Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 发布 Gemini 4 Argon，称其可处理编程、研究和写作等任务，目前仅通过 Fairwind Program 向部分网络安全合作伙伴开放。该模型专门针对防御性网络安全训练，Google 称它能自主发现、验证并修复关键软件漏洞，自家员工已用它做调试和代码库迁移，还可解析长视频和图表。
#多模态
#多模态
今日 0 条TechCrunch · AIAI 评分5959 IT之家AI 评分4343 Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef
Cloudflare 推出基于 Qwen 的开源多模态决策模型 Clef，包含 Clef 与 Clef-flash 两款。两者分别基于 Qwen3.8-27B 和 Qwen3.5-9B，在 Jev 决策指数（Decision Index 0.2.1）评测中 Clef 处于领先地位，且完全兼容 Jev-API。
The DecoderAI 评分6969 Google 发布 Gemini 4 Argon，缩小与 OpenAI 和 Anthropic 的差距但未明显领先
Google 发布新一代前沿模型 Gemini 4 Argon，在多项基准上缩小了与 OpenAI、Anthropic 的差距，但未取得明显领先。
HuggingFace Daily PapersAI 评分3737 Question Relay 中的魔鬼：源条件中继引导缓解音视频大语言模型幻觉
SECRET（SourcE-Conditioned RElay sTeering）是一种免训练方法，在 question relay 处抑制跨模态干扰，缓解音视频大语言模型（AVLLM）的源混淆 grounding 幻觉。
HuggingFace Daily PapersAI 评分3232 音视频联合与跨模态生成及编辑：统一形式化与设计分类法综述
一篇音视频生成与编辑综述提出统一形式化框架，把联合生成、跨模态生成与联合编辑定义为同一音视频对分布上的三类问题，并沿五个设计维度建立方法分类。作者称这是首个系统梳理联合音视频编辑的综述，将其映射为 9 个编辑类别、覆盖 28 种编辑类型，同时整理了各场景的方法、数据集与指标。文章最后给出其认为最关键的开放问题。
Google DeepMindAI 评分5858 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为对话模型加入实时视频形象
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音结合，为实时对话模型加入能听、能看、能说的可视化形象，现已在 Gemini Enterprise 提供。
Sarvam AIAI 评分5050 Sarvam Vision 2.1：拓展文档智能的帕累托前沿
Sarvam Vision 2.1 在 olmOCR-Bench 总体得分 87.3，OmniDocBench v1.6 总体得分 94.97，并新增复杂多页表格结构化抽取、表单 KV 抽取与 Indic 手写识别能力。该模型沿用 harness-with-VLM 架构，在监督微调后进行 RLVR 后训练，缓解了此前的幻觉与不一致问题。团队同时优化推理栈，使 API 定价低于发布时，面向生产负载。
elsewhereAI 评分5656 阶跃 Step 5 Preview 实测：金融数据能力突出，长思考与美术资产偏弱
阶跃发布 Step 5 Preview，总参数量 600B、激活参数 27B，支持视觉输入，官方称单任务成本仅为 Claude Opus 5 的 1/8，并称其在 Artificial Analysis 上进入全球开源前三。第三方实测显示，它在利润表桑基图、金融数据获取与交叉验证上表现较好，但在冷门基准、泛化性以及寻找和制作美术资产上偏弱，且思考过程偏长会让长任务耗时明显增加。
Sierra BlogAI 评分3939 Sierra 下一代多模态智能体：随对话变形的界面
Sierra 的多模态智能体将语音、文本和视觉融入同一对话，并能按场景自动切换模式，无需用户重来或重复说明。智能体一次构建即可跨所有渠道部署，Sierra 的 MCP UI 集成可把产品卡、比较表、日历和表单等交互组件直接带入对话，组件由团队设计并托管且更新无需重新部署。组件需要更多空间时可展开至全屏，显示日历、长比较表和多步表单。
Google Blog · AIAI 评分2929 用 Google Search 升级家居装饰的 5 种方式
Google Search 提供 5 种家居装饰用法：AI Mode 可上传房间照片、生成沙发等家具在房间中的效果图，Lens 拍照查找同款复古家具，Circle to Search 圈选屏幕画面找相似装饰，Search Live 逐步指导 DIY 安装，商品列表可展开价格历史并开启 Track price 降价提醒。
Google Blog · AIAI 评分5757 Google 搜索推出 5 项 AI 学习工具
Google 在搜索中推出 5 项面向学习的新 AI 工具，包括生成互动可视化与模拟、定制练习题、Lens 分步讲解、AI Mode 笔记本，以及基于上传文件的定制学习文档。
elsewhereAI 评分3030 VAST 创始人宋亚宸：为世界进文明，为人类造幸福｜北坡计划
VAST 创始人兼 CEO 宋亚宸在播客对谈中表示，VAST 要先用 3D 基础模型把生产成本降至接近于零，再让普通人无需掌握复杂工具也能创作和分享自己的世界。其核心 3D 创作产品 Tripo AI 可从文字或图片生成 3D 模型，VAST AI Research 发布的世界模型研究预览 Project Eden 则
OpenRouter BlogAI 评分4040 OpenRouter 视觉指南：如何通过 API 向 LLM 发送图像
OpenRouter 给出通过 API 向 LLM 发送图像的标准写法：向 POST /api/v1/chat/completions 发送 messages 数组，用户消息的 content 由 text 和 image_url 两个 part 组成，文本 part 需放在前面。
Modal BlogAI 评分7575 Moonshot 发布 Kimi K3，Modal 首日以 460 tokens/s 上线
Moonshot 发布 2.8 万亿参数多模态模型 Kimi K3，具备 1M token 上下文窗口和原生视觉能力，Modal 在发布当天以 460 tokens/s 提供推理。
Modal BlogAI 评分6161 Thinking Machines 发布多模态模型 Inkling，登陆 Modal 托管端点
Thinking Machines 发布通用多模态模型 Inkling，可输入文本、图像和音频并输出文本，Modal 以 Day 0 支持将其作为按 token 计费的 Managed Endpoint 上线。