• B站：啥都会一点的研究生
• 公众号：啥都会一点的研究生

AI科技圈最近一周又发生了啥新鲜事？

谷歌最强 AI 开放翻译模型 TranslateGemma，支持 55 种语言并可在手机端运行

谷歌基于 Gemma 3 架构发布了 TranslateGemma 开放翻译模型系列，提供 4B、12B 和 27B 三种参数规模，支持 55 种核心语言的高质量翻译，并具备多模态图像内文字翻译能力；其中 12B 版本在 WMT24++ 基准测试中表现优于参数量两倍的 Gemma 3 27B 基线模型，而 4B 小型版本性能则与 12B 基线相当，适合移动端和边缘设备部署；该系列采用“两阶段微调”策略，先通过 Gemini 生成的合成数据与人工翻译数据进行监督微调，再结合 MetricX-QE 与 AutoMQM 等奖励模型进行强化学习优化；所有模型已在 Kaggle、Hugging Face 和 Vertex AI 平台开放下载，分别适配手机、消费级笔记本及单张 H100 GPU 或云端 TPU 等不同部署场景

https://arxiv.org/pdf/2601.09012

国产芯片全程训练的多模态模型GLM-Image登顶Hugging Face Trending

由智谱AI推出的多模态生成模型GLM-Image，首次实现完全基于国产昇腾Atlas 800T A2芯片和昇思MindSpore框架进行端到端训练与推理，在开源不到24小时内登顶Hugging Face Trending榜单第一；该模型采用创新的“自回归+扩散解码器”混合架构，在CVTG-2K（复杂视觉文本生成）和LongText-Bench（长文本渲染）两个开源基准中取得第一，尤其在汉字生成任务上表现突出，适用于海报、PPT、科普图等知识密集型场景，相关代码与模型已在GitHub和Hugging Face平台开源

https://github.com/zai-org/GLM-Image

美团开源 LongCat-Flash-Thinking-2601，工具调用与重思考能力达开源 SOTA

美团 LongCat 团队开源发布 LongCat-Flash-Thinking-2601 模型，在多项核心评测中达到开源 SOTA 水平：τ²-Bench 工具调用得分 88.2，VitaBench 得分 29.3，BrowseComp 搜索任务得分 73.1，RW Search 得分 79.5；数学推理方面，在 AIME-25 获满分 100.0，IMO-AnswerBench 得 86.8；编程能力在 LCB 评测中得 82.8 分，OIBench EN 得 47.7 分。该模型支持“重思考模式”，通过并行生成多条推理路径并进行总结归纳，形成闭环迭代推理，并结合多环境强化学习与噪声注入训练，显著提升在复杂、随机及分布外任务中的泛化与鲁棒性，其权重、推理代码及在线体验已开放于 GitHub、Hugging Face、ModelScope 及官网 longcat.ai

https://github.com/meituan-longcat/LongCat-Flash-Thinking-2601

清华研究揭示AI加速个体科研却收窄科学探索广度，提出OmniScientist智能体系统

清华大学李勇团队基于对1980–2025年间2.5亿篇科学文献的分析，构建涵盖4130万篇论文与2857万研究者的“AI赋能科研全景地图”，发现使用AI的科学家个体发表论文数量提升3.02倍、引用量增加4.84倍，并平均提前1.37年成为项目负责人；但与此同时，集体层面的科研知识广度下降4.63%，跨领域合作减少22%，且AI相关论文呈现高度集中的“星型引用”结构。研究指出这一“个体加速、群体趋同”现象源于当前AI for Science模型缺乏通用性，导致科研活动集中于少数适合AI处理的“热门山峰”。为应对该问题，团队推出全流程、跨学科科研智能体系统OmniScientist，旨在通过大模型的通用推理能力支持假说生成、实验设计与理论构建等全链条科研任务

https://arxiv.org/abs/2412.07727

千问App上线400多项AI办事功能

千问App正式推出400多项AI办事功能，基于Qwen大模型与阿里生态资源，深度接入淘宝、支付宝、飞猪、高德等平台，支持AI点外卖（整合淘宝闪购与支付宝AI付）、AI购物、AI打电话订餐厅（结合高德扫街榜）、智能规划旅行并一键预订机票酒店门票，以及覆盖签证、户口、公积金等50项民生政务事项；同时上线“任务助理”功能，可处理应用开发、办公、调研及生活类多步骤复杂任务，并新增“找卷子、讲难题、练错题”等学习辅助能力，依托AI Coding、全模态理解与超长上下文处理三大技术支撑，实现从对话到办事的升级

https://mp.weixin.qq.com/s/gqTkVJ4UsdFqJoZsYfGbyQ

MiniMax推出OctoCodingBench评测集，聚焦Coding Agent过程规范遵循能力

MiniMax发布开源评测集OctoCodingBench，旨在评估Coding Agent在真实工程场景中对多层级过程规范的遵循能力，区别于传统以结果为导向的评估方式。该评测从Check-level准确率（CSR）和Instance-level成功率（ISR）两个维度衡量模型表现，测试涵盖系统提示、用户多轮指令、仓库规范文件（如CLAUDE.md/AGENTS.md）、Skills调用流程及用户记忆偏好等约束。评估结果显示，当前主流模型虽CSR可达80%以上，但ISR普遍仅为10%-30%，其中Claude 4.5 Opus以36.2% ISR领先，而开源模型MiniMax M2.1（26.1%）与DeepSeek V3.2（26%）已超越部分闭源模型如Claude 4.5 Sonnet（22.8%）和Gemini 3 Pro（22.9%）。研究指出，未来需引入过程监督、层级化指令遵循训练及可验证Checklist机制，推动Coding Agent从“能跑代码”向“合规协作”演进

huggingface.co/datasets/MiniMaxAI/OctoCodingBench

百川开源全球最强医疗大模型M3

百川智能开源的新一代医疗大模型Baichuan-M3在权威医疗AI评测HealthBench中以65.1分的综合成绩位列全球第一，在其高难度子集HealthBench Hard上取得44.4分，首次全面超越GPT-5.2；该模型幻觉率为3.5%，为当前全球最低，并首次具备原生“端到端”严肃问诊能力，能主动追问、逐层逼近关键病史与风险信号。M3基于强化学习升级的全动态Verifier System训练而成，将医学事实一致性内化为核心能力，不依赖外部工具即可稳定输出可信回答；同时，百川提出“严肃问诊范式”与SCAN原则（安全分层、信息澄清、关联追问、规范化输出），构建SCAN-bench评测体系，并通过SPAR算法优化长对话训练，使M3在问诊各维度均显著高于真人医生平均水平，形成从精准问询到安全决策的完整闭环

https://github.com/baichuan-inc/Baichuan-M3-235B

千寻Spirit v1.5登顶RoboChallenge，成首个成功率超50%的开源具身模型

千寻智能发布的具身智能基础模型Spirit v1.5在RoboChallenge真机评测中以总分66.09、整体任务成功率50.33%的成绩超越Physical Intelligence的Pi0.5，成为该榜单首个击败Pi0.5且成功率突破50%的开源模型；其在Table30任务集中多项任务表现领先，包括“寻找绿盒”（成功率90%）、“水果入篮”（80%，为Pi0.5的两倍）、“插花”“挂牙刷杯”“开瓶器入抽屉”“笔入笔盒”“浇花”等，并在高难度闭环触觉任务“贴胶带”中以20%成功率实现对Pi0.5（10%）的翻倍优势。该模型基于多样化、弱控制的真实世界数据采集范式进行预训练，在保持多任务通用性的同时显著提升泛化与微调效率，相关权重、推理代码及使用样例已同步开源。

https://github.com/Spirit-AI-Team/spirit-v1.5