Gemini 4 Carbon 发布，先向安全团队开放
Google 于 10 月 28 日公布 Gemini 4 Carbon，重点提升代码、网络安全和长时间智能体任务能力。首批访问面向部分网络防御团队，后续通过 Fairwind 计划扩大到受信任合作伙伴，尚未向所有普通用户开放。
产品动态 · 第 3 页
查看产品动态栏目最近发布的新闻与相关消息。
全部内容
共 78 篇
Genie 4 开放研究预览，可实时修改世界并生成声音
Google DeepMind 于 10 月 27 日发布 Genie 4 世界模型，支持在运行中的模拟世界里用文字修改天气、场景、角色和事件，并同步生成环境音、音乐与对话。Gemini 模型参与理解指令和规划场景中的事件。
SenseNova Loop 用共享权重加深模型计算
商汤公开的 SenseNova-Loop-9B-Preview 支持文字和图像输入，面向长上下文、文档理解、编程及工具交互。它在解码器中重复执行一段共享权重的层，以较少的参数副本增加计算深度。
Audio8 TTS 小模型支持 23 种语言语音生成
Audio8-TTS-Realistic-Air 基于 0.6B 级架构，支持文本转语音和零样本声音克隆。模型卡列出 23 种支持语言，并提供交互试玩入口、模型权重和 44.1kHz 音频编解码器。
小米 OCR 模型用 0.8B 参数解析文档
小米研究团队公开 Xiaomi-OCR-0，面向文档解析和围绕文字的视觉理解。模型基于 Qwen3.5-0.8B-Base，官方模型卡介绍了约 1.7 亿条训练样本及渐进式训练流程。
Google 开放 Deep Review，辅助核查技术文档
Google Research 宣布公开推出 Deep Review，将复杂技术文档的反馈与核查能力从学术论文扩展到更多知识文档。公告提到，系统此前已在多个计算机科学会议的投稿场景中使用。
Liquid d1 把分类判断压缩为一次前向计算
Liquid AI 的 d1-2B 面向路由、分类、文档提取、审核和重排序等判断任务。它接收文字、图片或视频，通过一次前向计算返回结果，不像聊天模型那样逐个生成回答 token。
Idol 从单张图片生成 3D 高斯模型
Sperid Labs 的 Idol 可以把一张物体图片转换为 3D Gaussian Splat，先去除背景、确定物体范围，再生成可由常见查看器打开的 PLY 文件。作者报告可输出超过一百万个高斯单元。
Liquid LFM3 语音模型支持本地边说边转写
LFM3-Audio-2B 接收文字或音频，能够输出文字、语音或两者交织的回答，面向笔记本和边缘设备。模型采用自研音频编码器及 LiquidCodec，并提供转写和语音合成示例。
Pika H3 Flex 开放视频与同步音频生成
Pika H3 Flex 用六步采样生成视频和同步音频，并通过参考素材及提示控制镜头。公开模型支持本地 480p、768p 原生输出，托管 API 则提供更高分辨率和额外制作功能。
Clover 把块扩散引入 35B 混合专家语言模型
DiffuSpace 的 Clover-35B-A3B-Preview 基于 Qwen3.6 架构，结合块扩散生成与混合专家机制，总参数约 35B，每 token 激活约 3B 参数，支持 128K 上下文。
Mistral Large 4 发布多模态开放权重
Mistral 在官方模型库公开 Large 4，一款万亿总参数规模的原生多模态混合专家模型。官方把指令跟随、推理、编程和智能体流程整合进同一组权重，并提供 API 与量化版本。
LFM3 视觉模型面向端侧文档和屏幕理解
Liquid AI 的 LFM3-VL-2B 接收文字、图像与视频，面向本地文档阅读、图表理解、屏幕识别和物体定位。模型把 LFM3 语言部分与新的自研视觉编码器结合。
Anthropic 使用政策将于 11 月 12 日更新
Anthropic 公布 2026 年使用政策更新，生效时间为 11 月 12 日。新版本进一步说明了欺骗性活动、武器相关软件、监控，以及医疗、金融等高风险用途的要求。
LFM3 Omni 用一个本地模型处理图文音视频
LFM3-Omni-2B 是 Liquid AI 的端到端全模态模型，可以理解文字、图像、视频和音频，并用文字或语音回答。其目标是在端侧把原本分开的识别、视觉理解、语言和语音合成组件合并。
英伟达 Nemotron 转写模型支持一小时录音
英伟达公开 Nemotron 3.5 Transcribe，支持 40 种语言的离线转写，可处理最长一小时录音，并提供翻译、说话人归属、时间戳和音频问答等功能。权重包含多种精度版本。
Claude 网络安全验证计划扩展为三级访问
Anthropic 将网络安全验证计划扩展为防御、红队和专项访问三个层级，并把此前 Project Glasswing 的相关安排整合进来。申请方可按工作范围接受不同程度的身份与用途审核。
Liquid LFM3 面向本地小型智能体
Liquid AI 的 LFM3-1.7B 采用新的三混合架构，面向本地智能体、工具调用、结构化输出和领域定制。官方提供原始模型和 GGUF 版本，方便按推理框架与硬件选择。
Unlimited OCR 2 支持一次解析多页文档
百度的 Unlimited OCR 2 提供 Transformers 和 SGLang 使用方式，支持将整份文档的页面按顺序放入同一个请求，从而在解析中利用跨页上下文。
南北阁 4.3 先推 33B 教师模型
南北阁公开 Nanbeige4.3-33B，重点面向编程和职业协作任务。团队先构建较高能力的教师智能体，再计划将相关能力蒸馏到更小的模型。
Spark X2.6 小模型强化端侧工具任务
Spark-X2.6-4B 保持上一代的架构，通过改进后训练增强编程、智能体、多语言和长上下文能力。官方公开了 Transformers 格式权重，以及部署和推理配置示例。
Flint 开放面向编程智能体的混合专家模型
Recursive 的 Flint 面向代码库调查、修复错误、实现功能和编写测试，支持文字输入输出、推理及多轮工具调用。模型约有 39.8B 总参数，每 token 激活约 2.5B 参数。
DeepSeek V4.1 Flash 更新推理与工具调用支持
DeepSeek 官方公布 V4.1-Flash-1017 小版本更新，称其改善了推理、编程、智能体和视觉任务，并减少部分任务的执行时间与输出长度。模型与仓库采用 MIT 许可证。
FLUX 3 Klein 提供 ComfyUI 图像编辑权重
Black Forest Labs 提供面向 ComfyUI 的 FLUX 3 Image Klein 文件，支持指令编辑、文生图、最多十张参考图组合及边界框布局控制。文件包包含基础和蒸馏版本，以及不同精度选项。
ChatGPT 财务功能进入桌面端，限美国用户
OpenAI 在美国时间 11 月 11 日宣布，ChatGPT Finances 已进入桌面应用。9to5Mac 报道，Mac 用户更新客户端后，可以在侧边栏使用此前主要提供于网页和移动端的财务功能。