Google DeepMind 发布 Genie 4，这是一款原生多模态世界模型，能同时生成视觉、音频和交互式对话。该模型结合 Gemini 系列能力，支持通过自然语言实时修改场景、模拟物理现象及人物行为。目前 Genie 4 已向可信测试者开放研究预览，后续将面向 Google AI Ultra 订阅者及 Gemini API 合作伙伴推出。
推荐理由：Genie 4 将原生音频生成与 Gemini 实时推理结合，展示了交互式世界模拟在物理一致性和多模态反馈上的新边界。
C-BRAIN 与 NVIDIA 合作开发 AI 工具以加速阿尔茨海默病研究，利用联邦学习处理各机构私有数据。已发布的 OpenScientist 和 InsightEngine 工具将原本需数周的分析缩短至数分钟，单次成本低于 10 美元，预计每年可释放超百万小时的研究产能。
推荐理由：C-BRAIN 与 NVIDIA 合作构建的 AI 研究工具将分析周期从数周缩短至数小时，展示了联邦学习在保护隐私前提下加速神经退行性疾病研究的可行性。
NVIDIA 发布基于欧洲气象数据训练的 StormScope EU 模型，支持 10 分钟间隔的云况预测。AXA、Vaisala 等机构正利用 Earth-2 开源框架，将气象 AI 应用于保险风险评估、空气质量建模及太阳能发电预测等实际场景。
推荐理由：文章展示了欧洲机构如何利用开源模型结合本地数据，解决从保险风控到空气质量监测的具体业务问题。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上可用，支持直接分析最长两小时的视频并返回带时间戳的结构化 JSON 元数据。该模型新增视频分段、多模态提示（支持参考图像）和即时处理功能，无需预索引即可从 Amazon S3 或 base64 字符串直接读取视频，数据保留在 AWS 数据边界内。
推荐理由：Pegasus 1.5 在 Amazon Bedrock 上支持直接分析长达两小时的视频并返回带时间戳的结构化元数据，为长视频检索提供了新的工程路径。
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口。
推荐理由：AWS 提供了在 SageMaker 上部署 Meta 开源编码模型的完整路径，涵盖实例选型与推理调用细节。
NVIDIA 发布 Nemotron 3.5 Super VL，这是一款 1200 亿参数的开源多模态模型，专为高吞吐量智能体工作流设计，在同类模型中实现 5 倍更快的任务完成速度。
推荐理由：NVIDIA 发布覆盖数据中心到边缘的 Nemotron 3.5 系列，Super VL 以 120B 参数实现高效多模态智能体能力，Bolt 模型则针对本地部署优化。
Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构、拥有 7.4 亿参数的开源多模态嵌入模型，支持在端侧统一处理文本、代码、图像、音频和视频。
推荐理由：该模型在 7.4 亿参数规模下统一了文本、图像、音频和视频嵌入，为端侧多模态检索提供了具体的性能基准与部署方案。
Google DeepMind 发布 Gemini 4 Argon，该模型通过 Fairwind 计划向受信任的网络安全防御者开放，旨在处理复杂的软件工程、企业知识工作及网络安全防御任务。
推荐理由：原文给出了 Gemini 4 Argon 在长程推理、企业工作流及网络安全防御上的具体基准表现，读者可据此评估其前沿能力边界。
Microsoft Research 发布 Quine，这是一个结合生物世界模型与交互式框架的 AI 研究系统，旨在连接模型、科学工具、文献及研究人员。在与 Broad Institute 的合作中，Quine 成功预测并筛选出能驱动胰腺癌细胞状态转变的化合物，湿实验验证了部分高排名候选物，将原本需数月的筛选工作缩短至一个周末。
推荐理由：原文展示了 Quine 在胰腺癌细胞状态预测中的具体应用，读者可据此评估 AI 系统如何加速生物实验筛选流程。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过原生结合低延迟流式视频与实时对话，为 Gemini 企业版引入具备视觉存在的多模态交互能力。
推荐理由：原文展示了低延迟视频流与实时对话的原生结合，并说明了异步工具调用与多语言唇形同步机制，为评估企业级多模态交互体验提供了具体技术细节。