新模型的發佈、開源與迭代：大模型廠商的旗艦更新、開源權重放出、性能與價格變化的第一時間記錄。
NVIDIA 發佈 Nemotron 3.5 Content Safety，將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT，明確訓練覆蓋 12 種語言，並承接其約 140 種語言的 zero-shot 泛化；可選 THINK mode 會輸出推理軌跡。
推薦理由：Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型，並附訓練資料集，提供企業安全審核的部署參考。
H Company 發佈 Holo3.1 電腦操作模型系列，擴展至網頁、桌面及手機環境，並提供本地推理量化權重。AndroidWorld 上，35B-A3B 模型的分數由 67% 升至 79.3%，4B 和 9B 版本由 58% 升至 72%。
推薦理由：文章同時列出不同尺寸、量化格式，以及 AndroidWorld 和 DGX Spark 數據，讀者可據此比較本地部署的性能與速度取捨。
Mistral 推出 Mistral Medium 3.5 公開預覽，並以此支援 Mistral Vibe 雲端遠端編碼代理及 Le Chat 的 Work mode。
推薦理由：材料展示模型、雲端編碼代理與 Le Chat 多步驟工具流程的連接方式，能看出長程任務如何落入具體產品工作流。
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Google DeepMind 推出 Gemini Omni 系列首個模型 Gemini Omni Flash，可結合圖像、影片、文字及語音參考生成影片，並支援透過對話編輯。
推薦理由：材料把 Gemini Omni Flash 的多模態輸入、對話式影片編輯和分階段上線平台放在一起，便於理解新模型如何連接生成能力與實際使用入口。
Google DeepMind 發佈 Gemini 3.5 模型系列，首款 Gemini 3.5 Flash 即日起透過 Gemini app 和 Google Search 的 AI Mode 向全球用户開放。
推薦理由：Gemini 3.5 Flash 列出代理任務、編碼及多模態基準成績，並比較每秒輸出 tokens 的速度，讓性能主張有多項指標可供對照。
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型：97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由：文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較，並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
OpenAI 將 GPT-5.5 Instant 設為 ChatGPT 預設模型，並稱其回答更聰明、更準確，模型幻覺也有所減少。更新亦改善個人化控制。
推薦理由：更新既涉及回答表現，也涵蓋個人化控制，讀者可從兩個層面瞭解 GPT-5.5 Instant 成為 ChatGPT 預設模型後的變化。
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。
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。
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。
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。
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。
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。
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。