AI 模型與研究 第 11 頁

Kandinsky 6 公開程式碼與影音模型權重。從雙流架構、超解析度與作者評測，拆開五秒片長、硬體等待與交付品質，判斷這條開放路線值不值得投入。

Liquid AI d1 加入影像輸入，直接回傳決策機率。對照官方方法學與計費文件，拆開 19–200 倍成本宣稱、逐題影像費與視覺驗收的界線。

Google 推出可在裝置上運行的多模態嵌入模型。讀懂統一搜尋空間、270M／740M 模組、縮維代價與公開權重的價值，分清廠商跑分和實際檢索品質。

Vals AI 稱 Claude agents 提出兩種室溫磁性半導體候選。一種仍是理論設計；另一種 1999 年樣品測過磁序，能隙與自旋分選尚待實驗。對照原論文與公開計算，釐清 AI 材料發現的真正進展。

Reflection Beam 501B 模型公布了 coding 跑分與強化學習規模，Apache 2.0 權重仍待發布。讀懂廠商自報的成績、生成 FLOPs 估算與後續驗收重點。

Meta 公布數學家與 Muse Spark 合作的六篇論文，五篇回答原本未解的問題。核對論文、獨立研究與人機分工，判斷 AI 輔助數學研究的實際進展與界線。

Tavus 公司的一分鐘視訊研究中，26／54 人認為 Griffin-Lite 對面是真人。對照 NVIDIA VideoFDB 榜單，拆解全雙工視訊模型的進步、研究邊界與身份揭露。

FLUX 3 Image 用邊界框安排畫面、局部編輯與 4K 輸出。BFL 宣傳「框外不變」，文件卻說通常不變；本文核對原文、官方說明與小樣本外部測試，判斷它適合哪些創作交付。

Aleph Alpha 發布德英雙語 Kolibri：78.1B 總參數、3.46B 活躍參數與 Apache 2.0 權重。從原生 256k、延伸 1M，到廠商跑分與內部題集，辨認它真正值得驗收的地方。