Google DeepMind 与新加坡政府发布端侧 AI 反诈骗工具
Google DeepMind 与新加坡 GovTech 合作推出端侧诈骗检测模型，在本地分析对话以保护用户隐私。该模型基于轻量级 Gemma 微调，采用两阶段流水线在典型智能手机上实时识别操纵意图并发出警告。其训练在 GovTech 的 GCP 隔离环境完成，未使用任何公民私人数据。
#模型发布
#模型发布
今日 0 条Google DeepMindAI 评分4949 Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini 4 Argon，称其专为解决最困难问题打造
Google DeepMind 发布 Gemini 4 Argon，官方称该模型专为解决最困难的问题而打造。
字节跳动技术团队精选AI 评分6666 像改文字一样改语音：火山引擎全新语音内容编辑模型
火山引擎多媒体实验室推出全新语音内容编辑模型，用户输入原始音频并用一句自然语言说明要改什么，模型即可直接改写声音中说出的内容，同时尽量保留原说话人的音色、韵律和上下文衔接。
推荐理由：原文将语音编辑从修音质推进到改内容，并对照 Descript 与 Meta Voicebox 说明该模型补上了内容可编辑这一环。
AWS Machine Learning Blog精选AI 评分6868 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上可用。
推荐理由：原文给出 Haiku 5.5 与 Opus 5.5 的分工方式，读者可据此规划低成本的智能体调用组合。
OpenAI News精选AI 评分9696 GPT-6 与 Intelligent UI 在 ChatGPT 全球开放
GPT-6 现已在 ChatGPT 全球开放，并同步上线 Intelligent UI。新版本响应更快，结果以可视化和可交互形式呈现，用户可直接在界面中探索与使用。详见 https://openai.com/index/gpt-6-for-everyone
推荐理由：GPT-6 在 ChatGPT 全球开放并同步提供 Intelligent UI，响应更快且支持可视化与可交互形式，读者可据此评估对现有使用流程的影响。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 EmbeddingGemma 2：开源轻量级多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一款开源轻量级的多模态嵌入模型，可将文本、图像、音频与视频统一映射到单一嵌入空间。模型基于 Gemma 4 架构，参数量 740M，采用 Apache 2.0 许可，专为端侧推理优化，支持 8K token 上下文窗口。
推荐理由：原文给出了多模态嵌入与端侧资源占用的具体指标，读者可据此评估离线 RAG 管线的可行性。
AWS Machine Learning Blog精选AI 评分6767 智谱 GLM 5.3 现已在 Amazon Bedrock 上可用
智谱（Z.ai）的 753B 参数混合专家模型 GLM 5.3 现已上线 Amazon Bedrock，面向编码与长程智能体任务优化，官方称发布时在 CyberGym 基准上取得 84.5 分、内部编码基准较 GLM 5.2 提升 50%。
推荐理由：原文给出了从 API 调用到显式提示词缓存再到 Strix 安全测试的完整上手路径，可直接复用到自己的编码与智能体工作流。
Kimi · 官方博客精选AI 评分7878 Kimi 发布开源模型 K2.5，强化视觉编码与多智能体并行执行能力
Kimi 发布开源模型 Kimi K2.5，在 K2 基础上继续预训练约 15T 视觉与文本混合 token，主打编码、视觉与自主导航的 Agent Swarm。K2.5 可自动编排最多 100 个子智能体、执行最多 1,500 次工具调用的并行工作流，相比单智能体设置最多缩短 4.5 倍执行时间。模型已通过 Kimi.com、Kimi App、API 与 Kimi Code 开放使用。
推荐理由：原文给出了 K2.5 的多模态预训练规模与 Agent Swarm 并行调度机制，读者可据此判断其在复杂任务上的执行效率优势。
Kimi · 官方博客精选AI 评分8383 月之暗面开源发布 Kimi K2.6，主打长程编码与智能体集群能力
月之暗面（Kimi）正式开源最新模型 Kimi K2.6，并同步上线 Kimi.com、Kimi App、API 与 Kimi Code。模型在内部 Kimi Code Bench 上显著优于 K2.5，Agent Swarm 可横向扩展到 300 个子智能体、4,000 个协同步骤，而 K2.5 为 100 个子智能体与 1,500 步。
推荐理由：官方给出 Kimi K2.6 的开源范围、基准数据与企业试用反馈，可据此对比它与 K2.5 及闭源模型在长程编码和智能体编排上的差距。
Kimi · 官方博客精选AI 评分8585 月之暗面发布 Kimi K3，首个开源 3T 级模型
月之暗面发布 Kimi K3，2.8T 参数开源模型，具备原生视觉能力与 100 万 token 上下文窗口，官方称其为全球首个开源 3T 级模型。
推荐理由：原文给出 2.8T 参数、KDA 与 Attention Residuals 架构及多项基准对比，读者可据此判断其在开源模型中的位置。
Kimi · 官方博客精选AI 评分8181 月之暗面开源 Kimi K2：1T 参数 MoE 模型，强化智能体编码
月之暗面（Kimi）开源 Kimi K2，这是总参数 1T、激活参数 32B 的 Mixture-of-Experts 模型，在前沿知识、数学和编码任务上达到非思考型模型的 SOTA。
推荐理由：官方给出 Kimi K2 的参数规模、开源版本与调用入口，读者可据此判断它能否替代现有编码智能体方案。
通义千问 · 官方博客精选AI 评分6666 Qwen3Guard 发布：支持实时逐词安全检测的护栏模型
通义千问发布 Qwen3Guard 护栏模型，基于 Qwen3 架构针对安全分类任务微调，提供 Qwen3Guard-Gen 与 Qwen3Guard-Stream 两个版本，均有 0.6B、4B、8B 三种参数规模。
推荐理由：官方给出逐词流式检测的实现路径与三级风险标签设计，读者可据此评估将其接入现有安全审核流程的可行性。
MiniMax · 官方新闻AI 评分6262 MiniMax Music 3.0 发布：一次生成最长 5 分钟完整歌曲
MiniMax 正式推出新一代音乐生成模型 Music 3.0，只需一个创意想法和可选歌词，即可在一次生成中完成作曲、编曲、演唱与制作，输出最长 5 分钟的完整歌曲。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
NVIDIA Blog精选AI 评分6868 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 现已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行于 NVIDIA Blackwell GPU，token 生成速度最高比 Astra Standard 模式快 8 倍。
推荐理由：原文给出 Ultrafast 相对 Astra Standard 最高 8 倍的提速幅度与编码工作流影响，读者可据此判断是否切换到该模式。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，该模型在编码、计算机使用和专业工作方面提供接近 Astra 的智能水平，其 API 输入与输出 token 价格为 Astra 标准价格的五分之一。
推荐理由：原文给出 GPT-6.1 Sol 在编码等场景接近 Astra 的智能水平，API 价格仅为其五分之一，读者可据此评估成本与能力的平衡。
腾讯云 · 公告AI 评分4646 腾讯云 MiMo-V2.5-Pro 模型将于 2026 年 10 月 20 日下线并切换升级至 MiMo-V2.6-Pro
腾讯云大模型服务平台 TokenHub 与云开发 CloudBase 的 MiMo-V2.5-Pro 模型将于北京时间 2026 年 10 月 20 日 23:59:59 正式下线，届时不再提供接入服务。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型。前者侧重深度创意指导，支持自然语言生成定制声音、30秒语音复刻与逐句表演控制；后者面向高并发、低成本的规模化应用。
推荐理由：原文清晰对比了两款新 TTS 模型的定位与功能，并给出基准表现与安全机制，便于开发者评估选型。
腾讯混元 · 官方公众号AI 评分6767 腾讯混元 Hy Image3.5 preview 发布，主打高性价比专业生图
腾讯混元发布 Hy Image3.5 preview 图像生成模型，综合能力对比 Hy Image3.0 提升约 30%，在内部数百名设计师 GSB 盲测中与 Seedream 5.0 pro 持平。
阶跃 StepFun · 官方公众号精选AI 评分7676 阶跃发布旗舰模型 Step 5 Preview，将于 10 月 15 日开源权重
阶跃 StepFun 发布面向真实世界 Agentic 任务的新一代旗舰基座模型 Step 5 Preview，即日起全量开放，并将于 10 月 15 日释放模型权重。
推荐理由：官方给出架构、参数规模与多项基准对比，读者可横向判断它与 Claude Opus 5 之间的成本能力取舍。
智谱 · 官方公众号AI 评分6464 智谱上线 GLM-5.3-FlashX，推理速度最高 200 tokens/s
智谱正式推出 GLM-5.3-FlashX，最高 200 tokens/s，API 现已上线，Model Key 为 GLM-5.3-FlashX。GLM-5.3-Flash 此前以 Ox Alpha 之名获海内外开发者认可、调用量持续攀升，本次在 10 万张国产芯片推理算力基础上加大 Infra 侧投入与推理优化，形成智能、价格、速度的全面竞争力。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模与成本效率，后者面向高复杂度任务的多步推理。
推荐理由：原文给出了两款实时语音对话模型的能力定位与基准成绩，读者可据此判断它们在语音智能体场景中的适用性。
阶跃 StepFun · 官方公众号精选AI 评分6565 阶跃发布 StepAudio 3 系列语音模型，多款模型位列 Artificial Analysis 全球第一
阶跃正式发布 StepAudio 3 系列语音模型，包含 StepAudio 3 Realtime、ASR、TTS、Gen、Music 五款，均已上线阶跃星辰开放平台。
推荐理由：官方发布稿逐一给出五款模型的能力定位与 Artificial Analysis 榜单数据，读者可据此判断语音模型正从单点能力竞争走向完整交互与创作。
阿里云开发者精选AI 评分7777 DeepSeek-V4.1-Flash上线千问AI平台，API与Token Plan同步开放
DeepSeek-V4.1-Flash正式上线千问AI平台，API服务与Token Plan同步开放，开发者可在Qoder、千问APP、Codex等工具中调用。模型原生支持文本与图像理解，最长支持100万Token上下文，可用于代码开发、长文档处理、视觉理解和智能体任务。借助新一代缓存压缩技术，其HBM需求降至上一代模型的1/4、SSD存储需求降至1/8，部署基于vLLM开源社区适配完成。
推荐理由：原文列出了模型的多模态能力、100万Token上下文与存储需求降幅，读者可据此评估长上下文场景的部署成本。
OpenAI News精选AI 评分7171 用 API 中的 GPT-Live-1 构建更自然的语音体验
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话。该模型具备更强的指令遵循能力，并支持自定义语音和电话功能。https://openai.com/index/introducing-gpt-live-1-in-the-api
推荐理由：原文列出了全双工语音对话、自定义语音和电话支持等能力，读者可据此判断现有语音产品的形态变化。
OpenAI News精选AI 评分8585 GPT-6 Astra 发布：面向工作的下一代智能
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备高级推理、计算机使用以及更强的写作与设计判断能力。
OpenAI News精选AI 评分7777 OpenAI 推出 GPT-6 Astra
OpenAI 推出 GPT-6 Astra，称其为目前最智能且对齐程度最高的模型，在计算机操作、编程、网络安全和科学领域具备领先能力。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型，分别面向智能体工作流与网络安全。
推荐理由：原文列出了 Gemini 3.8 系列在编码与网络安全基准上对标前沿模型的表现及价格，读者可据此评估其替换现有工作流的成本收益。
阿里云开发者精选AI 评分6565 Qwen3.8-Max 升级 0902 版本，CodeArena 前端编程总榜 1691 分夺冠
阿里云千问团队将 Qwen3.8-Max 升级到 0902 版本，围绕编程（Coding）与专业办公（Cowork）进一步后训练，CodeArena 前端编程总榜提升 22 分至 1691 分夺得冠军。
推荐理由：原文给出 CodeArena 得分与每百万 token 价格对比，可据此判断 Qwen3.8-Max-0902 在企业编程任务中的成本位置。
腾讯混元 · 官方公众号AI 评分7171 腾讯混元 Hy4 preview 轻量版发布，权重从 1.5 TB 压到 214 GB
腾讯混元团队用 Sherry 稀疏三值量化算法和 MIX-STQ1_0 逐层混合精度策略，把 Hy4 preview 权重从约 1.5 TB 压到约 214 GB，大幅降低运行硬件门槛。
Microsoft ResearchAI 评分5050 GigaPath-Flash 与 GigaTIME-Flash：以高效病理基础模型推动人群规模发现
Microsoft Research 联合华盛顿大学与 Providence 发布 GigaPath-Flash 与 GigaTIME-Flash，以 Apache 2.0 开源权重，在保持性能的同时大幅降低病理基础模型的算力开销。
腾讯技术工程AI 评分7474 腾讯混元 Hy4 preview 发布并开源，总参数 770B、上下文长度突破 1M
8 月 28 日，腾讯混元发布并开源新一代大语言模型 Hy4 preview，总参数 770B、激活参数 49B，上下文长度突破 1M。在腾讯内部 163 名专家、203 个工程任务的盲测中，Hy4 preview 均分 2.99/4，略优于 GLM 5.3（2.92/4.00）和 Kimi K3（2.94/4.00）。
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
阿里云开发者精选AI 评分7979 Qwen3.8-Flash 上线千问 AI 平台，每百万 Tokens 输入 0.8 元
千问 AI 平台上线 Qwen3.8-Flash，API 每百万 Tokens 输入 0.8 元、输出 2.7 元、缓存命中 0.1 元。该模型为多模态 MoE 架构，千亿总参数仅激活 60 亿，引入 QSA 机制与 Gated Residual，在高缓存命中的 1M Tokens 长上下文场景中提速 8 倍以上。模型权重已在 Hugging Face 与魔搭社区开源，千问办公标准模式也已内置。
推荐理由：原文列出了 Qwen3.8-Flash 的架构创新与分层价格，读者可据此评估长上下文 Agent 任务的调用成本。
Google DeepMind精选AI 评分7575 Gemini 3.5 Transcribe 发布：实现更精准的智能实时语音转录
Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，提供实时流式与预录制两种 API。据 Artificial Analysis 测量，其流式平均词错率为 4.0%，非流式为 2.6%，最终转录时间较 Chirp 3 缩短 70%。模型支持 85 种以上语言、自定义词汇表与函数调用，现已通过 Google AI Studio 等平台推出公开预览。
推荐理由：相比上一代 Chirp 3，Gemini 3.5 Transcribe 将流式转录错误率降至 4.0%，最终转录时间缩短 70%，并支持函数调用与自定义词汇表。
智谱 · 官方公众号精选AI 评分8383 智谱上线并开源 GLM-5.3-Flash，前沿智能进入普惠时代
智谱上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列首个原生多模态模型，AA 综合智能指数取得 57 分，与 Claude Opus 4.8 持平，定价为 GLM-5.3 的 1/10、限时折扣内 1/20、Opus 4.8 的 1/40。
推荐理由：原文给出与 Claude Opus 4.8 的能力与价格对照，以及混合注意力架构的降本路径，可据此评估前沿模型的成本走向。
腾讯混元 · 官方公众号AI 评分6464 3.3GB 压到 440MB，混元极低 bit 翻译模型跑进直播弹幕
腾讯混元把 Hy-MT2-1.8B 翻译模型用 2-bit 与 1.25-bit 两套方案压缩至 574MB 和 440MB，翻译质量几乎无损，并联合英特尔完成 x86 算子适配、联合哔哩哔哩接入直播弹幕实时翻译。
OpenAI NewsAI 评分4848 GPT-5.6 现已在 Kiro 中可用，为开发者带来更优性价比
GPT-5.6 现已在 Kiro 中可用，帮助开发者以更优的性价比规划、构建、审查和测试软件。
阿里云开发者精选AI 评分7474 Wan3.0 正式上线千问AI平台
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
Microsoft ResearchAI 评分5757 Microsoft Research 发布 Skala 1.1 深度学习 DFT 泛函，训练数据扩大 2.5 倍并接入 CP2K 等软件
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1，训练数据量较初版扩大 2.5 倍，在 GMTKN55 基准的 55 个类别中拿下 32 个第一，加权平均误差 2.8 kcal/mol，精度超过主流全局杂化泛函而成本接近 meta-GGA。