Nano Banana 2.1 已上线 Text-to-Image Arena、Image Edit Arena 和 Multi-Image Edit Arena，分别取得第 5 名 1328 分、第 6 名 1428 分和第 4 名 1431 分。

OpenRouter 官方公布 Gemini 图像生成的新能力：最多支持 14 张参考图，支持基于 Google Search 的 grounding，并改进了 1:4、4:1、1:8 和 8:1 全景图在 2K 和 4K 下的清晰度。价格为每张图 1K $0.0336、2K $0.0504、4K $0.1134，入口在 openrouter.ai/google/gemini-…。

Google 发布 EmbeddingGemma 2，一款采用 Apache 2.0 许可、面向端侧多模态 AI 的嵌入模型，可将文本、代码、图像、音频和视频映射到同一可搜索空间。

由 GPT-6 Luna 驱动，支持文本和图像输入，并支持 3 种输出： Predicates：估计一个陈述为真的概率。 Choices：从预定义选项中选择，并给出置信度分数。 Scores：根据数值范围对输入进行评估。

开发者一直在用 Decisions API 来： • 将请求路由到正确的模型、工具或智能体。 • 将规模化输入转化为有用的标签、排名和评分。 • 分析图像、比较视觉内容或识别关键视频帧。 • 选择按钮、填写表单或根据截图确定操作。 • 标记有风险的工具调用或识别需要深入审查的问题。 • 对大型数据集进行分类，以发现趋势和模式。

fal 官方宣布现已在 ChatGPT 和 Codex 中可用，用户可在对话内直接浏览用 fal 生成的图片和视频，无需离开聊天界面。此外还能从 ChatGPT 访问 fal Media Library，并将其固定到侧边栏，方便在任意对话中快速调用素材。

使用全新的 fal Claude Connector 和 GPT 插件，直接在 Claude 或 ChatGPT Codex 中生成图片和视频。无需 API Key！ Watch the tutorial on YouTube: piped.video/gSFCIxZSodQ?si=Ti7u…

Google DeepMind精选AI 评分7474

Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到共享嵌入空间。

Mistral Large 4

Mistral Large 4 作为新模型出现在 Simon Willison 的测试中，被用 `llm -m mistral/mistral-large-4` 与 claude-opus-5.5。

Hugging Face 发布新的开源嵌入模型 EmbeddingGemma 2，面向端侧使用场景，支持代码、图像、视频、音频和文本嵌入。该模型采用模块化设计，参数量从 270m 到 740m，使用 Matryoshka embeddings 提升存储效率，采用 Apache 2 License 开源。

Gemini 官方宣布在 Gemini Live 中推出 Guided Vision，与盲人和低视力社区共同打造，提供对话式实时视觉协助。用户共享摄像头后即可获得动态语音描述和自然的口头取景提示，以探索周围环境。

Gemini 官方宣布 Guided Vision 功能现已在运行 Android 9 及以上的 Android 设备上可用，覆盖 Gemini Live 支持的地区和语言。用户需将 Gemini 应用和 Android 系统软件更新至最新版本才能使用。官方博客介绍了日常用例，以及该功能如何通过与无障碍社区密切协作开发而来，链接为 goo.gle/GuidedVision。

无论是定位物体、准备餐食还是挑选衣物，Guided Vision 都能支持那些最需要快速视觉帮助的日常任务： 📖 阅读小字和复杂文本 🔍 查找和定位物体 🗣️ 描述物体并匹配细节 📍 探索你周围的环境 Guided Vision 还为老年人、识字率低的人群，或任何试图在弱光下阅读小字的人提供实用的视觉辅助。

Gemini 官方账号介绍 Gemini Live 的 Guided Vision 功能：用户共享摄像头时，Gemini 会作为对话伙伴，若镜头抬得过高、过近或略偏一侧，它会用自然的语音提示引导用户向右缓慢平移、向下倾斜或后退，以便获得清晰的视觉上下文来回答问题。

"没有一个模型能统治一切。 创意构思和最终出图需要不同的东西。工作就是把创意交给每个环节最合适的模型。"

Sesame 宣布了自家的智能眼镜产品，将于 2027 年推出！ > "我们的产品系列将在日本制造，2027 年上市。" 正如我们早前报道的，Sesame 正在为其 AI 助手应用开发新的支付方案、浏览器使用支持、定时任务、连接器以及大量智能体功能。 除了各大实验室之外，这是我最期待持续关注的产品之一。 很快 👀

Google 发布 EmbeddingGemma 2 开放权重模型，采用 Apache 2 许可。该模型为 740M 参数的轻量级多模态嵌入模型，可将文本、代码、图像、视频和音频映射到统一嵌入空间，具备模块化编码器和 8K context window。

pplx-decider-v1.1-27b 开放权重多模态决策模型现已可用，在 Hugging Face 新推出的 Decision Index 0.3 基准上取得最高分。该模型成本为 v1 的一半，输入 token 价格为 $0.02 per million input tokens，相关页面见 huggingface.co/spaces/multim…。

OmniReasoning Pushing the Limits of Audio-Visual Joint Reasoning paper: huggingface.co/papers/2609.3…

我让 Opus 5.5 为最新的 @AcquiredFM Home Depot 单集制作了一个交互式网站伴侣，效果相当不错！ 水彩插画也全都是 Claude 画的：claude.ai/artifact/RdE6uE7Wo… 单集在这里：acquired.fm/episodes/home-de…

我们在 cookbook 中新增了五个应用，全部基于新的 @spacexai TypeScript SDK 构建： - 前提到短片 - 图片到视频广告 - 截图到 React 组件 - 𝕏 帖子到情绪仪表盘 - 链接到播客 演示和代码 ↓

Computer 可以构建交互式图表，帮助交易者了解期权持仓情况。 利用 QuantWheel 数据，它绘制了 QQQ 的 gamma 敞口，并直接在对话中标记了关键价格水平。

Google DeepMind 发布 EmbeddingGemma 2，称其在 740M 参数量级上各基准表现有竞争力，甚至超过部分规模两倍以上的专用模型。开发者可用它为应用加入多模态搜索，例如通过语音备忘录查找视频片段，或与 Gemma 4 搭配实现私密的端侧 RAG。该模型以 Apache 2.0 许可发布，权重已在 Hugging Face 和 Kaggle 开放。

Google DeepMind 发布 EmbeddingGemma 2，称这是其首个面向端侧嵌入的原生多模态开放模型。该模型从文本扩展到代码、图像、音频和视频，将这些内容统一到共享空间中。

Google 发布 EmbeddingGemma 2，这是其首个专为端侧嵌入打造的原生多模态开放模型。该模型基于 Gemma 4 架构，采用 Apache 2.0 许可证发布，将图像、视频、音频和代码统一到单一嵌入空间中。

Google 发布 EmbeddingGemma 2，参数量 740M，官方称同规模下表现最佳，超过部分两倍于其规模的模型，活跃内存占用低至约 191MB 到 567MB。相比第一代，其上下文窗口扩大 4 倍至 8K，单次最多可处理 5.5 分钟音频、29 张图片或 58 帧视频。

Google 发布 EmbeddingGemma 2，这是一个可在 0.5GB RAM 本地运行的新开源模型。该模型采用 Apache 2.0 许可，参数量 740M，由 270M 文本模型、170M 视觉模型和 300M 音频模型组合而成，可通过 Unsloth 运行与训练，并提供 GGUF 文件和使用指南。

Simon Willison 测试 Claude Opus 5.5 作曲能力

Simon Willison 用一段提示词让 Claude Opus 5.5 为电脑游戏作曲，要求它先设计简单的文本音乐格式并构建能外放的 artifact，附带示例曲目，风格对标《猴岛小冒险》原声。结果偏向猴岛主题但表现意外地好，作者猜测作曲能力可能是文本模型近几个月新出现的能力，类似 3D 图形能力，但认为需要对其他新旧模型做实验才能确认。

Nano Banana 2.1 正在 Google AI Studio、API 和 Gemini 上线，定位为高质量图像生成与编辑模型，主打增强的事实性、视觉保真度和多轮一致性，达到 Flash 规模。

Mistral Large 4 现已在 OpenRouter 开放公开预览，参数规模为 1T（49B active），原生多模态，支持 1M 上下文与最高 256K 输出。前两周半价，价格为 $0.68 in / $2.09 out per 1M tokens（$0.07 cached）。

TechCrunch · AIAI 评分7474

Mistral AI 发布 1 万亿参数多模态模型 Mistral Large 4

Mistral AI 发布 1 万亿参数多模态模型 Mistral Large 4（ML4），代号 Le Chonk，目前仅通过公开 guardrail endpoint 访问，计划在安全测试完成后于三周内开放权重。

说实话，对性能没那么惊艳。 考虑到我们最近看到的 Kimi、Qwen、DeepSeek、GLM 等，我猜很多人会有同感。 但你知道吗，这没关系！ 我们需要的是更高效、更多样、可定制的前沿开源权重模型。 很高兴看到 Mistral 回归赛场。 我喜欢我看到的多模态能力。我认为 Mistral Large 可以在这方面脱颖而出。网络安全也可能是他们一个有趣的方向。

Perplexity CEO Aravind Srinivas 展示了两个 AI 智能体实时对战星际争霸 Brood War 的演示，游戏不暂停、在各自思考时持续运行，最终比分为 Blue 2 比 Red 5。

Mistral Large 4 已在 OpenRouter 上线 public preview，参数为 1T（49B active），原生多模态，支持 512K context 和最高 256K output。前两周半价，价格为 $0.68 in / $2.09 out per 1M tokens（cached $0.07）。

TechCrunch · AIAI 评分4444

Pinterest 推出 AI 功能 Beauty Guides，将美妆灵感 Pin 转化为可执行方案

Pinterest 推出 AI 功能 Beauty Guides，基于其视觉智能与生成式 AI 技术 Pinterest Intelligence，将用户收藏的发型、美甲等美妆灵感 Pin 转化为可执行方案。

Mistral AI精选AI 评分8080

Mistral AI 公开预览 Mistral Large 4，月底开放权重

Mistral AI 宣布 Mistral Large 4（非正式代号 le Chonk）进入公开预览，可在 Mistral Studio 使用预览 API，权重将于本月底发布。

Mistral 宣布 Mistral Large 4 "Le Chonk"，一个 1T 参数的开源权重模型，具备 49B 激活参数和原生多模态能力。该模型今日起通过 API 推出，开源权重版本计划于 10 月底发布，并宣称在包括网络防御在内的关键工作负载上达到 SOTA。

Mistral 发布 Mistral Large 4（代号 Le Chonk），1T 参数、49B 激活、原生多模态，称其是美欧出品中聚合基准最强的开放权重模型。该模型在网络防御、制造、金融等关键任务上达到 SOTA，并在视觉定位上超越闭源前沿模型；全程在欧洲打造，可通过 Mistral Cloud 基础设施在欧洲部署，今日起通过 API 开放，开放权重版本将于 10 月底发布。

一个2000+ Star的开源项目新增9种动画讲解视频风格，用Opus 5.5经多轮迭代打磨后开源分享，作者称效果足以直接用于起号。使用流程为拉取最新代码，在harness（claude模型效果最佳）中用skill模板生成任意主题的动画讲解（如v1设计师风格），再可选配音和数字人数字人口播视频。测试发现该skill模板用codex也能产出类似效果。

Mistral 发布新模型 Mistral Large 4（ML4，代号 le Chonk）的预览版，该模型拥有 1T 参数、49B 激活参数，原生具备多模态能力。作者称其处于开源模型前沿，是来自美国或欧洲的最强开源权重模型；预览版背后的 RL 训练仍在进行且未见饱和迹象，最终版本与模型权重将在月底前发布。