Google Research 探讨将基础模型应用于结核病筛查前线
Google Research 介绍了其将医疗人工智能研究转化为结核病筛查实际应用的成果，涵盖从胸部 X 光人工智能算法验证、通过合作伙伴获得医疗器械认证，到开源 MedGemma 和 MedSigLIP 基础模型以支持全球公共卫生体系的过程。
发布时间：
推荐理由：原文梳理了医疗人工智能从算法研究到临床落地及开源模型赋能的完整路径，读者可以据此了解如何通过开放基础模型推进全球公共卫生筛查。
#多模态
Google Research精选AI 评分6060
OpenAI News精选AI 评分6868 OpenAI 正式推出 Decisions API
OpenAI 宣布 Decisions API 正式全面可用，基于 GPT-6 Luna 构建，旨在帮助应用和智能体从文本、图像及结构化输入中进行快速、低成本的决策。该 API 支持概率、选择和评分三种答案类型，具备原生 GPT-Live 集成、提示词缓存及美国与欧盟区域推理驻留等特性。
发布时间：推荐理由：官方推出了基于 GPT-6 Luna 的 Decisions API，为应用和智能体提供低成本、高速度的结构化决策能力，读者可以评估其在实时路由和分类场景中的落地价值。
Google DeepMindAI 评分4848 Google DeepMind 等机构发布 Forest Typology (ForTy) 2020 全球森林类型地图
Google DeepMind 联合多方机构发布 Forest Typology (ForTy) 2020 全球地图，以 10 米分辨率将全球土地划分为六种森林和土地利用类型，并提供 2017 至 2025 年的年度变化时间序列。该地图基于 AlphaEarth Foundations 嵌入数据与定制遥感架构训练，经验证其森林类型识别准确率达 90%，非森林识别准确率达 95%。
发布时间：NVIDIA BlogAI 评分3232 欧洲先驱部署 NVIDIA Earth-2 开源模型以赋能现实世界天气与气候预测
NVIDIA 推出面向区域短时预测的 StormScope EU 模型，并将其加入 Earth-2 开源模型与工具家族中。该系统利用 EUMETSAT 卫星观测数据，以 10 分钟间隔预测欧洲各地的云层演变。AXA、Vaisala Xweather、曼彻斯特大学和 TotalEnergies 等欧洲组织正利用 Earth-2 模型进行气旋风险研究、空气质量建模及太阳能预测。
发布时间：NVIDIA BlogAI 评分2121 NVIDIA 助力欧洲零售业实现从数字探索到物理运营的转型
欧洲零售商与科技公司正利用 NVIDIA 加速的开源模型与物理智能，推进智能代理商务、产品探索及零售研发。Shopify 对 NVIDIA Nemotron 3.5 Lightning 进行后训练，使其在内部基准测试中准确率超越领先的前沿模型，同时推理成本降低 90%，响应速度提升 7 倍。
发布时间：Google ResearchAI 评分5454 Google Research 探讨利用 AI 辅助超声赋能一线孕产妇保健
Google Research 团队在 JAMA Network Open 发表研究，评估了一种基于盲扫超声的 AI 孕龄评估模型在多中心临床环境与不同硬件下的泛化表现。结果显示，该 AI 模型在经极少微调后，在芝加哥与内罗毕的队列中实现了与专家标准相当的准确率，平均绝对误差为 4.18 天。该研究表明，AI 结合低成本便携设备有望帮助缺乏专业超声医师的地区扩展孕产妇产前筛查覆盖。
发布时间：
NVIDIA Blog精选AI 评分6363 NVIDIA 推出 Factory Operations Blueprint 工业智能体蓝图并更新多项仿真与计算库
NVIDIA 宣布面向开发者推出 Factory Operations Blueprint 工业智能体蓝图的早期访问，支持构建可协调工厂机器并执行质检与舰队管理的智能体。同时，NVIDIA 发布了 cuDSS 库的通用版本，并展示了 Siemens、Mercedes-Benz 等工业巨头利用 CUDA-X、Omniverse 及 Cosmos 模型加速工程仿真与工厂数字孪生的应用进展。
发布时间：推荐理由：NVIDIA 发布了 Factory Operations Blueprint 工业智能体蓝图及多项仿真库更新，开发者可据此构建连接前沿模型的工厂管理与质检智能体。
NVIDIA Blog精选AI 评分6565 NVIDIA 在 GTC Berlin 发布本地 AI 硬件矩阵、软件更新及端侧模型支持
NVIDIA 在 GTC Berlin 展示了包括 RTX Spark、DGX Spark 和 DGX Station 在内的全线本地 AI 硬件阵容，并宣布推出 DGX Station for Windows、模型支持以及针对推理引擎的优化。
发布时间：推荐理由：NVIDIA 在 GTC Berlin 公布了面向本地 AI 硬件的完整产品矩阵、软件更新及模型支持，为开发者和企业部署端侧智能体提供了新方案。
NVIDIA Blog精选AI 评分7575 NVIDIA 推出面向欧洲及多行业的开源模型家族
NVIDIA 扩大了其开源模型系列，推出 Nemotron 3.5 Super VL 与 Bolt、Kumo 结构化数据模型、Cosmos 3.5 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo RFD4-Proteina 蛋白质设计模型及 Ising 量子计算模型。
发布时间：推荐理由：NVIDIA 一次性发布并开源了覆盖多模态、结构化数据、具身智能和科学计算的多个模型家族，为企业和开发者提供了可定制的主权 AI 基础架构。
AWS Machine Learning BlogAI 评分4141 Octave 如何在 Amazon Bedrock 上构建安全的多租户 AI 基础架构
Octave 使用 Amazon Bedrock 上的 Cohere Embed v4 和 Amazon OpenSearch Service 等工具，为 Reliance 平台构建了包含数据准备、安全执行和内容保护的三层安全多租户 AI 基础架构。该架构支持隔离多租户数据、执行独立代理并嵌入超 20 亿份文档，将每个用例的部署时间缩短了 50%。
发布时间：
AWS Machine Learning Blog精选AI 评分6464 TwelveLabs Pegasus 1.5 视频语言模型现已登陆 Amazon Bedrock
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线。该模型支持最长 2 小时的视频分析，提供时间戳元数据生成、多模态参考图像提示和免预索引的即时处理能力，可从 Amazon S3 URI 直接加载并返回结构化 JSON 结果。
发布时间：推荐理由：TwelveLabs 的 Pegasus 1.5 视频语言模型上线 Amazon Bedrock，支持时长达两小时的视频长文本分析、时间戳元数据生成和多模态参考图像提示，为开发者处理长视频数据提供了官方托管方案。
Google Research精选AI 评分6363 谷歌发布将 AI 智能体锚定于生物现实的自主湿实验室构建模块
谷歌发布了将 AI 智能体锚定于生物现实的三项研究进展，旨在推动自主湿实验室的发展。其核心内容包括：推出 VERID 框架作为实验室工作单元的语义数字孪生以实现硬件安全与实时状态跟踪，通过适配体分子发现展示了闭环智能体科学发现流程，以及通过加速全新蛋白质结合体设计实现高效靶向结合。
发布时间：推荐理由：原文介绍了谷歌在生物实验室自动化和智能体闭环发现方面的三项技术进展，为读者理解大模型如何与物理湿实验室结合提供了具体框架。
Hugging Face Blog精选AI 评分8888 Reflection 发布 501B 开源模型 Beam
Reflection 实验室推出首款开源模型 Beam，这是一个拥有 501B 总参数、每 token 激活 23B 的 mixture-of-experts 架构大语言模型，支持 1M tokens 上下文窗口，专注于编码与智能体场景。
发布时间：推荐理由：文章详细介绍了 Reflection 实验室首款 501B 开源 MoE 模型 Beam 的架构设计与部署方案，读者可以据此了解其在长文本和智能体任务上的技术实现。
Hugging Face Blog精选AI 评分6868 Granite Switch 4.1 发布：在一个端点中集成聊天、决策和语音能力
Hugging Face 联合 IBM 发布了 Granite Switch 4.1 模型（包含 8B 和 30B 版本），通过复用基底模型的 KV cache 并在单个托管端点上集成了通用决策 aLoRA、安全卫士 aLoRA 以及语音转文本模型 Granite-Speech-5.0-Turbo-CTC。
发布时间：推荐理由：原文介绍了多功能组合模型的架构及复用 KV cache 的实现方式，读者可以了解如何在单个端点上高效组合决策与语音能力。
Apple Machine Learning Research精选AI 评分6464 Selection-Based Structured Reasoning: 迈向高效的多模态搜索智能体
Apple Machine Learning Research 推出了 Selection-based Structured Reasoning (SSR) 框架，将多模态智能体的自由格式推理重新定义为预设候选选择。
发布时间：推荐理由：文章提出了一种将多模态智能体推理转化为候选选择的新框架，读者可以通过该方法评估其在降低推理延迟和提升搜索效率方面的潜力。
AWS Machine Learning Blog精选AI 评分6666 Meta 的 Muse Spark Open 现已登陆 Amazon SageMaker JumpStart
Meta 的编码优化开源推理模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 1M token 上下文及 MoE 架构。文章介绍了如何通过 SageMaker Studio 或 Python SDK 部署 BF16 与 NVFP4 两种量化变体，并提供了推理请求示例。
发布时间：推荐理由：文章详细介绍了在亚马逊平台上部署该模型的完整步骤与配置要求，为技术团队评估资源成本和架构落地提供了实用参考。
Hugging Face Blog精选AI 评分8989 Meta 发布开源多模态混合专家模型 Muse Spark Open
Meta 发布了开源混合专家多模态模型 Muse Spark Open，拥有约 8160 亿总参数、每个 token 约 420 亿激活参数以及高达 100 万 token 的上下文窗口。该模型支持文本、图像、音频和视频输入，专为代码编写与智能体任务优化，并提供了 BF16 和 NVFP4 权重以及主流推理框架的部署指南。
发布时间：推荐理由：原文介绍了该开源多模态混合专家模型的架构参数与部署推理方案，读者可借此评估其在长上下文与智能体任务中的落地可行性。
Apple Machine Learning Research精选AI 评分6363 Apple 使用 MLX 和 RDMA 在 Mac Studio 上实现本地与分布式大模型推理
Apple 机器学习研究团队介绍了如何利用最新版 MLX 框架和 Thunderbolt 5 上的 RDMA 驱动程序，在 Mac Studio（搭载 M5 Ultra 芯片）上运行近万亿参数的 Muse Spark Open 等前沿大模型。
发布时间：推荐理由：文章详细展示了利用最新 MLX 和 RDMA 技术在 Mac Studio 集群上运行近万亿参数大模型的方法与性能数据，为端侧大模型部署提供了具体的工程参考。
Google DeepMind精选AI 评分6262 Google DeepMind 推出智能体开发平台 Google Antigravity 以加速抗菌肽搜索
Google DeepMind 推出了智能体开发平台 Google Antigravity，旨在将原本碎片化的数据库检索、结构分析与文献综合整合至单一会话中。该平台结合了 ProtNLM 模型与内置的 Biomolecular Structure Viewer 3D 可视化工具，支持研究人员与 AI 智能体在共享视觉状态下交互式发现并评估候选抗菌肽。
发布时间：推荐理由：原文介绍了该智能体平台在生物医药检索中的集成方案与交互方式，读者可以据此了解其如何简化多数据库协同工作流。
NVIDIA Blog精选AI 评分7272 NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源多模态模型
NVIDIA 发布 Nemotron 3.5 系列开源模型，包括 1200 亿参数的 Super VL 多模态模型及两个端侧 Bolt 模型。Super VL 具备前沿的多模态智能与高效吞吐，Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 则分别适配本地工作负载与边缘设备交互。该系列覆盖从企业服务器到桌面及边缘设备的完整智能体部署场景。
发布时间：推荐理由：文章详细公开了 Nemotron 3.5 系列开源模型的参数规模、端侧适配方案和多模态能力，读者可以据此评估其在本地及企业级智能体部署中的效能。
Hugging Face Blog精选AI 评分6666 Apertus 1.5 发布：从开源文本模型演进为开源多模态推理模型
Project Apertus 发布 Apertus 1.5，推出 8B 和 70B 两个版本的开源模型，在 1.0 基础上扩展了图像与音频理解能力，新增可选思考模式，上下文窗口扩大至 262,144 个 token，并改进了指令遵循与工具调用。该模型基于 Apache 2.0 许可证在 Hugging Face 开源，完整公开了模型权重、训练数据及详细的技术报告。
发布时间：推荐理由：该开源模型扩展了多模态理解与思考模式，并公开了完整权重与训练细节，为研究人员复现和改进开源大模型提供了完整参考。
Google Research精选AI 评分6161 Google Research 发布 Research@ 2026 十大技术亮点
Google Research 在 Research@ 2026 活动上公布了十项技术与工具更新，涵盖 Google Earth AI 早期访问、支持多智能体协作的科学研究工具。
发布时间：推荐理由：原文集中展示了十项技术与工具更新，读者可以据此了解其在科学、医疗、地球智能等领域的最新进展与开放动态。
Google Research精选AI 评分8282 Google Research 发布 Geospatial Reasoning 智能体与行星预测引擎更新
Google Research 推出了 Geospatial Reasoning 智能体与 Planetary Prediction Engine 的多项更新，并发布了包含 GeoKTools 和 GeoExpertQueries 在内的技术报告与基准。
发布时间：
Apple Machine Learning Research精选AI 评分6161 三模态掩码扩散模型的设计空间
Apple Machine Learning Research 推出了首个从头预训练的三模态 Masked Diffusion Models（MDM），支持文本、图文和音文数据，并在 3B 模型规模（6.4T tokens）下取得了文本生成、文本生成图像和文本生成音频任务的强劲结果。
发布时间：推荐理由：论文系统分析了三模态掩码扩散模型的设计空间与缩放规律，并提出了新的随机微分方程重参数化方法，为多模态离散扩散模型研究提供了大规模公开参考。
Google DeepMind精选AI 评分9292 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon 模型，该模型在编码、金融、法律及科学研究等复杂任务中表现出更强的推理与多模态能力。Argon 支持 100 万 token 的统一输入输出窗口，现已通过 API、AI Studio、Gemini 应用及 Google Antigravity 平台向开发者、企业及订阅用户开放。
发布时间：推荐理由：Gemini 4 Argon 针对复杂工程、科学研究及智能体任务进行了深度优化，其在多步推理和代码生成方面的表现可作为评估当前前沿模型解决高难度专业任务能力的重要参考。
Apple Machine Learning ResearchAI 评分4747 大语言模型在机器翻译质量标注中的表现：人类与模型均面临挑战
研究评估了 LLM 在多维质量指标（MQM）和错误跨度标注（ESA）任务中的表现，通过对比 70 个语言对及 WMT23 和 WMT25 数据集，发现 LLM 与人类标注者的一致性在不同任务中差异巨大，在多数场景下仍不可靠。研究指出人类在细粒度标注和低资源语言上表现受限，而 LLM 则难以处理细微错误、错误语言变体及错误跨度标注。该结果强调了通过人机协作标注流程提升评估可靠性的潜力。
发布时间：
Cloudflare AI精选AI 评分7272 Cloudflare 发布多模态决策模型 Clef-omni 并优化 Clef 系列
Cloudflare 发布 Clef-omni 模型，支持音频、视频、图像和文本输入，基于 Qwen3-Omni-30B-A3B-Instruct 架构构建。同时，Clef-flash 价格降至每百万 token 0.038 美元，上下文窗口调整为 24k；Clef 模型通过 SGLang 优化提升了推理速度。
发布时间：推荐理由：Cloudflare 扩展了决策模型系列，通过引入支持音视频的多模态模型并优化现有模型性能与价格，为开发者提供了更低成本的自动化决策方案。
OpenAI NewsAI 评分3333 Pollo AI 集成 OpenAI 模型，助力创意转化为营销活动
Pollo AI 通过集成 GPT-5.6、GPT-6 Astra 及 GPT-Image-2.5 模型，帮助创作者将创意构思转化为精细的图像与电影级视频广告。该平台利用上述模型能力，简化了从创意生成到营销活动落地的全流程。
发布时间：Hugging Face Blog精选AI 评分6868 Liquid AI 发布 d1 系列端侧多模态决策模型
Liquid AI 发布了 d1-3B 和 d1-omni-600M 两款开源决策模型，旨在为端侧设备提供快速的结构化决策能力。d1-3B 支持文本和图像输入，在 NVIDIA Jetson 等设备上单次推理延迟低于 50ms；d1-omni-600M 则支持文本、图像及音频输入。该系列模型不生成 token，而是通过单次前向传播直接输出决策结果，目前已在 Hugging Face 上线。
发布时间：推荐理由：Liquid AI 发布了专为端侧设计的 d1 系列决策模型，通过单次前向传播实现快速结构化决策，为开发者提供了在资源受限设备上部署多模态任务的新选择。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 EmbeddingGemma 2 多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是一款基于 Gemma 4 架构、采用 Apache 2.0 协议的 7.4 亿参数轻量级多模态嵌入模型。它支持文本、图像、音频和视频的统一嵌入空间，具备 8K 上下文窗口，并支持通过 Matryoshka 学习动态调整输出维度，专为端侧设备的高效检索与 RAG 任务优化。
发布时间：推荐理由：该模型通过模块化设计和 Matryoshka 学习技术，为开发者提供了一种在资源受限的端侧设备上实现多模态检索与 RAG 的高效方案。
Google Research精选AI 评分6868 Google 发布用于全球公共卫生的行星级地理空间基础模型 PDFM
Google Research 推出人口动态基础模型（PDFM），通过自监督学习将搜索趋势、人类移动、建筑密度及环境因素压缩为位置嵌入向量。该模型作为插件可直接集成至现有流行病学工作流中，在疫苗接种预测、慢性病监测、传染病预警及心理健康风险评估等五项公共卫生挑战中表现出显著的预测增益。
发布时间：推荐理由：Google Research 介绍了 PDFM 这一地理空间基础模型，通过将环境、移动和搜索数据转化为位置嵌入，为公共卫生预测提供了可直接集成的插件式方案。
Mistral AI精选AI 评分8686 Mistral AI 发布 Mistral Large 4 多模态模型预览版
Mistral AI 推出 1 万亿参数的多模态模型 Mistral Large 4 预览版，具备 520 亿激活参数，在编码、智能体工作流、网络安全及科学计算领域表现优异。该模型目前已在 Mistral Studio 提供 API 预览，官方计划于本月底发布模型权重。
发布时间：推荐理由：Mistral AI 发布了 1 万亿参数的多模态模型 Mistral Large 4 预览版，该模型在编码、智能体工作流及网络安全任务中表现出极强竞争力，并将于本月底开源权重。
Cloudflare AI精选AI 评分6666 Cloudflare AI Search 正式商用并支持多模态检索
Cloudflare AI Search 现已正式商用，将于 2026 年 11 月 1 日起计费，并提供包含免费额度的定价方案。此次更新新增了对图像的原生嵌入检索、PDF 文档 OCR 处理及更大文件格式的支持，同时通过 Matryoshka Representation Learning 优化了多模态检索效率。
发布时间：推荐理由：Cloudflare AI Search 正式商用并引入多模态检索与 OCR 能力，开发者可据此评估其在构建企业级知识库与多媒体搜索应用中的成本与功能适配性。
Microsoft ResearchAI 评分5656 Microsoft Research 发布生物学 AI 研究系统 Quine
Microsoft Research 推出生物学 AI 研究系统 Quine，旨在通过多模态世界模型与连接科学工具、文献及实验室的交互式框架，加速生物学研究中的假设生成与实验验证。该系统已在胰腺癌细胞状态研究中通过预测化合物有效缩短了实验周期，目前通过 Quine Fellows 项目向部分科研人员开放。
发布时间：
Google Research精选AI 评分7676 Google 发布用于自动化长视频生成的 AI 视频联合导演框架
Google Research 推出了一套 AI 视频联合导演框架，通过多智能体协同解决长视频生成中的语义漂移与视觉不一致问题。该方案包含四个核心组件：用于全局策略规划的 AI Video Co-Director、利用视觉记忆保持连贯性的 CANVAS、实现长时序动态生成的 A²RD，以及通过闭环反馈优化提示词的 VQQA，旨在实现分钟级长视频的稳定叙事。
发布时间：推荐理由：该研究提出了一套多智能体框架，通过全局优化和视觉记忆机制解决长视频生成中的一致性难题，为提升长叙事视频的连贯性提供了可借鉴的架构思路。
Google DeepMind精选AI 评分7676 Google 发布 Gemini 3.8 Live 数字人功能
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，通过实时视频生成技术为对话模型增加视觉形象。该功能支持 97 种语言的唇形同步、异步工具调用以及企业自定义数字人形象，目前已在 Gemini Enterprise 中上线。
发布时间：推荐理由：Google DeepMind 为 Gemini 3.8 Live 引入实时数字人功能，支持异步工具调用与多语言唇形同步，为企业级智能体交互提供了更具表现力的视觉方案。
Google ResearchAI 评分4848 Google Research：如何利用生成式 UI 为教师打造交互式学习体验
Google Research 推出了一项利用生成式 UI（GenUI）技术的新研究，旨在帮助教师动态创建定制化、交互式且具有引导性的教育模拟内容。该方案基于 LearnLM 模型系列，通过结构化的游戏化关卡与 AI 生成的辅助教学，支持 STEM 学科的深度学习。
发布时间：
Berkeley AI ResearchAI 评分2525 2026 年 Berkeley AI Research (BAIR) 毕业生展示
Berkeley AI Research (BAIR) 实验室发布 2026 届博士毕业生名单，展示了他们在机器人具身智能、LLM 推理、生成式建模及 AI 安全等前沿领域的科研成果。这些毕业生目前已前往 OpenAI、Mistral AI、Amazon 等行业实验室，或担任高校教职及投身创业。该展示旨在庆祝毕业生在学术与系统构建方面的贡献，并促进其与学术界及工业界的后续交流。
发布时间：