新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
当前仅显示精选新闻
Today we're shipping Nemotron 3 Ultra. A 550B MoE frontier-intelligence open model built for long-running agents. It delivers 5x faster inference and lowers the cost of complex agentic tasks by up to 30% versus other open frontier models. Video
推荐理由：原文给出 550B 开源模型的权重、训练数据与完整配方，并说明其在长任务智能体上的吞吐表现，读者可据此判断开源前沿模型的可复现程度。
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
推荐理由：官方给出三项前沿能力与基准成绩，并说明权重和 MSA 算子的开源时间，读者可据此判断开放节奏与可用范围。
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
推荐理由：MiniMax M3 在 Arena 前端编码榜位列第 7，与 GLM-5.1 接近，读者可据此比较同级价位模型的能力与定价。
MiniMax M3 arrives with MiniMax Sparse Attention (MSA), 15.6x faster decoding at 1M tokens. We're partnering with @MiniMax_AI to power the inference behind this week's launch. Head to minimax.io to take it for a spin. Once the model weights are released, M3 will be available to the Fireworks community.
推荐理由：官方给出 M3 在 1M token 下解码提速 15.6 倍，读者可据此判断其长上下文推理的工程取向。
Meet Gemma 4 12B! A unified, encoder-free multimodal model designed to bring high-performance intelligence directly to your laptop, and released under an Apache 2.0 license. Bridging the gap between edge efficiency and advanced reasoning. Here is what’s new with Gemma 4 12B: 👇
推荐理由：Gemma 4 12B 采用 Apache 2.0 许可并主打端侧多模态，可据此判断 16G 内存本地运行的可行性。
谷歌DeepMind发布并开源Gemma 4 12B，这是一个统一、无编码器的多模态模型，只需16GB显存或统一内存即可在消费级笔记本上运行。它在标准评测基准上的成绩接近26B MoE模型，总内存占用不到后者一半，采用Apache 2.0协议，预训练与指令微调权重可从Hugging Face和Kaggle下载。
推荐理由：原文介绍了无编码器多模态架构如何降低延迟和内存占用，并列出16GB笔记本可用的本地运行入口。
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
推荐理由：引用的发布信息列出 M3 在编码、智能体与 1M 上下文上的基准成绩，可供判断这款开源权重模型的能力组合。
Today we’re introducing Gemma 4 12B — our latest open model that brings advanced agentic reasoning, vision and audio directly to your laptop. It delivers performance nearing our larger Gemma models with a much smaller total memory footprint, while being small enough to run locally with just 16GB of VRAM. It’s open and accessible for everyone to use under a permissive Apache 2.0 license. This is all made possible by our new, unified architecture that removes separate multimodal encoders. Here’s how we did it 🧵
推荐理由：它把视觉与音频编码器并入主干，让 12B 模型能在 16GB 显存本地运行，读者可据此判断端侧多模态的门槛变化。
Introducing Ideogram 4.0: the best open image model in the world. Think it. Make it. Own it. Download the weights, fine-tune on your own data, and run it on your hardware. Live on every Ideogram plan and the API today. Video
推荐理由：原文给出开源权重下载与自有数据微调的路径，可用于判断自建图像模型的门槛。
Google 发布 Gemma 4 12B，一款基于 Apache 2.0 许可的免编码器统一多模态模型，把传统 ViT 视觉编码器的 150M-550M 参数压到 35M 轻量嵌入器。
Meet Gemma 4 12B! A unified, encoder-free multimodal model designed to bring high-performance intelligence directly to your laptop, and released under an Apache 2.0 license. Bridging the gap between edge efficiency and advanced reasoning. Here is what’s new with Gemma 4 12B: 👇
推荐理由：借 Gemma 4 12B 取消视觉编码器的设计，讨论统一多模态模型可能如何替代现有拼装式流水线。
推荐理由：内容列出了 Gemma 4 的下载渠道与兼容工具链，便于判断本地部署和微调的可选路径。
推荐理由：官方给出无编码器架构与 16GB VRAM 本地运行的定位，读者可据此判断端侧多模态模型的选型边界。
MiniMax M3 带来稀疏注意力、1M 上下文和多模态能力，Together 承担了让它跑得更快的服务端工作。作者提到这是与 Together 团队的一次合作。
x.com/i/article/206189124776…
推荐理由：M3 同时列出稀疏注意力、1M 上下文与多模态三项能力，并点出 Together 承担了让它跑得更快的服务端工作。
微软 AI 在 Build 上发布七个全新 MAI 模型，官方称并非简单迭代，而是从零开始、干净数据血统、零蒸馏训练的一整个家族，涵盖推理、编码、图像、转录与语音并各有 Flash 版本。
Seven new models launching at Build: let’s go! Reasoning. Code. Image. Transcribe. Voice. Built from scratch on a clean data lineage, designed for efficiency, working seamlessly as a family of models Thread 🧵 #MSBuild
推荐理由：文中梳理了七个 MAI 模型的任务分工与基准数字，可据此了解微软从零训练、任务专精的模型家族路线。
MiniMax just released MiniMax-M3, their first multimodal model. It is the new open-weight SOTA on the Vals Index and the Vals Multimodal Index, and #6 overall.
推荐理由：MiniMax 的多模态模型在 Vals 两个榜单取得开源权重最佳成绩，读者可对照它与整体榜单前列的排名差距。
Microsoft 发布文本转语音模型 MAI-Voice-2，在保真度、语言覆盖、说话人一致性和情感范围上较前代显著提升。支持语言从英语扩展到 15 种，提供情感标签细粒度控制，可用 5-60 秒参考音频零样本创建自定义声音，且生产环境仅允许授权声音合成。
推荐理由：官方发布给出语言扩展、零样本克隆与偏好测试数据，读者可据此评估该语音模型在生产场景中的可用性。
Microsoft MAI 团队发布图像模型 MAI-Image-2.5 及更快更便宜的 MAI-Image-2.5-Flash，MAI-Image-2.5 在 Arena 图像编辑榜排名第 2（超过 Nano Banana 2），文生图榜排名第 3，较 MAI-Image-2 总分提升 75 分。
推荐理由：官方公布了 Arena 图像编辑第 2 的排名、与 Flash 双版本定价和 Foundry 入口，读者可据此评估生产图像工作流的选型。
H 公司发布 Holo3.1 计算机使用智能体模型家族，提供 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次推出 FP8、Q4 GGUF 和 NVFP4 量化权重。
推荐理由：Holo3.1 在移动端与跨框架适配上补齐短板，量化权重把计算机使用智能体带到本地设备。
Microsoft MAI 在 Build 2026 主题演讲中发布七款新模型，覆盖图像、语音、转录、推理和编码。
推荐理由：作者以当事方身份逐一公布七个新模型的定位、基准数字和开放渠道，读者可以对照竞品评估各自适用场景。
Microsoft AI 发布七款新 MAI 模型，将上线 Foundry、OpenRouter、Fireworks 和 Baseten，并首次允许开发者自行微调模型权重。
推荐理由：官方完整说明了模型开放方式、Frontier Tuning 效率数据和医疗合作安排，读者可以据此评估其模型路线与可调性。