#多模态

Google DeepMind 发布实时世界模型 Genie 4

Google DeepMind 发布 Genie 3 的继任者 Genie 4，这是其首个直接生成声音的实时世界模型，可逐帧计算场景并响应用户输入。Gemini 模型在后台规划模拟走向，Gemini 3.8 Flash 负责把目标拆成步骤并检查执行结果，Gemini 4 Argon 则被用于把 Genie 与 Gemini Robotics 的机器人研究结合。

Liquid AI 发布 LFM3 系列模型，同一 2B 级骨干覆盖文本、视觉、音频、全模态与决策

Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，六个 2B 级模型（文本、视觉、音频、全模态、两个决策模型）均从 LFM3-1.7B-Base 分支而来，全部开源权重并已在 Hugging Face 上线。

Google DeepMind 发布世界模型 Genie 4

Google DeepMind 发布新一代世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。该模型原生多模态，能同时生成音乐、环境音与可交互对话，并借助 Gemini Omni 锚定真实外观、Gemini 3.8 Flash 作为引导智能体拆解多步任务。

DeepMind 发布 Genie 4 世界模型，称物理与人物模拟更真实

Google DeepMind 发布 Genie 4 世界模型，称其在几乎各方面都优于 Genie 3，模拟的物理效果和人物更真实。该模型无需预渲染环境或编写交互逻辑，用户描述需求后即可实时逐帧生成可探索的虚拟世界，部分改进来自 Google 更新的 Gemini 模型。DeepMind 将世界模型视为通往 AGI 的关键环节，并称该技术可用于为实体机器人构建训练环境或加速创意领域的原型设计。

同一件事，精选收录的是《Google DeepMind 发布世界模型 Genie 4》

OpenAI 发布 GPT-6.1 Terra 模型

OpenAI 发布 GPT-6.1 Terra，官方强调其详细视觉推理与精确电脑操作能力，并称其写作更清晰自然，相比 GPT-5.6 Terra 有明显提升。该模型定价为每百万输入 token 1 美元、每百万输出 token 5 美元，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 的一半，约为 GPT-6 Luna 的 10 倍。

Google DeepMind 发布 Gemini 4 Argon 模型

Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 Gemini API、AI Studio、Google Antigravity 及 Gemini 应用和搜索 AI Mode 向开发者、企业和订阅用户开放。

Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态

Mistral AI 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 的 API 试用，权重将在本月底开放。该模型为 1 万亿参数、520 亿激活参数的原生多模态模型，在 3800 块 NVIDIA Grace Blackwell GPU 上从零训练，官方称其在编码、智能体工作流和多模态理解上可与全球最强开源模型竞争。