Mistral 收购 Emmi AI,推出面向工程加速的 physics AI 基础能力
Mistral 将 Emmi AI 收入麾下,为企业级 AI 原生工业工程构建 physics AI 基础能力。这类数据驱动模型可从几何与边界条件直接预测物理行为,单 GPU 上一次前向传播数秒内输出完整物理场,替代传统 CFD/FEM 求解需数小时至数周的流程。已合作 ASML、Airbus、Safran、Siemens Energy 等伙伴,应用于产品设计、工装工艺设计和实时数字孪生。
Mistral 将 Emmi AI 收入麾下,为企业级 AI 原生工业工程构建 physics AI 基础能力。这类数据驱动模型可从几何与边界条件直接预测物理行为,单 GPU 上一次前向传播数秒内输出完整物理场,替代传统 CFD/FEM 求解需数小时至数周的流程。已合作 ASML、Airbus、Safran、Siemens Energy 等伙伴,应用于产品设计、工装工艺设计和实时数字孪生。
Mistral 发布 128B 开源权重旗舰模型 Mistral Medium 3.5(256k 上下文窗口,SWE-Bench Verified 77.6%),在 Hugging Face 以修改版 MIT 许可发布,API 定价为每百万输入 token $1.5、输出 $7.5。
推荐理由:官方披露了新模型的参数量、上下文窗口和基准成绩,以及云端异步编码智能体的具体工作方式。
Google DeepMind 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可结合图像、音频、视频和文本输入生成高质量视频,并支持通过自然语言多轮编辑。
推荐理由:官方公告说明了 Gemini Omni Flash 的视频生成与对话式编辑能力、可用入口和订阅范围,读者可据此判断它如何改变创作流程。
Google DeepMind 发布 Gemini 3.5 模型系列,首发 Gemini 3.5 Flash,主打智能体与编码性能,3.5 Pro 将于下月推出。
推荐理由:官方发布给出了 3.5 Flash 在编码与智能体基准上的具体成绩、速度对比和开放渠道,读者可据此评估替换现有工作流模型的收益。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,主打更强的可控性、表达力和音质,在 Artificial Analysis TTS 排行榜获得 Elo 1,211 分。
推荐理由:官方宣布了音频标签等新控制方式和上线渠道,并给出 Artificial Analysis 的 Elo 分数,可据此评估其表达力与成本定位。
Google DeepMind 发布 Gemini Robotics-ER 1.6,在指向、计数、成功检测等空间与物理推理能力上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
Google DeepMind 发布 Gemma 4 开源模型,称其为迄今最智能的开放模型,采用 Apache 2.0 许可,提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸。
推荐理由:官方发布给出四个尺寸、榜单名次、上下文长度与部署路径等具体信息,读者可据此评估选型和端侧部署方案。
Mistral AI 发布首个文本转语音模型 Voxtral TTS,参数量 4B,支持英语、法语、德语等 9 种语言。人工评测显示其自然度优于 ElevenLabs Flash v2.5,与 ElevenLabs v3 质量相当;模型延迟 70ms,支持 3 秒参考音色的零样本语音适配与跨语言口音迁移。
推荐理由:官方给出了延迟、定价、语言支持与对比评测等关键细节,读者可以据此评估它在企业语音工作流中的可用性。
Mistral 发布 Mistral Small 4,是首个将 Magistral 推理、Pixtral 多模态和 Devstral 智能体编码能力统一到单一模型的小型旗舰,采用 Apache 2.0 许可开源。
推荐理由:原文给出架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的输出效率对比,读者可据此评估部署成本与选型。
Mistral 发布 Leanstral,一个专为 Lean 4 证明助手设计的开源代码智能体模型,采用稀疏架构(6B 激活参数,Leanstral-120B-A6B),权重以 Apache 2.0 许可开放,并可通过 Mistral Vibe 和 labs-leanstral-2603 免费或近免费 API 使用。
Mistral 发布 Voxtral Transcribe 2,包含 Voxtral Mini Transcribe V2 批量转写模型和 Voxtral Realtime 实时模型。
推荐理由:官方给出两款语音转写模型的延迟、价格、词错率与开源权重信息,读者可据此评估语音转写方案选型。
Mistral 发布开源编码模型 Devstral 2(123B,修改版 MIT 协议)与 Devstral Small 2(24B,Apache 2.0),SWE-bench Verified 分别为 72.2% 和 68.0%,支持 256K 上下文窗口。
推荐理由:官方发布给出 SWE-bench Verified 分数、API 定价和部署门槛,可据此评估这款开源编码模型的实际性价比。
Mistral 发布新一代模型系列 Mistral 3,包含 Mistral Large 3(41B 激活、675B 总参数的 MoE)以及 3B、8B、14B 三档 Ministral 3 模型,全部以 Apache 2.0 许可开源。
推荐理由:官方一次放出 675B MoE 旗舰与三档小模型,全部 Apache 2.0 开源并给出部署路径,适合评估开源选型空间。
Mistral 发布 Voxtral 语音理解模型,提供 24B 生产级和 3B 本地/端侧两个版本,均以 Apache 2.0 许可开源,并可通过 API 调用,价格低至 $0.001 每分钟。
推荐理由:官方发布给出了两个规格、许可、价格和基准结果,读者可以据此评估它在语音理解场景替代现有方案的可行性。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 1.1。
Mistral AI 发布首个推理模型 Magistral,分为 24B 参数开源的 Magistral Small 和企业版 Magistral Medium。
推荐理由:官方公布两个版本的关键评测分数和开源许可,读者可以据此对比其在推理模型中的定位与可用部署方式。
Mistral 发布首个代码专用嵌入向量模型 Codestral Embed,自称在真实代码检索场景上优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大号嵌入模型。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral,以 Apache 2.0 许可开源。
推荐理由:官方给出了 SWE-Bench Verified 成绩、部署门槛和 API 定价,开源编码模型选型可据此对比。