Google DeepMind 开源 DiffusionGemma：基于扩散机制的 26B 文本生成模型
Google DeepMind 推出开源实验模型 DiffusionGemma，采用 Apache 2.0 协议发布，通过扩散机制替代传统的自回归逐 token 生成，在专用 GPU 上实现最高 4 倍的文本生成速度。
推荐理由：原文对比了扩散文本生成与传统自回归模型在硬件瓶颈与吞吐上的差异，为开发者评估本地实时交互工作流提供了参考。
模型发布
全部主题新模型的发布、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。
最新精选
第 81–93 条 · 共 93 条Google DeepMind精选AI 评分8282
Google DeepMind精选AI 评分8383 Google DeepMind 发布音频模型 Gemini 3.5 Live Translate 支持 70 多种语言近实时语音互译
Google DeepMind 正式发布最新音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时端到端流式语音互译，并在生成翻译时保留原说话人的语调、节奏和音高。
推荐理由：模型突破了传统轮流对话式翻译的延迟限制，通过流式生成保留说话人语调与节奏，为实时跨语言沟通提供了新方案。
Google DeepMind精选AI 评分8383 Google DeepMind 推出统一无编码器多模态模型 Gemma 4 12B
Google DeepMind 推出统一且无独立编码器的多模态模型 Gemma 4 12B，支持原生音频与视觉输入，采用 Apache 2.0 协议开源。该模型移除了传统的图像和音频编码器，直接将多模态信号投影至 LLM 主干，性能接近 26B MoE 模型而内存占用减少超过一半，仅需 16GB 显存或统一内存即可在笔记本电脑本地运行。
推荐理由：模型移除了传统独立的模态编码器并直接接入语言主干，展示了在消费级硬件上兼顾原生音画输入与推理效率的轻量化方案。
智谱 公众号精选AI 评分7373 智谱推出 GLM-5.1 高速版 API，输出速度达 400 tokens/s
智谱联合 TileRT 团队推出 GLM-5.1 高速版 API（GLM-5.1-highspeed），输出速度达 400 tokens/s，在完整保留旗舰模型能力的同时实现低延迟。
推荐理由：智谱通过底层推理引擎重构将旗舰模型输出速度提升至400 tokens/s，为高频交互与长程编码场景提供了极低延迟的落地路径。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini Omni 与 Gemini Omni Flash 视频生成模型
Google DeepMind 正式推出 Gemini Omni 系列模型及首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本任意组合输入并生成高质量视频。
推荐理由：原文介绍了支持任意模态输入并能对话式编辑视频的新模型，读者可以了解多模态生成与推理能力结合的最新落地进展。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 Flash：主打智能体与编程能力，输出速度提升 4 倍
Google DeepMind 正式推出 Gemini 3.5 系列并首发上线 Gemini 3.5 Flash，重点强化复杂长程智能体与编程工作流能力。该模型在 Terminal-Bench 2.1（76.2%）和 MCP Atlas（83.6%）等基准上超越 Gemini 3.1 Pro，输出速度达到其他前沿模型的 4 倍。
推荐理由：原文给出了模型在智能体与编程基准上的性能表现及吞吐速度对比，读者可以据此评估其作为生产环境主力模型的调用效率与成本。
DeepSeek 公众号精选AI 评分9393 DeepSeek-V4 预览版上线并开源：标配 1M 上下文，推出 Pro 与 Flash 双版本
DeepSeek 正式上线并开源全新系列模型 DeepSeek-V4 预览版，全系标配 1M 上下文，提供 DeepSeek-V4-Pro 与 DeepSeek-V4-Flash 两个版本。
推荐理由：原文给出了两个版本的性能定位、架构优化细节与接口迁移时间表，读者可以据此评估长上下文模型在编码与 Agent 场景下的接入成本。
Google DeepMind精选AI 评分7575 Google DeepMind 推出 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 正式推出文本转语音模型 Gemini 3.1 Flash TTS，支持原生多说话人对话与 70 多种语言。该模型引入了音频标签功能，允许用户在输入文本中嵌入自然语言指令来精确控制语音风格、语速与停顿，在 Artificial Analysis TTS 榜单上取得了 1211 的 Elo 分数。
推荐理由：模型引入自然语言音频标签来实现句中语气与语速控制，为开发者精细调节多角色拟真对话提供了直接参考。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics-ER 1.6 具身推理模型
Google DeepMind 推出专为机器人设计的 Gemini Robotics-ER 1.6 具身推理模型，重点增强了空间推理、多视角理解、任务规划与成功检测能力。
推荐理由：原文给出了空间推理、多视角理解和工业仪表读数等具体能力，读者可以据此了解高层推理模型如何接入机器人控制链路。
Google DeepMind精选AI 评分9090 Google DeepMind 发布开源模型 Gemma 4：覆盖端侧与桌面规模并采用 Apache 2.0 协议
Google DeepMind 正式发布开源模型系列 Gemma 4，基于 Gemini 3 架构与技术打造，采用 Apache 2.0 协议开源。Gemma 4 提供 Effective 2B（E2B）、Effective 4B（E4B）、仅激活 3.8B 参数的 26B MoE 以及 31B Dense 四种尺寸，全系原生支持图像与视频处理，端侧小模型额外支持原生音频输入。
推荐理由：系列模型采用 Apache 2.0 协议并覆盖端侧到桌面规模，为开发者提供了兼顾多模态与推理的轻量部署方案。
DeepSeek 公众号精选AI 评分9393 DeepSeek 发布 V3.2 正式版与 V3.2-Speciale 模型并开源
DeepSeek 正式发布并开源 DeepSeek-V3.2 与长思考增强版 DeepSeek-V3.2-Speciale 两个正式版模型，网页端、App 和 API 已同步更新。DeepSeek-V3.2 首次支持在思考模式下进行多轮工具调用，并适配了 Claude Code；Speciale 版本专注于高难度数学与逻辑推理，目前以限时 API 服务形式开放给社区评测。
推荐理由：官方正式发布两款新模型并开源权重，重点实现了思考推理与工具调用的深度结合，并同步更新了服务接口。
DeepSeek 公众号精选AI 评分8585 DeepSeek 发布 DeepSeek-V3.2-Exp 实验模型并开源，API 同步降价超 50%
DeepSeek 正式发布实验性模型 DeepSeek-V3.2-Exp，引入细粒度稀疏注意力机制（DSA）以优化长文本训练与推理效率，官方各端已同步上线且 API 调用成本降低 50% 以上。
推荐理由：模型引入细粒度稀疏注意力机制提升长文本训练推理效率，同步开源模型权重与算子并将 API 调用成本降低 50% 以上。
DeepSeek 公众号精选AI 评分7171 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本
DeepSeek 宣布 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本，并在 Hugging Face 与 ModelScope 同步开源。
推荐理由：官方说明了该版本在语言一致性以及代码和搜索智能体上的针对性改进，并同步公开了开源权重与接口更新。