Google DeepMind 更新 Veo 3.1 Ingredients to Video，新增竖屏输出与 1080p/4K 升采样
Google DeepMind 更新 Veo 3.1 Ingredients to Video，即使提示词简短也能生成更生动、有对白和叙事的视频，并改善角色身份、背景与物体跨场景一致性。
推荐理由：官方披露 Veo 3.1 Ingredients to Video 的一致性、竖屏与 1080p/4K 升级及上线渠道，便于判断视频工作流怎么变。
全部AI 动态
全部动态
今日 4 条Google DeepMind精选AI 评分7171
Hugging Face Blog精选AI 评分6868 NVIDIA 发布 Cosmos Reason 2，面向物理 AI 的开源推理视觉语言模型
NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，提供 2B 和 8B 两种参数规模，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：Cosmos Reason 2 给出 2B/8B 开源权重的具体升级项与评测数据，可据此判断物理 AI 推理模型的当前水位。
Hugging Face BlogAI 评分4242 Falcon-H1-Arabic 发布：混合 Mamba-Transformer 架构的阿拉伯语模型系列
阿联酋 TII 发布 Falcon-H1-Arabic 阿拉伯语模型系列，含 3B、7B、34B 三个参数规模，基于 Falcon-H1 混合架构，在每个 block 内并行运行 Mamba 状态空间模型与 Transformer 注意力。
Hugging Face BlogAI 评分4242 Hugging Face 发布 AprielGuard：面向现代 LLM 系统的安全与对抗鲁棒性护栏模型
Hugging Face 推出 AprielGuard，一个 8B 参数的安全护栏模型，可检测 16 类安全风险与提示注入、越狱、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用和推理链等智能体工作流场景。该模型支持推理与非推理两种模式，兼顾可解释分类与生产环境的低延迟需求。
Hugging Face BlogAI 评分3939 NVIDIA 开源 Nemotron 3 Nano 30B A3B 完整评测配方，基于 NeMo Evaluator
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开用 NeMo Evaluator 库生成的完整评测配方，任何人都能复跑评测流程、检查产物并独立分析结果。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Flash 模型
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度，在 GPQA Diamond 上得分 90.4%、Humanity's Last Exam 无工具得分 33.7%、MMMU Pro 上得分 81.2%、SWE-bench Verified 上得分 78%。
推荐理由：Gemini 3 Flash 以 Pro 级推理配合 Flash 级延迟和价格，提供了速度与智能取舍的实测基准。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemma Scope 2，为 Gemma 3 全尺寸模型提供开源可解释性工具
Google DeepMind 发布 Gemma Scope 2，一套覆盖 Gemma 3 全部模型尺寸（270M 至 27B 参数）的开源可解释性工具套件。该套件结合稀疏自编码器（SAE）与 transcoder，并新增 skip-transcoder、Cross-layer transcoder 和面向聊天版本的分析工具，可研究越狱、拒绝机制和链式推理忠实度等行为。
推荐理由：Gemma Scope 2 覆盖 Gemma 3 全尺寸并升级稀疏自编码器工具，可了解开源可解释性工具的规模与方法变化。
Google DeepMind精选AI 评分7373 Google DeepMind 更新 Gemini 2.5 Flash Native Audio
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在复杂工作流、指令跟随和自然对话三项能力上做了改进。
推荐理由：官方给出了新版原生音频模型的三项能力提升与实测评测分数，可用于判断实时语音智能体的当前水位。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3 Pro Image（Nano Banana Pro）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 的高保真图像生成与编辑模型，开始在 Google AI Studio 和 Vertex AI 上面向开发者付费预览。
推荐理由：DeepMind 官方给出 Gemini 3 Pro Image 的付费预览入口与分辨率、参考图数量等规格，可据此判断是否接入生产流程。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布新一代图像生成与编辑模型 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro，强调更强的推理与世界知识、图像内多语言文字的准确渲染，以及最高 14 张图像融合、最多 5 人一致性保持。
推荐理由：Google DeepMind 官方介绍 Nano Banana Pro 的能力边界与全平台上线节奏，便于判断图像生成工作流的变化。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Pro 并推出 Antigravity 平台
Google DeepMind 发布 Gemini 3 Pro，称其在各项主要 AI 基准上超过此前版本，并在编码上超过 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 的定价、基准成绩和配套工具入口，可据此判断它在编码与智能体工作流中的位置。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 3，含 Gemini 3 Pro 与 Deep Think 模式
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版并当天上线 Gemini 应用、AI Studio、Vertex AI 和新的智能体开发平台 Google Antigravity。
推荐理由：Gemini 3 Pro 与 Deep Think 的同期亮相，加上多项基准的提升，可供读者判断前沿模型的推理与智能体能力走到哪一步。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 WeatherNext 2 天气预报模型
Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时级，可在单个 TPU 上不到一分钟生成一次预测。
推荐理由：官方公开了生成式天气预报模型的速度、分辨率提升与多个落地入口，可据此判断这类模型进入实际产品的节奏。
Hugging Face BlogAI 评分5454 IBM 发布 Granite 4.0 Nano 系列端侧小模型
IBM 发布 Granite 4.0 Nano 系列，这是其迄今最小的模型，面向边缘和端侧应用，包含 Granite 4.0 H 1B（约 1.5B 参数）、Granite 4.0 H 350M 两个混合 SSM 架构稠密模型，以及传统 Transformer 版的 Granite 4.0 1B 和 350M。
Hugging Face BlogAI 评分2828 Writer 发布 Palmyra-mini 系列开源小模型，含两款推理版本
Writer 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础模型 palmyra-mini 与两款经 Chain of Thought 训练的推理变体 palmyra-mini-thinking-a、palmyra-mini-thinking-b。
Hugging Face Blog精选AI 评分6060 mmBERT 发布：ModernBERT 走向大规模多语言
Hugging Face Blog 介绍 mmBERT，一个在 1800 多种语言、3T+ tokens 文本上训练的大规模多语言编码器模型。它基于 ModernBERT 架构，采用 60→110→1833 语言的三阶段训练和从 30% 降到 5% 的动态掩码策略，首次在 XLM-R 基础上取得全面提升，推理吞吐量提升 2-4 倍并支持 8192 tokens。
推荐理由：mmBERT 把 ModernBERT 扩展到 1800 多种语言，并给出三阶段训练和低资源语言学习的可迁移方法。
Hugging Face Blog精选AI 评分6262 Google 发布 EmbeddingGemma 多语言嵌入模型
Google 发布 EmbeddingGemma，一个面向端侧场景的多语言嵌入模型，308M 参数、2K 上下文窗口，支持 100 多种语言。该模型基于 Gemma3 骨干并改为双向注意力，量化后内存占用低于 200 MB，作者称其在 500M 参数以下的纯文本多语言嵌入模型中 MTEB 排名最高。
推荐理由：读者可以据此了解 308M 参数多语言嵌入模型在 MTEB 上的位置以及端侧 RAG 的落地路径。
OpenAI News精选AI 评分8484 OpenAI 演示 GPT-5 在办公场景中的应用
OpenAI 发布 GPT-5 办公场景演示，展示该模型如何分析反馈、制定产品计划与原型，并总结后续步骤。
Hugging Face Blog精选AI 评分8282 OpenAI 发布开源权重模型系列 gpt-oss
OpenAI 发布开源权重模型系列 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为采用 MXFP4 4-bit 量化的 MoE 模型，使用 Apache 2.0 许可。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源权重模型的参数、部署路径与生态适配情况，适合了解本地运行条件。
Hugging Face BlogAI 评分4040 Hugging Face 发布 Ettin Suite：同一配方训练的 SoTA 配对编码器与解码器
Hugging Face 推出 Ettin，首个用相同数据（2T tokens）、架构和训练配方训练的 SoTA 配对编码器与解码器模型套件，参数覆盖 17M-1B。
Hugging Face BlogAI 评分4848 Kimina-Prover：在大规模形式推理模型上应用测试时 RL 搜索
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 并用 Kimi k1.5 的 RL 流程训练，在 miniF2F 基准上以 TTRL 搜索框架达到 92.2% 的 SOTA 通过率。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 SmolLM3：3B 多语言长上下文推理模型
Hugging Face 发布 SmolLM3，一个 3B 全开源模型，训练于 11.2T tokens，支持英语、法语、西班牙语、德语、意大利语和葡萄牙语，上下文窗口达 128k。
推荐理由：Hugging Face 公开了 3B 模型的完整训练配方与数据配比，读者可了解小模型在长上下文和双模式推理上的工程路径。
Hugging Face BlogAI 评分4949 NVIDIA Llama Nemotron Nano VL 上架 Hugging Face：8B 文档处理 VLM
NVIDIA Llama Nemotron Nano VL 已上架 Hugging Face，这是一款 8B 视觉语言模型，面向智能文档处理与 OCR。
Hugging Face Blog精选AI 评分7373 Gemma 3n 正式上线开源生态，E2B 仅需 2GB GPU 显存
Gemma 3n 正式在 transformers、timm、MLX、llama.cpp、Transformers.js、Ollama、Google AI Edge 等主流开源库上线，共发布 gemma-3n-E2B 与 gemma-3n-E4B 两种尺寸，各有 base 和 instruct 变体。
推荐理由：原文给出 Gemma 3n 的端侧内存占用、多模态编码器与各开源库集成方式，可据此判断本地部署门槛。
Hugging Face Blog精选AI 评分6262 H Company 发布 GUI 自动化 VLM 系列 Holo1 与 WebClick 基准
H Company 发布 Holo1 系列 Action VLM，包括 Holo1-3B 和 Holo1-7B，基于 Qwen2.5-VL 架构并兼容 transformers，同时在 Hugging Face 开源包含 1,639 个类人 UI 任务的 WebClick 多模态定位基准。
推荐理由：Holo1 开源了 3B 和 7B 两档 GUI 定位模型，并给出真实网页任务的成本与准确率数据，便于判断小模型的落地边界。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 SmolVLA：450M 开源视觉语言动作模型，基于 LeRobot 社区数据训练
Hugging Face 发布 SmolVLA，一个 450M 参数、可在消费级硬件运行的开源视觉语言动作（VLA）模型，仅用 lerobot 标签下社区共享的开源数据集预训练，包含 487 个数据集约 1000 万帧。
推荐理由：450M 参数的开源 VLA 只用社区数据就超过更大模型，并给出可复现的训练与部署路径。
Hugging Face Blog精选AI 评分6161 Falcon-H1 发布六款开源混合注意力 SSM 模型
Falcon-H1 系列发布 6 个开源模型，覆盖 0.5B、1.5B、1.5B-Deep、3B、7B 和 34B，均含 base 与 instruct 版本，采用 Apache 2.0 宽松许可。
推荐理由：Falcon-H1 以混合注意力与 SSM 架构在 6 个尺寸上对标同量级 Transformer，可据此判断端侧与长上下文场景的取舍。
Hugging Face BlogAI 评分4141 Falcon-Arabic 发布：7B 阿拉伯语语言模型刷新阿拉伯语 NLP 基准
阿联酋 TII 基于 Falcon 3 架构推出 7B 参数模型 Falcon-Arabic，支持阿拉伯语、英语等多语言。该模型支持 32,000 tokens 上下文，在 OALL v2 基准上超越同规模阿拉伯语 LLM，甚至优于体积大至 4 倍的模型，并覆盖 RAG 等长文档任务。
Hugging Face BlogAI 评分5252 Falcon-Edge 发布 1B 与 3B 三值语言模型，支持微调
Falcon-LLM 团队发布 Falcon-Edge 系列 1.58bit 语言模型，基于 BitNet 架构，提供 1B 和 3B 两种规模，各有 base 与指令微调版本，用约 1.5 Tera Tokens 内部数据预训练。
Hugging Face BlogAI 评分5757 Meta 发布 Llama Guard 4 与 Llama Prompt Guard 2 安全模型
Meta 发布 Llama Guard 4 和两个 Llama Prompt Guard 2 安全模型。
Hugging Face BlogAI 评分3535 Visual Salamandra 发布：将 Salamandra 7B 扩展至图像与视频多模态理解
语言技术实验室发布 Visual Salamandra，把 70 亿参数的 Salamandra 大语言模型扩展至图像和视频多模态任务，并以 SigLIP-So400m 编码器、2 层 MLP 投影器与 late-fusion 架构实现视觉-语言对齐。
Hugging Face Blog精选AI 评分8787 Llama 4 Maverick 与 Scout 上线 Hugging Face，两款 MoE 多模态模型开放权重
Meta 发布 Llama 4 Maverick（约 400B 总参数、17B 激活）和 Llama 4 Scout（约 109B 总参数、17B 激活）两款原生多模态 MoE 模型，权重已上线 Hugging Face 的 meta-llama 组织，含 base 与 instruct 版本，需先接受 Llama 4 社区许可协议。
推荐理由：Meta 同日发布 Llama 4 Maverick 与 Scout 两款 MoE 多模态模型，并给出架构细节与 Hugging Face 侧集成方式。
Hugging Face Blog精选AI 评分7171 Open R1 更新：DeepSeek-V3 0324 上线 Hugging Face
DeepSeek-V3 的更新版 DeepSeek-V3-0324 本周出现在 Hugging Face Hub 上，架构与原始 V3 相同，许可证由自定义模型许可改为 MIT。
推荐理由：梳理了 DeepSeek-V3 更新版在数学与代码基准上的提升幅度，并给出本地部署与量化方案。
Hugging Face Blog精选AI 评分7676 NVIDIA 在 GTC 2025 发布 Cosmos Transfer、Physical AI Dataset 与 Isaac GR00T N1
NVIDIA 在 GTC 2025 上发布三款面向物理 AI 开发者的开源资源：70 亿参数的 Cosmos Transfer 世界基础模型、15TB 的 Physical AI Dataset，以及首个通用人形机器人开源基础模型 NVIDIA Isaac GR00T N1。
推荐理由：三款开源发布给出参数规模、数据量和模型结构，读者可据此判断物理 AI 开发的基础资源变化。
Hugging Face Blog精选AI 评分8181 Google 发布 Gemma 3：多模态、多语言、长上下文开源模型
Google 发布 Gemma 3 开源权重模型家族，提供 1B、4B、12B、27B 四种规格及预训练与指令微调版本。4B、12B、27B 支持图像与文本输入、140 多种语言和 128k token 上下文，1B 版本仅支持英文文本和 32k 上下文。
推荐理由：Google 开源 Gemma 3 覆盖 1B 到 27B 四种规格，可据此判断小参数模型在多模态与长上下文上的实际边界。
Hugging Face Blog精选AI 评分6767 Cohere For AI 发布 Aya Vision 多语言多模态模型 8B 与 32B
Cohere For AI 发布 Aya Vision 系列开源多语言多模态模型，含 8B 和 32B 两个尺寸，覆盖 23 种语言。Aya Vision 32B 在 AyaVisionBench 上以 50% 至 64% 的胜率超过 Llama-3.2 90B Vision、Molmo 72B 和 Qwen2.5-VL 72B 等参数量两倍于它的模型。
推荐理由：原文给出 8B/32B 两个尺寸的开源权重与训练配方，可据此比较小参数多模态模型在多语言任务上的位置。
Hugging Face BlogAI 评分4747 Google 发布 SigLIP 2：更强的多语言视觉语言编码器
Google 发布多语言视觉语言编码器家族 SigLIP 2，在 SigLIP 的 sigmoid loss 基础上加入提升语义理解、定位与稠密特征的新训练目标，在零样本分类、图文检索以及为 VLM 提取视觉表征的迁移性能上全面超越同规模 SigLIP。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 SmolVLM2：256M 到 2.2B 的视频理解模型
Hugging Face 发布 SmolVLM2 系列视频理解模型，包含 2.2B、500M 和 256M 三种参数规模，并同步支持 Transformers 与 MLX。
推荐理由：Hugging Face 发布三档小参数视频理解模型，并给出 iPhone、VLC 等端侧落地方式，可对照其内存与性能取舍。
Hugging Face BlogAI 评分4141 Google 发布 PaliGemma 2 Mix 指令视觉语言模型
Google 发布 PaliGemma 2 Mix，这是基于 SigLIP 和 Gemma 2、在 OCR、长短图像描述等混合视觉语言任务上微调的指令视觉语言模型。模型提供 3B、10B、28B 三种规模，224、448、896 三种分辨率，可通过 HF Transformers 和 JAX 使用，并附有演示。
Hugging Face BlogAI 评分5151 Hugging Face 将 π0 与 π0-FAST 视觉-语言-动作模型移植到 LeRobot
Hugging Face 已将 Physical Intelligence 开发的两个机器人基础模型 π0 与 π0-FAST 移植到 LeRobot 仓库，可在其生态中使用。