跳到正文

#模型发布

今日 0 条
9月29日周二
  2. AWS Machine Learning Blog67

    Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文与四档推理力度

    Grok 4.7 现已通过 Amazon Bedrock 上线，提供 500K token 上下文窗口和低、中、高、超高四档可配置推理力度。该模型面向编码、长时运行智能体和知识工作，支持 Responses、Chat Completions 和 Converse API。xAI 称其为最擅长编码和知识工作的模型，强调持久工作与自我校验。

    推荐理由：Grok 4.7 登陆 Bedrock，文章梳理了 500K 上下文、四档推理级别与成本权衡，适合评估长任务智能体工作负载。

  4. AWS Machine Learning Blog73

    Claude Sonnet 5.5 在 AWS 上线

    AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上正式可用。该模型专注于编码和知识工作，多数任务的单任务成本更低、速度更快，并支持 IAM、CloudTrail、CloudWatch 和 Bedrock Guardrails 等现有 AWS 管控能力。

    推荐理由：原文说明了 Sonnet 5.5 在 AWS 上的定位与成本优势，有助于读者在 Sonnet 与 Opus 之间作选型判断。

9月23日周三
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款文本转语音模型

    Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示从零创建人物声音，并逐行控制台词演绎。

    推荐理由：原文给出了自定义声音与逐行导演的具体入口和能力边界，读者可据此判断新模型如何改变配音和语音交互的工作流。

  2. AWS Machine Learning Blog63

    GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用

    GPT-6 Sol 和 GPT-6 Luna 现已通过 Amazon Bedrock 正式可用，API 定价较 GPT-5.6 前辈显著降低。Sol 面向开发中的复杂重复任务，编码和计算机使用能力提升，内部评估事实错误约减半；Luna 面向高频任务，支持调整推理成本，两者均支持显式提示词缓存。

    推荐理由：原文说明 GPT-6 Sol 与 Luna 在 Amazon Bedrock 上的正式可用性，并给出各自定位、更低的 API 定价与提示词缓存细节，可据此按任务成本选型。

  4. AWS Machine Learning Blog77

    Claude Opus 5.5 已在 Amazon Bedrock 上线

    Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线。相比 Opus 5，它用更少 token 完成任务且单价与缓存读取更便宜，平均单任务成本更低，并首次为 Opus 系列加入生物、网络安全和 AI 发展领域的安全分类器。模型支持自适应思考，可通过 Bedrock 控制台或相关 API 调用，覆盖多个地理区域的推理配置。

    推荐理由：AWS 官方博客给出了 Opus 5.5 的效率与成本优势说明，并附 Bedrock 调用示例，便于开发者评估部署价值。

9月22日周二
  2. Latent Space80

    TypeSafe AI CEO 谈 Jev：面向生产而非神的 System One 模型

    TypeSafe AI 推出面向软件的 System One 模型 Jev，CEO Diogo Almeida 在访谈中解释其 RLCD 训练法如何用校准概率替代 RLHF 的人类反馈，并主张开发者把 AI 当作软件依赖而非聊天助手。

    推荐理由：访谈剖析了 Jev 为何押注校准决策而放弃 RLHF，并给出编码代理、游戏操控等具体用例，便于开发者判断 System One 模型的适用场景。

9月16日周三
9月8日周二
9月3日周四
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，3.8 Flash 保持与 3.7 Flash 相同的每百万输入 token 0.75 美元、输出 3.75 美元定价。

    推荐理由：原文给出 3.8 Flash 的定价、编码与智能体基准成绩，以及 Cyber 版的安全管控方式，可据此判断其在企业自动化中的定位。

9月1日周二
8月28日周五
8月27日周四
  1. Google DeepMind66

    Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文字模型

    Google DeepMind 于 2026 年 8 月推出 Gemini 3.5 Transcribe 语音转文字模型，支持流式与非流式两种 API，面向开发者已在 Google AI Studio 和 Gemini Enterprise Agent Platform 公开预览，并开放给 Gemini macOS 应用和 Android Rambler。

    推荐理由：相比此前的 Chirp 3，新模型在 WER 与延迟上明显提升，读者可据此评估它对实时语音应用的价值。

8月14日周五
  1. Google DeepMind73

    Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体的工作负载模型

    Google DeepMind 今日推出 Gemini 3.7 Flash，定位为迄今最智能的编码与智能体工作负载模型，距离 3.6 Flash 发布仅三周。相比 3.6 Flash，它在编码基准 FrontierCode 1.1（43.6% 对 34.4%）和 DeepSWE v1.1（65.3% 对 49.0%）上显著提升，并改善网页开发与多领域知识推理能力。

    推荐理由：原文给出了 3.7 Flash 相比 3.6 Flash 在编码、网页开发和领域推理上的基准提升数据及首发优惠价，可帮开发者判断升级价值与性价比。

8月12日周三
  1. Google DeepMind79

    Google DeepMind 发布手语转文本模型 SL2T，已集成至 Gboard 与 Live Transcribe

    Google DeepMind 发布手语转文本模型 SL2T，并将手语听写功能引入 Pixel 11 的 Gboard 和 Live Transcribe，支持美式手语转英语。模型基于超过 10 万小时、50 多种手语数据训练，通过手势关键点而非原始视频保护隐私，在 FLEURS-ASL 基准上零样本达到 70 BLEURT。

    推荐理由：原文给出SL2T的训练数据规模与隐私保护设计，帮助读者理解手语翻译如何从实验室走向手机输入法。

8月6日周四
  1. Google DeepMind77

    Google DeepMind 开源 WeatherNext 模型，气旋预测可提前一天

    Google DeepMind 在 Nature 发表论文，宣布 WeatherNext 模型在预测气旋轨迹、强度和风场结构上达到当前最优，平均比先前模型多出一天预测时间，并将代码和权重开源。

    推荐理由：文章给出WeatherNext在气旋预测上平均多出一天提前量的具体成绩并宣布开源，可帮助读者理解这项技术对气象预报的实用价值。

7月30日周四
  1. Google DeepMind70

    Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解与多机器人协作

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，支持视频理解、任务编排和多机器人协作，现通过 Gemini API 与 Google AI Studio 向开发者开放。相比前代 ER 1.6，它在进度分类任务上取得 57.4% 准确率，时刻查找准确率达 91.3%，并以 4 倍执行速度接近更大模型的精度。

    推荐理由：这篇官方介绍给出了新模型在视频理解、任务编排和多机器人协作上的能力数据与开放渠道，读者可据此评估它在具身智能领域的实际进展。

7月28日周二
  1. Google DeepMind68

    Gemini Robotics 2 发布，带来全身智能、精细操控与多机器人协作

    Google DeepMind 发布 Gemini Robotics 2 系列机器人模型，包含 VLA、ER 和端侧三类模型，实现全身控制、精细灵巧操作与多机器人协作，并新推 ASIMOV-Agentic 安全基准。其中推理模型 Gemini Robotics ER 2 已上线 Google AI Studio，VLA 与端侧模型向早期合作伙伴开放。

    推荐理由：文章详解Gemini Robotics 2三类模型与全身控制、精细灵巧操作及多机器人协作能力，并给出开放渠道，可快速了解具身智能最新进展。

7月21日周二
7月1日周三
6月9日周二
  1. Google DeepMind72

    Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

    Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的无编码器多模态模型，视觉和音频输入直接流入 LLM 主干，是该系列首个支持原生音频输入的中型模型。它可在 16GB 内存的消费级笔记本本地运行，基准性能接近 26B MoE 模型，采用 Apache 2.0 许可，并同步发布官方 Skills Repository。

    推荐理由：原文给出 12B 与 26B 的取舍和 16GB 内存的本地运行门槛，可帮助读者判断它在端侧多模态工作流中的适配度。

5月18日周一
5月16日周六
4月16日周四
  1. Google DeepMind66

    Google 发布 Gemini 3.1 Flash TTS，支持音频标签和自然语言语音控制

    Google 今日推出 Gemini 3.1 Flash TTS 文本转语音模型，引入音频标签，可通过自然语言指令控制语音风格、节奏和语调。模型在 Artificial Analysis TTS 榜单获得 Elo 1211，支持 70 多种语言，输出均带 SynthID 水印，并向开发者和企业开放预览。

    推荐理由：原文给出音频标签的控场方案和 Elo 成绩，可帮助读者了解新一代语音模型在表达控制上的具体进步。

4月13日周一
4月3日周五
  1. Google DeepMind82

    Google DeepMind 发布开源模型 Gemma 4，主打推理与智能体工作流

    Google DeepMind 发布开源模型 Gemma 4，提供 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可，31B 模型在 Arena 文本榜单位列开源模型第 3。新模型支持 140+ 语言、最高 256K 上下文、原生多模态与语音输入，可离线运行于手机等边缘设备，并兼容 Hugging Face、vLLM、Ollama 等主流工具。

    推荐理由：官方披露 Gemma 4 四个尺寸与 Apache 2.0 许可，有助于评估其智能-参数比优势和本地部署门槛。