Suno 更新 Stem Separation：新增三种拆分模式
Suno 更新 Stem Separation 功能，提供 Auto Split（最多拆出 12 个 stems）、Split from Mix 和仅限 Premier 的 Advanced Split 三种模式。Advanced Split 可从近 100 种乐器中精确提取；Suno 采用重新生成每个 stem 而非切割混音的做法。该功能适用于平台创作及上传的音乐，需付费订阅。
#多模态
#多模态
今日 25 条Suno BlogAI 评分5252
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70+ 语言近实时语音到语音翻译，自动检测语言并保留说话者的语调、节奏和音高，全程仅落后说话者几秒。
推荐理由：原文给出模型能力、开放渠道和 Meet 语言扩展细节，读者可据此评估它在会议和翻译场景的可用性。
Microsoft AI News精选AI 评分6060 Microsoft AI 阐述医疗领域布局：与 Mayo Clinic 合作开发医疗前沿模型并开放 Copilot Health 预览
Microsoft AI 发文阐述其在医疗领域的产品与研究方向，称旗下消费产品每天处理数千万条健康问题，对 50 万条 Copilot 对话的分析显示用户依赖 AI 做症状解读、检查结果解释和就医导航。
推荐理由：微软官方阐述其在医疗领域的价值落地，读者可以据此了解 MAI DxO、Mayo Clinic 合作与 Copilot Health 的进展全貌。
LMSYS BlogAI 评分4646 异构 CPU + GPU EPD 分离加速 VLM 服务：Dynamo 与 SGLang 实现
Dynamo 与 SGLang 通过设备感知加权路由实现异构 Encode-Prefill-Decode（EPD）分离，将 VLM 的视觉编码任务卸载到 CPU。在 Qwen3-VL-8B-Instruct 上，该方案相比纯 GPU EPD 在 QPS 1-2 负载下取得约 1.2x-1.3x 的 P99 TTFT 与请求吞吐提升，P99 TPOT 降低约 1.3x-30x。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Medium 3.5 并在 Vibe 和 Le Chat 推出云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密开源权重模型（modified MIT 许可），256k 上下文窗口，SWE-Bench Verified 得分 77.6%，τ³-Telecom 得分 91.4，自托管最少只需四块 GPU，API 定价每百万输入 token $1.5、输出 token $7.5。
推荐理由：官方同步发布模型与云端异步智能体，给出基准分数、定价和开源权重，可对照评估其编码与长程任务能力。
Google DeepMindAI 评分5757 Google DeepMind 为 Project Genie 接入 Street View 真实地点生成并向 Google AI Ultra 用户开放
Google DeepMind 在 Project Genie 中推出基于 Street View 的世界生成能力，用户可通过 Maps 图钉选择美国地点并叠加 Ocean World、B&W film 等风格，生成起点绑定真实街景的交互式世界，底层由 Maps Imagery Grounding 驱动。
Runway News精选AI 评分6666 Runway 发布 Characters，单张图片生成 24fps 实时对话视频智能体
Runway 发布 Characters，基于 GWM-1 将单张参考图转为可实时对话的视频角色，无需微调，支持写实人像、卡通和吉祥物等风格。模型每帧有效耗时 37 毫秒，用户停止说话到角色开口的服务端延迟 1.75 秒；通过扩散变换器与 VAE 解码器流水线并行、KV-cache 管理、CUDA Graphs 和 Triton 核优化实现 24fps 实时生成。
推荐理由：官方技术博客拆解了实时管线的关键数字和系统优化，读者可以据此理解单图驱动的对话视频智能体的实现路径。
Sierra BlogAI 评分5757 Sierra 开源多语言语音转写基准 μ-Bench，覆盖 5 种语言和 5 家提供商
Sierra 开源 μ-Bench，包含来自 250 通真实客服电话的 4,270 条人工标注语音，覆盖英语、西班牙语、土耳其语、越南语和普通话，评测 Deepgram Nova-3、Google Chirp-3、Azure Speech、ElevenLabs Scribe v2 和 OpenAI GPT-4o Mini Transcribe。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，提升机器人在空间推理、多视角理解、任务规划和成功检测方面的能力，并新增仪表读数功能。
推荐理由：官方给出了与上一代的具体能力对比和仪表读数新用例，读者可据此评估其是否适配现有机器人方案。
Mistral AI精选AI 评分6666 Mistral AI 发布首个语音合成模型 Voxtral TTS
Mistral AI 发布 4B 参数的文本转语音模型 Voxtral TTS，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，API 定价 $0.016 per 1k characters。
推荐理由：官方给出了与 ElevenLabs 对比的人类评测数据和低延迟指标，读者可据此评估其在语音 Agent 场景的可用性。
Google ResearchAI 评分5050 Google Research 在 The Check Up 展示医疗 AI 进展：从研究创新到真实诊疗场景
Google Research 在 The Check Up 活动上展示了多项医疗 AI 进展，包括与 Fitbit 合作研究的 Personal Health Agent（PHA），发现其比单一任务应用更能支持长期健康。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Small 4：统一推理、多模态与智能体编码的开源模型
Mistral 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态与 Devstral 的智能体编码能力统一到单一开源模型，采用 Apache 2.0 许可证。
推荐理由：官方公布了架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的效率对比，可据此评估其开源部署价值。
Microsoft AI News精选AI 评分6060 Microsoft 发布 Copilot Health 健康助手
Microsoft 推出 Copilot Health，这是 Copilot 内的独立安全空间，可整合健康记录、可穿戴设备数据与健康历史并生成个性化健康洞察。
推荐理由：官方宣布 Copilot Health 上线并给出数据整合规模、隐私隔离措施和分阶段开放方式，读者可以了解其功能边界与使用入口。
Runway NewsAI 评分5757 Runway 发文探讨 Characters 实时视频智能体的安全风险与防护措施
Runway 发文说明其本周发布的实时视频智能体 API Runway Characters 的安全考量，该产品基于 World Model GWM-1，可从单张图像生成可对话的定制角色。
LMSYS BlogAI 评分5050 SGLang 推出 EPD 分离架构：面向视觉语言模型的弹性编码器扩展
SGLang 推出 Encoder-Prefill-Decode（EPD）分离架构，将视觉编码从语言处理中拆出，编码器服务器可独立横向扩展，并兼容现有 PD 分离形成三层架构。
Berkeley AI ResearchAI 评分4747 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测下游解码性能。该方法在 NeurIPS 2025 论文中展示，优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器。
Mistral AI精选AI 评分6363 Mistral 发布 OCR 3 模型，表单、手写和复杂表格识别较 OCR 2 全面升级
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 取得 74% 的整体胜率，输出支持带 HTML 表格重建的 markdown。
推荐理由：官方给出了对比 Mistral OCR 2 的胜率、价格和 API 入口，读者可以据此评估文档解析方案的替换成本。
Mistral AI精选AI 评分7777 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3，均以 Apache 2.0 开源
Mistral 发布新一代模型系列 Mistral 3，包括 14B/8B/3B 的 Ministral 3 小模型和 sparse MoE 架构的 Mistral Large 3（41B 激活、675B 总参数），全部以 Apache 2.0 许可开源，提供 base、instruct 和 reasoning 变体。
推荐理由：官方公布完整模型规格、开源许可和部署路径，读者可据此评估在自建或端侧场景的可用性。
Mistral AIAI 评分5656 Mistral AI 宣布在德国扩展业务并与 SAP、Helsing 达成合作
Mistral AI 宣布通过多项长期战略承诺扩展在德国的业务。其中与 SAP 建立多年期合作，将 Mistral 模型集成到 SAP AI Foundation，为德国和欧洲提供完全主权 AI 堆栈并共同开发面向复杂行业和行政机构的行业解决方案；与 Helsing 加速开发面向国防和安全应用的视觉-语言-动作模型。Mistral 还计划大幅增加德国本地团队，并在未来几个月开设德国办公室。
Mistral AIAI 评分4848 Mistral 通过微调 Pixtral-12B 提升卫星图像视觉语言模型性能
Mistral 用 LoRA 微调 Pixtral-12B 处理卫星图像，在 Aerial Image Dataset（AID）上显著优于基座模型。基座模型在 Playground 与 Stadium 等模糊类别上易混淆，甚至幻觉出不存在的类别名，微调后分类更准确。微调通过 Mistral 微调 API 或 LaPlateforme UI 完成，无需大量超参数调优。
Mistral AI精选AI 评分6161 Mistral AI 为 Le Chat 推出 Deep Research、语音、Projects 等多项新功能
Mistral AI 为 Le Chat 推出一批新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 驱动的多语言推理、Projects 项目整理功能，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：Mistral 官方一次性列出五项新功能及其支撑模型，读者可以对照了解 Le Chat 在研究和多模态方向的能力变化。
Mistral AI精选AI 评分7272 Mistral 发布语音理解模型 Voxtral，24B 与 3B 双版本采用 Apache 2.0 开源
Mistral AI 发布语音理解模型 Voxtral，提供 24B 和 3B 两个版本，均以 Apache 2.0 许可开源并上线 API。
推荐理由：官方给出完整基准对比和定价细节，开源语音模型在准确率与成本上的位置可以直接对比判断。
Mistral AI精选AI 评分6767 Mistral AI 发布 Mistral Medium 3，以约八倍更低的成本逼近 Claude Sonnet 3.7 表现
Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、成本低约 8 倍和更易部署的新级别模型。
推荐理由：官方给出与 Claude Sonnet 3.7 对比的基准数字和 $0.4/$2 定价，读者可以据此评估它在企业部署中的性价比。
Mistral AI精选AI 评分6565 Mistral 发布 Mistral Small 3.1：24B 多模态开源模型，128k 上下文
Mistral AI 发布 Mistral Small 3.1，相比 Mistral Small 3 提升文本性能，新增多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/秒，官方称超越 Gemma 3 和 GPT-4o Mini 等同级模型。
推荐理由：官方给出了与 Gemma 3 和 GPT-4o Mini 的对比数据、部署门槛和开放下载渠道，可据此评估端侧与低成本部署选择。
Mistral AI精选AI 评分6969 Mistral 发布 OCR API，称在文档理解基准上领先 Google 和 Azure
Mistral 发布光学字符识别 API Mistral OCR（mistral-ocr-latest），以图像和 PDF 为输入，输出交错的文本与图片，已作为 Le Chat 默认文档理解模型。
推荐理由：官方公布了自评基准对比、定价和部署选项，读者可以据此评估它在文档理解与 RAG 场景中的位置。
Suno BlogAI 评分5959 Suno 发布 Scenes 功能，用照片和视频生成歌曲
Suno 发布新功能 Suno Scenes，将用户拍摄的照片和视频转化为歌曲，提供视觉叙事的歌曲创作方式。该功能先向 iOS 移动端用户开放，在应用的 Camera 模式下即可使用。
Suno Blog精选AI 评分8484 Suno 发布 v3 模型，可生成广播级两分钟完整歌曲
Suno 发布 v3 模型，称其首个能生成广播级音乐的模型，已在 https://app.suno.ai 向所有用户开放。v3 可在几秒内生成完整两分钟歌曲，改进包括更好的音质、更多风格流派、更少幻觉和更自然的结尾。模型不识别艺术家引用，并采用不可闻水印技术检测 Suno 生成的歌曲，v4 已在开发中。
推荐理由：Suno 官方说明 v3 在音质、风格与提示词遵循上的具体改进，读者可据此对比自己此前的生成体验。