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。
7 条精选近 30 天 7 条共收录 9 条
月之暗面发布 Kimi K3.1 Pro，这是一个 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线官网、App、Kimi Work、Kimi Code 和 API，权重承诺于 2026 年 11 月 4 日开放。
推荐理由：材料把厂商宣称、独立评测与成本口径分开呈现，读者可据此判断开源权重前沿模型的真实位置。
Google Research 在 IDWeek 2026 上介绍了把健康 AI 研究推向结核病筛查一线的进展，包括与 Nexus AI 合作将胸部 X 光算法转化为通过 CE MDR class IIb 认证的临床诊断工具。
推荐理由：Google 梳理了结核病筛查从论文基准到 CE 认证工具、再到开源基础模型的完整落地路径，可供参考医疗 AI 转化经验。
Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕零本地优化为 4.27 天。
推荐理由：研究在芝加哥和内罗毕两地前瞻验证同一模型，读者可据此判断盲扫超声 AI 跨硬件、跨人群的泛化程度。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 的得分与四类机器人工作流示例，可据此判断物理推理模型在机器人栈中的用法。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
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数字，可据此判断前沿模型在长程任务中的实际边界。
Google DeepMind 发布 EmbeddingGemma 2，将文本、图像、音频和视频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 7.4 亿。
推荐理由：原文给出了参数量、模块化拆分和端侧内存占用，读者可据此判断多模态嵌入在本地检索中的可行性。
Mistral 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 1 万亿参数、520 亿激活的规格与多项基准，并说明权重月底开放，可据此判断开源权重模型的当前水位。