跳到正文
#多模态
  1. 掘金 · 人工智能80

    OpenAI Decisions API 正式开放：面向有界决策，不收输出费

    OpenAI 于 10 月 22 日正式开放 Decisions API，面向答案范围有限的判断、选择与评分任务，定价 $0.10/百万输入 tokens，不收输出费。

    推荐理由：文中对比了决策端点与微调小模型的准确率、延迟及概率校准表现，为高频分类任务提供了比单看价格更具体的选型依据。

  2. Hugging Face Blog66

    OlmoEarth v1.3 发布，开放全球卫星嵌入与浏览器地图分析工具

    OlmoEarth 发布卫星嵌入模型 v1.3，同时开放 10m 分辨率的全球年度嵌入和浏览器分析工具 OlmoEarth Embeddings Explorer。

    推荐理由：预计算嵌入与浏览器分类工具把部分遥感任务从逐项微调转为轻量建模，为缺少 GPU 的团队提供了低成本试验路径。

  1. NVIDIA Blog69

    NVIDIA 扩展开放模型阵容，支持欧洲跨行业主权 AI 建设

    NVIDIA 扩展面向语言、机器人、生物学和量子计算的开放模型阵容，支持组织使用本地数据定制，并部署在自行控制的基础设施上。

    推荐理由：这些开放模型允许组织结合本地数据定制，并在自主管理的基础设施上部署，为理解欧洲主权 AI 的行业落地路径提供具体背景。

  2. Google Research66

    Google Research 研究以 AI 辅助超声评估孕周，准确性不劣于专家标准方法

    Google Research 的前瞻性多中心研究显示，AI 可从新手操作员采集的超声盲扫影像估算孕周，准确性不劣于专家标准方法。研究发表于 JAMA Network Open，在孕期为 16 至 36 周的 385 名参与者中，AI 的平均绝对误差为 4.18 天，专家标准方法为 4.48 天。

    推荐理由：研究以未参与微调的肯尼亚临床数据检验跨场景泛化，为评估医疗 AI 能否迁移到不同设备与资源条件提供了具体参照。

  1. Google DeepMind75

    Google DeepMind 推出面向机器人任务的 Gemini 4 Argon

    Google DeepMind 推出 Gemini 4 Argon，展示机器人控制、Real2Sim、物理理解和自我改进四类应用，在 ERQA 物理空间推理基准上取得 87%。

    推荐理由：从真实场景重建仿真、生成训练数据再回到实体机器人评估，文中案例提供了将物理推理接入机器人训练流程的具体路径。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Argon，面向复杂工程与科研任务

    Google DeepMind 发布 Gemini 4 Argon，面向编码、金融、法律、网络安全与科学等复杂任务，即日起在全球开放。

    推荐理由：从跨文件代码重构到推理性能优化，文中的工程案例展示了模型参与复杂软件维护的方式及其对交付周期的影响。

  3. Google AI Blog88

    Google 发布 Gemini 4 Argon，面向复杂编码、科研与专业任务

    Google 发布 Gemini 4 Argon，面向开发者、企业及消费者全球开放，主打复杂编码、金融、法律、网络安全和科研任务。Gemini API 提供 1M 输入输出统一 token 额度，首发定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 优惠 95%。

    推荐理由：统一输入输出额度与分层开放渠道交代了长任务的使用条件，配合明确的输入输出定价，便于评估接入成本。

  1. Google DeepMind73

    Google DeepMind 发布 EmbeddingGemma 2，支持端侧多模态嵌入

    Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，支持端侧离线检索与 RAG。模型基于 Gemma 4 架构，拥有 740 million 参数，采用 Apache 2.0 许可，支持 8K token 上下文，并可按需加载视觉和音频编码器、将输出向量从 768 维截断至 128 维。

    推荐理由：模块化编码器与可截断向量提供了端侧多模态检索的资源取舍依据，开发者可按输入类型和存储预算选择部署配置。

  1. Mistral AI77

    Mistral AI 发布 Mistral Large 4 公开预览，计划本月底开放权重

    Mistral AI 发布 Mistral Large 4（ML4）公开预览，即日起可通过 Mistral Studio 使用预览 API，计划本月底开放权重。

    推荐理由：当前 API 预览与月底开放权重的安排，提供了区分模型能力试用和自主部署的具体背景，尤其关联安全团队对运行控制权的需求。

  1. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon，先向受信任的网络防御人员开放

    Google DeepMind 宣布新模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御，正通过 Fairwind Program 向部分受信任的网络防御人员开放。

    推荐理由：输出上限扩展与代码迁移案例提供了观察长流程工程任务的具体切口，分阶段开放安排也明确了当前能力与普遍可用之间的边界。

  1. Microsoft Research62

    Microsoft Research 推出 Quine，连接生物学世界模型与实验研究流程

    Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与连接科学工具、文献和研究人员的交互框架结合。在与 Broad Institute 合作的胰腺癌研究中，团队用一个周末完成数千种化合物的预测筛选与候选排序，多项湿实验验证了高排名候选引导细胞状态转变的效果。

    推荐理由：胰腺癌实验案例展示了先用模型缩小化合物搜索范围、再用湿实验检验预测的研究路径，为计算与实验协作提供具体参照。

已经到底了