NVIDIA 发布 Cosmos 3 四个开放权重模型,用于交互式世界仿真
NVIDIA 在 Cosmos 世界模型开发平台下新增四个 Cosmos 3 开放权重检查点,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。
推荐理由:NVIDIA 公开 Cosmos 3 四个 16B 检查点及四阶段后训练配方,读者可据此判断世界模型如何接入驾驶与机器人仿真。
NVIDIA 在 Cosmos 世界模型开发平台下新增四个 Cosmos 3 开放权重检查点,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。
推荐理由:NVIDIA 公开 Cosmos 3 四个 16B 检查点及四阶段后训练配方,读者可据此判断世界模型如何接入驾驶与机器人仿真。
Google DeepMind 推出 Gemini Omni 1.2 Flash,原生支持最长 15 秒视频生成,并通过 Gemini API 和 Gemini for business 全面开放。
推荐理由:官方给出 15 秒原生生成、多轮对话编辑与 30% 降价的具体变化,可据此判断视频生成的成本与工作流边界。
Google DeepMind 发布世界模型 Genie 4,可实时生成带原生音频的交互式模拟世界,并支持用自然语言实时修改场景。Genie 4 是首个原生生成音频的实时世界模型,角色可实时对话,物理场景覆盖空气动力学与碰撞等;Gemini 3.8 Flash 在循环中充当引导智能体,负责拆解目标并校验每一步。
推荐理由:Genie 4 把实时世界模拟、原生音频与 Gemini 的推理能力结合起来,读者可以据此了解世界模型当前的能力边界与已知局限。
Google Research 在 JAMA Network Open 发表研究,评估其孕周评估 AI 模型在盲扫超声下的跨场景泛化能力。
推荐理由:研究在芝加哥与内罗毕两地前瞻验证同一模型,读者可据此判断盲扫超声在低资源场景的可迁移性。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。
推荐理由:官方给出 1 万亿参数、520 亿激活的规格与多项基准,可据此判断开源权重模型在企业与安全场景的位置。