Kling AI 发布 4.0 版本，支持立体声与多语言口型同步，并推出轻量 Flash 版
Kling AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多 10 张关键帧输入，提示词理解扩展到 8,000 tokens。新版本加入双声道立体声、十余种语言的口型同步以及多语言视频内文字生成，同时推出上限 720p、20 秒的轻量 Flash 版，并可通过 MCP 和 CLI 接入。4K 10-bit HDR 输出、视频延长至两分钟和 API 定价均标注为即将推出。
#多模态
The Decoder
NVIDIA Blog精选 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 端侧模型
NVIDIA 发布 120B 参数的开放模型 Nemotron 3.5 Super VL，以及面向端侧的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：原文给出三个模型在参数规模、内存占用和硬件适配上的差异，可据此判断企业到端侧的智能体部署选型。
Hugging Face Blog精选 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，这是一个约 816B 总参数、每 token 约 42B 激活的混合专家模型，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 公开了 816B 总参数、约 42B 激活的多模态 MoE 权重，并给出 transformers、vLLM、SGLang、llama.cpp 的部署与微调做法。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出定价、渠道与多领域落地案例，可据此判断这一前沿模型在编码和专业工作流中的实际位置。
Google DeepMind精选 Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，这是一个把文本、图像、音频和视频映射到统一嵌入空间的开源多模态嵌入模型，基于 Gemma 4 架构、采用 Apache 2.0 许可、参数量 740M。
推荐理由：官方给出参数量、分模块尺寸、量化内存和 8K 上下文等规格，可据此判断端侧多模态检索的可用边界。
Mistral AI精选 Mistral AI 发布 Mistral Large 4 公开预览
Mistral AI 上线 Mistral Large 4 公开预览，模型为 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 使用，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数与 520 亿激活参数的多模态设定，以及编码、智能体、网络安全等基准对比，可用于判断开放权重模型的前沿位置。