#模型发布

Strands 发布开源决策模型 Strands Decider 2B

Strands labs 发布开源决策模型 strands-decider-2b，基于 Qwen3.5-2B 去掉 LM head 换成约百万参数的 pointer head，只能在给定选项中做选择和打分。该模型适合在本地 CPU 或 GPU 运行。

banana2.1 发布，AI 图像模型美学与精确性分流

banana2.1 今日发布，引发对 AI 图像模型格局的讨论：美学风格化方面 midjourney 依然无可取代，8.2 甚至断崖式领先；而文字封面、示意图、信息卡片等精确性图像需求，OpenAI 和 Google 表现更好，两类需求已完全分流。

Nano Banana 2.1 发布，官方称蒙版编辑与主体一致性提升

Nano Banana 2.1 发布，官方称其在视觉设计、蒙版编辑、主体一致性和更自然的图像观感上超越前代。用户现可在 Gemini App 和 Google AI Studio 等入口使用。Google Labs VP Josh Woodward 表示蒙版编辑是此次更新中他最喜欢的功能，并预告后续还有更多更新。

可灵 Kling 4.0 将亮相釜山 ACFM

可灵 Kling 4.0 即将发布，官方将于 10 月 10–13 日在韩国釜山 ACFM 展示一批用该模型创作的真实项目。官方称将探讨生成式 AI 如何理解导演创作意图、保持角色与叙事连贯性，并融入动画、真人影视和剧集的专业制作流程。

谷歌发布 Nano Banana 2.1，改进视觉设计、蒙版编辑与主体一致性

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 面向所有用户推出 GPT-6 与 Intelligent UI

OpenAI 宣布 GPT-6 在 ChatGPT 中面向全球用户上线，并同步推出 Intelligent UI。官方称新版本响应更快，提供可视化内容和可直接探索、使用的交互体验。

OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna 系统卡更新

OpenAI 在部署安全与系统卡中公布 GPT-6 Sol 和 GPT-6 Luna 的 2026 年 10 月更新，将两者在生物与化学领域定为 High capability。

OpenAI 在 ChatGPT 全球上线 GPT-6 与 Intelligent UI

OpenAI 宣布 GPT-6 正在 ChatGPT 中面向全球上线，并同步推出 Intelligent UI。官方称新版本响应更快，提供可视化内容与可直接探索和使用的交互体验。

同一新闻，精选展示《OpenAI 面向所有用户推出 GPT-6 与 Intelligent UI》

IT早报 1007：余承东详解华为 Mate 90“拼好网”；谷歌推出 EmbeddingGemma 2；DeepSeek 接近完成至少 800 亿元融资

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。

BestBlogs 早报：Google 算力、GitHub 架构与 EmbeddingGemma 2

Google 推出参数小于 1B 的多模态嵌入模型 EmbeddingGemma 2，支持文本、代码、图像、视频和音频，采用模块化架构与 Matryoshka 表示。BestBlogs 10-07 早报共汇总 10 条 AI 内容，另涉及 Google 算力与 GitHub 架构话题。

OpenAI 公布未发布前沿模型产出的 722 份数学手稿

OpenAI 公布了一批由未发布的前沿模型求解长期数学难题的成果，共 722 份手稿，覆盖 372 个结果族，将相关论文归组。据新成立的独立数学家顾问组织 AGMAI 称，这批发布包含对数百个未解问题的解答。这一系列突破在令部分数学界人士印象深刻的同时，也引发了对研究伦理与学术规范的疑问。

同一新闻，精选展示《OpenAI 公布前沿模型在数学开放问题上的进展》

OpenAI 发布内部前沿模型产出的新数学结果

OpenAI 宣布发布一批由内部前沿模型产出的新数学结果，相关材料已在 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。

谷歌发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，量化后端侧运行仅需 191MB 内存

谷歌发布 EmbeddingGemma 2 嵌入模型，基于 Gemma 4 架构，总参数 7.4 亿，采用 Apache 2.0 许可。该模型将嵌入能力从文本扩展到代码、图像、视频和音频，量化后端侧运行仅需 191MB 内存。

Hao AI Lab 发布 FastH3 V2 与 FastH3 Trim，可在单张消费级 GPU 上本地生成视频

Hao AI Lab 宣布 FastVideo FastH3 现可在单台消费级设备上运行，支持 NVIDIA RTX GPU、DGX Spark 和 Apple Silicon。

Google 发布 EmbeddingGemma 2 多模态嵌入模型

Google 发布 EmbeddingGemma 2，可将文本、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。

Mistral 发布新 AI 模型，称性能对标中国最好的开源系统

Mistral 发布一款新 AI 模型，并称其性能可对标中国最好的开源系统。相关报道来自 CNBC，原文未提供模型名称、参数与评测数据等细节。

Google 发布端侧多模态嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 开源

Google 发布 EmbeddingGemma 2，这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 Nano Banana 2.1，进入 Arena 三个图像榜单

Google 发布图像生成与编辑模型 Nano Banana 2.1，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。官方称其在视觉设计、基于掩码的编辑和主体一致性上有明显进步。

Musubi 发布开源权重内容审核决策模型 PolicyLM-1.7B

Musubi 于周二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。

AI 决策模型 PolicyLM-1.7B 如何改变内容审核

Musubi 发布轻量级决策模型 PolicyLM-1.7B，专为实时内容审核设计，并以开放权重形式开源。该模型参数规模为 1.7B，主打实时审核场景下的决策能力。

Mistral 发布 Mistral Large 4 预览版 Le chonk

Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。

Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿。

Google 发布 EmbeddingGemma 2 多模态嵌入模型

Google 发布开源嵌入模型 EmbeddingGemma 2，参数规模 7.4 亿，可将文本、图像、视频、音频和代码转换为向量。该模型支持端侧运行，仅需约 191 MB 内存，Google 称其表现优于部分参数量为其两倍的竞品。与 Gemma 4 等小型开源模型搭配，可在不向外部服务器发送数据的情况下运行离线 RAG 应用。

Google 发布 7.4 亿参数开源嵌入模型 EmbeddingGemma 2

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

Google 发布图像模型 Nano Banana 2.1，基于 Gemini 3.6 Flash 且成本更低

Google 发布图像模型 Nano Banana 2.1，基于 Gemini 3.6 Flash，在部分基准测试中超过此前的 Pro 模型，同时成本更低。原文同时指出，上一代模型在测试中成绩也不错，而 Pro 在实际使用中往往生成更好的图像。

Google 发布图像模型 Nano Banana 2.1，价格约降一半

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。新版本价格约降一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 美分降至 7.56 美分。

Google DeepMind 发布 EmbeddingGemma 2：基于 Gemma 4 的 740M 开源多模态嵌入模型

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。该模型基于 Gemma 4 架构，共 740M 参数，上下文窗口 8192 token，采用 Apache 2.0 许可。

Google 发布 EmbeddingGemma 2：基于 Gemma 4 的原生多模态嵌入模型，Apache 2.0 开源

Google 发布 EmbeddingGemma 2，这是首个基于 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。

Google 发布 Nano Banana 2.1 图像生成与编辑模型

Google 发布 Nano Banana 2.1，面向图像生成和编辑用户，带来更高质量的图像，修复了此前模型的多个问题，并采用新的更低价格。该模型已在 API、AI Studio 和 Gemini 应用中可用。

Mistral Large 4 网络安全能力突出

Mistral Large 4 被评为全球最强的网络安全 AI 模型之一。该模型在网络安全相关能力上表现突出。

Mistral 发布 Mistral Large 4，Hugging Face CEO 质疑其开源权重说法

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。

Perplexity 开源多模态决策模型 pplx-decider-v1.1-27b 登顶 Hugging Face Decision Index

Perplexity 发布开放权重多模态决策模型 pplx-decider-v1.1-27b，在新版 Hugging Face Decision Index 0.3 基准上得分最高。该模型成本为 v1 的一半，每百万输入 token 仅 $0.02，所有人均可使用。

Google 以 Apache 2 协议开源 EmbeddingGemma 2 嵌入模型

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。

TOD：基于任务导向设计的通用决策模型开源发布

团队开源了 TOD，一个基于 12B Gemma 微调、用于给选项打分的决策模型与 API，可用于工单路由、意图分类、紧急程度判断和严重性评级。当标签超过 120 个时，由 150M 检索模型先缩小候选范围（评测 recall@16 为 0.9–1.0），再由 12B 模型打分；上下文最高 49k tokens，每次请求最多支持 8 张图片。

Google 发布开源多模态嵌入模型 EmbeddingGemma 2，最低 0.5GB RAM 本地运行

Google 发布开源嵌入模型 EmbeddingGemma 2，采用 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 上下文以及文本、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 即可本地运行，并可通过 Unsloth 的 GGUF 运行和微调。

EmbeddingGemma 2 上线 HuggingFace 与 Kaggle

EmbeddingGemma 2 现可在 HuggingFace 和 Kaggle 下载，Gemini Enterprise Agent Platform Model Garden 即将上线。

EmbeddingGemma 2 搭配 Gemma 4 实现端侧 RAG

EmbeddingGemma 2 与 Gemma 4 搭配，以更低的内存占用实现高效的端侧检索增强生成（RAG）。EmbeddingGemma 2 负责检索本地文件，Gemma 4 对其推理并给出有依据的答案，且完全保护隐私。

Google 发布 740M 参数多模态嵌入模型 EmbeddingGemma 2

Google 发布 EmbeddingGemma 2，参数量 740M，活跃内存占用约 191MB 至 567MB，官方称其性能超过部分体积两倍以上的模型。上下文窗口较第一代扩大 4 倍至 8K，单次可处理最长 5.5 分钟音频、29 张图片或 58 个视频帧。

Google 发布 EmbeddingGemma 2，首个原生多模态端侧嵌入开源模型

Google 发布 EmbeddingGemma 2，这是其首个面向端侧嵌入的原生多模态开源模型。模型基于 Gemma 4 架构，采用 Apache 2.0 许可证，在文本之外将图像、视频、音频和代码统一到单一嵌入空间。

EmbeddingGemma 2 本地运行优化

EmbeddingGemma 2 经过优化，可在移动端和桌面端本地运行，全程无需联网。用户可用简单的文本查询搜索数小时的音频，或从语音备忘录中定位特定视频片段。