AI 模型发布与更新

两年前的 2024 年，我们还在嘲笑 GPT-4o 连“9.9 > 9.11？”都答得离谱。 如今感觉所有最难的数学题都将被 AI 解出。 我们正生活在一个多么疯狂的时代。

OpenAI 发布一系列由内部前沿模型产出的新数学结果，仓库地址 https://github.com/openai/math。发布前咨询了高等研究院数学与人工智能独立顾问小组，并参考其建议和公开推荐来决定发布方式。Greg Brockman 转发此事，称其朝加速科学发现和改善每个人生活质量的方向迈进。

谷歌于 10 月 7 日发布 AI 图像生成与编辑模型 Nano Banana 2.1，重点提升视觉设计、基于蒙版的局部编辑以及多图生成中的主体一致性。

OpenAI 发布 722 篇 AI 生成的数学证明论文，覆盖 372 个数学结果族。其中矩阵乘法证明将 2 个 n×n 矩阵乘法的已证明成本从 AlphaEvolve 今年 8 月创下的约 n^2.371177 降至约 n^2.25，并附 Lean 形式化，但这是理论界，尚未给工程师提供可用于真实 GPU 负载的更快例程；这些结果来自内部模型处理约 4K 研究问题后的分组过滤，每个平均使用约相当于 3 小时 ChatGPT Pro 思考的算力。

桌面端支持很快就来！

Liquid AI 发布开源权重决策模型 d1-3B 和 d1-omni-600M，已在 Hugging Face 上提供。

谷歌推出开源多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构，7.4 亿参数，量化后手机端运行仅需 191MB 内存，可统一处理文本、代码、图像、视频和音频。

how do you like them convolutions

OpenAI 宣布发布由内部前沿模型产出的一批新数学结果，材料已在 GitHub 开放。发布方式参考了高等研究院数学与人工智能独立咨询组的建议和公开推荐。

每台机器人都始于一块你买来的板子。而那些优秀的，最终会落在一块你自己造的板子上。

谷歌发布 EmbeddingGemma 2 嵌入模型，基于 Gemma 4 架构，采用 Apache 2.0 许可，总参数 7.4 亿，将能力从文本扩展到代码、图像、视频、音频并统一映射到同一嵌入空间。

OpenAI 发布 GitHub 仓库 https://github.com/openai/math，公开由内部前沿模型产生的一系列新数学结果，并咨询了高等研究院数学与人工智能独立咨询小组。绝大多数结果由同一流程、用未发布的内部模型完成，平均每个结果使用三小时 ChatGPT Pro thinking 算力，评估期间模型共被提出约 4,000 个问题；例外包括黎曼 zeta 函数零点自由区域和 CM 阿贝尔簇上 Hodge 猜想证明的相关工作，其中 Re(s) > 11/1…

Google 发布 EmbeddingGemma 2，将文本、图像、音频、视频和代码原生映射到统一嵌入空间，模型基于 Gemma 4 架构，740M 参数，采用 Apache 2.0 许可，权重已上架 Hugging Face 和 Kaggle。

还有一些棘手的技术问题要解决！ 如果 Claude 只能在你电脑在线时访问你的文件，那它可能会在电脑重新开机前一直无法有效工作，所以也许你会想要某种同步机制，但那里也有一些边缘情况。

我们会越来越倾向于把 Claude 的"大脑"放在云端，并给 Claude"本地的手"来操作你的电脑 我在 latent space 上聊过一些

Google 发布 EmbeddingGemma 2，是其首个原生多模态开放嵌入模型，将文本、代码、图像、音频和视频统一到一个共享空间，采用 Apache 2.0 许可证。

Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个榜单，分别以 1328、1428、1431 分位列第 5、第 6、第 4。相比 Nano Banana 2，文生图提升 80 分、多图编辑提升 67 分、图像编辑提升 38 分；官方称在视觉设计、基于掩码的编辑和主体一致性上有明显进步。

Musubi 于周二宣布发布面向实时内容审核的轻量级决策模型 PolicyLM-1.7B，采用开放权重。该模型可将自然语言编写的内容政策在 50 毫秒内应用到消息上，成本和速度接近传统 AI 分类器，且政策变更时无需重新训练。决策模型自 9 月 Typesafe AI 发布 Jev 后成为热点，OpenAI 和 Amazon 随后也推出了同类模型。

Google 发布图像生成与编辑模型 Nano Banana 2.1，已进入 Arena 的 Text-to-Image、Image Edit 和 Multi-Image Edit 榜单，分别以 1328、1428 和 1431 分列第 5、第 6 和第 4 名。

Mistral 发布 Mistral Large 4 预览版，为 1 万亿总参数、49B 激活参数的模型，在其 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，已可通过 Mistral API 使用，承诺本月底开放权重。

Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构，以 Apache 2.0 许可开源，将文本、代码、图像、视频和音频映射到统一嵌入空间。

Google 发布开源嵌入模型 EmbeddingGemma 2，740M 参数，可将文本、图像、视频、音频和代码转为向量，称其在多模态嵌入基准上优于规模两倍的竞品。

Google 发布图像生成与编辑模型 Nano Banana 2.1，接替 2026 年 2 月发布的 Nano Banana 2，价格约降一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分。

Google DeepMind 发布开源嵌入模型 EmbeddingGemma 2，可将文本、代码、图像、视频和音频嵌入统一的 768 维向量空间，基于 Gemma 4 架构，共 740M 参数，上下文窗口 8192 token，采用 Apache 2.0 许可。

Philipp Schmid 宣布 EmbeddingGemma 2 发布，是首个基于 Gemma 4 构建的原生多模态嵌入模型，采用 Apache 2.0 许可证，可将 100+ 语言、代码、图像、音频和视频嵌入同一向量。提供 740M omni、440M text+vision、570M text+audio 和 270M text-only 四个版本，支持 8,192 上下文，MTEB Code 提升 14%，支持 768d/512d/256d/128d Matryo…

Mistral Large 4 是全球最强的网络安全 AI 模型之一。

我们正在这个火车站里构建 AGI

Mistral 发布 Mistral Large 4（Le Chonk），1T 参数、原生多模态、49B 激活，称其为美欧最佳开源权重模型，API 已可用，开放权重 10 月底发布。Hugging Face CEO Clément Delangue 转发并指出，在权重尚未开放之前不能自称最佳开源权重模型，并附上 Hugging Face 页面链接。

Mistral AI 于 10 月 6 日以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），为 1.05T 总参数、每 token 49B 激活的细粒度 MoE 模型。

Perplexity 在 Hugging Face Decision Index（决策模型基准）上夺冠。我们的模型是开放权重的，所有人都可以使用！ @perplexitydevs：pplx-decider-v1.1-27b，我们更新后的开放权重多模态决策模型，现已可用。 它在新版 @huggingface Decision Index 0.3 基准上得分最高。pplx-decider-v1.1-27b 的成本是 v1 的一半，每百万输入 token 仅 $0.02。 htt…

Google 发布开源权重嵌入模型 EmbeddingGemma 2，采用 Apache 2 许可证。该模型为 740M 参数，采用模块化编码器，支持 8K 上下文窗口，可将文本、代码、图像、视频和音频映射到统一的嵌入空间。

很高兴看到 Reflection 的 Beam 和 Mistral Large 4 在过去两天里都达到了大致 GLM-5.2 的水平。 这让我不禁思考，西方与中国开源模型之间真正的差距是否就是这么简单： 中国实验室可以蒸馏 Anthropic 和 OpenAI 的模型。西方实验室不能。

@SpaceXAI Grok 4.7 的推理 token 用量与其 ARC-AGI-2 公开得分相关：low 档平均每次测试对尝试用 10k token，得分 25%；而 medium 到 xhigh 档用 86k 到 120k token，得分 57.5% 到 60%。low 档更低的 token 用量可能有助于解释其更低的得分。

@SpaceXAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Grok 4.7 完整结果：https://arcprize.org/results/xai-grok-4-7

@SpaceXAI 在 ARC-AGI-3 上，Grok 4.7 在标准测试框架中得分 1.8%（Grok 4.7 为 2.1%），该框架允许模型在轮次之间保留笔记；在新的提供商适配器框架中得分 10.0%，该框架保留不透明推理并启用自动压缩。

Grok 4.7 在 ARC-AGI-2 semi-private 任务的中、高、xhigh 推理档位上平均消耗的 reasoning token 均多于 Grok 4.6，导致每任务成本更高。

@SpaceXAI 在 ARC-AGI-2 上，Grok 4.7 的最佳得分为 61.4%，每任务成本 $2.01，而 Grok 4.6 为 67.1%，每任务成本 $0.76——尽管输入和输出 token 定价完全相同，每任务成本仍上涨了 166%。 完整结果：https://arcprize.org/results/xai-grok-4-7

ARC Prize 公布 Grok 4.7 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 为 1.8%（$2.7k，标准 harness），用 provider adapter harness 为 10.0%（$4.8k）；ARC-AGI-2 为 61.4%（$2.01/task）；ARC-AGI-1 为 90.2%（$0.64/task）。与 Grok 4.6 相比，Grok 4.7 在 ARC-AGI-1 上更高，但在 ARC-AGI-2 和 …

Mistral AI 发布 Mistral Large 4，代号为 Le Chonk，详情见官方公告 https://mistral.ai/news/mistral-large-4/。作者转发该消息并解读关键词 Sovereign AI。

Google 发布开源嵌入模型 EmbeddingGemma 2，为 Apache 2.0 许可，740M 参数由 270M 文本模型、170M 视觉与 300M 音频编码器组成，支持 100+ 语言、8K 上下文和文本、代码、图像、视频、音频的统一嵌入。270M 版本最低 0.5GB RAM、完整多模态版 1GB RAM 本地运行，可通过 Unsloth 的 GGUF 运行和微调。