AI 模型发布与更新

不惜一切代价，让 @Bot 为用户交付最好的产品体验

Perplexity 开源 pplx-embed-v2-late，两个针对文本和图像的 late-interaction 多向量嵌入模型，大小为 9B 和 0.6B，共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。

Perplexity 发布 pplx-embed-v2-late，包含两个 late-interaction 嵌入模型，可在共享嵌入空间中跨模型检索文本、图像和网页。两个模型称达到前沿性能，已在 Hugging Face 公开，博客地址 https://www.perplexity.ai/hub/blog/multimodal-embeddings-beyond-a-single-vector；配图显示 pplx-embed-v2-late-0.6B（340M 激活参数）在…

Artificial Analysis 将 Cyber Index 排行榜扩展至非公开访问的 trusted-access 模型，首个纳入的 GPT-6 Sol (Daybreak Blue, max) 目前登顶，仅可通过 OpenAI 的 Daybreak 项目使用。

Harvey LAB-AA v1.1 新增幻觉检查，将幻觉分为矛盾源材料、捏造源内容和无记录支持的具体断言三类，并区分重大与轻微，仅重大幻觉会触发 Hallucination-Gated All-Pass Rate 清零。

Grok @Bot 会采用对用户最有利的方案。 简单问题会路由到小型、快速的模型。复杂问题会路由到大型模型。

赛豆 AIVA ME7 量产版无伪路测谍照曝光，车身延续 AIVA Origin Concept 概念车设计，车顶配有激光雷达，预计支持高阶智能辅助驾驶。该车定位介于轿车与 SUV 之间的跨界车，提供纯电与增程双动力版本，轴距约 2.9 米，9 月底已在巴黎完成全球首秀。智能化方面由火山引擎提供豆包大模型与智能座舱，辅助驾驶采用元戎启行无高精地图方案。

AI 语音产品需要知道是谁在说话、说了什么。 这比单纯的转录或说话人分离更难，尤其是当说话人互相抢话时。 @smallest_AI 的 Pulse 现已在 @voicearena_ai 的 Diarization Bench 的 Diarization + ASR 赛道排名第一，DER 为 24.4%。 DER 是错误率，所以越低越好。该赛道排名第二的系统得分为 40.7%。

法国公司 Mistral 发布 1 万亿参数开源权重模型 Mistral Large 4，昵称 Le Chonk，目前为预览版，正式版将在月底前推出。该模型针对编码、网络防御以及制造、金融、电气工程等垂直领域优化，Mistral 称其为在中国之外开发的最强开源权重模型，与部分闭源模型非常接近，并称模型为从零训练而非知识蒸馏。

Mistral Large 4 可运行通用智能体，在复杂工作流中收集信息并产出成品交付物。

Technology Innovation Institute（TII）发布 Falcon-ASR，一个 1.6B 参数的阿拉伯语语音识别模型，重点支持阿联酋方言，也支持英语、法语、西班牙语和葡萄牙语。

Qwen-Image-2.1-Multiple-Angles-LoRA 模型：https://huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA

OpenAI 在 GitHub 发布了 372 个由内部前沿模型生成的数学结果，每个结果据称解决或实质推进一个开放问题，包括对主要计算机算法的改进和与黎曼猜想相关的进展。

Arena 宣布 Mistral Large 4 登陆 Code Arena: WebDev，以 1534 分排名第 45，比 Mistral Large 3（第130名）高 304 分，比 Mistral Medium 3.5 高 271 分。

Strands labs 发布开源决策模型 strands-decider-2b，基于 Qwen3.5-2B 去掉 LM head 换成约百万参数的 pointer head，只能在给定选项中做选择和打分，适合本地 CPU 或 GPU 运行。

确实如此 （引用推文 @theo：坏消息各位：Grok Bot 是真的强 🙃）

Geoffrey Hinton 在《Smart Girl Dumb Questions》播客中建议，AI 公司在产品发布前须向监管机构证明安全性，类比新药需说服 FDA、投入约十亿美元级别。他指出 AI 递归式自我改进会放大风险，并推测距局面远比现在糟糕大概只剩一两年；背景之一是 OpenAI 因权限与行为日志方面的担忧搁置了最新模型 GPT‑6.1 Astra。

Smallest AI 的 Pulse 在 Voice Arena 的 Diarization + ASR 赛道以 24.4% DER（0 ms collar）排名第一，比第二名 ElevenLabs Scribe v2 的 40.7% 低 1.7 倍错误率。

我们给 AI 模型出了一道提示词：构建一个交互式黑洞，具备物理依据，并呈现《星际穿越》中 Gargantua 的视觉效果。

Nano Banana 2.1 发布，官方称在视觉设计、蒙版编辑、主体一致性和更自然的图像观感上超越前代。用户现可在 Gemini App 和 Google AI Studio 等入口使用；Google Labs VP Josh Woodward 表示蒙版编辑是此次更新中他最喜欢的功能，并预告后续还有更多更新。

两年前的 2024 年，我们还在嘲笑 GPT-4o 连“9.9 > 9.11？”都答得离谱。 如今感觉所有最难的数学题都将被 AI 解出。 我们正生活在一个多么疯狂的时代。

OpenAI 发布一系列由内部前沿模型产出的新数学结果，仓库地址 https://github.com/openai/math。发布前咨询了高等研究院数学与人工智能独立顾问小组，并参考其建议和公开推荐来决定发布方式。Greg Brockman 转发此事，称其朝加速科学发现和改善每个人生活质量的方向迈进。

谷歌于 10 月 7 日发布 AI 图像生成与编辑模型 Nano Banana 2.1，重点提升视觉设计、基于蒙版的局部编辑以及多图生成中的主体一致性。

OpenAI 发布 722 篇 AI 生成的数学证明论文，覆盖 372 个数学结果族。其中矩阵乘法证明将 2 个 n×n 矩阵乘法的已证明成本从 AlphaEvolve 今年 8 月创下的约 n^2.371177 降至约 n^2.25，并附 Lean 形式化，但这是理论界，尚未给工程师提供可用于真实 GPU 负载的更快例程；这些结果来自内部模型处理约 4K 研究问题后的分组过滤，每个平均使用约相当于 3 小时 ChatGPT Pro 思考的算力。

桌面端支持很快就来！

Liquid AI 发布开源权重决策模型 d1-3B 和 d1-omni-600M，已在 Hugging Face 上提供。

谷歌推出开源多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构，7.4 亿参数，量化后手机端运行仅需 191MB 内存，可统一处理文本、代码、图像、视频和音频。

how do you like them convolutions

OpenAI 宣布发布由内部前沿模型产出的一批新数学结果，材料已在 GitHub 开放。发布方式参考了高等研究院数学与人工智能独立咨询组的建议和公开推荐。

每台机器人都始于一块你买来的板子。而那些优秀的，最终会落在一块你自己造的板子上。

谷歌发布 EmbeddingGemma 2 嵌入模型，基于 Gemma 4 架构，采用 Apache 2.0 许可，总参数 7.4 亿，将能力从文本扩展到代码、图像、视频、音频并统一映射到同一嵌入空间。

OpenAI 发布 GitHub 仓库 https://github.com/openai/math，公开由内部前沿模型产生的一系列新数学结果，并咨询了高等研究院数学与人工智能独立咨询小组。绝大多数结果由同一流程、用未发布的内部模型完成，平均每个结果使用三小时 ChatGPT Pro thinking 算力，评估期间模型共被提出约 4,000 个问题；例外包括黎曼 zeta 函数零点自由区域和 CM 阿贝尔簇上 Hodge 猜想证明的相关工作，其中 Re(s) > 11/1…

Google 发布 EmbeddingGemma 2，将文本、图像、音频、视频和代码原生映射到统一嵌入空间，模型基于 Gemma 4 架构，740M 参数，采用 Apache 2.0 许可，权重已上架 Hugging Face 和 Kaggle。

还有一些棘手的技术问题要解决！ 如果 Claude 只能在你电脑在线时访问你的文件，那它可能会在电脑重新开机前一直无法有效工作，所以也许你会想要某种同步机制，但那里也有一些边缘情况。

我们会越来越倾向于把 Claude 的"大脑"放在云端，并给 Claude"本地的手"来操作你的电脑 我在 latent space 上聊过一些

Google 发布 EmbeddingGemma 2，是其首个原生多模态开放嵌入模型，将文本、代码、图像、音频和视频统一到一个共享空间，采用 Apache 2.0 许可证。

Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个榜单，分别以 1328、1428、1431 分位列第 5、第 6、第 4。相比 Nano Banana 2，文生图提升 80 分、多图编辑提升 67 分、图像编辑提升 38 分；官方称在视觉设计、基于掩码的编辑和主体一致性上有明显进步。

Musubi 于周二宣布发布面向实时内容审核的轻量级决策模型 PolicyLM-1.7B，采用开放权重。该模型可将自然语言编写的内容政策在 50 毫秒内应用到消息上，成本和速度接近传统 AI 分类器，且政策变更时无需重新训练。决策模型自 9 月 Typesafe AI 发布 Jev 后成为热点，OpenAI 和 Amazon 随后也推出了同类模型。

Google 发布图像生成与编辑模型 Nano Banana 2.1，已进入 Arena 的 Text-to-Image、Image Edit 和 Multi-Image Edit 榜单，分别以 1328、1428 和 1431 分列第 5、第 6 和第 4 名。

Mistral 发布 Mistral Large 4 预览版，为 1 万亿总参数、49B 激活参数的模型，在其 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，已可通过 Mistral API 使用，承诺本月底开放权重。