Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 在 d1 决策模型家族下开源 d1-3B 和实验性 d1-omni-600M 两款模型，两者均为开放权重并已上线 Hugging Face。
推荐理由：Liquid AI 开源两款决策模型，给出了端侧与 GPU 延迟实测和七项基准对比，可据此判断小模型做实时决策的可行性。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
8 条精选近 30 天 8 条共收录 21 条
更新
多模态的精选
Hugging Face Blog精选AI 评分7070
Google DeepMind精选AI 评分7272 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是原生将文本、图像、音频和视频映射到统一嵌入空间的端侧多模态嵌入模型，基于 Gemma 4 架构、Apache 2.0 许可、740M 参数。
推荐理由：EmbeddingGemma 2 把多模态嵌入压到 740M 参数并给出向量截断与内存数据，可据此评估端侧检索方案的可行性。
Mistral AI精选AI 评分7878 Mistral AI 发布 Mistral Large 4 公开预览
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52 亿激活参数的原生多模态模型，权重将于本月底开放。官方称其在编码、智能体工作流和多模态理解上表现突出，其中视觉 grounding 的 Dense 200 得分为 42%，超过 GPT-6-Astra 的 41%。
推荐理由：Mistral 官方给出 ML4 的参数规模、开放权重计划与多项基准对比，可据此判断开放权重模型的前沿位置。
Artificial Analysis精选AI 评分7474 Mistral 发布 Mistral Large 4，位列美中之外最智能模型
Mistral 以 Research Public Preview 形式发布 Mistral Large 4，在 Artificial Analysis Intelligence Index 上得分 38，与 GPT-6 Luna（max，38）相当，略低于 DeepSeek V4.1 Flash（max，39），成为美国和中国之外最智能的模型。
推荐理由：Mistral Large 4 的评测数据覆盖智能指数、网络安全与成本，可对比同期中美模型的能力与价格定位。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络安全防御者开放，并将逐步扩展至开发者、企业和消费者。
推荐理由：Gemini 4 Argon 公布输出上限与多项基准成绩，可据此判断前沿模型在长程编码与企业工作流上的位置。
Microsoft Research精选AI 评分6060 Microsoft Research 推出面向生物学复杂性的 AI 研究系统 Quine
Microsoft Research 发布 Quine，一个面向生物学复杂性的 AI 研究系统，包含跨序列、结构、功能、细胞状态和成像等模态联合训练的生物世界模型，以及连接模型、科学工具、文献与研究者的交互 harness。
推荐理由：微软研究院公开 Quine 的多模态世界模型设计，并给出胰腺癌化合物筛选的湿实验验证案例，可了解 AI 参与生物实验设计的当前路径。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，让模型以带唇形同步和表情的动态形象进行多模态交流。
推荐理由：官方给出 Live Avatar 的能力边界与企业入口，可据此判断实时视频对话在客服等场景的可用性。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色声音设计与逐行表演控制，后者面向高并发、低成本场景，支持 100 多种语言。
推荐理由：官方给出两款 TTS 模型的定制能力、基准排名和接入渠道，可对照现有语音方案评估迁移成本。