MiniMax 发布开放权重模型 MiniMax M3。该模型总参数量约 428B、激活参数量约 23B，支持 1M-token 上下文窗口与原生多模态理解，并具备前沿编码与 Agent 能力。模型权重已上架 Hugging Face，同时发布了 MiniMax Sparse Attention 论文。开发者可直接下载部署，在超长上下文、多模态及 Agent 场景中进行应用开发与评测。 核心观点： 1. MiniMax M3 总参数量约 428B，激活参数量约 23B，以开放权重形式发布。 2. 模型支持 1M-token 上下文窗口，具备原生多模态理解及前沿编码与 Agent 能力。 3. 权重已上架 Hugging Face，并配套发布 MiniMax Sparse Attention 技术论文。
Google 本周密集发布多款 AI 产品与技术更新：推出 Gemini 3.5 Live Translate 实时语音翻译音频模型；升级 NotebookLM，新增聊天智能体能力、增强推理及多种输出格式；Project Genie 向全球 Google AI Ultra 5x 订阅者开放；Gemini App 的 Notebooks 扩展至欧洲经济区等地；并开源实验性文本扩散模型 DiffusionGemma。对开发者而言，DiffusionGemma 提供了探索非自回归文本生成的新路径，NotebookLM 的升级则强化了 AI 智能体在知识工作流中的实用价值。 核心观点： 1. NotebookLM 升级新增聊天智能体能力、更高级推理及新输出格式套件。 2. Project Genie 现面向 Google AI Ultra 5x 订阅者全球推出。 3. DiffusionGemma 是实验性开放模型，采用文本扩散方法实现极快的文本生成。
Google DeepMind 发布了 Gemma 4 12B 模型，这是一款统一的无编码器多模态模型，旨在为开发者提供轻量级的多模态能力。该模型无需传统编码器即可处理多种输入模态，降低了部署复杂度。对开发者而言，这意味着可以在资源受限的环境中集成多模态功能，拓展了轻量级 AI 应用的可能性。 核心观点： 1. Gemma 4 12B 采用无编码器架构，简化了多模态模型的部署流程。 2. 该模型为 12B 参数规模的轻量级设计，适合资源受限的开发场景。
腾讯混元联合上海交通大学、新加坡南洋理工大学等多所高校发布MMAE，这是首个大规模多任务音频编辑基准。MMAE要求AI理解现有音频并根据自然语言指令精确修改，而非简单生成。基准包含2000个真实场景样本、17741个细粒度评估项，覆盖7种模态、6级任务复杂度、8种操作类型。当前模型精确匹配率（EMR）低于5%，揭示了可靠音频编辑能力的重大缺口，为开发者提供了明确的评测标准。 核心观点： 1. MMAE包含2000个高保真样本和17741个细粒度评估项，覆盖声音、音乐、语音及其混合共7种模态。 2. 当前模型在MMAE上的精确匹配率（EMR）低于5%，表明音频编辑能力存在显著不足。 3. MMAE设计了6级任务复杂度，从基础修改到多跳推理和多轮编辑，以及8种操作类型覆盖局部和全局粒度。
Google 本周密集发布多款 AI 产品。Gemma 4 12B 作为统一的 encoder-free 多模态模型，支持笔记本端完全离线运行，并通过 Quantization-Aware Training (QAT) 降低内存占用；Nano Banana 2 与 Nano Banana Pro 企业智能体平台正式商用；Co-Scientist 科研多智能体系统可生成并优化科学假设；Magenta RealTime 2 开放权重实时音乐模型支持 MIDI 与手势交互。对开发者而言，端侧部署与企业智能体工具链得到显著增强。 核心观点： 1. Gemma 4 12B 采用 encoder-free 架构，支持笔记本完全离线运行多模态任务。 2. Gemma 4 及其 drafters 经 Quantization-Aware Training (QAT) 优化，可降低内存需求并最大化端侧性能。 3. Magenta RealTime 2 为开放权重实时音乐模型，支持通过 MIDI 键盘、文本提示和手势进行演奏交互。
微软AI发布MAI-Image-2.5图像生成与编辑模型，具备强照片级真实感、精确编辑和细节处理能力。该模型宣传图由自身生成，用户可通过Playground或OpenRouter体验。