X @ollamaAI 評分42
@ollama: @GoogleDeepMind Model page:
Ollama 模型庫新增 Google DeepMind 的 embeddinggemma-2 頁面，地址為 ollama.com/library/embeddinggemma-2，使用者可通過 Ollama 拉取該嵌入模型。該條目由 Ollama 官方帳號發布，指向 Google DeepMind 的這一模型。原文未給出模型規模、上下文長度、許可證或效能資料等細節。
搜尋
找到 13 筆
X @ollamaAI 評分52
Ollama 上線 Beam 模型頁併發布配套部落格
Ollama 在模型庫中新增 Beam 的模型頁面（ollama.com/library/beam），同時發布配套部落格文章（ollama.com/blog/reflection-beam）。官方目前只給出這兩個連結，未說明模型規模、許可、量化版本與硬體要求等細節。
X @Alibaba_QwenAI 評分19
阿里 Qwen 公布 QwenGyre，瞄準超長程 agentic RL 挑戰
阿里 Qwen 團隊公布 QwenGyre，稱其針對超長程（XLong-horizon）agentic 強化學習的兩大挑戰。原帖僅給出這一句說明，未指出兩項挑戰具體是什麼，也沒有提到模型規模、評測資料或可用時間。
X @GoogleDeepMindAI 評分51
Gemini 4 Carbon 發布，主打網路安全與長程任務
Google DeepMind 宣布下一代前沿模型 Gemini 4 Carbon。官方稱其在網路安全與長程（long-horizon）能力上達到當前最優水平。目前公布的資訊只有這兩項，尚未披露模型規模、上下文長度、價格、開放時間與具體使用方式。
X @ollamaAI 評分36
Ollama 將 Muse Spark Open 上線 Pro、Max 與 Teams 套餐
Ollama 宣布 Muse Spark Open 已向 Pro、Max、Pay-as-you-go 和 Teams 四類套餐開放，這些套餐的使用者現在可以呼叫該模型。公告只說明瞭覆蓋範圍，沒有披露模型規模、上下文長度、價格或免費檔是否同步開放等細節。
X @MistralAI● 精選AI 評分62
Mistral 發布 Voxtral 3 語音模型，驅動新語音智慧體 API
Mistral 發布 Voxtral 3，包含 Transcribe 與 Speech 兩類語音模型，官方稱其達到當前最優水平，並用於驅動 Mistral 新的語音智慧體 API。公告以推文執行緒形式給出，未披露模型規模、定價、可用平台與發布時間等細節。
X @AIatMetaAI 評分56
@AIatMeta: The Muse Wonder series achieves state-of-the-art results across key benchmarks for personal and pro…
Meta 發布 Muse Wonder 與 Muse Wonder Full 兩個模型，稱其在個人與專業智慧體、記憶和程式設計等關鍵基準上取得 SOTA。二者把專門知識用於工作與日常場景中的問題，例如理解一份租約、解讀財務或健康資訊，評測任務覆蓋法律、金融與健康領域。該推文未提及模型規模、開放方式與上線時間。
X @AIatMetaAI 評分28
@AIatMeta: Delivering personal superintelligence requires a significant investment in alignment and safety, an…
Meta 表示已訓練出 Muse Wonder 模型家族，重點在對齊與安全兩個維度上領先。官方稱交付個人超級智慧需要在對齊與安全上大幅投入，並要求模型對私人資訊保持審慎、抵抗濫用。該家族據稱能更穩健地應對對抗性指令，並更謹慎地處理隱私資訊。推文未提及模型規模、開放時間或評測資料。
X @MistralAIAI 評分45
Mistral 與 CERN 合作探索大型物理模型
Mistral AI 與歐洲核子研究中心（CERN）宣布合作，探索用大規模 AI 模型應對粒子物理日益增長的複雜度。雙方的目標是訓練一個單一的大型物理模型（Large Physics Model），訓練資料為數十億次模擬對撞。目前公開的只有合作意向與這一目標，模型規模、時間表與開放方式均未披露。
Simon WillisonAI 評分61
OpenAI 詳解模型命名：Luna 到 Astra 按規模排序
OpenAI 的 Ted Sanders 解釋了公司的模型命名規則：模型按規模從小到大排為 Luna < Terra < Sol < Astra，模型越大效能越可靠、冷門事實召回越好，但每 token 成本更高。版本號同時反映發布順序、與其他版本的關係和改進幅度，例如 6.1 在 5.6 之後發布、與其他 6.1 模型在訓練資料和風格上相近（所以不叫 5.7），但提升幅度不足以稱為 7。
X @SpaceXAIAI 評分51
Grok Voice 3.0 發布：語音延遲降低 40%
SpaceXAI 宣布 Grok Voice 3.0 在語音 agent 任務上達到前沿水平，延遲較此前降低 40%。官方給出的落地案例是 SpaceX 內部：該模型能自主處理 70% 的 Starlink 客服來電，無需人工介入。官方本次只披露延遲降幅與自主解決率兩項指標，未說明模型規模、開放渠道、定價與上線時間，也未提供與其他語音模型的對比資料。
X @GoogleDeepMind● 精選AI 評分60
@GoogleDeepMind: An untouched natural forest holds far more carbon and biodiversity than a single-species timber pla…
Google DeepMind 推出 ForTy，可把地球上每 10×10 米的地塊劃入不同的森林與樹作物型別。官方同時強調，未經採伐的天然林在碳儲量與生物多樣性上遠高於每一二十年砍伐一次的單樹種人工林，而這正是需要按地塊區分天然林、人工林與樹作物的原因。推文給出的是分類粒度與這組對比結論，未披露模型規模與使用方式。
Hacker News front page● 精選AI 評分82
研究稱神經網路本就可讀，可解釋性前景好於預期
一項新研究認為，神經網路自身的機制就是可讀的基本單元，此前被視為多義神經元與疊加現象的典型證據屬於誤讀。作者稱 InceptionV1 末層在常規架構改進後 99-100% 的神經元可解釋，模型規模跨 300 倍仍整體可讀；對 Qwen3-32B 的初步審計估計約 90% 神經元只有一項主要職責，約 7% 有兩項相關職責，僅 2-4% 尚未理解。結論是可以直接研究網路本身，不必先訓練稀疏自編碼器來解糾纏。