新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
NVIDIA 发布 Cosmos-H-Dreams，一款由动作条件驱动、面向手术机器人的实时生成式模拟器。该模型从 Cosmos-H-Surgical-Simulator 蒸馏而来，针对 dVRK 桌面缝合进行训练，在单张 NVIDIA RTX PRO 6000 上可达约 160 frames per second。
推荐理由：文章展示了从世界模型蒸馏到实时闭环模拟的技术路径，并给出手术机器人策略训练与评估的具体应用方向。
Google DeepMind 发布 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber，分别面向通用智能体、低延迟高吞吐任务及网络安全。
推荐理由：文章将三款模型的定位、速度与价格放在同一发布中说明，并交代 Gemini 3.5 Flash Cyber 的受限部署方式，便于比较不同智能体工作负载的选择。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调、用于快速发现、验证和修复软件漏洞的轻量网络安全模型。
推荐理由：原文结合 CyberGym、Big Sleep 和生产扫描结果，展示了轻量模型在漏洞发现与修复任务中的性能和规模化使用方式。
Thinking Machines 发布开放模型 Inkling 及 Inkling-Small，支持文本、图像和音频输入，并具备 Agent 能力与 1M context。
推荐理由：文章同时拆解了 Inkling 的 MoE、混合注意力与多模态输入架构，并给出不同量化版本的显存需求和部署路径，便于评估落地成本。
Mistral AI 发布 8B 模型 Robostral Navigate，仅使用单个 RGB 摄像头和自然语言指令控制机器人自主导航。该模型在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单摄像头方案高 9.7 个百分点，比使用深度或多摄像头的最佳系统高 4.5 个百分点。
推荐理由：文章将单 RGB 摄像头导航的基准表现、训练数据规模与 prefix-caching 方法放在一起，便于理解其技术取舍。
Mistral AI 发布 Leanstral 1.5，这是一款采用 Apache-2.0 许可、119B 总参数且仅 6B active parameters 的模型，面向 Lean 4 形式化验证。
推荐理由：文章同时给出形式化数学基准、成本对比和真实代码验证案例，便于评估 Lean 4 证明智能体从题目求解到仓库级任务的实际能力。
Google DeepMind 发布 Nano Banana 2 Lite 图像模型，并面向开发者开放 Gemini Omni Flash 视频生成与对话式编辑模型。
推荐理由：文章同时给出图像与视频模型的定位、价格和限制，便于开发者比较生成速度、成本与可用范围。
Google Research 发布 TabFM，这一面向表格数据分类和回归的基础模型可通过单次前向传播生成预测，无需手动训练、超参数调优或复杂特征工程。TabFM 采用交替行列注意力、行压缩和 Transformer，并基于数亿个合成数据集训练。
推荐理由：文章解释了 TabFM 如何用交替行列注意力、行压缩和合成数据训练，将表格分类与回归转为零样本推理，并给出 BigQuery 使用入口。
Mistral AI 发布 Mistral OCR 4，支持 170 languages，并可返回 bounding boxes、区块类型和逐词 confidence scores。
推荐理由：文章同时呈现了 Mistral OCR 4 的结构化解析能力、部署方式与成本，便于比较其在企业文档流程中的适用场景。
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散和并行生成，在专用 GPU 上实现最高 4 倍的文本生成速度。该 26B MoE 模型推理时激活 3.8B 参数，量化后可适配 18GB VRAM，并以 Apache 2.0 许可发布。DiffusionGemma 面向本地、低并发的交互式工作流，但整体输出质量低于标准 Gemma 4。
推荐理由：文章具体说明了 DiffusionGemma 在本地低并发推理中的速度优势，也交代了输出质量与标准 Gemma 4 的取舍。
Google DeepMind 发布 Gemini 3.5 Live Translate，支持在70+种语言之间进行接近实时的语音到语音翻译，并保留说话者的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate展示了连续语音翻译在延迟、语调保留和多语言覆盖之间的具体取舍，并给出开发者与用户入口。
Google DeepMind 发布 Gemma 4 12B，这是一款面向笔记本本地运行的统一无编码器多模态模型，支持原生音频输入，并提供多步推理和智能体工作流能力。该模型在标准基准上的表现接近 26B MoE 模型，支持使用 16GB 内存本地运行，并以 Apache 2.0 许可证发布。
推荐理由：文章从架构、资源占用和本地部署入口三个层面，说明 Gemma 4 12B 如何将多模态智能带到消费级笔记本。
Mistral AI 发布 Mistral Medium 3.5 public preview，这是一款 128B dense open-weight 模型，成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：文章同时交代模型规格、编码基准与部署方式，并说明它如何支撑云端并行编码和多步骤工作流。
Google DeepMind 发布 Gemini Omni Flash，可将图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的视频，并通过对话进行连续编辑。
推荐理由：原文同时交代了 Gemini Omni Flash 的视频生成与对话编辑能力，以及订阅用户、YouTube Shorts 和开发者 API 的开放路径，便于理解其落地范围。
Google DeepMind 的 WeatherNext 帮助美国国家飓风中心提前 5 天预测 Melissa 飓风将以 Category 5 强度登陆牙买加。WeatherNext 可运行 50 个不同的情景，在登陆前 5 天以 80% 置信度预测这一结果，提前 3 天时置信度接近 100%。
推荐理由：文章展示了 WeatherNext 如何通过 50 个情景集合同时预测飓风路径与强度，并为牙买加疏散和资源调度争取提前量。
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google DeepMind 发布 Gemini 3.1 Flash TTS，提升语音质量、可控性和表现力。
推荐理由：Gemini 3.1 Flash TTS 将音频标签、多人对话和多语言支持结合起来，展示了开发者控制语音风格与表达的具体方式。
Google DeepMind 发布 Gemini Robotics-ER 1.6，升级空间与物理推理、多视角理解和任务成功检测能力。模型新增仪表读数能力，可通过工具调用、agentic vision 和代码执行解读压力表等设备。
推荐理由：文章集中展示了 Gemini Robotics-ER 1.6 在多视角成功检测、仪表读数和安全约束上的改进，并说明开发者如何调用该模型。
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种规模，面向高级推理与智能体工作流。
推荐理由：文章同时交代四种规模、MoE 激活参数量、端侧离线能力与 Apache 2.0 授权，便于比较部署和微调选择。
Mistral AI 发布 4B 参数的 Voxtral TTS，支持英语、法语、德语等 9 种语言，提供低延迟、情感化语音生成和声音适配。模型延迟可达 70ms，API 价格为 $0.016 per 1k characters，并可在 Mistral Studio 和 Le Chat 中试用。
推荐理由：文章同时呈现了 Voxtral TTS 的多语言语音能力、延迟与价格，并提供了与 ElevenLabs 模型的对比信息。