OlmoEarth v1.1 发布：计算成本降低至三分之一
AllenAI 发布 OlmoEarth v1.1 模型系列，通过优化 Transformer 的 Token 设计将计算成本降低至 v1 的三分之一，同时保持基准性能。该版本包含 Base、Tiny 和 Nano 多种尺寸，支持更高效的卫星图像推理与微调。
推荐理由：通过优化Token设计降低计算成本，为遥感模型的高效部署提供了可复用的工程实践。
#产品更新
#产品更新
今日 2 条Hugging Face Blog精选AI 评分6868 Google Research精选AI 评分7373 Google 发布 ERA 科研工具并推出计算发现平台
Google 发布 Empirical Research Assistance (ERA) 工具，利用 Gemini 通过树搜索方法编写和优化科学代码，在基因组学、流行病学预测、碳监测等基准测试中达到专家级性能。同时推出基于 ERA 和 AlphaEvolve 的计算发现平台 Computational Discovery，并开放 Gemini for Science 实验工具供注册使用。
推荐理由：ERA 工具通过树搜索优化科学代码，已在多项基准测试中达到专家级水平，并开放给科研社区使用。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 Ettin Reranker 系列模型
Hugging Face 发布基于 Ettin ModernBERT 架构的六个 CrossEncoder 重排序模型（17M 至 1B 参数），采用点均方误差蒸馏自 mxbai-rerank-large-v2。在 MTEB 和 NanoBEIR 基准测试中，各尺寸模型均达到同规模下的最优精度，且得益于未填充注意力机制，推理速度比同类模型快 1.7 至 8.3 倍。
推荐理由：基于ModernBERT架构蒸馏出六个尺寸模型，在同等参数量下精度超越主流模型且推理速度显著领先。
Hugging Face Blog精选AI 评分6060 PaddleOCR 3.5 新增 Transformers 推理后端
PaddleOCR 3.5 发布，支持通过设置 engine="transformers" 使用 Hugging Face Transformers 作为推理后端。该更新让 PP-OCRv5 等模型更自然地融入基于 Transformers 的 RAG 和 Agent 工作流，同时保留原有 Paddle 后端以保障吞吐量。
推荐理由：PaddleOCR 3.5 新增 Transformers 推理后端，降低在 Hugging Face 生态中集成文档解析的门槛。
Google DeepMindAI 评分4242 Project Genie 新增 Street View 功能，支持基于真实地点生成虚拟世界
Google DeepMind 在 Project Genie 中新增 Street View 功能，允许用户基于美国真实地点生成可交互的虚拟世界。该功能结合 Maps Imagery Grounding 技术，支持“Ocean World”等风格，用户可自定义角色探索或重塑现实场景。Project Genie 现已面向全球 18 岁以上 Google AI Ultra 订阅用户开放。
Google DeepMind精选AI 评分9292 Google 发布 Gemini Omni Flash 多模态视频生成模型
Google 发布 Gemini Omni Flash，支持将图像、音频、视频和文本作为输入生成高质量视频，并可通过自然语言对话进行编辑。该模型已面向 Google AI Plus、Pro 和 Ultra 订阅用户以及 YouTube Shorts 用户开放。
推荐理由：原文给出了多模态输入生成视频的能力细节和开放入口，读者可以据此判断它对现有视频创作工作流的影响。
Google DeepMind精选AI 评分7070 Google 发布 Gemini for Science 实验工具与科学技能
Google 发布 Gemini for Science，包含 Google Labs 上的三个实验工具：基于 Co-Scientist 的假设生成、基于 AlphaEvolve 的计算发现、基于 NotebookLM 的文献洞察，以及集成 AlphaFold 等数据库的 Google Antigravity 科学技能。
推荐理由：Google 发布 Gemini for Science 系列实验工具与技能，覆盖假设生成、计算发现与文献洞察，提供科研加速新路径。
Google DeepMindAI 评分5050 Google 扩展 SynthID 与 C2PA 内容验证工具至 Search、Gemini 和 Chrome
Google 将 SynthID 和 C2PA Content Credentials 内容验证工具扩展至 Search、Gemini 和 Chrome，帮助用户识别内容的生成来源与修改历史。
Google DeepMindAI 评分4848 Google DeepMind 发布 Co-Scientist 助力 Calico 衰老研究
Google DeepMind 发布 Co-Scientist，协助 Calico Life Sciences 在衰老生物学研究中生成可验证假设。该工具帮助研究人员从混杂的文献中识别出关于整合应激反应（ISR）受代谢调节的新颖假设，并优化实验设计。Calico 团队利用 Co-Scientist 筛选噪音并推进实验，最终获得具有健康与疾病意义的新发现。
Google DeepMindAI 评分4040 Google DeepMind 发布 Co-Scientist 加速肝病机制发现
Google DeepMind 发布 Co-Scientist，利用 AI 辅助生物医学研究以加速疾病机制发现。该系统帮助爱丁堡大学团队在代谢功能障碍相关脂肪性肝炎（MASH）研究中，通过综合肝脏生物学与药理学证据，提出 NLRP3 炎症小子作为连接炎症与代谢的关键分子桥梁假设。该假设后经实验验证，为靶向双重疗法开发提供了新方向。
Google DeepMindAI 评分2323 Co-Scientist 助力 MIT 与波士顿儿童医院合作探索 ALS 疗法
Co-Scientist 帮助 MIT 的 Ritu Ritu Raman 与波士顿儿童医院的 Ryan Flynn 跨越学科壁垒，将组织模型与 RNA 映射技术结合以探索肌萎缩侧索硬化症（ALS）疗法。该工具快速梳理了矛盾文献，协助团队提出可验证假设并评估可行性与风险。双方正利用 Co-Scientist 迭代寻找针对 ALS 的新型 RNA 机制及潜在药物。
Google DeepMind精选AI 评分7272 Google DeepMind发布Co-Scientist并验证其在肝纤维化药物发现中的应用
Google DeepMind发布科研智能体Co-Scientist，斯坦福大学Gary Peltz团队利用其从海量文献中筛选出3种候选药物，并在活体人类肝细胞实验中证实其中2种能阻断肝纤维化并促进细胞再生，其中癌症药物伏立诺他（vorinostat）效果显著，阻断了91%的损伤反应。
推荐理由：通过斯坦福大学独立实验验证了Co-Scientist在药物重定位中的有效性，为科研工作者提供了可参考的AI辅助发现路径。
Hugging Face Blog精选AI 评分8282 IBM 发布 Granite Embedding Multilingual R2 多语言嵌入模型
IBM 发布基于 ModernBERT 架构的 Granite Embedding Multilingual R2 系列多语言嵌入模型，包含 97M 和 311M 两个版本，支持 200 多种语言和 32K 上下文窗口。
推荐理由：IBM 发布基于 ModernBERT 的多语言嵌入模型，在 32K 长上下文和 97M 极小体积下实现开源同类最高检索质量。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Co-Scientist 多智能体科研助手
Google DeepMind 发布 Co-Scientist，这是一个基于 Gemini 的多智能体 AI 系统，旨在通过生成、辩论和进化假设来加速科学研究。该系统包含生成、辩论和进化三个阶段，利用“思想锦标赛”机制对假设进行交叉验证和排名，目前已通过 Hypothesis Generation 工具向研究人员开放。
推荐理由：原文披露了基于 Gemini 的多智能体协作机制与“思想锦标赛”验证流程，为科研场景下的 AI 智能体提供了可迁移的方法论。
Hugging Face BlogAI 评分3535 AWS 基础模型训练与推理的构建模块
AWS 发布文章解析基础模型训练与推理的开源软件栈与基础设施集成架构。文章涵盖 P5 和 P6 实例系列的 H100、H200、B200 及 B300 GPU 规格，以及 Slurm、Kubernetes、PyTorch 和 Prometheus 等工具在资源管理与可观测性中的应用。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 AlphaEvolve 智能体年度应用成果
Google DeepMind 发布 AlphaEvolve 年度成果，展示该 Gemini 驱动编码智能体在基因组学、电网优化、量子计算及 TPU 设计等领域的算法优化应用。
推荐理由：原文展示了该智能体在科研、基建及商业场景中的具体优化成果，为评估其实际效能提供了详实参考。
Hugging Face BlogAI 评分3838 DeepInfra 成为 Hugging Face Inference Provider
DeepInfra 正式成为 Hugging Face Hub 的 Inference Provider，支持 DeepSeek V4、Kimi-K2.6、GLM-5.1 等 100 多款模型。
Hugging Face Blog精选AI 评分8383 NVIDIA 开源 Nemotron 3 Nano Omni 多模态模型
NVIDIA 在 Hugging Face 开源 Nemotron 3 Nano Omni 多模态理解模型，原生支持文档、图像、视频和音频的联合推理及智能体操作。该模型基于 Nemotron 3 混合 Mamba-Transformer 架构，在文档理解、视频分析和语音交互等基准测试中表现领先，并提供 BF16、FP8 和 NVFP4 权重下载。
推荐理由：NVIDIA 开源 Nemotron 3 Nano Omni 模型，原生支持图文音视频多模态理解与智能体操作，在多项基准上表现领先。
Mistral AI精选AI 评分7575 Mistral AI 发布企业级 AI 编排层 Workflows
Mistral AI 发布 Workflows 公开预览版，作为企业 AI 的编排层，提供生产环境所需的持久性、可观测性和容错能力。开发者使用 Python SDK 编写工作流，支持人工审批、状态追踪和审计，并部署在客户自有环境中。
推荐理由：Mistral 发布企业级 AI 编排层 Workflows，提供生产环境所需的容错、可观测性和人工审批能力。
Hugging Face Blog精选AI 评分8080 Hugging Face 展示基于 OpenAI Privacy Filter 构建的三个 Web 应用
Hugging Face 展示了基于 OpenAI 开源隐私过滤模型 Privacy Filter 构建的三个 Web 应用：文档隐私探索器、图像匿名化工具和智能文本脱敏服务。该模型支持 128k 上下文，可识别八类个人敏感信息。
推荐理由：Hugging Face 展示了基于 OpenAI Privacy Filter 构建的三个 Web 应用，揭示了其在文档、图像和文本场景中的工程实践。
Google Research精选AI 评分7272 Google Photos 推出基于3D重建的照片视角重算功能
Google Photos 在 Auto frame 功能中新增视角重算能力，利用3D点云估计与生成式扩散模型，在保留原图可见内容的同时智能补全新视角下的隐藏区域，自动优化人像构图与广角畸变。
推荐理由：通过3D重建与生成式补全实现照片视角重算，为后期构图调整提供了新的技术路径。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 EcomRLVE-GYM 电商智能体训练环境
Hugging Face 发布 EcomRLVE-GYM，提供 8 个算法可验证的电商多轮对话环境，涵盖商品发现、购物车构建等场景。项目开源了代码与 200 万商品目录，并展示了使用 DAPO 算法在 Qwen 3 8B 模型上的早期训练结果。
推荐理由：开源了电商智能体训练环境与代码，提供算法可验证的奖励机制，便于复现多轮对话任务。
Google DeepMind精选AI 评分7575 Gemini 3.1 Flash TTS 发布，引入细粒度音频标签实现自然语言控制
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，引入细粒度音频标签（audio tags）支持自然语言控制语音风格、节奏和表达。该模型支持 70 多种语言，在 Artificial Analysis 基准测试中表现优异，已面向开发者、企业和 Workspace 用户开放预览，所有生成音频均嵌入 SynthID 水印。
推荐理由：引入细粒度音频标签实现自然语言控制，兼顾高音质与低成本，为开发者提供精准表达控制。
Google DeepMind精选AI 评分7676 Gemini Robotics-ER 1.6 发布，增强具身推理与仪表读取能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，显著增强空间推理、多视角理解及仪表读取能力。该模型支持通过 Gemini API 和 Google AI Studio 调用，具备通过代码执行与视觉推理实现高精度仪表读数，并提升了物理安全约束遵循能力。
推荐理由：新增仪表读取与多视角推理能力，为具身智能体提供可验证的物理世界交互方案。
Hugging Face Blog精选AI 评分7777 Waypoint-1.5 发布，支持消费级显卡实时生成互动世界
Overworld 发布 Waypoint-1.5 实时视频世界模型，支持在 RTX 3090 至 5090 等消费级硬件上以 720p 60 FPS 运行。该版本引入 360p 低配模式，训练数据量较上一代提升近 100 倍，并提供 Biome 桌面客户端、Overworld Stream 浏览器体验及 World Engine 推理库。
推荐理由：模型支持本地消费级显卡实时交互，降低了互动世界模型的部署门槛。
Hugging Face Blog精选AI 评分7575 Sentence Transformers v5.4 支持多模态嵌入与重排模型
Sentence Transformers 发布 v5.4 版本，新增对文本、图像、音频和视频的多模态嵌入与重排模型支持。该版本提供统一的 API 进行跨模态相似度计算与检索重排，并支持 Qwen3-VL 等主流多模态模型。
推荐理由：Sentence Transformers v5.4 新增多模态嵌入与重排模型支持，提供跨模态检索与 RAG 的完整 API 实现。
Google Research精选AI 评分6060 Google 发布 PaperVizAgent 与 ScholarPeer 两个科研 AI 智能体
Google Research 发布两个实验性 AI 智能体：PaperVizAgent 可从文本自动生成出版级学术图表，在多项指标上超越 GPT-Image-1.5 等基线；ScholarPeer 模拟资深审稿人，通过多智能体协作和实时文献检索生成深度评审意见。
推荐理由：Google 发布两个实验性 AI 智能体，分别用于生成高质量学术图表和模拟资深审稿人，展示了 AI 深度介入科研流程的潜力。
Hugging Face Blog精选AI 评分9090 Gemma 4 模型系列发布，支持端侧多模态与智能体功能
Google DeepMind 在 Hugging Face 发布 Gemma 4 多模态模型系列，包含 E2B、E4B、12B Unified、31B 和 26B A4B 五种尺寸，均支持图像、文本及音频输入，并原生适配本地智能体框架。同时发布 DiffusionGemma，采用离散扩散架构实现文本并行生成，在保持多模态能力的同时显著提升推理吞吐量。
推荐理由：Gemma 4 提供从 2B 到 31B 的完整模型族及 DiffusionGemma，原生支持端侧部署与智能体工具调用。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 gradio.Server 支持任意前端
Hugging Face 发布 gradio.Server，允许开发者使用 React 等任意前端框架，同时复用 Gradio 的 API 基础设施、并发队列和 ZeroGPU 支持。
推荐理由：原文给出了 gradio.Server 的核心用法，读者可以据此将任意前端与 Gradio 后端结合。
Mistral AI精选AI 评分7070 Mistral AI 发布 Spaces CLI：兼顾人类与 Agent 的开发者工具
Mistral AI 发布 Spaces CLI，旨在同时服务人类开发者与编码 Agent。该工具通过为所有交互输入提供 Flag 等价物、使用插件系统管理模块、生成 context.json 和 AGENTS.md 提供结构化上下文，以及显式处理状态依赖，实现了 Agent 的端到端自主操作。
推荐理由：Mistral 分享了 Spaces CLI 兼顾人类与 Agent 的设计原则，为开发者工具的可编程性提供了可迁移的方法。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 TRL v1.0 后训练库
Hugging Face 发布 TRL v1.0，这是其后训练库的正式稳定版本，支持 75 多种后训练方法。该版本明确了稳定核心与实验层的边界，并规划了异步 GRPO 和面向智能体的可解释训练等后续功能。
推荐理由：官方正式宣布 TRL v1.0 发布，明确了稳定与实验代码的边界，并给出了异步 GRPO 等后续演进方向。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AI 指针概念，探索 Gemini 驱动的跨应用交互
Google DeepMind 发布 AI 指针概念，展示基于 Gemini 的原型，通过视觉与语义理解实现跨应用自然交互。该功能已集成至 Chrome 和 Googlebook，支持在网页中直接询问特定内容或进行可视化对比。
推荐理由：文章展示了基于 Gemini 的 AI 指针原型，通过自然语言与视觉上下文结合，探索跨应用无缝交互的新范式。
Google DeepMind精选AI 评分8585 Google 发布 Gemini 3.1 Flash Live 语音模型
Google 发布 Gemini 3.1 Flash Live 语音模型，在 ComplexFuncBench Audio 基准测试中得分 90.8%，支持更自然的对话与多语言实时交互。该模型已上线 Gemini Enterprise、Gemini Live 和 Search Live，并集成 SynthID 音频水印。
推荐理由：模型在语音基准测试中刷新纪录并降低延迟，为开发者构建语音智能体提供了更可靠的底层能力。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Lyria 3 Pro 音乐生成模型
Google DeepMind 发布 Lyria 3 Pro，支持生成长达3分钟且具备结构意识的音乐曲目，可自定义前奏、主歌等元素。该模型已接入 Vertex AI、Google AI Studio、Google Vids、Gemini 应用及 ProducerAI，面向企业和创作者开放。
推荐理由：模型支持3分钟长曲并细化结构控制，同时扩展至多个Google产品，可据此评估其工作流整合价值。
Google Research精选AI 评分7575 Google 发布 Vibe Coding XR 工作流加速 AI + XR 原型开发
Google 发布 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与 XR Blocks 框架，将自然语言直接转化为功能性的 Android XR 应用。该工作流利用 Gemini 进行多步规划与空间逻辑处理，在 60 秒内生成包含物理感知和交互的 3D 体验，并提供了桌面模拟器与 Android XR 头显的实时预览功能。
推荐理由：原文展示了利用 Gemini 长上下文推理将自然语言直接转化为 XR Blocks 应用的完整工作流，为空间计算原型开发提供了可复用的新范式。
Mistral AI精选AI 评分7878 Mistral AI 发布 Voxtral TTS 多语言语音生成模型
Mistral AI 发布 Voxtral TTS，这是一款 4B 参数的文本转语音模型，支持 9 种语言，具备低延迟、情感表达和零样本跨语言声音适应能力。该模型在人类评估中表现优于 ElevenLabs Flash v2.5，API 定价为每 1k 字符 0.016 美元，并提供开源权重。
推荐理由：官方发布4B参数多语言TTS模型，提供低延迟与情感表达，并公布API定价与开源权重。
Mistral AI精选AI 评分7272 Mistral 发布 Leanstral 开源形式化代码智能体
Mistral 发布 Leanstral，首个专为 Lean 4 设计的开源代码智能体，采用 6B 激活参数架构。在 FLT 项目验证基准上，其 pass@2 得分超越 Claude Sonnet 4.6，且运行成本仅为后者的约 1/15。模型以 Apache 2.0 协议开源，支持 Mistral Vibe 集成与 MCP 工具调用。
推荐理由：Leanstral 以极低成本在形式化验证基准上超越闭源模型，为高可靠性代码生成提供了开源替代方案。
Google Research精选AI 评分7070 Google Flood Hub 上线 AI 驱动的城市内涝预测功能
Google Research 宣布在 Flood Hub 上线城市内涝（Flash Flood）预测功能，利用 AI 方法将预警时间提前至 24 小时。该模型通过 Gemini 分析公开新闻报道构建 Groundsource 数据集，结合全球气象数据预测人口密集区的内涝风险，在部分南方国家的表现与美国国家气象局相当。
推荐理由：利用Gemini提取新闻数据构建训练集，在缺乏地面观测的南方国家实现24小时城市内涝预测。
Google Research精选AI 评分6868 Google 发布 Groundsource 将新闻转化为城市内涝历史数据
Google 发布 Groundsource 框架，利用 Gemini 从全球新闻中提取结构化历史数据，构建了包含 260 万条城市内涝事件的开放数据集。该数据集已用于提升 Google Flood Hub 的预报能力，可提前 24 小时预测近全球范围的城市内涝。
推荐理由：利用 Gemini 从新闻中提取结构化数据，填补了城市内涝历史数据空白，并直接用于提升 Flood Hub 的预报能力。
Hugging Face Blog精选AI 评分7575 Hugging Face Hub 推出 Storage Buckets 对象存储功能
Hugging Face 推出 Storage Buckets，一种基于 Xet 的 S3 风格对象存储，用于高效管理训练检查点等中间产物。该功能支持跨文件去重以节省带宽与成本，提供预冷功能加速多区域读取，并兼容 fsspec 接口。
推荐理由：Hugging Face 推出基于 Xet 的 S3 风格对象存储，提供去重加速与预冷功能，优化 ML 中间产物管理。