Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens 每秒，以 Apache 2.0 许可开源。
推荐理由：官方给出 Mistral Small 3.1 的基准对比、128k 上下文与单卡部署门槛，可据此判断小模型选型。
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
Mistral AI精选AI 评分
Hugging Face Blog精选AI 评分
Google 发布 Gemma 3：多模态、多语言、长上下文开源大模型
Google 发布 Gemma 3，官方将其定位为多模态、多语言、长上下文的开源大模型。Hugging Face 博客以“Welcome Gemma 3”为题介绍该模型，原文正文未抓取到，具体参数与能力细节暂缺。
Mistral AI 发布文档理解 API Mistral OCR
Mistral AI 发布光学字符识别 API Mistral OCR，可接收图片和 PDF，按顺序交错输出文本与图像，并已作为 Le Chat 文档理解的默认模型。
推荐理由：官方给出 Mistral OCR 的定价、基准对比与自托管选项，可据此判断多模态文档解析在 RAG 流程中的落地成本。
Mistral 发布全新 le Chat 助手，上线 iOS 与 Android 并推出 Pro、Team 付费档
Mistral 发布全新 le Chat AI 助手，同步上线 iOS 和 Android，并推出 Pro 与 Team 订阅档，Enterprise 档进入私有预览。
推荐理由：官方一次性给出 le Chat 的移动端、Pro/Team 定价与 Flash Answers 等能力清单，可据此判断其与现有助手的差异。
OpenAI News精选AI 评分 OpenAI 视频生成模型 Sora 上线 sora.com
OpenAI 的视频生成模型 Sora 现已上线 sora.com 供用户使用。用户可生成最高 1080p 分辨率、最长 20 秒的视频，支持宽屏、竖屏和方形画幅。用户还能导入自有素材进行扩展、重混和融合，或完全由文本生成新内容。
推荐理由：OpenAI 公布 Sora 的开放入口与分辨率、时长、画幅等具体规格，读者可据此判断视频生成能力边界。
OpenAI News精选AI 评分 OpenAI 发布 Sora 系统卡
OpenAI 发布 Sora 系统卡，介绍其视频生成模型 Sora 支持文本、图像和视频输入并生成新视频。Sora 基于 DALL-E 和 GPT 模型的经验构建，旨在为叙事和创意表达提供更丰富的工具。
推荐理由：OpenAI 官方系统卡披露 Sora 的输入输出形式与技术来源，可了解其能力边界与安全评估框架。
Mistral 为 le Chat 加入联网搜索、Canvas 与图像生成
Mistral AI 为免费生成式 AI 工作助手 le Chat 推出多项 beta 新功能，包括带引用的联网搜索、用于构思与就地编辑和导出的 Canvas、文档与图像理解、图像生成以及可共享的智能体。
推荐理由：官方列出 le Chat 新增能力与免费 beta 范围，读者可据此判断它和现有聊天助手的差异。
Mistral AI 发布 124B 开源多模态模型 Pixtral Large
Mistral AI 发布 Pixtral Large，一个基于 Mistral Large 2 构建的 124B 开放权重多模态模型，含 1B 参数视觉编码器和 128K 上下文窗口，可容纳至少 30 张高分辨率图像。
推荐理由：原文给出 Pixtral Large 的基准成绩与开放权重入口，读者可据此判断开源多模态模型与闭源前沿的差距。
OpenAI News精选AI 评分 OpenAI 为微调 API 引入视觉能力，GPT-4o 可用图像和文本微调
OpenAI 宣布微调 API 新增视觉能力，开发者现在可以用图像和文本对 GPT-4o 进行微调，以提升其视觉表现。
推荐理由：OpenAI 把图像纳入微调 API，开发者可据此判断视觉任务的定制路径是否可行。
Llama 3.2 发布：可看图像并可在设备端运行
Hugging Face 博客宣布 Llama 3.2 发布，Llama 现在可以看图并能在用户设备上运行。
Mistral 发布免费额度、全线降价与 Mistral Small v24.09
Mistral 宣布 la Plateforme 推出免费额度，并对全线模型降价，其中 Mistral Small 和 Codestral 输入输出价格均下降 80%，Mistral Large 下降 33%。
推荐理由：Mistral 一次性公布免费额度、全线降价和新版小模型，读者可据此重估自建与调用成本。
Mistral AI 发布 Pixtral 12B 多模态模型
Mistral AI 发布 Pixtral 12B，一个原生多模态模型，采用新训练的 400M 参数视觉编码器和基于 Mistral Nemo 的 12B 多模态解码器，支持可变图像尺寸与宽高比，可在 128k token 上下文窗口中处理任意数量图片。
推荐理由：官方给出架构、基准与部署方式，读者可据此判断这个 12B 多模态模型在开源阵营中的位置。
OpenAI News精选AI 评分 OpenAI 发布 GPT-4o 系统卡
OpenAI 发布 GPT-4o 系统卡，用于说明该模型的能力、限制与安全评估情况。原文正文未能抓取，仅标题可用。
Mistral AI 与 NVIDIA 联合发布 12B 模型 Mistral NeMo
Mistral AI 与 NVIDIA 联合发布 12B 模型 Mistral NeMo，支持最高 128k tokens 上下文窗口，以 Apache 2.0 许可开放预训练基座和指令微调 checkpoint。
推荐理由：Mistral 与 NVIDIA 联合发布的 12B 模型给出 128k 上下文和 Apache 2.0 权重，读者可据此判断它能否直接替换现有 Mistral 7B 部署。
TII 发布 Falcon 2：11B 预训练语言模型与 VLM，训练数据超 5000B tokens、支持 11 种语言
TII 发布第二代 Falcon 2 模型，包括 11B 基础 LLM 和具备图像理解能力的 11B VLM，LLM 训练数据超过 5000B tokens，覆盖英语及另外十种语言。
推荐理由：TII 公布 Falcon 2 的 11B LLM 与 VLM 训练细节和评测数据，可对照同尺寸开源模型看性能与许可条件。
Google 发布开源视觉语言模型 PaliGemma
Google 发布视觉语言模型家族 PaliGemma，由 SigLIP-So400m 图像编码器和 Gemma-2B 文本解码器组成，可输入图像和文本并输出文本。
推荐理由：原文给出 PaliGemma 的架构、三种 checkpoint 与微调代码，读者可据此判断它适合哪些视觉语言任务。
OpenAI News精选AI 评分 OpenAI 发布新旗舰模型 GPT-4o
OpenAI 宣布推出新旗舰模型 GPT-4 Omni（GPT-4o），可在音频、视觉和文本之间实时推理。
推荐理由：OpenAI 公布新旗舰模型 GPT-4o，可在音频、视觉与文本间实时推理，读者可据此了解其多模态能力定位。
OpenAI News精选AI 评分 OpenAI 发布 GPT-4o，并向 ChatGPT 免费用户开放更多工具
OpenAI 发布最新旗舰模型 GPT-4o，同时为 ChatGPT 免费用户开放更多能力。官方称此次发布包含新模型以及面向免费用户的功能扩展，具体能力细节尚未在摘要中给出。
推荐理由：OpenAI 发布新旗舰模型 GPT-4o，并同步扩大 ChatGPT 免费用户可用能力范围。
OpenAI News精选AI 评分 OpenAI 发布 GPT-4o，ChatGPT 免费开放更多能力
OpenAI 发布 GPT-4o，并让 ChatGPT 免费用户获得更多能力。该消息来自 OpenAI 的 Spring Update，具体能力范围与开放细节未在摘要中展开。
推荐理由：OpenAI 发布 GPT-4o，并让 ChatGPT 免费用户获得更多能力，可据此了解模型与免费策略的同步变化。
Hugging Face 发布 Idefics2：面向社区的 8B 视觉语言模型
Hugging Face 发布 Idefics2，一个 8B 参数的通用多模态模型，可接受任意文本与图像序列输入并生成文本回复，采用 Apache 2.0 开源许可。
推荐理由：8B 参数、Apache 2.0 开源，并给出与更大模型的基准对比和微调入口，便于判断多模态选型。