Gemma 4 首周下载量破 200 万,本地跑模型成了新趋势
Google 的 Gemma 4 上线第一周就冲到约 200 万次下载。做个对比:Gemma 3 过去一年总共 670 万次,Gemma 2 从 2024 年 6 月到现在 140 万次,而 Qwen 3.5 在大约一个半月里拿了约 2700 万次。
推荐理由:Gemma 4 首周下载约 200 万次,Gemma 3 用一年才到 670 万,Qwen 3.5 一个半月约 2700 万,这组数字勾勒出开源模型采用速度的差异。
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。
Google 的 Gemma 4 上线第一周就冲到约 200 万次下载。做个对比:Gemma 3 过去一年总共 670 万次,Gemma 2 从 2024 年 6 月到现在 140 万次,而 Qwen 3.5 在大约一个半月里拿了约 2700 万次。
推荐理由:Gemma 4 首周下载约 200 万次,Gemma 3 用一年才到 670 万,Qwen 3.5 一个半月约 2700 万,这组数字勾勒出开源模型采用速度的差异。
阿里在百炼上线了 Qwen 3.6 Plus,主打 Agent 任务和编程能力,相比 3.5 版有明显提升。图像和文档理解也加强了,数学图像识别、真实世界问答和 OCR 表现都不错。这次默认支持 100 万 token 上下文,最长输出接近 99.1 万 token,输入 6.4 万 token,比之前 256K 的版本开发体验好很多。
推荐理由:阿里在百炼上线 Qwen 3.6 Plus,上下文从 256K 提升到 100 万 token,Agent 与编程能力较 3.5 版增强,图像文档理解同步加强。
Gemma 4 一口气发了四个版本:E2B 给手机和 IoT 用,E4B 给移动端和 Jetson/树莓派,26B MoE 每次只激活 3.8B 参数、延迟低吞吐高,31B 全密集版适合桌面或单卡 H100。这次把 agent 工作流当第一优先级,原生支持函数调用、JSON 输出和系统指令,还直接能处理图像、视频和语音转文本,可以做本地语音助手。
推荐理由:谷歌发布 Gemma 4 四个尺寸并全部采用 Apache 2.0 开源,26B MoE 每次仅激活 3.8B 参数,原生支持函数调用、JSON 输出与图像视频语音处理,为本地部署 agent 和多模态应用提供新的选型参考。
晚点 LatePost 这篇报道卡在 V4 发布前夕,信息量不小。先说人员:DeepSeek 确认走了四位核心成员,包括 R1 核心作者郭达雅(近期离职,可能去大厂)、第一代 LLM 作者王炳宣(去年底被腾讯挖走),以及 OCR 和多模态方向的两位。
推荐理由:晚点在 V4 发布前梳理了 DeepSeek 四位核心成员离职与团队路线选择,为理解这家公司当前的组织状态提供了背景。
Google 把 Gemma 4 全系列换成了 Apache 2.0 协议,商用、修改、分发不再受限,之前自家协议里的灰色地带这次清掉了。系列包含四个尺寸:31B Dense、26B MoE(混合专家架构)、E4B 和 E2B。31B 在 Arena AI 开源模型文本榜排第三,26B 排第六,Google 说它们表现超过体量大 20 倍的模型。
推荐理由:Google 将 Gemma 4 全系改用 Apache 2.0 协议,商用、修改和分发不再受限,此前自家协议中的灰色地带随之清除。
Google DeepMind 发布 Gemma 4,称其为迄今最智能的开源模型,面向高级推理与智能体工作流,采用 Apache 2.0 许可。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,31B 在 Arena AI 文本榜位列全球开源模型第 3,26B 位列第 6。
推荐理由:Gemma 4 以 Apache 2.0 许可开源四种尺寸,31B 在 Arena AI 文本榜排开源模型第 3,26B 排第 6,为开发者选择开源模型的部署与微调方案提供参照。
Micro1 这家公司雇了 50 多个国家的几千名零工,让他们把 iPhone 绑在头上,拍自己叠被子、洗碗、做饭的视频,再把这些真实动作数据卖给做人形机器人的公司。一个尼日利亚的医学生时薪 15 美元,在当地算高收入,但他觉得每天重复熨衣服很无聊。
推荐理由:Micro1 在 50 多个国家雇零工头戴 iPhone 拍摄叠被洗碗等家务,把真实动作数据卖给做人形机器人的公司,尼日利亚医学生时薪 15 美元。
阿里国际总裁张阔在访谈里给了个很具体的数字:他们的采购AI产品Accio,能把跨境采购的沟通时间砍到原来的五分之一,从大概一周变成一天。怎么做到的?就是把市场调研、设计稿生成、跨语言沟通、供应商筛选这些环节串成一条AI工作流,让买家带着专业的设计包去跟卖家谈,而不是从零开始比划。Accio今年3月月活到了1000万,还在逐月快速增长。
推荐理由:阿里国际总裁张阔披露,采购AI产品Accio把跨境采购沟通从约一周压缩到一天,并将市场调研、设计稿生成、跨语言沟通与供应商筛选串成一条工作流。
Mistral AI 发布首个文本转语音模型 Voxtral TTS,4B 参数,支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言,具备情感表达与零样本跨语言音色适配能力。
推荐理由:Mistral AI 推出 4B 参数语音合成模型 Voxtral TTS,覆盖 9 种语言并支持零样本跨语言音色适配,其与 ElevenLabs 的对比评测提供了多语言语音质量的一个参照。
五角大楼正在讨论建一个安全环境,让 OpenAI、xAI 这类公司用机密数据训练军用版大模型。以前这些模型只能在涉密环境里回答问题,不能拿数据去学习,这次是头一回允许直接“吃”进机密情报。训练会在认证过的数据中心进行,数据归国防部,公司人员只在极少数情况下、有安全许可才能接触。官方说会先用非机密数据(比如商业卫星图)做测试,看效果再推进。
推荐理由:五角大楼计划为OpenAI、xAI等公司搭建安全环境,让它们用机密数据训练军用大模型,数据归国防部所有,公司人员仅在极少数情况下可接触。
OpenAI 在 3 月 17 号推出了 GPT-5.4 mini 和 nano,都是给高吞吐、低延迟场景用的轻量模型。mini 在编程、推理、看图、调工具上都比上一代 GPT-5 mini 强,速度还快了一倍多。
推荐理由:OpenAI 发布面向高吞吐低延迟场景的 GPT-5.4 mini 和 nano,mini 在编程、推理、看图、调工具上均强于上一代,速度提升一倍多。
Mistral AI 发布 Mistral Small 4,这是首个把 Magistral 推理、Pixtral 多模态和 Devstral 编码智能体能力统一到单一模型的 Mistral 模型,采用 Apache 2.0 许可。
推荐理由:Mistral Small 4 把推理、多模态与编码能力合并进单一开源模型,并给出相比 Mistral Small 3 的延迟与吞吐数据,可用于判断统一模型对部署成本的影响。
OpenAI 跟五角大楼签了涉密协议刚过两周,MIT Technology Review 就划出了三个可能用到它家技术的场景。一是目标排序:分析师把潜在目标清单丢给模型,让它结合后勤、情报等数据排出优先打击顺序,但正文没解释人工复核到底怎么提速。
推荐理由:OpenAI 与五角大楼签署涉密协议两周后,MIT Technology Review 梳理出目标排序等三个可能用到其技术的场景,涉及模型如何介入打击决策。
一位美国国防部官员向 MIT Technology Review 描述了军方可能怎么用生成式 AI 做目标排序:把目标清单喂给聊天模型,让它结合飞机位置等因素排出优先打击顺序,输出建议再由人审核。这个聊天层可能架在军方已有的 Maven 系统上,用来加快搜索和分析。
推荐理由:美国国防部官员描述了军方可能用聊天模型对目标清单排序、再由人工审核的工作流,该聊天层或架在已有的 Maven 系统上以加快搜索分析。
作者一周内看了十几个伊朗战争仪表盘,它们把卫星图、船舶追踪、AI 摘要和赌盘链接拼在一起,把战争变成了可以边吃爆米花边看的实时界面。一个由 a16z 员工搭建的仪表盘直接接入了 Kalshi 的下注数据,而调查记者 Craig Silverman 已经记录了 20 个类似的工具。
推荐理由:作者一周内查看十几个伊朗战争仪表盘,其中 a16z 员工搭建的一个接入了 Kalshi 下注数据,调查记者已记录 20 个类似工具,这些界面把卫星图、船舶追踪与 AI 摘要拼成实时观战体验。
帕西尼宣布完成超10亿元人民币的B轮融资,估值突破百亿,领投方是黄浦江资本、凯泰资本和信安资本。公司自称是全球具身感知领域估值最高的企业。这笔钱的一个核心用途是训练他们自研的VTLA大模型,训练数据号称是“全球唯一百亿级实采全模态数据”。不过正文没披露这个模型的具体架构、参数量、实际任务表现,也没说数据具体包含哪些模态、怎么采集和标注的。
推荐理由:帕西尼完成超10亿元B轮融资,估值破百亿,资金将用于训练自研VTLA大模型,其训练数据号称百亿级实采全模态。
阿里内部人士透露,千问将在 2026 年面向全球发布三款 AI 可穿戴硬件:眼镜、耳机和指环。眼镜会在 MWC 2026 亮相,3 月 2 日开放预约。千问 App 上已有的点外卖、打车等功能会直接迁移到这些设备上。阿里把这件事看得很重,去年底已经将千问 App、夸克和 AI 硬件业务合并成一个“千问 C 端事业群”。
推荐理由:阿里计划 2026 年推出千问 AI 眼镜、耳机和指环,并把 App 上的点外卖、打车功能迁移到这些设备,大模型应用正从手机向可穿戴入口延伸。
中科第五纪在2026年初一个月内完成了Pre-A和Pre-A+两轮融资,总额数亿元,红杉中国、东方富海、芯能创投等机构参与。它同时拿到了宇树科技“核心生态合作伙伴”的身份,从2025年起就作为宇树机器人的“大脑”模型供应商,进入电力巡检和工业搬运场景。创始人刘年丰说,现在投资人不再只看机器人能不能干各种杂活,更在意它能不能在具体场景里被客户复购。
推荐理由:中科第五纪一个月内完成两轮数亿元融资,并作为宇树机器人的大脑模型供应商进入电力巡检与工业搬运场景,其创始人提到投资人已转向关注具体场景中的客户复购。
这篇文章的核心判断是:中国把 AI 用进了工厂车间,美国还在把 AI 当实验室项目。中国已建成 3 万多家智能工厂,2024 年全球新装的工业机器人超过一半进了中国工厂。极氪宁波工厂用了 800 多台机器人,小米北京工厂每 76 秒就能产一辆车,美的荆州工厂用 AI 把产线响应时间从几小时压到几秒。
推荐理由:中国已建成3万多家智能工厂,2024年全球新装工业机器人超过一半进入中国工厂,极氪、小米、美的等企业的车间数据展示了AI在产线上的实际落地节奏。
32 岁的 Patrick Darling 在确诊渐冻症两年后,用 AI 克隆了自己的歌声,2 月 11 日在伦敦重新和乐队一起演出。他的声音克隆不是用录音棚素材做的,而是从嘈杂的手机视频和厨房录音里拼出来的,ElevenLabs 的音乐工具花了大约六周调校。
推荐理由:32 岁的渐冻症音乐人 Patrick Darling 用 AI 克隆歌声,在伦敦重新与乐队同台演出,其声音素材取自嘈杂手机视频和厨房录音,ElevenLabs 调校约六周。