Canva 发布首款自研图像模型 Craft
Canva 发布首款自研图像生成模型 Canva Craft，由其内部实验室 Canva Research 从零训练，主要使用数百万份设计模板而非照片。Craft 先生成构图、比例和文字，再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像，支持 55 种语言的文字渲染，并可通过 Magic Layers 拆分为可编辑图层。
#多模态
The DecoderAI 评分6262 Hugging Face BlogAI 评分5858 AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入
AllenAI 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1、Sentinel-2 和 Landsat 时序数据，为地球上每个 10 米像素生成 128 维向量，前 64 维也可单独使用。
NVIDIA BlogAI 评分2222 NVIDIA 如何改造欧洲零售：从数字发现到实体运营
NVIDIA 正推动欧洲零售商在电商与仓储场景中使用开放模型和物理智能：Shopify 用 NVIDIA Nemotron 3.5 Lightning 后训练出 GraphQL 子智能体，内部基准上准确率超过领先前沿模型，服务成本降低 90%、响应快 7 倍。
Google ResearchAI 评分5858 Google Research 用 AI 解读盲扫超声评估孕周，误差与专家相当
Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读未经专业超声培训的操作者采集的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家超声操作者的标准流程为 4.48 天；模型仅在芝加哥 120 名参与者的数据上微调，在内罗毕零本地优化下误差为 4.27 天。
NVIDIA Blog精选AI 评分6565 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展其开源模型家族，覆盖语言、机器人、生物和量子计算，包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt。
推荐理由：NVIDIA 一次性铺开语言、机器人、生物、量子四条开源模型线，并给出可下载渠道与首批企业用例。
The DecoderAI 评分7373 Kling AI 发布 4.0 版本，支持立体声与多语言口型同步并推出 Flash 轻量版
Kling AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧图像输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的口型同步，Omni Reference 单次可接受最多 15 个参考素材。
AWS Machine Learning BlogAI 评分5353 TwelveLabs 的 Pegasus 1.5 上线 Amazon Bedrock
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频按用户定义的分段规则输出带起止时间的结构化 JSON 元数据。
TechCrunch · AIAI 评分6060 Elorian 发布首个模型 Glimpse，主打用图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码测量比较，Elorian 称之为视觉暂存空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元，据 Elorian 评测在科学图表推理和短视频描述上超过 GPT-6 Astra。
The Decoder同新闻AI 评分8282 Meta 发布 Muse Spark Open，816B 参数重返开源权重赛道
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强的开源权重模型，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。
Hugging Face Blog精选AI 评分8787 Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 参数 MoE 多模态模型，给出完整部署、微调与量化运行配方，可据此评估自托管成本。
The DecoderAI 评分7272 英伟达发布 Nemotron 3.5 Super VL 开源多模态模型，面向企业智能体
英伟达发布 Nemotron 3.5 Super VL，这是一个 120B 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。
Ars Technica · AIAI 评分4040 YouTube Music 将用生成式 AI 标签区分真人歌手与 AI 音乐
YouTube Music 正在推出生成式 AI 音乐标签，用于区分真人歌手与 AI 生成内容，该标签后续也将登陆 YouTube。
NVIDIA Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开源模型，面向持续在线的专用智能体，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：原文给出三款开源模型的参数规模、部署层级与多家机构的微调案例，可据此判断开源智能体模型从数据中心到端侧的覆盖方式。
Hugging Face Blog精选AI 评分6262 Apertus 1.5 发布：8B 和 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解、可选思考模式，上下文窗口扩展至 262,144 tokens，为 1.0 的 4 倍，并改进指令遵循与工具调用。
推荐理由：Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式，并公开训练数据与中间检查点，可据此判断开源多模态模型的开放程度。
TechCrunch · AIAI 评分6060 YouTube Music 上线 AI 生成音乐标注体系
YouTube Music 周三宣布推出新的标注系统，用于标明借助生成式 AI 创作的歌曲，标注会出现在播放器页面，点击可查看 AI 在创作中的具体作用，该标注也将扩展到 YouTube 主应用。
Google ResearchAI 评分3838 Google Research 展示 10 项进展：Google Earth AI、Deep Review 等
Google 在 Research@ 活动上展示 10 项研究进展，包括扩展 Google Earth AI 早期访问、向公众开放 Deep Review、以及预告与 Synaptics 联合设计的下一代低功耗 Edge AI 芯片。
Simon WillisonAI 评分7171 Meta AI 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型。
The Decoder同新闻AI 评分8787 Gemini 4 Argon 全球上线，成为 Google 最强前沿模型
Google 面向开发者、企业和消费者全球推出新旗舰模型 Gemini 4 Argon，可通过 AI Studio 和 Gemini 平台的 API 使用，AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 和 Pro 订阅者可通过 Gemini 应用和 Google 搜索的 AI 模式访问。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon
Google DeepMind 发布 Gemini 4 Argon，今日起通过 Gemini API、AI Studio、Google Antigravity 及 Gemini 应用和搜索 AI Mode 面向开发者、企业和消费者开放，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数字和开放入口，可据此判断前沿模型在长程任务上的进展。
Google DeepMind同新闻AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布面向机器人的 Gemini 4 Argon，在测试 3D 物理空间问题的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
Latent Space精选AI 评分8282 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者可通过 Meta Model API 和 Muse Code 使用，后者仅向 Muse Code 订阅用户开放。
推荐理由：汇总第三方评测与从业者反馈，可对照看 Meta 新模型在智能体与编码任务上的位置和价格差异。
Import AIAI 评分2222 Import AI 476：AI 创造力与递归自我改进、开源权重模型表现逊于中国、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段视频（17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
The DecoderAI 评分7171 Odyssey 开放世界模型 Odyssey-3 免费预览
Odyssey 面向公众开放世界模型 Odyssey-3 的研究预览，用户可用文本提示生成可实时探索的交互环境，开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash，支持第一人称与第三人称视角；基础模型 14B 参数、832×480 分辨率，Pro 版支持 1280×720。
Hugging Face BlogAI 评分4040 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一款 1.6B 参数的语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
The Decoder同新闻AI 评分8484 OpenAI 发布 GPT-6，ChatGPT 改用图表、按钮和小应用的交互界面
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。
The Verge · AI同新闻AI 评分8282 ChatGPT 上线 Intelligent UI，回复中嵌入图表与按钮
OpenAI 在 ChatGPT 中推出 Intelligent UI 功能，让回复可以结合图表、表单、可点击按钮等交互式视觉元素，该更新随 GPT-6 一同向所有用户推送。
OpenAI News精选AI 评分7878 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。官方称新版本响应更快，提供可视化内容与可直接探索和使用的交互体验。
推荐理由：OpenAI 官方公布 GPT-6 在 ChatGPT 全球上线并搭配 Intelligent UI，读者可据此了解模型与交互形态的同步变化。
The DecoderAI 评分6262 Google 开放 SynthID 检测器，称已有 1800 亿图片和视频带水印
Google 将 SynthID Detector 开放给公众，任何人都可以检查图片、视频或音频是否由 Google 及其合作伙伴的 AI 生成。该工具可识别 Gemini、Veo、Lyria 等模型嵌入的隐形水印，支持 JPG、PNG、MP4 和 MP3 格式。
TechCrunch · AI同新闻AI 评分8080 OpenAI 随 GPT-6 推出 Intelligent UI，ChatGPT 界面转向可视化交互
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图表、按钮、定制计算器等视觉元素。OpenAI 称目标是让学习复杂主题更容易，该功能可自定义，用户能调低视觉元素数量。Intelligent UI 面向 Pro、Plus、Business 和 Enterprise 用户全球推送，周四覆盖免费和低价 Go 层级用户。
Hugging Face Blog精选AI 评分6666 Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和实验性的 d1-omni-600M。
推荐理由：Liquid AI 开源两款决策模型，给出端侧与 GPU 延迟数据及基准对比，可据此判断小模型做快速结构化决策的可行性。
The DecoderAI 评分7070 Google 推出 Playground，用文本输入生成游戏
Google 发布浏览器端 AI 平台 Playground，美国成年用户无需编程，仅用文本输入即可创建游戏，并通过与 AI 多轮对话调整规则、物理、角色和环境，随后即时测试。
Ars Technica · AIAI 评分6262 Google 推出改进版 SynthID AI 内容检测器，面向全球开放
Google 宣布其 SynthID 检测器现已支持所有合作方的水印，并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像和视频像素、AI 音频波形中的隐形信号，Google 称仅 Gemini 就已为超过 1800 亿张图像和视频、24 万年时长的音频集成 SynthID。
TechCrunch · AIAI 评分6565 Google 上线 SynthID 网站，可识别 AI 生成图像、视频和音频
Google 周二上线新网站，任何人都可以验证图像、视频或音频是否由 AI 生成，此前该工具仅向部分记者、媒体从业者和研究人员开放测试。网站支持 JPG、PNG、MP4、MOV、WAV、MP3 等多种图像、视频和音频格式，使用 2023 年推出的 SynthID 进行识别。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是基于 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：官方给出参数规模、分模块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。
The DecoderAI 评分6666 Google 发布 EmbeddingGemma 2 多模态嵌入模型
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品，在 Massive Text Embedding Benchmark（Code）上得分 78.68，比前代 68.76 提升近 10 分。
Simon WillisonAI 评分2222 Mistral Large 4
Simon Willison 用同一提示词测试 Mistral Large 4 等前沿模型生成 SVG 的能力，提示词为"一只穿渔网袜的犰狳在火星上乱穿马路"。参与对比的模型包括 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4，均使用各自默认推理等级。
The Verge · AIAI 评分3434 苹果、Google 正重新定义“录制”：不存视频的摄像头还算录像吗？
苹果据报正在研发一款不保存视频录像的智能家居摄像头，改用 AI 将画面转成文字描述，未来 AirPods 摄像头也可能采用类似方案；Apple Watch Series 12 和 Ultra 4 的 Audio Intelligence 同样不保存音频，原始数据在 S11 处理器安全隔区处理完后即删除。
The DecoderAI 评分7373 Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4，总参数 1 万亿、激活 49 亿，原生多模态，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
TechCrunch · AIAI 评分3434 Pinterest 用 AI 把美妆 Pin 变成可执行的美发美甲方案
Pinterest 推出由视觉智能与生成式 AI 技术 Pinterest Intelligence 驱动的 Beauty Guides，可将美发、美甲类 Pin 转成沙龙可用的具体方案。
TechCrunch · AIAI 评分7171 Mistral 发布 1T 参数多模态模型 Mistral Large 4
法国 AI 实验室 Mistral AI 发布 Mistral Large 4（昵称 Le Chonk），一个 1T 参数的大规模多模态模型，定位为美国闭源模型与中国开源模型之外的替代方案。