费城儿童医院基于开源 NVIDIA AI 工具实现儿童心脏建模
费城儿童医院使用 MONAI 等开源工具，将儿童心脏建模时间从数小时缩短到秒级，已用于术前规划和部分手术。波士顿儿童医院将建模用于约半数心脏手术，医院间正组建开源联盟。
Why it matters: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
多模态
All topics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。
Latest selected
41–60 of 81NVIDIA BlogSelectedAI score6767
Hugging Face BlogSelectedAI score6161 NeoMME高效多模态原生多语言编码器
NeoMME是260M和800M多模态原生多语言编码器，单塔双向Transformer从零训练，无需独立视觉塔或因果语言模型。260M模型在ViDoRe v3上达0.523 nDCG@10，超越同参数模型，编码速度约2倍于ColModernVBERT。通过分层池化和非对称量化，late-interaction存储从1.5MB压缩至6kB/页，压缩255倍且保留95%以上检索质量。
Why it matters: 单塔多模态编码器以260M参数在ViDoRe v3上超越更大模型，并通过分层池化和非对称量化将多向量检索存储压缩255倍同时保留95%以上质量。
Google AI BlogSelectedAI score7373 Google 8 月 AI 发布汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 发布 Gemini 3.7 Flash，定位为编码与智能体工作负载的最强基础模型，定价为 3.6 Flash 的一半；同步推出 Gemini 3.5 Transcribe 语音转文本模型。
Why it matters: Google 在一个月内连续发布两款 Flash 模型并下放到 Pixel 硬件，开发者可以用更低成本构建智能体。
Google DeepMindSelectedAI score6868 Gemini 3.7 Flash 等模型上线智能体视频理解，token 消耗最高降 88%
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，视频分析 token 消耗最高降低 88%、成本最高降低 66%、准确率最高提升 7%。
Why it matters: 原文给出了 token 与成本降幅的具体数字和 API 启用方式，读者可据此判断长视频分析的成本边界。
Google DeepMindSelectedAI score6969 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景续写与 4K 放大等控制能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供场景续写、首尾帧插值、视频参考和 4K 放大等生成视频控制能力。
Why it matters: 相比前代只参考最后 1 秒画面，新版本可读取 10 秒上下文并把视频续写到 40 秒，开发者可据此判断生成视频的可控程度。
Google DeepMindSelectedAI score7474 Google DeepMind 推出 SL2T 手语转文字模型并落地 Pixel 11
Google DeepMind 发布多语言手语转文字模型 SL2T，首次将手语 AI 带入 Gboard 和 Live Transcribe，从 ASL 到英语在 Pixel 11 上可用且无需额外付费。
Why it matters: 原文给出 ASL 到英语的零样本 BLEURT 分数与隐私保护方案，读者可据此判断该功能在真实设备上的可用性与隐私边界。
Google ResearchSelectedAI score6565 AMIE 在专家级音视频临床咨询中取得进展
AMIE (Video) 在实时视频临床咨询中达到专家级表现，基于Gemini和Project Astra，采用异步三智能体架构。在100个场景、300次标准化咨询的随机OSCE研究中，其临床能力与执业医师持平，且在体格观察和指导方面评分更高。
Why it matters: 演示AI在实时视频临床咨询中达到专家级表现，多智能体架构平衡了对话速度与临床推理。
Microsoft ResearchSelectedAI score6464 CARE-X介绍：面向临床有用的放射学视觉语言模型
CARE-X是微软研究介绍的胸部X光统一视觉语言模型，结合生成式报告与结构化预测并通过DAPO奖励对齐学习优化临床正确性。该模型在ReXVQA基准达到94%准确率，并在印度Narayana Health临床数据上验证了罕见ICU病理检测效果。工具增强测量实验显示，Qwen3-VL-4B-Instruct结合确定性计算工具后，测量依赖条件的F1平均提升43.6个百分点。
Why it matters: CARE-X通过联合训练生成与判别能力，在统一模型中实现灵活报告生成与校准预测，为放射学人工智能提供了可迁移的多任务优化方法。
MIT News · AISelectedAI score6262 GeoPT：具备物理感知能力的AI模型可模拟更广泛的真实场景
MIT CSAIL与清华大学提出GeoPT预训练方法，通过130万组合成动力学样本让仿真模型获得物理直觉，在工业基准上达到峰值性能的速度提升两倍、所需标注数据减少60%。该方法在复杂3D形状、战斗机气动、船体波浪和汽车碰撞等场景中均优于现有模型，并成功泛化到未训练过的光传播模拟。
Why it matters: GeoPT用合成动力学预训练让仿真模型更快更省数据，为构建物理基础模型提供了可迁移的新范式。
Hugging Face BlogSelectedAI score7777 Meta 发布开源多模态模型 Muse Glimmer，面向本地智能体场景
Meta 发布 30B 参数多模态模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地智能体场景。
Why it matters: 原文给出 30B 多模态模型在同级开放模型中的基准对照，可据此判断本地智能体方案与部署路径的选型空间。
Ollama BlogSelectedAI score7272 Meta Superintelligence Labs 开源多模态模型 Muse Glimmer 已在 Ollama 上可用
Meta Superintelligence Labs 发布开源多模态模型 Muse Glimmer（30B，Apache 2.0），已在 Ollama 上线，支持 128K+ 上下文，专为本地 Agent 工作流设计。
Why it matters: 原文给出了本地 Agent 工作流的具体入口和 Apple Silicon 上的性能提升，读者可以据此判断它会怎样改变本地编码与多模态调用方式。
Google DeepMindSelectedAI score7676 WeatherNext AI 模型在气旋预报上实现突破，预测精度平均提前一天
Google DeepMind 发布 WeatherNext 模型，在气旋路径、强度和风场预测上平均比前代多出一天预报精度，相当于十年气象进展。该模型已在 Nature 发表论文，并在 2025 年飓风季帮助 NHC 对 Hurricane Melissa 做出历史性预报。
Why it matters: 该模型在气旋路径、强度和风场预测上平均多出一天预报精度，相当于十年气象学进展，并已开源模型与代码供研究社区使用。
MIT News · AISelectedAI score6262 医疗 AI 辅助诊断的效果因用户专业水平而异
MIT 与斯坦福等机构的研究发现，AI 辅助虽提升非专家和临床医生诊断皮肤病的准确率，但可解释性方法的影响因用户知识水平而异。非专家倾向于遵从 AI，尤其信赖 LLM 生成的解释，即使解释有误；临床医生则能抵抗错误解释，仅凭模型预测表现最佳。研究建议在设计医疗 AI 时应考虑用户差异，避免过度依赖模型。
Why it matters: 同一解释对非专家与临床医生效果相反，提示医疗 AI 应按用户知识水平差异化设计解释方式。
Google DeepMindSelectedAI score6666 Gemini Robotics ER 2 发布：赋能机器人视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，具身推理模型，在视频理解与任务编排上较 ER 1.6 实现显著升级，并支持多机器人协作。
Why it matters: Gemini Robotics ER 2 在视频理解与任务编排上较 ER 1.6 实现显著升级，支持多机器人协作与实时推理，为物理世界中的具身智能提供了新的能力基准。
Google DeepMindSelectedAI score6464 Gemini Robotics 2 带来机器人的全身体智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型分别实现全身体控制、具身推理与设备端适配。该模型可控制人形机器人完成行走、蹲伏、灵巧操作等复杂任务，ER 2 已在 Google AI Studio 和 Gemini Enterprise Agent Platform 开放预览，VLA 与设备端模型面向早期合作方开放。
Why it matters: Gemini Robotics 2 首次实现全身体控制、灵巧操作与多机器人协作，并在设备上快速适配新机体形态，为通用物理 AI 提供了新的能力基线。
Together AISelectedAI score7575 Thinking Machines Lab 发布多模态推理模型 Inkling，Together AI 首日上线
Thinking Machines Lab 发布 Inkling，Together AI 在发布当日将其上线至 Serverless 推理平台。Inkling 是 975B 总参数、40B 活跃参数的混合专家模型，支持 1M 上下文、接受文本、图像和音频输入并输出文本，提供可控推理强度设定，并在科学推理、数学、代码、预测等任务上进行了后训练。
Why it matters: 原文给出 Inkling 的参数规模、上下文长度和可控推理设定，开发者可据此评估它在推理深度与 token 开销之间的平衡。
Hugging Face BlogSelectedAI score6565 Thinking Machines 发布 Inkling 多模态开源模型
Inkling 由 Thinking Machines 发布，是一个原生接收图像、文本和音频输入的大规模多模态开源模型，总参数约 1T、活跃参数 41B，支持 1M 上下文窗口。
Why it matters: Inkling 是原生接收图音文三模态的大规模开源模型，提供 BF16 与 NVFP4 双版本及 day-0 支持的推理引擎，读者可据此评估其在多模态推理基准中的相对位置。
Google DeepMindSelectedAI score6969 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布两款生成模型，Nano Banana 2 Lite 面向高吞吐的快速出图，Gemini Omni Flash 面向高质量视频生成与对话式编辑，均已上线 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform。
Why it matters: Nano Banana 2 Lite 每张 1K 图 0.034 美元、Omni Flash 每秒视频 0.10 美元，读者可据此比较两款模型在图像与视频环节的成本取舍。
Vector InstituteSelectedAI score6262 SONIC-O1：面向真实音视频理解的多模态大模型开源基准
Vector Institute 发布 SONIC-O1 基准，包含约 60 小时真实音视频内容、4958 个人工验证标注，覆盖 13 个对话主题和 5 大领域。评测显示闭源模型整体领先，时序定位差距显著（Gemini 3.0 Pro 25.4% R@0.5 vs Qwen3-Omni 2.8%），且群体间存在明显差异。
Why it matters: 开源基准 SONIC-O1 揭示了现有模型在时序定位和群体差异上的明显短板，为音频视频理解研究提供了可复现的评测框架。
Together AISelectedAI score6666 ParallelKernelBench：前沿大语言模型尚不能编写高效多GPU内核
Together AI发布ParallelKernelBench（PKB）开源基准，包含87个来自真实代码库的多GPU内核生成问题，要求模型用CUDA内核替代PyTorch+NCCL并通过NVLink直接通信。
Why it matters: 基准揭示前沿模型在多GPU内核生成上正确率与速度优势均有限，为分布式优化研究提供了可复现的测试平台。