AI 资讯

AI 每天都在变,
这里一页看完

全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。

更新于 11月19日 13:37 · 每小时自动更新

2月2日 周一1 条

ElevenLabs:Blog模型AI 评分65

Eleven v3 语音模型正式全量开放,符号与数字朗读错误率下降 68%

ElevenLabs 宣布其最先进的 Text to Speech 模型 Eleven v3 结束 Alpha 阶段,正式面向所有平台开放。新版本在测试中 72% 的场景被用户认为比 Alpha 更稳定;针对数字、符号和专业记号的处理,内部基准覆盖 8 种语言 27 个类别,错误率从 15.3% 降至 4.9%,整体减少 68%,改进集中在体育比分、货币、化学式等依赖上下文判断符号含义的场景。

推荐理由:原文给出具体的错误率下降数字和示例对比,读者可以据此评估 Eleven v3 正式版在数字和符号朗读上的实际改进。

2月1日 周日1 条

OpenMOSS / 复旦NLP / 上海创智 / MOSI模型AI 评分62

MOVA 发布:32B MoE 端到端同步视频-音频生成模型全栈开源

OpenMOSS 团队发布 MOVA 音视频基础模型,总参数 32B MoE、激活 18B,支持文本或图像到音视频的端到端同步生成,最高 720p、单段 8 秒。模型采用非对称双塔架构(14B Wan 2.2 I2V 视频塔与 1.3B 音频塔)加双向 Bridge 和 Aligned ROPE 对齐时间轴,并开放模型权重、训练与推理代码及微调方案。

推荐理由:原文给出架构、训练策略和开源范围,读者可以了解端到端音视频生成如何处理同步问题并可复现研究。

1月27日 周二1 条

公众号:月之暗面模型AI 评分61

Kimi 发布并开源 K2.5 模型,带来全新视觉理解、代码和 Agent 集群能力

Kimi 发布并开源迄今最智能、最全能的 K2.5 模型,原生多模态架构支持视觉与文本输入、思考与非思考模式,在 Agent、代码、图像、视频及通用智能任务上取得开源 state-of-the-art 表现。

推荐理由:Kimi K2.5把视觉理解和Agent集群能力打包开源,国内模型里比较早做这个组合的,虽然参数规模争议不小,但对想搭多模态Agent的团队是个可用的起点。

1月20日 周二1 条

Liquid AI 模型与工程博客模型AI 评分66

Liquid AI 发布 LFM2.5-1.2B-Thinking,1.2B 参数端侧推理模型内存低于 1GB

Liquid AI 发布可在手机上完全离线运行的推理模型 LFM2.5-1.2B-Thinking,内存占用约 900 MB,已上线 Hugging Face、LEAP 和 Playground。

推荐理由:官方公布了小参数量思考模型的端侧内存、速度数据和训练配方,读者可以据此评估边缘推理方案的选型。

1月16日 周五1 条

Baichuan AI@BaichuanAI模型AI 评分67

百川智能开源医疗大模型Baichuan-M3

我们已正式开源新一代医疗大语言模型 Baichuan-M3,其在 HealthBench 上获得 65.1 分,并在 HealthBench Hard 上以 44.4 分夺冠。该模型在医疗领域全面超越 GPT-5.2。

推荐理由:医疗大模型在 HealthBench 上超越 GPT-5.2 是个真料,开源后医疗开发者可以直接调优,但别急着相信所有宣传数字,等实测再下结论。

1月5日 周一1 条

Liquid AI 模型与工程博客模型AI 评分63

Liquid AI 发布 LFM2.5 端侧模型家族,预训练扩展至 28T tokens

Liquid AI 发布 LFM2.5-1.2B 模型家族,将预训练从 10T 扩展到 28T tokens 并加入强化学习后训练,覆盖 Base、Instruct、日语、视觉语言和音频语言五个变体。

推荐理由:官方发布给出了完整基准数据和推理速度对比,读者可以据此评估 1B 级端侧模型在指令遵循和部署上的实际水位。

12月18日 周四1 条

OpenAI:官网动态模型AI 评分60

OpenAI 发布 GPT-5.2-Codex 编码模型

OpenAI 发布 GPT-5.2-Codex,称其为旗下最先进的编码模型。模型主打长程推理、大规模代码改造能力,并增强了网络安全相关能力。

推荐理由:官方一句话公告点出长程推理、大规模代码改造和安全能力三个方向,可作为了解该模型定位的入口。

12月17日 周三1 条

Mistral AI:News模型AI 评分63

Mistral 发布 Mistral OCR 3,整体胜率达 74%,定价 $2/1000 页

Mistral 发布 Mistral OCR 3,对比 Mistral OCR 2 在表单、扫描件、复杂表格和手写内容上取得 74% 的整体胜率。

推荐理由:官方完整披露了 OCR 3 相对上一代的提升点、定价和接入方式,可帮助需要文档解析的用户评估是否迁移。

12月15日 周一1 条

通义 QwenAudio:原创语音项目模型AI 评分60

通义实验室开源 Fun-ASR 系列语音识别模型,含方言与 31 语言版本

通义实验室发布 Fun-ASR 端到端语音识别模型系列并开源。Fun-ASR-Nano-2512 参数量 800M,基于数千万小时语音训练,支持中英日三语、7 种汉语方言和 26 种地方口音;Fun-ASR-MLT-Nano-2512 同为 800M,基于数十万小时训练,支持 31 种语言。

推荐理由:原文给出两个识别模型的训练规模、语言覆盖和开源基准对比,还附部署与推理路径,读者可据此评估在中文和方言场景的可用性。

12月13日 周六1 条

Google DeepMind:Blog模型AI 评分68

Google DeepMind 发布更新版 Gemini 2.5 Flash Native Audio 语音模型

Google DeepMind 发布更新的 Gemini 2.5 Flash Native Audio 模型,用于实时语音智能体,在 ComplexFuncBench Audio 上取得 71.5%,开发者指令遵循率从 84% 提升到 90%,已在 Google AI Studio、Vertex AI 上线,并开始在 Gemini Live 和 Search Live 推出。

推荐理由:原文给出具体评测分数和功能细节,读者可以据此评估新模型在语音智能体和翻译场景的可用性。

12月11日 周四2 条

OpenAI:官网动态模型AI 评分73

OpenAI 发布 GPT-5.2,主打科学与数学能力

OpenAI 发布 GPT-5.2,称其是迄今在数学与科学上最强的模型,在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。原文还展示这些能力如何转化为实际研究进展,包括解决一个开放理论问题和生成可靠的数学证明。

推荐理由:原文给出了GPT-5.2在GPQA Diamond和FrontierMath上的新成绩及研究落地示例,读者可据此评估其在科研场景的可用性。

OpenAI:官网动态模型AI 评分74

OpenAI 发布 GPT-5.2 前沿模型

OpenAI 发布 GPT-5.2,称其为面向日常专业工作的最先进前沿模型,具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用,以支持更快、更可靠的智能体工作流。

推荐理由:官方发布说明明确了模型定位与可用入口,读者可据此判断在 ChatGPT 和 API 中的使用方式。

12月9日 周二1 条

12月2日 周二1 条

Mistral AI:News模型AI 评分82

Mistral 发布 Mistral 3 系列:Mistral Large 3 与 Ministral 3 全线开源

Mistral 发布 Mistral 3 模型系列,包含 41B 激活、675B 总参数的稀疏 MoE 模型 Mistral Large 3,以及 3B、8B、14B 三种规模的 Ministral 3 小模型,全部以 Apache 2.0 许可开源。

推荐理由:原文来自 Mistral 官方发布,给出了模型规格、开源许可、性能定位和部署路径,读者可据此评估不同规模的选用方案。

12月1日 周一3 条

公众号:DeepSeek模型AI 评分84

DeepSeek V3.2 正式版发布:强化 Agent 能力,融入思考推理

DeepSeek 发布正式版 DeepSeek-V3.2 和长思考增强版 V3.2-Speciale,网页端、App 和 API 均已更新。

推荐理由:V3.2将思考融入工具调用,在Agent评测中达到开源最高水平,泛化性提升可能改变复杂工具调用应用的模型选型。

公众号:DeepSeek模型AI 评分66

DeepSeek V3.2 正式版:强化 Agent 能力,融入思考推理

DeepSeek 发布正式版 V3.2 与长思考增强版 V3.2-Speciale。V3.2 在推理 Benchmark 中达到 GPT-5 水平,并成为首个支持思考与非思考模式工具调用的模型。

推荐理由:半年前的这版更新,把 Agent 和思考推理揉进了开源模型,回头看算是 DeepSeek 在智能体能力上的关键一刀,做 Agent 开发的至今绕不开它。

DeepSeek:API 更新日志模型AI 评分85

DeepSeek-V3.2 及 DeepSeek-V3.2-Speciale 发布

DeepSeek 将 deepseek-chat 和 deepseek-reasoner 均升级为 DeepSeek-V3.2,分别对应非思考模式与思考模式。同时非正式部署 DeepSeek-V3.2-Speciale 的 API 服务,价格不变,仅支持思考模式对话,不支持工具调用,最大输出长度默认 128K,服务截止至北京时间 2025-12-15 23:59。

推荐理由:我觉得DeepSeek V3.2的亮点不是参数,而是思考模式正式接入主力API,意味着推理能力常态化,Speciale那个128K输出更像压力测试,做长文档的可以抓住窗口期探上限。

11月26日 周三1 条

Prime Intellect模型AI 评分69

Prime Intellect 发布 INTELLECT-3:106B 参数 MoE 模型,大规模 RL 训练并全栈开源

Prime Intellect 发布 INTELLECT-3,一个 106B 参数的 MoE 模型,在 GLM-4.5-Air 基座上经 SFT 和大规模 RL 训练,在数学、代码、科学和推理基准上达到同规模最先进水平。

推荐理由:原文给出了完整的模型权重、训练框架与 RL 环境开源清单,读者可以据此复现大规模强化学习后训练。

11月24日 周一1 条

Claude Platform:开发者版本说明模型AI 评分75

Claude Opus 4.5 发布:最强模型登场,支持编程工具调用与 effort 参数

Anthropic 发布 Claude Opus 4.5,定位为最智能模型,在视觉、编程和计算机使用能力上实现阶跃式改进,价格低于前代 Opus 模型。

推荐理由:Opus 系列首次把价格降到「实用」区间,同时编码和视觉有阶跃提升,这对做软件工程和 Agent 的开发者是实打实的利好,配套的工具调用更新也补上了多步骤工作流的效率短板。

11月20日 周四1 条

Google DeepMind:Blog模型AI 评分80

Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image)图像生成与编辑模型

Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式推出。

推荐理由:原文给出模型的核心能力细节、可用分辨率与接入方式,开发者可据此判断是否适合替换现有图像生成工作流。

加载更多

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。