技术方向
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
11 条精选近 30 天 10 条共收录 163 条
腾讯混元Hy4正式发布，770B总参数、49B激活参数，首次引入原生视觉能力并支持电脑操作，指令遵循、长文理解和长程Agent能力同步升级。模型已在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、ima等产品上线，API接入OpenRouter、Hermes、OpenCode等平台，权重将于近期开源。
推荐理由：作者用3D键盘、游乐园、PPT重排等多个实测案例，展示Hy4在多模态理解与长程Agent任务中的自主执行与自检能力。
NVIDIA 在 Cosmos 世界模型开发平台上新增四个 Cosmos 3 开源权重检查点，均基于 Cosmos 3 Nano 后训练，拥有 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
推荐理由：四个开源权重检查点分别覆盖驾驶数据生成、流式仿真、模拟器渲染和双臂机器人动作预测，并附完整后训练配方。
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数、17B 激活的多模态 MoE，支持文本与图像输入，上下文窗口 1M。
推荐理由：材料汇总了 Inkling 2 Small 的架构、训练时长与多份第三方评测，可对照其与同尺寸模型的强弱项。
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，仅用消费级智能手表的光电容积脉搏波（PPG）与加速度计（ACC）数据被动检测高血压迹象，无需袖带校准。
推荐理由：读者可了解无需袖带校准的智能手表高血压筛查如何以 24 小时动态血压监测为金标准做验证。
InfoQ 通过 WorkBuddy 对腾讯 11 月 4 日发布的混元 Hy4 做了四类实测，覆盖游戏研发、视觉推理、商业策划和海报设计。塔防游戏测试中模型约 55 分钟完成三轮开发迭代，从工程搭建到重构、自动化测试和在线部署；双机器人调度测试中模型给出无碰撞时间表并证明 8 步为理论下界。作者也指出模型在单据核对中出现计数表述错误和无依据推断，商业方案中的行业数据与假设仍需人工核实。
推荐理由：通过塔防游戏、机器人调度、商业策划和海报设计四类实测，呈现 Hy4 在长程任务与视觉推理上的具体表现和短板。
Mistral 在 Hugging Face 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本。
推荐理由：原文给出 1T 总参数、49B 激活的 MoE 多模态模型在网络安全与编码基准上的具体分数，并附本地与云端部署路径。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，六个 2B 级模型（文本、视觉、音频、全模态、两个决策模型）全部从 LFM3-1.7B-Base 分支而来，并已在 Hugging Face 开源权重。
推荐理由：Liquid AI 用一套 2B 级共享骨干覆盖文本、视觉、音频和决策模型，读者可据此比较端侧多模态路线的取舍。
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。Genie 4 支持用自然语言实时修改天气、镜头和场景元素，能模拟空气动力学、碰撞等物理场景，并生成环境音与实时对话。
推荐理由：官方披露 Genie 4 的原生音频、实时文本操控与 Gemini 引导机制，可了解世界模型当前的能力边界。
Google Research 在 IDWeek 2026 上分享了把健康 AI 研究推向结核病筛查一线的路径，从胸部 X 光算法验证到与 Nexus AI 合作取得 CE MDR class IIb 认证，再到开源 MedSigLIP 与 MedGemma。
推荐理由：Google Research 梳理了结核病筛查从基准论文到 CE 认证工具、再到开放基础模型的完整落地路径。
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini 平台的 API 向开发者与企业开放，Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型的能力边界。
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 ML4 的参数量、多模态与编码基准，并说明权重月底开放，可据此判断开源模型的能力边界。