Granite Team（IBM）詳述 Granite 4.1 的 3B、8B 和 30B 模型構建流程，涵蓋預訓練、監督式微調和多階段強化學習。預訓練以約 15T tokens 分五階段進行，並將上下文窗口擴至最高 512K tokens；其後以約 4.1M 經整理樣本作微調，採用 on-policy GRPO 配合 DAPO loss 進行強化學習。
推薦理由：文章梳理 Granite 4.1 從約 15T tokens 預訓練、約 4.1M 樣本微調到多階段強化學習的流程，呈現 dense 模型的訓練設計取捨。
NVIDIA 發佈 Nemotron 3 Nano Omni，這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由：文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果，另列系統效率數據，提供文件、影音和 GUI 任務的比較依據。
深度求索（DeepSeek）發佈 DeepSeek-V4，Pro、Flash 系列各有 instruct 與 base 版本，四款 checkpoint 均支援 1M-token 上下文。
推薦理由：文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來，並以基準數據呈現長上下文能力在工具任務中的表現。
DeepSeek API 現已支援 V4-Pro 和 V4-Flash。兩款模型可透過 OpenAI ChatCompletions 介面及 Anthropic 介面使用，base_url 維持不變，model 參數應設為 deepseek-v4-pro 或 deepseek-v4-flash。
OpenAI 介紹 GPT-5.5，這是一款面向跨工具複雜任務的模型，涵蓋編碼、研究與數據分析。
OpenAI 發佈 Privacy Filter，一款用於在文本中偵測及遮蔽個人身份識別資訊（PII）的開放權重模型。OpenAI 稱這款模型具備 state-of-the-art accuracy。公告網址為 https://openai.com/index/introducing-openai-privacy-filter。
OpenAI 推出 GPT-Rosalind，這是一款旨在加速藥物發現、基因組分析、蛋白質推理及科學研究工作流程的前沿推理模型。
Google DeepMind 發佈 Gemini 3.1 Flash TTS，提升文字轉語音的可控性、表現力與品質，並加入音訊標籤細調語音表現。模型支援 70+ 種語言及原生多説話者對話，在 Artificial Analysis TTS leaderboard 的 Elo 分數為 1,211。
推薦理由：文章聚焦音訊標籤如何細調語氣、節奏與表達，並列出 Gemini 3.1 Flash TTS 面向開發者、企業及 Workspace 用户的推出渠道。
OpenAI 擴大 Trusted Access for Cyber 計劃，向經審核的防禦者引入 GPT-5.4-Cyber。OpenAI 同時在 AI 網絡安全能力持續進展之際加強防護措施。
Google DeepMind 發佈 Gemini Robotics-ER 1.6，提升機械人的空間與多視角推理能力，並新增儀表讀數能力。模型在指點、計數、任務成功檢測等方面較 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有所提升，並透過 Gemini API 和 Google AI Studio 向開發者提供。
Overworld 推出 Waypoint-1.5 即時影片世界模型，提升視覺保真度並擴大可本地運行的硬件範圍。桌面硬件 RTX 3090 至 5090 可生成最高 720p、60 FPS 的即時環境；另有面向更廣泛消費級硬件（包括遊戲筆電）的 360p 版本，Apple Silicon Mac 支援即將推出。
推薦理由：Waypoint-1.5 分設 720p 與 360p 檔位，並列明 RTX 3090 至 5090 可達最高 720p、60 FPS，呈現其畫質與本地硬件覆蓋方案。
FireRedTeam 發佈 FireRed-Image-Edit-1.1，基於 FireRed-Image-Edit-1.0，優化人像一致性、多元素融合、風格化文字參照及人像妝效。內置 Agent 可自動處理超過 3 張輸入圖片的區域偵測、裁切拼接及提示詞改寫。項目提供的加速推理配置標示使用 30GB VRAM，生成約 4.5s/sample。
Google DeepMind 發佈 Gemma 4 開放模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四種尺寸，並採用 Apache 2.0 授權。
推薦理由：Gemma 4 提供從手機端到工作站的多種尺寸，並列出排行榜名次與上下文窗口，便於比較本地部署時的硬件需求和能力差異。
Google DeepMind 的 Gemma 4 多模態模型系列已登陸 Hugging Face，提供五種尺寸，支援圖像、文字及部分型號的音訊輸入。模型採 Apache 2 授權，最大上下文窗口為 256K；31B 和 26B A4B 的 text-only LMArena 估算分數分別為 1452 和 1441，後者有 4B 啟用參數。
推薦理由：文章列出五種 Gemma 4 規格、上下文窗口和音訊支援差異，並整理多個推理與微調框架的接入方式，可供比較型號特點及部署路徑。
Granite 4.0 3B Vision 現已推出，是面向企業文件理解的緊湊型視覺語言模型，支援表格抽取、圖表理解及語義鍵值對抽取。模型以 LoRA adapter 形式構建於 Granite 4.0 Micro 之上，可獨立使用或配合 Docling，並以 Apache 2.0 授權在 Hugging Face 提供。
Google DeepMind 推出 Gemini 3.1 Flash Live，提升即時語音對話的精準度並降低延遲。它在 ComplexFuncBench Audio 得分 90.8%，在 Scale AI 的 Audio MultiChallenge 開啟 thinking 時得分 36.1%。
推薦理由：原文以兩項語音基準呈現多步函數調用與複雜指令跟隨表現，並列出開發者、企業及一般用户的使用入口，可對照其能力與部署場景。
Google DeepMind 推出音樂生成模型 Lyria 3 Pro，支援生成最長 3 分鐘的曲目，並可按前奏、主歌、副歌和橋段等音樂結構提示創作。
推薦理由：文章呈現 Lyria 3 Pro 從段落提示到 Vertex AI 公開預覽的接入脈絡，並連結創作者音樂工具與企業按需音訊製作場景。
Mistral AI 發佈 4B 參數的 Voxtral TTS，支援 9 種語言語音生成。在典型的 10 秒語音樣本和 500 characters 輸入下，模型延遲為 70ms；人評顯示其自然度高於 ElevenLabs Flash v2.5，TTFA 相近。
推薦理由：原文以人評比較 Voxtral TTS 與 ElevenLabs Flash v2.5 的自然度和 TTFA，並列出模型延遲及 API 定價，提供評估語音智能體應用的具體依據。
OpenAI 發佈 GPT-5.4 mini 和 nano，兩者是 GPT-5.4 的較小、更快速版本。它們針對編碼、工具使用、多模態推理，以及高用量 API 和子智能體工作負載作最佳化。
Mistral AI 發佈 Mistral Small 4，將 Magistral 的推理、Pixtral 的多模態及 Devstral 的智能體編碼能力整合至單一模型。
推薦理由：Mistral Small 4 整合指令、推理、多模態及智能體編碼能力，並列出相較 Mistral Small 3 的吞吐數據，可供比較單一模型承接多類任務時的效率表現。
Mistral AI 開源 Leanstral，一款為 Lean 4 設計、用於程式碼生成與形式化證明的程式碼智能體，採用 6B active parameters。
Sarvam AI 開源 Sarvam 30B 和 Sarvam 105B 兩款從零訓練的推理模型，並提供 API、權重下載及本地推理範例。兩者採用 MoE Transformer 架構，分別以 16T 和 12T tokens 預訓練，並在印度使用 IndiaAI Mission 提供的算力訓練。
OpenAI 發佈 GPT-5.4，並稱其為面向專業工作的能力最強、效率最高的前沿模型。該模型具備最先進的編碼、電腦操作和工具搜索能力，並有 1M-token 上下文窗口。
Google DeepMind 推出 Gemini 3.1 Flash-Lite，現正以預覽版向開發者及企業開放，開發者可透過 Google AI Studio 的 Gemini API 使用，企業則可透過 Vertex AI 使用。
推薦理由：文章把 Gemini 3.1 Flash-Lite 的定價、相較 2.5 Flash 的速度數據及質素描述並列，呈現其面向高頻工作負載的成本定位。
Google DeepMind 發佈圖像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），以 Flash 速度帶來 Nano Banana Pro 的世界知識、品質與推理能力。
推薦理由：Nano Banana 2 將 Nano Banana Pro 的世界知識、視覺品質與創作控制帶到 Flash 速度，並交代其在 Google 產品中的推出範圍及 Nano Banana Pro 的保留使用方式，説明兩款模型面向的工作流程差異。
Inception Labs 發佈 Mercury 2 推理語言模型，透過擴散模型並行修訂生成回應，主打低延遲推理。官方列出其在 NVIDIA Blackwell GPUs 上達 1,009 tokens/sec，並稱生成速度提升 >5x；價格為 $0.25/1M input tokens、$0.75/1M output tokens。
Google DeepMind 發佈 Gemini 3.1 Pro，作為 Gemini 3 系列核心模型升級，提升複雜問題的推理能力。它在 ARC-AGI-2 取得經驗證的 77.1% 得分，推理表現超過 Gemini 3 Pro 兩倍。
推薦理由：Gemini 3.1 Pro 在 ARC-AGI-2 取得經驗證的 77.1% 得分，並稱推理表現超過 Gemini 3 Pro 兩倍，為核心推理升級提供量化比較依據。
Google DeepMind 在 Gemini app beta 推出 Lyria 3 音樂生成模型，使用者可用文字提示或上傳照片、影片生成 30 秒音軌。系統會按提示生成歌詞，並可調整風格、人聲和節奏；音軌嵌入 SynthID，Gemini 的核驗功能亦延伸至音訊，使用者可上傳檔案詢問其是否由 Google AI 生成。
推薦理由：Lyria 3 在 Gemini app 開放以文字、圖片或影片生成音樂，並納入 SynthID 與音訊核驗，呈現創作功能和 AI 內容識別並行的設計。
Anthropic 在 Claude Platform 推出 Claude Sonnet 4.6，定位為兼顧速度與智能的日常任務模型，智能體搜尋表現提升且 token 消耗較少。
Google DeepMind 發佈 Gemini 3 Deep Think 重大升級，面向科學、研究與工程領域的複雜挑戰。
推薦理由：文章列出數學、編程及科學基準的具體成績，並交代 Gemini app 與 Gemini API 的開放方式，呈現本次升級的評測範圍和使用入口。
OpenAI 發佈 GPT-5.3-Codex-Spark，並稱其為首個即時編碼模型，生成速度快 15x，具備 128k 上下文窗口。目前以研究預覽形式向 ChatGPT Pro 用户提供。
推薦理由：公告列出生成速度、上下文窗口及研究預覽的適用對象，讓讀者可同時瞭解 GPT-5.3-Codex-Spark 的性能宣稱與目前開放範圍。
OpenAI 發佈 GPT-5.3-Codex，這款 Codex 原生智能體結合前沿編碼表現與通用推理，支援長週期的現實技術工作。
Mistral AI 發佈 Voxtral Transcribe 2，包含用於批次轉寫的 Voxtral Mini Transcribe V2，以及面向即時應用的 Voxtral Realtime。
推薦理由：批次版與即時版的定位和能力差異清晰，文章亦列出即時轉寫的延遲設定、開放權重授權及兩款模型的 API 價格，便於比較部署選項。
Overworld 發佈 Waypoint-1，這款即時互動影片擴散模型可透過文字、滑鼠和鍵盤控制，並按控制輸入逐影格生成。模型以 10,000 小時配有控制輸入及文字描述的多樣化遊戲影片訓練，並以 self-forcing 後訓練，令訓練更貼近逐影格推理。
推薦理由：Waypoint-1 從訓練之初便以互動體驗為目標，與常見的先用預訓練影片模型、再微調簡化控制輸入的做法形成對照。
Google DeepMind 推出 D4RT，這是一個統一的 AI 模型，可重建並追蹤跨越空間與時間的 4D 場景。測試中，D4RT 比此前方法快 18x 至 300x；在單顆 TPU 上，約 5 秒即可處理 1 分鐘影片，而舊方法最多需 10 分鐘。其查詢式 Transformer 架構支援點追蹤、點雲重建及相機姿態估計，應用方向包括機械人、擴增實境與世界模型。
Google 發佈開放醫療多模態模型 MedGemma 1.5 4B，新增 CT、MRI、病理全切片及胸部 X 光時間序列等醫療影像處理能力。其基準結果較 MedGemma 1 4B 提升，例如 CT 疾病分類準確率為 61%（58%），MRI 為 65%（51%），醫療文本 EHRQA 為 90%（68%）。
推薦理由：MedGemma 1.5 4B 在多項醫療影像與文本基準上較前代提升，文中列出的具體分數可用來比較不同任務的改進幅度。
NVIDIA 發佈 Cosmos Reason 2，稱其在 Physical AI Bench 和 Physical Reasoning 榜單位列視覺理解開放模型第一。
Falcon-H1-Arabic 發佈 3B、7B、34B 三種阿拉伯語模型，採用 Mamba 與 Transformer 混合架構。3B 的上下文窗口為 128K tokens，7B 和 34B 均為 256K tokens。
ServiceNow AI 發佈 AprielGuard，一款 8B 參數的安全防護模型，可分類 16 類安全風險並檢測多種對抗攻擊。模型支援單獨提示詞、多輪對話及包含工具呼叫、推理軌跡和記憶的智能體工作流，並提供可輸出結構化解釋的推理模式和僅分類的快速模式。
OpenAI 表示，GPT-5.2-Codex 是其最先進的編碼模型，具備長程推理、大規模程式碼轉換及增強的網絡安全能力。