MiniCPM-o 4.5 技术报告发布：全双工全模态 API 开放，RTX5070 即可实时运行
面壁智能联合 OpenBMB、清华大学 THUNLP 与 THUMAI 实验室发布 MiniCPM-o 4.5 技术报告，首次公开全双工全模态框架 Omni-Flow，并同步开放全模态全双工 API、在线 Demo、端侧安装包 Comni 与 Demo 仓库。
推荐理由：技术报告首次公开 Omni-Flow 的毫秒级时间轴对齐机制，读者可据此理解端到端全双工全模态的实现路径。
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。
当前仅显示精选新闻最新精选
第 221–236 条 · 共 236 条AI前线 · 微信公众号精选AI 评分7777
Hugging Face Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3 Nano Omni 长上下文多模态模型
NVIDIA 发布开源全能多模态理解模型 Nemotron 3 Nano Omni 30B-A3B，在 OCRBenchV2-En 得分 65.8、MMLongBench-Doc 57.5，并新增音频与视频理解能力。
推荐理由：原文列出文档、视频与音频榜单成绩及吞吐对比，读者可据此判断该开源全能模型的能力边界。
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。
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。
Google Research精选AI 评分6767 Google AMIE 完成 BIDMC 真实门诊前瞻性可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成人在初级保健就诊前与 AMIE 对话采集病史，全程由医生实时监督，未发生一次安全中止。
推荐理由：这是 AMIE 首次在真实门诊流程中开展的前瞻性可行性研究，给出安全性、诊断质量和医患体验的具体数据。
Gemini API 更新日志精选AI 评分6868 Gemini API 发布 Nano Banana 2（Gemini 3.1 Flash Image Preview），Gemini 3 Pro Preview 将于 3 月 9 日停用
Google Gemini API 发布 Nano Banana 2，即 Gemini 3.1 Flash Image Preview，定位为面向速度和高并发场景的高效模型。同时官方宣布 gemini-3-pro-preview 将于 2026 年 3 月 9 日停用。
推荐理由：官方更新日志同时给出新模型定位和旧模型下线日期，读者可以据此安排 Gemini API 的模型切换。
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 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 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。