跳到正文

模型发布

新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

59条精选相关主题产品更新论文研究开源生态

最新精选

第 41–59 条 · 共 59 条
4月9日周四
  1. Hugging Face Blog62

    Overworld 发布 Waypoint-1.5 实时视频世界模型

    Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广消费级硬件的 360p 版本。

    推荐理由：Waypoint-1.5 把实时交互世界模型下放到消费级 GPU，读者可据此判断本地生成式世界的硬件门槛。

4月3日周五
  1. Google DeepMind85

    Google DeepMind 发布 Gemma 4 开源模型家族

    Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。

    推荐理由：Gemma 4 以四个尺寸覆盖从手机到工作站的部署场景，并给出 Apache 2.0 许可与首日工具链支持，便于开发者判断本地部署与微调的可行路径。

4月2日周四
4月1日周三
  1. Hugging Face Blog62

    TII 发布 Falcon Perception 与 Falcon OCR 模型

    TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。

    推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单骨干架构在开放词汇感知上的取舍。

3月31日周二
  1. Hugging Face Blog62

    IBM 发布 Granite 4.0 3B Vision 企业文档多模态模型

    IBM 发布 Granite 4.0 3B Vision，一个面向企业文档理解的紧凑视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，支持表格抽取、图表理解和语义键值对抽取。

    推荐理由：原文给出模型在图表与表格抽取上的具体基准对比，读者可据此判断小参数 VLM 在企业文档场景的可用边界。

3月26日周四
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash Live，称其为目前质量最高的音频与语音模型，精度更高、延迟更低。该模型在 ComplexFuncBench Audio 上以 90.8% 领先上一代，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后得分为 36.1%。

    推荐理由：官方给出语音模型的基准分数与多产品接入路径，可据此判断语音智能体的可用性变化。

3月4日周三
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash-Lite

    Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 向开发者开放预览。

    推荐理由：官方给出定价、速度与基准数据，读者可据此判断高并发场景下是否值得替换 2.5 Flash。

2月27日周五
2月20日周五
  1. Google DeepMind80

    Google DeepMind 发布 Gemini 3.1 Pro

    Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证得分，超过 3 Pro 推理性能的两倍。

    推荐理由：官方给出 ARC-AGI-2 得分与多产品线开放入口，可据此判断新模型在复杂推理任务上的位置。

2月13日周五
1月16日周五
  1. Google DeepMind62

    Google DeepMind 发布 D4RT：统一 4D 场景重建与追踪模型

    Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用单一编码器-解码器 Transformer 统一动态场景重建与追踪，通过查询机制回答某个像素在任意时间、任意相机视角下位于 3D 空间的何处。

    推荐理由：官方给出 D4RT 的统一查询式架构与 18x 至 300x 提速数据，可据此判断 4D 重建在机器人与 AR 端侧落地的可行性。

12月17日周三
  1. Google DeepMind84

    Google DeepMind 发布 Gemini 3 Flash

    Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼顾，在 GPQA Diamond 得分 90.4%、Humanity's Last Exam 无工具 33.7%、MMMU Pro 81.2%、SWE-bench Verified 78%，定价为输入 $0.50/1M tokens、输出 $3/1M tokens。

    推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断速度与成本之间的取舍。

12月13日周六
11月20日周四
  1. Google DeepMind80

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 构建的图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 以付费预览形式面向开发者推出。

    推荐理由：官方给出新图像模型的分辨率、文本渲染与搜索接地等能力细节，便于开发者判断是否替换现有图像生成方案。

11月19日周三
  1. Google DeepMind87

    Google DeepMind 发布 Gemini 3 Pro，并推出智能体开发平台 Google Antigravity

    Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在各项主流 AI 基准上超过此前版本，编码能力也强于 2.5 Pro，兼顾智能体工作流与复杂零样本任务。

    推荐理由：官方给出 Gemini 3 Pro 的基准成绩、API 定价与配套开发平台，读者可据此判断它在智能体编码与多模态场景的落地位置。

  2. Google DeepMind92

    Google DeepMind 发布 Gemini 3，Pro 版预览上线并推出 Deep Think 模式

    Google DeepMind 发布 Gemini 3，称其为自家最智能的模型，率先以 Gemini 3 Pro 预览版上线，并同步接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。

    推荐理由：官方给出 Gemini 3 Pro 在推理、多模态与编码基准上的具体分数，并同步公布接入搜索、开发平台与 API 的节奏。

11月17日周一