Meta 发布 Muse Spark Open，816B 参数开源权重模型对标 Qwen、GLM 和 Kimi
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
推荐理由：Meta 重返开源权重赛道，给出 816B 参数、百万 token 上下文与本地部署条件，可与 Qwen、GLM、Kimi 横向比较。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
12 条精选近 30 天 11 条共收录 46 条
更新
多模态的精选
The Decoder精选AI 评分8080 The Decoder精选AI 评分7676 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，同步推出两款 Bolt 端侧模型
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。
推荐理由：原文给出 120B 多模态模型的 MoE 激活比例、压缩方案与本地端型号，可据此判断企业智能体的部署门槛。
爱范儿精选AI 评分8888 谷歌发布 Gemini 4 Argon，主打长程任务与低价 API
谷歌正式面向全球上线 Gemini 4 Argon，定位复杂多步骤真实世界任务，覆盖编程、金融、法律、网络安全与前沿科学等领域。API 提供 100 万统一输入输出 Token 上限，首发优惠期每百万输入 Token 2 美元、输出 10 美元，缓存输入折扣 95%，开发者可通过 AI Studio、Android Studio 与 Gemini API 接入。
推荐理由：谷歌新旗舰的定价与长程任务表现，以及未付费用户额度收紧的规则变化，是判断其可用性的关键。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在专业工作流中的落地程度。
The Decoder精选AI 评分8484 OpenAI 发布 GPT-6，ChatGPT 输出改为图表按钮等交互界面
OpenAI 面向所有 ChatGPT 用户推出 GPT-6，并带来名为 Intelligent UI 的新功能，模型以图形、按钮、图表和表单等交互界面呈现答案，而非纯文本，格式会随问题自动调整。
推荐理由：GPT-6 把 ChatGPT 输出从纯文本改为可交互界面，读者可了解这一形态变化与分阶段开放节奏。
TechCrunch · AI精选AI 评分8282 OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 转向可交互视觉界面
OpenAI 推出名为 Intelligent UI 的新界面，随新 GPT-6 模型于周三开始推送，在对话中大量加入可交互的按钮、定制计算器、交互式图表和可编辑图形等视觉元素。
推荐理由：OpenAI 随 GPT-6 推出 Intelligent UI，读者可了解 ChatGPT 从纯文本转向可交互视觉界面的具体形态与开放节奏。
OpenAI News精选AI 评分8080 OpenAI 在 ChatGPT 全球上线 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线，并搭配 Intelligent UI。官方称其响应更快，同时提供可视化内容和可直接探索、使用的交互体验。
推荐理由：OpenAI 公布 GPT-6 在 ChatGPT 全球上线并搭配 Intelligent UI，读者可了解其响应速度与交互形态的变化。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与端侧内存占用，可据此判断本地多模态检索的落地成本。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界。
Microsoft Research精选AI 评分6666 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨模态生物世界模型和连接科学工具、文献、湿实验与研究者的交互式 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，从数千个化合物中筛选出可驱动肿瘤细胞状态转变的候选物，最高排名化合物在湿实验中产生了最大的预期状态转变，整个筛选到验证过程仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
The Decoder精选AI 评分8080 Qwen3.8-Omni-Flash 发布：多模态基准追平 Gemini Flash，价格更低
Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可同时处理音频与视频并自主调用工具，上下文窗口达一百万 token。
推荐理由：原文给出 Qwen3.8-Omni-Flash 与 Gemini Flash 的多模态基准对比和逐项价格，读者可据此判断成本差异。
TechCrunch · AI精选AI 评分7878 iOS 27 实测：基于 Gemini 的新 Siri 与 Apple Intelligence 上手体验
作者在主力机上从公测版起长期使用 iOS 27，认为基于 Google Gemini 模型的新 Siri 比旧版更聪明，能处理多步指令、读取屏幕与文件上下文，并可通过相机识别取景器中的物体。
推荐理由：作者以主力机长期实测 iOS 27 的新 Siri 与 Apple Intelligence，给出可迁移的使用场景与局限。