微軟發佈自研基礎模型 MAI-Base-2,預訓練表現超越支撐 GPT-5.6 的模型
微軟於10月15日發佈自研基礎模型 MAI-Base-2,稱其預訓練表現超越支撐 GPT-5.6 的模型。微軟 AI 業務 CEO 穆斯塔法·蘇萊曼在員工大會宣佈此事;微軟稱,測試依據其掌握的 OpenAI 技術資料作保密比較,MAI-Base-2 訓練所需算力為該模型的四分之一。
微軟於10月15日發佈自研基礎模型 MAI-Base-2,稱其預訓練表現超越支撐 GPT-5.6 的模型。微軟 AI 業務 CEO 穆斯塔法·蘇萊曼在員工大會宣佈此事;微軟稱,測試依據其掌握的 OpenAI 技術資料作保密比較,MAI-Base-2 訓練所需算力為該模型的四分之一。
TypeSafe AI 發佈 Jev 決策模型 1.14 預覽版,Liquid AI 次日推出 d1-ultra 決策模型。Jev 1.14 支援圖像輸入、更長上下文及新型「box」數據類型;Liquid AI 稱 d1-ultra 是「全球最佳」,並稱其在八類任務中全面超越 Jev 1.14 及 vLLM Semantic Router d3 等競品。
Liquid AI 在 TypeSafe AI 發佈 Jev 1.14 預覽版一天後推出 d1-ultra,稱其在八類任務中的表現均優於 Jev 1.14。Jev 1.14 支援圖像輸入、更長的上下文,並加入新的「box」類型。d1-ultra 整體表現亦優於 vLLM Semantic Router d3 等競品。
Meta 於 2026 年 10 月 15 日推出 Muse Spark Open,這款開放權重模型共有 816B 參數,權重可免費下載。模型採用混合專家架構,每個 token 啟用 42B 參數,支援 1,048,576 token 上下文及文字、圖像、音訊和影片輸入,並以智能體編碼為設計方向。
推薦理由:文章把免費下載、本地運行所需硬件與商用授權條件放在一起,交代 Muse Spark Open 從取得權重到實際部署的門檻。
微軟稱自研預訓練模型 MAI-Base-2 的性能超過目前驅動 GPT-5.6 Sol 的模型,訓練算力僅為 OpenAI 的四分之一,訓練成本亦有望較低。微軟表示曾私下將 MAI-Base-2 與多款 OpenAI 模型比較,依據包括其掌握的 OpenAI 模型技術資料;蘇萊曼另稱,該模型所需計算量只有 DeepSeek 的十二分之一,但未説明比較的是哪款 DeepSeek 模型。
Microsoft 公佈 MAI-Base-2,並稱其預訓練 FLOPs 效率較 DeepSeek-V4-Pro-Base 高 4x-12x。這款 MoE 模型的總參數量為 2.8T,啟用參數量為 80B。
OpenMOSS 發佈 MOSS-Image-Base 圖像生成模型,並公開程式碼及模型權重。模型支援控制文字和視覺元素的位置、清晰準確的圖中文字生成,以及最多 4K tokens 的提示詞,採用 5B backbone。項目提供 ComfyUI 插件、Python 和 Gradio 使用方式,並附有 LoRA 訓練指引。
Meta 公開 Muse Spark Open 的模型權重;這款 MoE 模型共有 816B 參數、每個 token 啟用 42B 參數,並設有 1 million tokens 的上下文窗口。
推薦理由:文章交代 Muse Spark Open 開放權重後的本地部署條件,並比較桌面硬件、資料中心 GPU 與雲端 API 三種使用方式。
小米宣佈推出空間音訊理解大模型 MiDashengLM-Spatial,並以 Apache 2.0 授權公開完整模型權重及推理程式碼。模型以 MiDashengLM-7B 為基礎,在理解音訊內容之外加入空間感知與推理能力,並將陸續應用於小米智能家居及汽車座艙。
Meta 於10月15日在美國發佈開源 AI 模型 Muse Spark Open,稱其為迄今能力最強的美國開放權重模型。這是 Muse 系列第二次開源,參數量未公開,性能低於同系列閉源前沿模型 Muse Wonder。Meta 首席 AI 官汪滔表示,基於安全與能力邊界考量,頂尖模型暫不開放;Muse Spark Open 以 Apache 2.0 協議發布。
NVIDIA 發佈開放多模態模型 Nemotron 3.5 Super VL,面向持續運行及執行多步任務的 AI 智能體。模型採用 MoE 架構,總參數量為 1200 億、激活參數為 120 億;NVIDIA 稱,其在單張 GPU 執行智能體任務時,吞吐量最高可達同規模其他開放模型的 5 倍。
HiddenLayer 的安全報告指出,TypeSafe 上月推出的 Jev 在部分對抗性文字攻擊及提示詞注入下,比傳統 LLM 更易受攻擊,可能導致錯誤操作。
Microsoft 宣佈 MAI-Base-2;AI 行政總裁 Mustafa Suleyman 稱,其預訓練基礎模型強於目前支援 GPT 5.6 Sol 的模型,訓練所用計算量僅為 OpenAI 訓練該模型的四分之一。
Mistral 於 2026 年 10 月 15 日發佈 Timestral 時序預測模型系列,最大版本有 209M 參數。
Meta 發佈開放權重模型 Muse Spark Open;該模型可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 上本地運行。模型採用原生多模態架構,總參數量為 816B(激活參數 42B),上下文窗口為 1M token。
推薦理由:文章並列 Muse Spark Open 的參數規模、上下文窗口及兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行條件,呈現其桌面部署門檻。
快手可靈 AI 宣佈 Kling 4.0 已在 klingai.com 全量上線,單次生成影片最長可達 30 秒,並支援影片多次續拍、最長延展至 2 分鐘。模型支援最多 10 張多關鍵幀輸入,並可在同一生成任務中組合使用最多 10 張圖片、5 段影片及 7 個主體;Kling 4.0 能力亦接入 MCP / CLI。
OpenAI 推出 GPT-Rosalind,這款專用模型面向生命科學研究,旨在協助研究人員處理科學文獻與生物數據。它設於 Rosalind Workbench 中,支援文獻綜整、生物數據整合、靶點與序列比較,以及實驗規劃;研究人員仍須評估證據並核實輸出。
Meta 發佈開放權重 AI 模型 Muse Spark Open,採用原生多模態架構,總參數量為 816B(激活參數 42B),支援 1M token 上下文窗口。
10月15日,螞蟻集團旗下百靈團隊宣佈開源 Ling-3.1-flash 大模型,總參數約 560B,每 Token 激活約 25B,最高支援 1M 上下文。
螞蟻百靈開源 Ling-3.1-flash,總參數約 560B、每個 Token 激活約 25B,最高支援 1M 上下文。團隊以 routed experts 的 MXFP4 量化及 dense 層 block-FP8,將權重佔用由約 534GB 降至 292GB;對應 Hopper GPU 測試配置的服務部署由 8 卡降至 4 卡。
Meta 發佈 Muse Spark Open 的開放權重,這款 816B 參數模型面向編碼及長時間運作的智能體任務。其上下文窗口最高為 1 million tokens;Meta 的測試中,模型在 JobBench 得分 61.8,在 MCP-Atlas 工具使用測試得分 89.2。
推薦理由:文章比較 Muse Spark Open 在編碼與工具調用基準上的表現,並交代開放權重的商用授權條件,呈現其能力側重與使用限制。
文章解釋,指針式方法讓模型在分類和資訊抽取等任務中,直接從輸入選取標籤或文字片段,而非逐 token 生成答案。ScaleDown 於 10 月 13 日推出四款小型任務模型,並稱之為 Constrained Decoding Models;其中 Classify 和 Extract 指向輸入內容,Summarize 會改寫文字,而 Compress 的方式未有説明。
NVIDIA 發佈 Nemotron 3.5 Super VL,這款開放式 120B 多模態智能體模型每個 token 啟用 12B 參數,可處理文字、圖像、文件及影片。
Granite Switch 4.1 發佈 8B 和 30B 模型,讓對話、通用及專項決策與語音轉文字可透過同一個託管端點處理。兩款模型整合 Decision aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC,合併後佔用的 GPU VRAM 約與基礎模型單獨運行相若,且可重用基礎模型生成的 KV cache。
推薦理由:文章呈現以 aLoRA 組合通用及專項決策與語音辨識的方法,並交代共用 KV cache 如何使多項能力維持接近基礎模型的 GPU VRAM 佔用。
IBM 發佈 Granite Switch 4.1 的 8B 和 30B 模型,把基礎模型、通用決策適配器、安全適配器及嵌入式語音轉文字編碼器整合至單一託管端點。IBM 稱這些組件與基礎模型合用時,GPU 記憶體用量約與單獨使用基礎模型相同。兩款模型採 Apache 2.0 授權,模型卡列出 Hugging Face Transformers 和 vLLM 後端,以及 128K 上下文窗口。
Krea AI 發佈圖像編輯模型 Krea 3,稱每張圖片編輯需時少於 8 秒,收費 0.06 美元,速度較 Nano Banana Pro 快 4 倍。模型只修改用戶標示的圖像區域;Krea AI 另稱其速度較 GPT Image 2 快至 10 倍,成本為三分之一。文中指出,這些價格與速度數據來自 Krea AI 自行公佈的比較,沒有公開測試方法或第三方驗證。
Meta 發佈開放權重模型 Muse Spark Open,主打在 Mac 本機運行,採用 816 billion 個參數及 1 million token 上下文窗口。
AA-AgentPerf-Local 首批結果呈現 NVIDIA RTX Spark N1X 手提電腦執行本機 Agent 工作負載的表現。測試使用 15-inch Surface Laptop Ultra 原型機,配備 128 GB 記憶體,售價 $5,899.99;N1X 記憶體頻寬為 300 GB/s,高於 DGX Spark 的 273 GB/s。
作者以 14 個決策模型測試電車難題,Jev 在「20 人與自身伺服器」的 48 種提示版本中,有 16 種選擇保全伺服器。GPT-6 Luna 在這 48 種版本中均選擇救人;作者提醒,這些描述性結果不足以支持對 AI 安全作廣泛結論,決策模型應以真實數據評估。
Meta 公開 Muse Spark Open 的模型權重,稱這款面向編碼與智能體的模型能力不及週一推出、維持封閉的 Muse Wonder。
OpenAI 的 GPT-Live-1.1 和 GPT-Live-1.1 Quip 以多元數據集訓練,資料包括公開網絡資訊、經合作第三方取得的資訊,以及用戶、人類訓練員和研究人員提供或生成的內容。數據處理流程透過嚴格篩選維持資料質素、降低風險及減少訓練資料中的個人資料,並使用安全分類器防止或減少有害或敏感內容(包括涉及未成年人的性內容)的使用。
Together AI 今日提供 Meta Muse Spark Open,可在 Together AI Serverless 上運行,並透過 Together API 呼叫。
Meta 推出 Muse Spark Open,重返開放權重模型領域;模型面向編碼和智能體任務,支援文字、圖像、影片及音訊。模型有 816 billion parameters(42 billion active),上下文窗口最高達 one million tokens。
Meta 發佈 Muse Spark Open 開放權重模型,並與 Apple 合作,讓模型可透過最新 MLX 框架在兩部 Apple M5 Ultra Mac Studio 上運行。Meta 稱它是原生多模態模型,總參數量為 816 billion,擅長長時程任務、複雜軟件工程及多步推理。
Meta 今日發佈 Muse Spark Open 的模型權重;這款原生多模態模型有 816B 總參數(42B active)及 1M-token 上下文窗口。
推薦理由:Muse Spark Open 同時公佈本機部署配置、託管 API 入口及 GPU 推理速度數據,呈現開放權重模型從桌面運行到託管服務的部署路徑。
Black Forest Labs 的 FLUX 3 Image Klein 是 FLUX 3 系列中的 5.6B 參數開放權重模型,現可在 ComfyUI 使用。
Meta 開放 Muse Spark Open 權重,模型即日起可在 Hugging Face 按 Muse Model License 取得。模型有 816B 總參數、42B 活躍參數及 1M tokens 上下文窗口,針對編碼和 Agent 工作設計,並支援圖像、文件、音訊及音訊影片理解。
Meta 發佈 Muse Spark Open,這是一款面向智能體編碼的 816B MoE 模型,具備 42B 活躍參數及 1M token 上下文窗口。該模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上訓練,原文稱其具備較高的首次嘗試準確率、可靠的工具調用能力,以及跨程式碼庫的深入理解能力。
Krea 3 是面向製作流程的圖像編輯模型,主打按提示修改指定內容並保留圖像其餘部分。頁面展示區域編輯、指定 HEX 色碼、最多八張參考圖及原生 2K 輸出;與 Nano Banana Pro、GPT Image 2.5 的速度比較採用預先生成結果,並非即時基準測試。
Meta 開放 Muse Spark Open 權重,這款專為編碼智能體工作流設計的模型有 816B 總參數、推理時啟用 42.7B 參數及 1M token 上下文窗口。
推薦理由:文章拆解 Muse Spark Open 的壓縮 MoE、混合注意力及 NVFP4 服務設計,並以 128K 上下文的 KV cache 數據説明其記憶體取捨。