H company 发布 Holo4 通用计算机操作模型及 Holotron4 Nano
H company 发布 Holo4 智能体模型系列，包含 27B 稠密模型和 35B-A3B MoE 模型，可结合 GUI、代码、MCP 和 API 完成任务。
推荐理由：公开评测轨迹与成本计算口径为比较跨界面智能体提供了依据，文中也明确列出了任务子集和运行框架不同带来的比较边界。
#MCP/工具调用
#MCP/工具调用
今日 0 条Hugging Face Blog精选AI 评分7373
Google DeepMind精选AI 评分7777 Gemini 3.5 Transcribe 实现智能语音转写
Google 推出语音转文字模型 Gemini 3.5 Transcribe，支持自动清理口头语、自我纠正、文本格式化及超过 85 种语言的转写。Artificial Analysis 测得其流式和非流式平均词错误率分别为 4.0% 和 2.6%，最终转写耗时较 Chirp 3 改善 70%。
推荐理由：与 Chirp 3 的延迟比较及流式、非流式识别错误率，为开发者在实时语音交互与录音转写之间选择接入方式提供了具体依据。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.7 Flash，强化编码与智能体能力
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 发布仅三周，提升编码、知识工作及智能体工作流表现。
推荐理由：同代 Flash 模型的编码与业务工作流基准对比结合限时价格，提供了评估智能体升级收益与使用成本的具体依据。
Microsoft ResearchAI 评分5555 Microsoft Research 介绍胸部 X 光研究模型 CARE-X，结合辅助监督与奖励对齐学习
Microsoft Research 介绍胸部 X 光研究模型 CARE-X，结合报告生成、分类与定位辅助头及 DAPO 强化学习，在 ReXVQA 上达到 94% 总体准确率。
Google DeepMind精选AI 评分7575 Gemini Robotics ER 2 以视频理解、任务编排和多机器人协作增强机器人能力
Google DeepMind 发布 Gemini Robotics ER 2，通过连续视频理解、任务编排和多机器人协作增强具身推理能力，并由底层 VLA 模型执行动作。
推荐理由：将连续视频中的进度判断与底层控制接口编排结合，为机器人边执行边纠错、而非每一步停下重新规划提供了具体实现参考。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强具身推理与仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人空间推理、多视角理解和任务完成检测，并新增仪表读数能力。官方称其相关能力较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 改善，仪表读数结合视觉推理、图像放大、点位标注与代码执行，可处理压力表、液位计等设施巡检场景。
推荐理由：多视角任务完成判断与仪表读数案例，把具身推理的改进落到机器人重试决策和设施巡检这两个具体应用环节。
Mistral AI精选AI 评分6464 Mistral AI 发布 Leanstral：面向 Lean 4 的开源编码与形式化证明模型
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库任务，以 Apache 2.0 许可开放权重，并接入 Mistral Vibe。
推荐理由：基于真实形式化仓库任务的评测同时列出得分与运行成本，为比较专用模型和通用编码智能体的证明工程取舍提供了依据。
Mistral AI精选AI 评分7979 Mistral AI 发布 Voxtral 语音理解模型，提供 24B 与 3B 两种规格
Mistral AI 发布 Voxtral 语音理解模型，提供面向生产应用的 24B 和面向本地、端侧部署的 3B 版本，均采用 Apache 2.0 许可证。
推荐理由：将音频问答、摘要和函数调用纳入可开放部署的语音模型，为需要兼顾数据控制与语义理解的应用提供了选型参考。
Mistral AI精选AI 评分7474 Mistral AI 发布 Mistral Small 3.1，增强多模态理解并支持 128k token 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens。
推荐理由：单张消费级显卡或指定内存的电脑即可运行，加上开放的基础与指令检查点，为端侧多模态应用的部署和定制提供了具体参考。