进工程管线。Glean 已经在生产环境跑了。做工程自动化的开发者可以看看别人怎么接的。
Chinese content字节火山引擎发布 Seedance 2.5 flash：速度提升一倍，价格降 34%
字节把视频模型拆成旗舰和 flash 两档了，flash 版便宜三成、快一倍，效果还超过 Seedance 2.0。做短视频批量生产、天天跑生成任务的团队可以直接看价格账，9 号 API 上线火山方舟就能接。
IT之家Source
Chinese content文心新模型纯代码生成《后室》场景，116秒切换20种画风，即将开源
百度文心新模型秀了个有意思的活儿：不生成图片，纯靠写代码画出《后室》场景，116秒换20种画风，还宣布要开源。比起Midjourney那类直接出图的路线，这种代码生成方式改起来更灵活，做游戏原型的开发者可以关注开源后的上手体验。
Ant LingBo opens-source LingBot-Touch tactile foundation model
A unified tactile representation that transfers across sensor types and hand hardware removes one of the biggest integration costs in robot manipulation research. Teams building dexterous manipulation with VLA or diffusion policies can plug it in and benchmark gains on their own stacks instead of collecting tactile data from scratch. As an open-source Chinese entrant, it gives developers in Southeast Asia and beyond a concrete alternative to proprietary embodied-AI stacks when choosing perception components.
IT之家Source
Chinese content摩尔线程 Day-0 适配 MiniMax H3-Image 图像生成模型
国产 GPU 卡在开源当天就跑通了 MiniMax 新图像模型，10 秒出一张 4K 图。做国产算力部署生图业务的朋友可以关注 S5000 这条路线。
IT之家Source
Chinese contentMeta 发布 Muse Ember 小模型，专攻智能体重复性任务
Meta 新出的 Muse Ember 走小而专的路线，专吃工具调用和路由这类高频低难度活，单位成本上压过 Claude Haiku 5.5 和 GPT-6 Luna。在跑大规模智能体流水线的团队可以算算账，但写代码还是得换别的模型。
Chinese contentGoogle 发布 Gemini Decision 1 决策模型，基准测试超过 Jev 1.14
Google 新出的 Gemini Decision 1 专门做决策类问答，1000 个并发问题 150-250ms 就答完，跑分还赢了 Jev 1.14。做分类判断或规则路由的开发者可以对比下 OpenAI Decision API 再选。
Chinese content谷歌 DeepMind 发布 AlphaGenome 2：深入单细胞层面预测基因变异影响
DeepMind 把基因组预测从组织级别推进到了单细胞级别，致病变异识别率从 16% 提到 30%，还首次支持 DNA 甲基化预测。做遗传学、药物研究的科研人员可以直接用 API 免费跑，不用自己微调模型就能分析新细胞类型。
IT之家Source
Gemini Decision 1 Joins Jev and OpenAI Decision Models
Continuous probability scores instead of hard 1.0/0.0 answers let downstream systems threshold confidence on their own, which matters for media moderation and content-routing pipelines. Engineering teams building video or audio classifiers should benchmark Gemini Decision 1 against OpenAI's GPT-6 Luna, since the two cost the same but differ in modality reach. Budget-sensitive text-only workloads still favour Jev at 4.2 cents per million tokens.
Chinese contentMeta 发布 Intelligent Delivery：让广告排序系统的每一份算力用在刀刃上
Meta 工程博客这篇讲广告排序怎么动态分配算力，把每个请求该用多大模型、跑在哪种芯片都算清楚。做推荐系统和推理优化的工程师能直接抄思路，比单纯加卡省钱多了。
Nov 11
DeepMind releases AlphaGenome 2 DNA model with doubled variant detection
The move from tissue-level averages to single-cell-type resolution changes what genetics labs can do with variant interpretation: rare-disease teams can now pinpoint which specific cell type a variant disrupts rather than relying on broad tissue signals. Computational biologists and genomics researchers can start testing it immediately via the free AlphaGenome API for non-commercial work. Compared with prior variant-effect predictors, the conditional architecture and cross-modal imputation reduce the need to run every assay before planning follow-up experiments.
IT之家Source
Chinese contentGoogle DeepMind 发布 AlphaGenome 2，解析 DNA 变异如何影响细胞
Google DeepMind 又出手了，这次的 AlphaGenome 2 专攻 DNA 变异怎么影响细胞。做生物信息或药靶研究的同学可以直接看技术细节，搞基因组预测模型的也该拿它跟 Enformer 比一比。
Chinese contentRobbyant 推出 LingBot-Touch，用统一触觉语言教机器人“感知”
Robbyant 用近 5000 小时触觉数据训出的 LingBot-Touch，把各家传感器信号统一成一套表征，Meta 和国内传感器公司也在做同一件事但标准互不兼容。做具身智能、机器人感知的团队可以看看它怎么处理触觉数据碎片化的问题。
Chinese content百度发布 ERNIE 5.5 Flash Preview，承诺 11 月 25 日开放权重
百度把 ERNIE 5.5 Flash Preview 挂上了千帆 API，280B 总参数只激活 14B，还有 1M 上下文，权重说 11 月 25 日放出。想自己部署的开源模型玩家可以盯着这个日子看许可证，和 Qwen、DeepSeek 的 MoE 模型对比一下再决定。
Chinese contentMBZUAI 旗下 IFM 发布开源世界模型 PAN 2：29B 参数可模拟 20 秒动作结果
阿联酋 MBZUAI 的 IFM 实验室开源了 PAN 2，用 29B 扩散模型加 LLM 规划器，能预演最长 20 秒的物理动作结果。做机器人或具身智能的团队可以自己部署跑起来，不用从零搭仿真环境，Apache 2.0 许可商用也没障碍。
Sep 17
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
Aug 13
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
Aug 7
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
Aug 2
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead
Only the latest 2000 items are listed; for older ones see the daily archive