NVIDIA 发布 Cosmos Reason 2 推理视觉语言模型
NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，提供 2B 和 8B 两种参数规模，并在 Physical AI Bench 与 Physical Reasoning 榜单上成为排名第一的开源模型。
推荐理由：Cosmos Reason 2 把上下文从 16K 扩到 256K 并新增轨迹与 2D/3D 定位能力，可据此判断物理 AI 智能体的视频理解边界。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
Hugging Face Blog精选AI 评分
Mistral AI精选AI 评分
Mistral 发布 OCR 3 文档解析模型
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%。
推荐理由：官方给出与 Mistral OCR 2 的胜率对比、每千页定价和自托管选项，便于评估文档解析成本与合规。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 的推理能力与 Flash 级延迟、效率和成本结合，定价为 $0.50/1M 输入 tokens、$3/1M 输出 tokens。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，读者可据此判断它在速度与成本上的取舍。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5.2 前沿模型
OpenAI 发布 GPT-5.2，称其为面向日常专业工作最先进的前沿模型，具备最先进的推理、长上下文理解、编码和视觉能力。该模型可在 ChatGPT 和 OpenAI API 中使用，用于支撑更快、更可靠的智能体工作流。
推荐理由：OpenAI 公布 GPT-5.2 在推理、长上下文、编码与视觉上的定位，读者可据此判断日常专业工作与智能体流程的升级方向。
Mistral 发布 Mistral 3 系列，含 675B 参数 Mistral Large 3 与 3B/8B/14B Ministral 3
Mistral AI 发布 Mistral 3 系列，包括 Mistral Large 3 和 3B、8B、14B 三个尺寸的 Ministral 3，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出从 3B 到 675B 的 Apache 2.0 模型家族，读者可据此判断开源权重在端侧与前沿两端的覆盖范围。
- Google DeepMind精选AI 评分
Google DeepMind 在 Gemini 应用中上线 AI 图片验证功能
Google DeepMind 在 Gemini 应用中上线 AI 图片验证功能，用户上传图片并提问“Was this created with Google AI?
推荐理由：原文说明了 Gemini 应用内验证 AI 图片的具体操作方式，以及 SynthID 与 C2PA 两条技术路线的分工。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3 Pro Image（Nano Banana Pro）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 面向企业以付费预览形式逐步开放。
推荐理由：Google DeepMind 发布 Gemini 3 Pro Image，开发者可据此了解其分辨率、文本渲染与 Google 搜索接地等能力边界。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打更强推理与世界知识、图像内多语言文字渲染，以及最多融合 14 张图像、保持 5 人一致性的编辑能力，支持 2K 和 4K 分辨率与多种画幅。
推荐理由：官方给出 Nano Banana Pro 的能力边界与各产品上线节奏，读者可据此判断图像生成在自身工作流中的可用性。
Google Research精选AI 评分Google 发布端到端实时语音到语音翻译模型，延迟降至 2 秒
Google Research 发布端到端语音到语音翻译（S2ST）模型，直接在原说话人音色下生成翻译音频，延迟仅 2 秒，而此前的级联方案延迟为 4–5 秒且会累积误差。
推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此了解实时同传的技术取舍。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3 Pro，并推出智能体开发平台 Google Antigravity
Google DeepMind 发布 Gemini 3 Pro，称其在各项主要 AI 基准上超过此前版本，编码能力超过 2.5 Pro，可接入现有智能体与编码工作流。
推荐理由：Gemini 3 Pro 的基准成绩、定价与配套工具同时公布，读者可据此判断它能否接入现有编码与智能体工作流。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3 Pro，并推出 Gemini 3 Deep Think 与 Antigravity 平台
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版，同步上线 Gemini app、Search 的 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
推荐理由：官方给出 Gemini 3 Pro 在推理、多模态与编码基准上的具体分数和上线渠道，可据此判断能力代际变化。
- Google Research精选AI 评分
Google 推出生成式 UI，Gemini 应用与搜索 AI Mode 上线动态界面实验
Google 发布生成式 UI 实现，由模型针对任意提示词自动设计并编码出网页、游戏、工具等交互界面，论文题为 Generative UI: LLMs are Effective UI Generators。
推荐理由：Google 官方给出生成式 UI 的实现路径与人类偏好评测结果，可据此判断界面生成这一方向的成熟度。
- Google DeepMind精选AI 评分
Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，通过将 Gemini 模型嵌入智能体核心，使其从指令执行者升级为可推理目标、与用户对话并自我改进的交互式游戏伙伴。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，读者可了解其在泛化与自我改进上的具体进展与当前限制。
Hugging Face 发布开源 OCR 模型选型与部署指南
Hugging Face 发布指南，梳理 Chandra、OlmOCR-2、PaddleOCR-VL、DeepSeek-OCR、dots.ocr、Granite-Docling-258M。
推荐理由：梳理了当前开源 OCR 模型的输出格式、基准与本地部署方式，可据此为具体文档场景选型。
OpenAI News精选AI 评分 OpenAI 发布视频生成模型 Sora 2
OpenAI 发布视频生成模型 Sora 2，支持同步对白与音效。原文同时说明 Sora 产品已不再提供。
推荐理由：原文给出 Sora 2 在视频生成中同步对白与音效的能力方向，可据此了解视频模型的新进展。
OpenAI News精选AI 评分 OpenAI 发布 Sora 2 视频与音频生成模型系统卡
OpenAI 发布新一代视频与音频生成模型 Sora 2，并公布其系统卡。相比此前的 Sora，新模型在物理准确性、真实感、音频同步、可控性和风格范围上有所提升，官方称这些能力是此前视频模型难以实现的。
推荐理由：官方系统卡披露 Sora 2 在物理准确性、同步音频与可控性上的能力变化，可据此了解视频生成的新边界。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5
OpenAI 发布 GPT-5，称其为目前最强的 AI 系统，在智能水平上较此前所有模型有显著跃升。官方表示 GPT-5 在编码、数学、写作、健康、视觉感知等方面达到当前最优表现。
推荐理由：OpenAI 官方公布 GPT-5 的定位与能力覆盖范围，可据此了解其相对前代模型的提升方向。
Mistral 为 Le Chat 推出 Deep Research、语音模式与 Projects 等新功能
Mistral 为 Le Chat 上线一批新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言思考模式、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性放出 Deep Research、语音、Projects 等多项功能，读者可据此判断 Le Chat 的定位变化。
Mistral AI 发布 Mistral Medium 3，主打低成本企业部署
Mistral AI 发布 Mistral Medium 3，定位兼顾 SOTA 性能与更低成本，定价为每百万 token 输入 0.4 美元、输出 2 美元。
推荐理由：官方给出 Mistral Medium 3 的定价、对标模型与部署门槛，便于判断企业自部署的性价比。
OpenAI News精选AI 评分 OpenAI 在 GPT-4o 中引入原生图像生成
OpenAI 发布 GPT-4o 的原生图像生成能力，官方称其在文字渲染和指令遵循方面更强。该发布还提到可了解 ChatGPT Images 2.5。
推荐理由：OpenAI 官方说明 GPT-4o 原生图像生成在文字渲染与指令遵循上的变化，可对照此前图像生成能力。