ChatGPT 搭载 GPT-6 推出交互式 UI 功能
OpenAI 向 ChatGPT 用户全面推送 GPT-6，引入“智能 UI”功能，将回答转化为包含图表、按钮和迷你应用的交互式界面。该模型支持在“思考”过程中同时输出内容，使等待时间缩短 44%，Plus 及以上用户今日即可使用。
推荐理由：GPT-6 引入交互式 UI 与流式思考功能，显著缩短响应时间，为 ChatGPT 交互形态带来实质性变化。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 22 条The Decoder精选AI 评分8585 TechCrunch · AI精选AI 评分8585 ChatGPT 随 GPT-6 发布交互式智能界面
OpenAI 随 GPT-6 模型发布 ChatGPT 智能界面（Intelligent UI），将交互式图表、可点击按钮和定制计算器等视觉元素整合进对话中。该功能面向 Pro、Plus、Business 和 Enterprise 用户周三全球上线，周四扩展至免费及 Go 层级用户。
推荐理由：GPT-6 引入交互式图表和可操作组件，将改变 ChatGPT 从纯文本向多模态交互的演进方向。
The Verge · AI精选AI 评分8585 ChatGPT 随 GPT-6 上线智能界面功能
OpenAI 在 ChatGPT 中推出智能界面功能，允许模型在回复中生成图表、表单和可点击按钮等交互元素。该功能随 GPT-6 模型向 Plus、Pro 等付费用户开放，并将于周四扩展至免费用户。
推荐理由：GPT-6 引入可交互图表与工具生成能力，为复杂任务提供了更直观的交互方式。
Hugging Face Blog精选AI 评分8282 Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧多模态决策模型
Liquid AI 开源 d1-3B 和 d1-omni-600M 决策模型，基于 Liquid Foundation Models 架构，通过单次前向传播输出结构化决策而非生成 Token。
推荐理由：Liquid AI 开源 d1-3B 与 d1-omni-600M 决策模型，在端侧设备实现毫秒级推理，为多模态结构化决策提供新方案。
Latent Space精选AI 评分9797 AI新闻：OpenAI发布722篇数学论文，Mistral推出Large 4模型
OpenAI发布内部Navier-Stokes模型的722篇数学手稿，包含准黎曼猜想等成果，引发数学界重大反响。Mistral发布1T参数多模态模型Large 4，支持API并承诺开源。Google推出多模态嵌入模型EmbeddingGemma 2及图像模型Nano Banana 2.1。OpenAI发布决策API公测版，Anthropic扩展网络安全验证计划。
推荐理由：原文梳理了OpenAI内部模型数学突破、Mistral新模型发布及多项工具更新，提供行业全景与关键争议点。
OpenAI News精选AI 评分8585 GPT-6 伴随智能界面全球上线
OpenAI 宣布 GPT-6 在 ChatGPT 中全球上线，并推出智能界面（Intelligent UI），提供包含视觉和交互体验的更快响应。
推荐理由：GPT-6 伴随智能界面全球上线，提供包含视觉与交互体验的更快响应，直接改变 ChatGPT 的使用方式。
Google DeepMind精选AI 评分7575 Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构的 7.4 亿参数多模态嵌入模型，原生支持文本、代码、图像、音频和视频的统一嵌入空间。
推荐理由：7.4亿参数原生多模态模型，支持端侧运行与向量截断，适合隐私优先的本地检索场景。
Google Research精选AI 评分7373 Google 发布地球AI人口动态基础模型PDFM
Google Research 发布地球AI人口动态基础模型PDFM，将搜索趋势、环境等隐私数据压缩为位置嵌入。该模型在麻疹疫苗、心血管疾病、登革热、产后抑郁和霍乱预测中验证了提升效果，并作为Population Dynamics Insights在Google Maps Platform开放预览。
推荐理由：原文展示了PDFM在五大公共卫生场景的实测增益，读者可评估其作为现成地理空间特征提升现有模型的效果。
Mistral AI精选AI 评分9292 Mistral 发布 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 预览版，该模型拥有 520 亿活跃参数，在编码、Agent 工作流及多模态理解上表现领先。模型将于月底开源权重，目前可通过 Mistral Studio 试用 API。
推荐理由：原文披露了万亿参数架构与欧洲算力底座，并给出安全与编码等维度的实测数据。
Microsoft Research精选AI 评分6666 微软发布Quine生物研究系统，多模态模型辅助胰腺癌药物筛选
微软发布Quine，一个面向生物学的多模态世界模型与交互式研究系统。该系统在胰腺导管腺癌研究中，通过预测并优先排序数千种化合物，成功引导湿实验验证了驱动肿瘤细胞状态转变的候选药物，将筛选过程缩短至数天。
推荐理由：微软发布Quine生物研究系统，通过多模态世界模型辅助实验设计，在胰腺癌研究中验证了加速化合物筛选的可行性。
Google Research精选AI 评分7979 Google 发布 AI 视频联合导演框架及四个长视频生成评测基准
Google Research 发布 AI 视频联合导演框架，通过 Co-Director、CANVAS、A²RD 和 VQQA 四个模块解决长视频生成的语义漂移和一致性难题，并推出 GenAD-Bench、HardContinuityBench、LVBench-C 等评测基准。
推荐理由：提出多智能体框架解决长视频生成的语义漂移与一致性难题，并发布了四个专用评测基准。
Google DeepMind精选AI 评分7777 Gemini 3.8 Live 新增 Live Avatar 实时视觉形象功能
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时对话与低延迟流式视频生成原生耦合，赋予 AI 具备动态视觉形象。该功能支持 97 种语言无缝切换且保持口型同步，可在后台异步调用工具以维持对话流畅，目前已在 Gemini Enterprise 中开放。
推荐理由：原生耦合实时对话与低延迟视频流，支持97种语言无缝切换及异步工具调用，为多模态交互提供企业级入口。
NVIDIA Blog精选AI 评分6666 NVIDIA联合发布2800多种病毒蛋白复合物结构数据集
NVIDIA联合Google DeepMind等机构，通过AlphaFold Database开源2800多种病毒蛋白复合物3D结构。该数据集利用NVIDIA BioNeMo Inference Runtime优化AlphaFold2生成，包含约30%全新相互作用结构，并同步开源BioNeMo Structure Prediction Pipeline供研究人员预测自身目标。
推荐理由：NVIDIA联合多方开源2800多种病毒蛋白复结构，提供GPU加速预测工具，为未来疫情应对储备关键数据。
Microsoft Research精选AI 评分7777 微软发布开源分子合成预测模型 RetroChimera
微软发布并开源分子合成预测模型 RetroChimera，该模型融合 R-SMILES 2 与 NeuralLoc 两种架构，通过集成学习策略在盲测中表现优于单一模型。
推荐理由：模型融合两种架构互补优势并开源，为化学合成路线规划提供了可复用的前沿工具。
Google Research精选AI 评分6262 Google 发布基于 GenUI 的教育模拟生成实验，开放 30 余个 STEM 示例
Google Research 发布基于生成式 UI（GenUI）的教育模拟生成实验，允许教师动态创建定制化的互动学习模拟。该实验已发布包含物理、化学等学科的 30 余个 AI 生成示例，并开放 Google for Education Pilot Program 供学校申请试用。
推荐理由：Google 发布基于 GenUI 的教育模拟生成实验，提供 30 余个 STEM 示例并开放教师试点，展示了生成式 UI 在定制教学中的落地路径。
Hugging Face Blog精选AI 评分7272 Gradio 官方发布 Workflow1111，用 Gradio Workflow 重构 AUTOMATIC1111 功能
Hugging Face 官方博客发布 Workflow1111，将 AUTOMATIC1111 的核心功能重构为基于 Gradio Workflow 的节点图。
推荐理由：Gradio 官方展示了 Workflow1111 项目，将 AUTOMATIC1111 的核心功能重构为基于 Gradio Workflow 的节点图，支持多模型混合编排与 MCP 工具调用。
Hugging Face Blog精选AI 评分7575 H Company 发布原生多模态编码器 NeoMME
H Company 发布 NeoMME，一种原生多模态多语言编码器，使用单一双向 Transformer 处理文本和图像。NeoMME-Retriever 微调版支持单次前向传播输出密集和晚期交互嵌入，在 ViDoRe v3 基准上表现优异，并通过分层 token 池化和非对称量化将存储需求降低 255 倍。
推荐理由：原生多模态架构配合高效压缩技术，为视觉文档检索提供了兼顾速度与精度的开源方案。
Hugging Face Blog精选AI 评分7272 OlmoEarth Studio 开放自定义嵌入向量导出功能
OlmoEarth Studio 现支持计算并导出自定义嵌入向量，生成轻量级 Cloud-Optimized GeoTIFF (COG) 文件。用户可通过 Studio UI 或 API 选择感兴趣区域、时间范围、编码器变体（Nano/Tiny/Base）及影像源，获取用于相似度搜索、少样本分割、变化检测和 PCA 探索的嵌入数据。
推荐理由：OlmoEarth Studio 开放自定义嵌入向量导出，提供轻量级 COG 格式及下游应用示例，便于直接复用。
Hugging Face Blog精选AI 评分8585 Meta 发布 Muse Glimmer 30B 多模态模型
Meta 发布 Muse Glimmer 30B 多模态模型，专为本地智能体场景设计，采用 2B 视觉编码器与 28B 文本解码器架构。该模型开源并提供 transformers、llama.cpp 及 vLLM 支持，具备多模态工具调用与代码生成能力，演示了模型自量化与自部署等智能体应用。
推荐理由：Meta 发布 30B 多模态模型，针对本地智能体场景优化，提供多种推理框架支持与自部署演示。
Hugging Face Blog精选AI 评分8686 Thinking Machines 开源 Inkling 1T参数多模态大模型及 Inkling-Small
Thinking Machines 在 Hugging Face 开源 Inkling 1T参数多模态大模型及 Inkling-Small（276B/12B），原生支持图像、文本和音频输入，具备1M上下文窗口与智能体能力。模型提供BF16与NVFP4量化版本，支持SGLang、vLLM等推理引擎，并附带多项基准测试与部署配置。
推荐理由：提供了1T参数多模态模型及276B小模型的架构细节、量化部署方案与基准测试，便于评估其推理与多模态能力。