用 LFM2.5-VL-DSpark 加速视觉语言模型
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，用投机解码加速推理且输出质量不变。设备端解码最高 3.13x、H100 最高 2.66x，端到端最高 2.62x 与 2.27x，参数多 280M（8.9%）。首日支持 llama.cpp、MLX-VLM、SGLang，提供开放权重。
#多模态
#多模态
今日 0 条Hugging Face BlogAI 评分4545
Google DeepMind精选AI 评分7676 Google DeepMind发布Gemini 3.8 Live与3.8 Live Extended Thinking
Google DeepMind发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking，把近实时推理用于语音智能体。
推荐理由：原文给出了Extended Thinking的语音基准分数，以及两款模型面向开发者、企业和普通用户的不同开放范围。
Hugging Face BlogAI 评分5454 NeoMME发布260M与800M多模态多语言编码器
NeoMME推出260M和800M两款多语言多模态编码器，单一双向Transformer从零处理文本token与32×32图像块，并用掩码离散扩散目标训练全模型。
Google DeepMind精选AI 评分6363 Google DeepMind 推出 Gemini Omni 1.1 Flash，强化生成视频控制
Gemini Omni 1.1 Flash 现已推出，开发者可通过 Gemini API 做场景延续、首尾帧插值和最高 4K 放大。场景延续能分析最多 10 秒前文，而不只参考最后 1 秒，并按 10 秒一段把视频延到累计 40 秒；360p 预览成本为标准 720p 的三分之一，生成最高快 60%，成片可输出 1080p 或 4K。
推荐理由：开发者现在可以用最多10秒前文把已有视频按10秒一段延续到累计40秒，再以360p三分之一的成本和最高快60%的速度试稿后放大到4K。
Google DeepMind精选AI 评分6666 Google DeepMind发布手语转文本模型SL2T并接入Pixel 11听写
Google DeepMind发布大规模多语言手语转文本模型SL2T，先在Pixel 11的Gboard和Live Transcribe中把美国手语译成英语听写。
推荐理由：SL2T把超过五十种手语的身体关键点直接译成流式文本，并开始用于Pixel 11听写，读者可以据此了解手语输入如何接进日常打字。
Mistral AIAI 评分5454 Mistral 发布 3B 开源多模态安全分类器 Shieldstral
Mistral 以 Apache 2.0 发布 3B 开源权重多模态安全分类器 Shieldstral，把内容审核做成推理时可用自然语言政策作答的二分类问答。请求包含评估说明、是否类问题和待审内容，模型只读取 yes 与 no 的 logits，经 softmax 得到连续安全分数，同一接口覆盖提示、回复、提示与回复组合以及图像。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini Robotics ER 2，强化视频理解、任务编排与多机器人协作
Google DeepMind 今天发布 Gemini Robotics ER 2，将其作为机器人的高层具身推理模型，用于对话、理解物理世界和多步规划，再把运动执行交给下层视觉语言动作模型。
推荐理由：新模型相对 ER 1.6 补上了连续视频中的进度判断与多机协作能力，开发者可把它接到下层动作模型来编排多步实体任务。
Google DeepMind精选AI 评分6969 Gemini Robotics 2 为机器人带来全身控制、灵巧操作与多机协作
Google DeepMind 推出 Gemini Robotics 2，把视觉和语言输入转成电机控制，让完整人形机器人和双臂机器人完成从脚到指尖的全身动作与灵巧操作。
推荐理由：这次更新把原先的桌面上半身操作扩展到全身协调、灵巧操作和多机协作，并说明端侧模型可用数小时数据适配新机体。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber，用于以更高 token 效率、更低延迟和更可靠表现规模化构建 AI 智能体。
推荐理由：官方把三款新模型相对前代的token用量、速度、价格和基准分数放在一起，便于比较它们在智能体工作流里的成本与能力取舍。
Mistral AIAI 评分5252 Mistral 发布单目导航模型 Robostral Navigate，未见 R2R-CE 成功率 76.6%
Mistral 发布 8B 模型 Robostral Navigate，仅凭单目 RGB 相机和自然语言指令让机器人自主导航，在 R2R-CE 验证集未见环境达到 76.6% 成功率。
Google DeepMind精选AI 评分7575 Google DeepMind 开放 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 开放 Nano Banana 2 Lite 与 Gemini Omni Flash，分别用于高速图像生成，以及视频生成和对话式编辑。
推荐理由：官方同时给出图像模型的延迟与单价，以及视频模型的按秒定价和时长限制，读者可以据此估算图生视频迭代的成本。