NVIDIA 发布 Kumo Relational 关系基础模型,无需训练即可预测
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表扁平化。
推荐理由:原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表扁平化。
推荐理由:原文给出预训练关系基础模型在 41 个任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说合成一条实时流式管线,每轮对话在一秒内完成。
推荐理由:原文给出语音模型与智能体 SDK 的完整能力、定价和部署方式,可据此判断实时语音智能体的落地成本。
Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M、209M 四个尺寸,最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中排名第一,参数量约为此前 SOTA 的三分之二。
推荐理由:原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟,便于判断时间序列基础模型的选型边界。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步扩大 Fairwind 计划,向更多可信网络安全防御方开放。该模型在 12 个端到端模拟网络攻击场景中全部通过,上一代为 5 个;在 Gray Swan 间接提示注入基准上,15 次自适应攻击的成功率降至 0.7%。
推荐理由:原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护分层,以及智能体越界行为的实测数据。
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上以纯推理取得 87%,称超过其他前沿模型。
推荐理由:原文给出 ERQA 87% 的成绩与四类机器人工作流示例,可据此判断该模型在具身任务中的能力边界。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和消费者开放,通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用和搜索 AI Mode 提供。
推荐理由:官方给出 Argon 在编码、科研与安全对齐上的具体案例和基准表现,可据此判断前沿模型在长程任务上的进展。
Google DeepMind 发布 EmbeddingGemma 2,把文本、代码、图像、视频和音频映射到统一嵌入空间,采用 Apache 2.0 许可,参数量 740M。
推荐理由:原文给出 740M 参数、模块化编码器与量化后内存占用,可据此判断端侧多模态检索的部署边界。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,权重将于本月底开放。官方称其在网络安全、Agent 工作流和多模态理解上表现突出,在 Artificial Analysis Cyber Index 上位列全球前五,在视觉定位 Dense 200 上以 42% 超过 GPT-6-Astra 的 41%。
推荐理由:Mistral 公布 1 万亿参数开源权重模型的能力与评测细节,可对照其与闭源模型在网络安全和视觉定位上的差异。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,之后再逐步扩展到开发者、企业和消费者。
推荐理由:官方披露 Gemini 4 Argon 的评测成绩、内部落地案例与分阶段开放策略,可据此判断前沿模型在编码与网络安全上的能力边界。