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。
Google 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级低延迟、低成本结合。该模型在 GPQA Diamond 等基准上表现优异，SWE-bench Verified 得分 78%，超越 Gemini 3 Pro 且速度提升 3 倍。已面向开发者开放 API，并在 Gemini App 和 Search AI Mode 中默认启用。
推荐理由：在保持 Flash 级低延迟与低成本的同时，推理与编码能力超越前代旗舰，适合高频开发及智能体工作流。
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，包含参数知识、搜索、多模态及 Grounding v2 共 3,513 个公开测试用例。评测显示 Gemini 3 Pro 以 68.8% 的 FACTS Score 领先，所有模型准确率均低于 70%，多模态任务得分最低。
推荐理由：提供涵盖参数知识、搜索与多模态的4项事实性评测基准，揭示前沿模型在事实准确性上的具体短板。
Google DeepMind的AlphaFold结合密苏里大学的冷冻电镜技术，成功解析了低密度脂蛋白（LDL）的关键蛋白apoB100的原子级结构。该发现揭示了包裹LDL颗粒的笼状外壳细节，有望为预防和治疗动脉粥样硬化性心血管疾病提供新的药物靶点。
推荐理由：AlphaFold结合冷冻电镜解析了致病蛋白apoB100结构，为心血管药物研发提供了关键结构基础。
Google 发布端到端实时语音翻译模型，延迟仅2秒并保留原声，已在 Google Meet 和 Pixel 10 部署。该模型基于 AudioLM 和 SpectroStream 架构，支持英、西、德、法、意、葡等语言。
推荐理由：端到端架构将延迟降至2秒并保留原声，已在Google Meet和Pixel 10部署，可据此评估实时语音翻译的技术进展。
Google DeepMind 发布 Gemini 3 Pro 模型，在编码、Agent 工作流及多模态理解基准上表现领先。该模型提供 100 万 token 上下文窗口，API 预览版定价为输入 2 美元/百万 token、输出 12 美元/百万 token，并同步推出 Google Antigravity 开发平台。
推荐理由：原文给出了核心能力变化和 API 定价，读者可据此评估其对现有开发工作流的影响。
Google DeepMind 发布 WeatherNext 2，生成速度提升 8 倍，分辨率达小时级，可预测数百种天气场景。该模型基于 Functional Generative Network 架构，在 99.9% 的变量上超越前代，数据已上线 Earth Engine 和 BigQuery，并升级了 Google Search、Gemini 及 Maps 的天气服务。
推荐理由：模型速度提升8倍且支持小时级分辨率，通过多场景预测增强极端天气研判能力。
Google DeepMind 发布 SIMA 2，将 Gemini 模型作为核心推理引擎，使智能体能在 3D 虚拟环境中理解复杂指令、进行链式推理并自我改进。该模型在跨游戏泛化和与用户协作方面表现显著，目前作为有限研究预览向学术界和游戏开发者开放。
推荐理由：SIMA 2 将 Gemini 推理能力引入 3D 游戏，实现了跨游戏泛化与自我改进，为具身智能提供了新路径。
Hugging Face 发布指南，对比了 Nanonets-OCR2、OlmOCR-2、Granite-Docling 等开源OCR模型的能力与成本，介绍了 OlmOCR-Bench 等评测基准，并提供了基于 vLLM 和 Transformers 的本地部署与批量推理代码。
推荐理由：系统梳理了多款开源OCR模型的能力差异与评测基准，并提供了本地部署与批量推理的实操代码。
Hugging Face 发布 mmBERT，基于 ModernBERT 架构训练的多语言编码器模型，覆盖 1800 多种语言，在 XTREME 和 MTEB 基准上显著超越 XLM-R 等前代模型。该模型采用三阶段渐进式语言学习策略，在 3T+ tokens 数据上训练，推理速度提升 2-4 倍，并开源了模型权重、训练数据及微调代码。
推荐理由：开源了覆盖1800种语言的现代BERT架构模型，提供了显著的性能与速度提升及微调代码。
SandboxAQ 在 Hugging Face 开源 SAIR 数据集，包含 524 万条由 Boltz1 生成的 AI 共折叠蛋白-配体 3D 结构及实验验证的 IC50 数据。该数据集采用 CC BY 4.0 许可，97% 的结构通过了 PoseBusters 验证，旨在解决 AI 药物研发中高质量结构数据的长期短缺问题。
推荐理由：SAIR 开源了 524 万条高精度蛋白-配体 3D 结构及 IC50 数据，为 AI 药物发现提供了稀缺的高质量训练集。
Hugging Face TRL 库新增 MPO、GRPO、GSPO、RLOO 和 Online DPO 等视觉语言模型对齐算法，并原生支持 VLM 的 SFT 训练。同时集成 vLLM 以加速在线对齐过程中的样本生成，提供 colocate 和 server 两种运行模式。
推荐理由：TRL 新增 MPO、GRPO 等 VLM 对齐算法及 vLLM 集成，提供可复用的训练配置与脚本。