Google DeepMind 发布 Gemini Omni，首发视频模型 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni 模型家族，首个模型 Gemini Omni Flash 开始在 Gemini 应用、Google Flow 和 YouTube Shorts 上线。
推荐理由：官方列出了 Omni Flash 的多模态输入与对话式视频编辑能力，可据此判断它对现有视频创作流程的影响。
#多模态
#多模态
今日 0 条Google DeepMind精选AI 评分8080
Google DeepMind精选AI 评分6262 Google 在 Search、Gemini、Chrome 与 Cloud 扩展 SynthID 和 C2PA 内容溯源工具
Google 将 SynthID 与 C2PA Content Credentials 校验扩展到 Search、Gemini、Chrome、Pixel 和 Cloud，并在 Google Cloud 的 Gemini Enterprise Agent Platform 上线 AI Content Detection API。
推荐理由：Google 把 SynthID、C2PA 校验与 Cloud 检测 API 一并铺到搜索和浏览器，可据此判断 AI 内容溯源工具的落地范围。
Google DeepMindAI 评分5151 Google DeepMind 与新加坡政府达成国家级 AI 合作
Google DeepMind 宣布与新加坡政府达成国家级 AI 合作，在新加坡启动多个项目，覆盖医疗与生命科学、教育、科研和气候等方向。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 3.5，首发 Gemini 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首发 Gemini 3.5 Flash，今日起在 Gemini app 和 Google Search 的 AI Mode 面向所有人开放，开发者可通过 Google Antigravity、Google AI Studio 中的 Gemini API 和 Android Studio 使用。
推荐理由：文章列出 3.5 Flash 与其他前沿模型的基准对比和速度差异，可用于评估智能体与编码场景下延迟和成本的取舍。
Google DeepMindAI 评分5858 Google DeepMind 启动 AI co-clinician 医疗研究计划
Google DeepMind 宣布启动 AI co-clinician 研究计划，探索 AI 智能体在医生监督下作为诊疗团队成员与患者互动。在 98 个真实初级保健问题的盲评中，该系统在 97 个问题上零关键错误；在 140 项问诊技能评估中，有 68 项达到或超过初级保健医生水平。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化具身推理与仪表读数
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为推理优先的机器人模型升级版，在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由：相比 1.5 与 Gemini 3.0 Flash，新模型新增仪表读数能力，可了解机器人具身推理的进展与开放入口。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型家族，含 2B 到 31B 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 许可放出四种尺寸，从端侧到工作站都有对应规格，可据此判断开源模型的落地边界。
Google DeepMind精选AI 评分6262 Google DeepMind 用 AI 重塑鼠标指针，Chrome 已支持指向网页问 Gemini
Google DeepMind 公布 AI 指针研究，提出把传达上下文与意图的负担从用户转移到计算机的四项交互原则。实验性指针由 Gemini 驱动，可在 Google AI Studio 中指向并语音编辑图片或查找地点；Chrome 已支持用指针就网页中关心的部分向 Gemini 提问，Googlebook 的 Magic Pointer 也将很快推出。
推荐理由：文章给出四项交互原则并说明指针如何借助视觉与语义上下文理解用户意图，可供判断 AI 交互入口的走向。
Mistral AI精选AI 评分7070 Mistral 发布开源 Mistral Small 4，统一推理、编码与多模态能力
Mistral 发布 Mistral Small 4，采用 119B 总参数 / 6B 激活的 MoE 架构，统一 Magistral 推理、Devstral 编码代理与 Pixtral 多模态能力，支持 256k 上下文和可配置推理强度，权重以 Apache 2.0 开源。
推荐理由：原文给出统一推理、编码与多模态能力的架构与同尺寸模型的输出效率对比，可作为评估开源部署延迟与成本的参考。
Mistral AIAI 评分5757 Mistral 发布 Mistral OCR 3 模型
Mistral 发布 Mistral OCR 3 模型（mistral-ocr-2512），在表单、手写内容、低质量扫描件和复杂表格上相对 Mistral OCR 2 取得 74% 的整体胜率。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral 3 模型家族，涵盖 Mistral Large 3 与 Ministral 3
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。
Mistral AIAI 评分3737 如何通过 LoRA 微调释放 Pixtral-12B 在卫星图像上的潜力
Mistral 通过 LoRA 微调将 Pixtral-12B 适配到卫星图像领域，在 Aerial Image Dataset（AID）上以 8000 张训练样本和 2000 张测试样本进行场景分类，显著优于基座模型在歧义类别上的表现并减少幻觉输出。
Mistral AI精选AI 评分6262 Mistral AI 为 Le Chat 推出深度研究、语音模式与 Projects 等多项新功能
Mistral AI 为 Le Chat 推出多项新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 推理模型驱动的多语言 Think 模式、Projects 文件夹整理，以及与 Black Forest Labs 合作的图像编辑。
推荐理由：Le Chat 一次性发布研究、语音、推理与图像编辑多项能力，读者可据此与同期同类助手的功能覆盖做横向对照。
Mistral AI精选AI 评分6262 Mistral AI 发布 Mistral Medium 3，主打企业级性能与成本效率
Mistral AI 发布 Mistral Medium 3，定位中型尺寸企业模型，定价 $0.4 输入 / $2 输出每 M token，在多项基准上达到或超过 Claude Sonnet 3.7 的 90%，并超越 Llama 4 Maverick 与 Cohere Command A，成本也低于 DeepSeek v3。
推荐理由：原文同时给出相对 Claude Sonnet 3.7、Llama 4 Maverick 的性能对照与 $0.4 / $2 每 M token 的价格，可作为中型模型选型的成本与性能参考。
Mistral AI精选AI 评分6464 Mistral 发布 Mistral Small 3.1 开源模型，支持 128k 上下文与多模态
Mistral 发布 Mistral Small 3.1，文本与多模态基准超过 Gemma 3 和 GPT-4o Mini，推理速度 150 tokens/s，上下文扩展至 128k tokens。
推荐理由：以 Apache 2.0 开放权重并附对照 Gemma 3、GPT-4o Mini 的基准数字，128k 上下文与多模态能力使其适合低成本本地运行。
Mistral AI精选AI 评分6666 Mistral 发布 Mistral OCR 文档理解 API，主打复杂版面与多语言识别
Mistral 发布文档理解 OCR API "Mistral OCR"，可从图像和 PDF 中按序提取图文混排内容，适合与多模态 RAG 系统配合使用。API 模型名 mistral-ocr-latest，定价 1000 页/$，批量推理下每美元可处理页数约翻倍，单节点最快可达每分钟 2000 页，同时面向敏感场景提供自托管选项。
推荐理由：给出了与 Google Document AI、Azure OCR、Gemini、GPT-4o 的基准对比，并明确 API 定价和自托管策略。