Inception Labs 发布扩散 LLM Mercury 3，1M 上下文、每秒 1068 个 token
Inception Labs 发布扩散架构大语言模型 Mercury 3，官方称其基准表现达到或超过 GPT-6 Luna 与 Claude Haiku 5.5，在 NVIDIA GPU 上跑出每秒 1068 个 token。
推荐理由：做语音客服或浏览器 Agent 的团队可用它兼容 OpenAI 的接口替换现有模型，先测 1M 上下文下的端到端延迟。
模型发布
全部主题新模型、新版本、权重开放、API 与价格变化的第一手记录。
最新精选
第 1–20 条 · 共 37 条Hacker News · 高分新帖精选AI 评分8686 Hacker News · 高分新帖精选AI 评分7878 MiniMax 发布 M3.1 Flash，推理提速近 3 倍、使用成本降低 70%
MiniMax 正式发布 M3.1 Flash，官方称其在线推理速度提升近 3 倍、使用成本降低 70%，面向智能体任务、编码、Computer Use 和网络安全。
推荐理由：做 Agent 与编码自动化的团队可把长链工具调用任务迁到 MiniMax API 的 M3.1 Flash，按每百万 token 输入 $0.15 估算成本。
Hacker News · 高分新帖精选AI 评分7676 Mistral 发布时序基础模型 Timestral，209M 版本在三项基准排名第一
Mistral 发布时序基础模型系列 Timestral，其中 209M 参数版本在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一。
推荐理由：运维团队可以先用 5M 或 28M 版本在 CPU 上对现有传感器数据做零样本预测，再决定是否用 Mistral Forge 微调。
Hugging Face Blog精选AI 评分7575 Reflection 发布 501B 开源模型 Beam，Apache 2.0 许可、1M 上下文
Reflection 发布其首个开源模型 Beam，501B 参数的 MoE 架构，每个 token 激活 23B，支持 1M token 上下文窗口，采用 Apache 2.0 许可，主攻编码与 Agent 场景。
推荐理由：需要自建推理的团队可以先用 vLLM 或 SGLang 起 NVFP4 版本，四张 B200 就能跑长上下文服务。
Hugging Face Blog精选AI 评分7474 Apertus 1.5 发布 8B 与 70B 版本，支持图像音频理解与 262k 上下文
Apertus 1.5 在 8B 和 70B 两个规模上加入图像与音频理解、可选 thinking 模式，上下文窗口扩展到 262,144 tokens，是 1.0 的四倍。
推荐理由：想在本地跑多模态的团队可先下 8B 权重微调，注意模型只输出文本，图像和语音仅作输入。
Google DeepMind精选AI 评分8282 Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告
Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。
推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。
Hugging Face Blog精选AI 评分8181 Liquid AI 开源 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B 的端侧智能体推理模型
Liquid AI 在 Hugging Face 开源 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是面向端侧常驻智能体的推理模型。
推荐理由：要在本地部署智能体的开发者可先用 vLLM 或 llama.cpp 起服务，再拿工具调用和指令遵循任务实测它能否替代云端模型。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 4 Argon，输入 token 定价 2 美元/百万
Google 发布前沿模型 Gemini 4 Argon，当天通过 AI Studio 和 Gemini API 向开发者与企业开放，Gemini app 与搜索 AI Mode 面向 Ultra 和 Pro 订阅用户上线。
推荐理由：开发者可先在 AI Studio 付费 API 上重跑自家代码库重构任务，按 2 美元/百万输入 token 估成本再决定迁移。
Hugging Face Blog精选AI 评分6262 TII 发布 1.6B 参数 Falcon-ASR 语音识别模型，主打阿联酋阿拉伯语方言
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点覆盖阿拉伯语及阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
推荐理由：做阿拉伯语语音转写的团队可以用 Falcon-ASR 的词级时间戳处理会议和电话录音，并先在阿联酋方言素材上验证转写准确率。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 EmbeddingGemma 2，740M 参数端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数、Apache 2.0 许可的开源多模态嵌入模型，把文本、图像、视频和音频映射到同一嵌入空间。
推荐理由：做端侧搜索或本地 RAG 的开发者可以先在 Hugging Face 拉权重，用 Ollama 或 transformers.js 跑通文本嵌入，再决定是否加视觉音频编码器。
NVIDIA Blog精选AI 评分6565 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，借助 NVIDIA Blackwell GPU 的推理优化，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：运行编码智能体的团队可以在 API 里切换到 Ultrafast 模式，缩短工具调用之间的等待，接入和价格需查官方指南。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M tokens
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向一批可信网络安全防御者开放，之后再逐步推向开发者、企业和消费者。
推荐理由：企业安全团队可先申请 Fairwind 计划或等付费 API 开放，用它在自有代码库做漏洞发现与修复的初筛。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Google DeepMind精选AI 评分8383 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
Google 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型。Flash 版支持用自然语言提示词从零设计角色音色，基于 30 秒样本复刻声音，提供 2000+ 音色库和 100 多种语言，并可逐句指定语气、节奏与双人对白。
推荐理由：播客与有声书团队可以先用 30 秒样本复刻音色，再按脚本逐句指定语气，试做多语言旁白。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 实时语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由：做语音客服的开发者可用 Gemini Live API 接入 3.8 Live，先小流量验证延迟和后台工具调用。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 WeatherNext 3 全球天气模型，5 公里分辨率并逐小时更新
Google DeepMind 与 Google Research 发布全球天气模型 WeatherNext 3，直接使用实时地球静止卫星数据训练，每小时生成一次预报，温度与湿度等变量分辨率达 5 公里，整体比 25 公里网格、6 小时更新的 WeatherNext 2 精细约五倍。
推荐理由：做新能源发电预测或农业天气风险评估的团队可直接在 BigQuery 查询逐小时预报，省去自建模型的第一步。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Google Research精选AI 评分7878 Google 发布 TimesFM-3，原生支持多变量零样本时间序列预测
Google Research 发布 TimesFM-3，一个 330M 参数、原生于多变量预测的零样本时间序列基础模型。它可同时预测多条相关序列，并把历史协变量和已知未来事件（如促销、天气）作为输入，经一次前向传播输出整个预测区间和 9 个分位数。
推荐理由：做销量或流量预测的团队可直接在 BigQuery 用 AI.FORECAST 调用它，把促销日程这类已知未来变量一起输入。
Google DeepMind精选AI 评分7474 Google 发布 Gemini Omni 1.1 Flash，新增场景延展与首尾帧插值
Google DeepMind 推出 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，已通过 Google AI Studio 的 Gemini API 提供。
推荐理由：开发者可用 Gemini API 先出 360p 草稿验证分镜，再对选定镜头做 4K 放大。
Google DeepMind精选AI 评分7575 Google 发布 Gemini 3.5 Transcribe 语音转写模型，流式 WER 4.0%
Google 发布语音转文字模型 Gemini 3.5 Transcribe，可直接把原始音频转成准确、带格式的书面文本，还能去掉口头语、处理自我更正并识别用户自定义词表。
推荐理由：开发者可以在 Gemini API 里用实时流式接口接语音客服或会议转写，先验证延迟和自定义词表效果。