ElorianAI 发布视觉思维模型 Glimpse
ElorianAI 团队(Andrew Dai)发布其首个视觉思维模型 Glimpse。该模型在关键公开视觉推理基准上与 Astra 相比具备前沿竞争力。Andrew Dai 此前在 Valley101 播客中提出,不解决视觉推理就无法达到 AGI,让 AI 理解世界如何运作是构建世界模型、机器人及真正智能的基础。
ElorianAI 团队(Andrew Dai)发布其首个视觉思维模型 Glimpse。该模型在关键公开视觉推理基准上与 Astra 相比具备前沿竞争力。Andrew Dai 此前在 Valley101 播客中提出,不解决视觉推理就无法达到 AGI,让 AI 理解世界如何运作是构建世界模型、机器人及真正智能的基础。
Andrew M. Dai 与 Elorian 团队推出 Glimpse,定位为其首个视觉思考模型,Jeff Dean 转发推荐。Dai 称过去模型在单张图片上表现好,但对动态或视角变化的内容表现差。官方表示 Glimpse 在关键公开视觉推理基准上与 Astra 相比具备有竞争力的前沿表现,现已开放体验。
Reflection 在 Hugging Face 发布其首个开源模型 Beam(Beam-1.0-501B-A23B),为 501B 参数、每 token 激活 23B 的 MoE 模型,采用 Apache 2.0 协议,支持 1M token 上下文,主打编码与智能体场景。
推荐理由:官方博客给出 Beam 的架构细节、基准成绩和部署微调配方,读者可以据此评估在自有硬件上跑前沿开源模型的成本与路径。
Project Apertus 发布 Apertus 1.5,在 8B 和 70B 基础上以继续预训练方式加入图像和音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens,模型权重于 2026 年 7 月 24 日以 Apache 2.0 许可上传 Hugging Face。
推荐理由:官方发布说明完整公开了训练流程、数据与中间检查点,读者可据此了解开源多模态模型的全链路做法。
Meta 发布开源权重多模态 MoE 模型 Muse Spark Open,总参数约 816B、每 token 激活约 42B,支持文本、图像、音频和视频输入,上下文窗口最高 1M tokens,定位为 agentic coding 模型。
推荐理由:原文给出架构细节、部署配方和实测吞吐数字,开发者可以据此评估如何在自己环境里运行或微调这个 816B 模型。
Google Research 公开发布 Deep Review,一个对复杂技术文档提供严谨反馈与技术验证的智能体系统,前身为 Paper Assistant Tool,曾与 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 四个会议合作,为逾 16,000 篇 opted-in 稿件提供会前反馈。
推荐理由:原文给出四阶段智能体审阅流程、每周两次免费额度与 API 接入方式,读者可据此评估它如何缓解技术文档验证瓶颈。
Mistral 发布 Mistral Large 4 公测预览,模型为 1 万亿总参数、52B 激活参数的原生多模态模型,在本月底开放权重,预览 API 已可在 Mistral Studio 试用。
推荐理由:官方公布参数规模、权重开放时间与多领域基准成绩,可据此了解开源模型当前能力水平与欧洲自建算力路线。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向部分可信网络防御者开放,后续再面向开发者、企业和消费者推出。
推荐理由:官方公布了定价、输出 token 上限和多项基准成绩,并说明分阶段开放路径,可据此评估其在工程与安全场景的适用性。
METR 研究显示 AI 加速在不同领域差异明显:2026 年网络安全漏洞报告速度较 2025 年大幅加快,数学研究小幅提速(部分领域 arXiv 投稿不到 12 个月翻倍),AI 研究本身则无可测加速。