Meta 發佈 Muse Spark Open,稱其為美國能力最強的開放權重模型
Meta 發佈 Muse Spark Open,並稱其為美國能力最強的開放權重模型。Muse Spark Open 總參數量為 816B,活躍參數量為 42B,並具備 1M-token 上下文窗口。
Meta 發佈 Muse Spark Open,並稱其為美國能力最強的開放權重模型。Muse Spark Open 總參數量為 816B,活躍參數量為 42B,並具備 1M-token 上下文窗口。
Meta 宣佈發布 Muse Spark Open 的模型權重,讓開發者可自行運行及適配這款模型。這款模型專為編碼及支援 AI 智能體而設,但不及本週早些時候亮相的 Muse Wonder 先進。Meta 首席 AI 官 Alexandr Wang 表示,基於安全與能力考量,公司通常不會開源最強模型,但計劃持續開源優秀模型。
Meta 於 2026 年 10 月 15 日公開 Muse Spark Open 的模型權重;這款原生多模態開放權重模型有 816B 總參數、42B 啟用參數及 1M-token 上下文窗口。
推薦理由:文章列出 Muse Spark Open 的權重下載與 API 使用途徑,並交代本地運行至少需要 700GB VRAM(NVFP4)或 2TB(BF16),可供評估部署條件。
Black Forest Labs 發佈開放權重圖像模型 FLUX 3 Image Klein,支援文生圖、圖像編輯及最多十張參考圖生成。模型參數量為 5.6 billion,支援原生 4K 輸出;INT8 版本可在配備 8 GB VRAM 的 NVIDIA GPU 上運行,RTX 4070 生成一張圖少於 9 秒。
Meta 推出 Muse Spark Open,一款約 816B 參數、每個 token 約啟用 42B 參數的開放權重多模態混合專家模型,支援文字、圖像、音訊和影片輸入,並生成文字。模型的上下文窗口最高為 1M tokens。文章列出 Transformers、llama.cpp、SGLang 和 vLLM 等推理部署方式,以及使用 TRL 進行 LoRA 微調的示例。
推薦理由:文章把模型規模、長上下文與多模態輸入能力,連同多種部署和微調方案放在同一份技術指南中,可用來瞭解模型的運行配置與使用方式。
Nvidia 宣佈推出 Nemotron 3.5 Super VL 與 Bolt 74B-A9B 24GB,並表示將於本月稍後推出 Bolt E4B 4GB。Super VL 是開放的 120-billion-parameter 模型,輸出速度接近同級模型的五倍;Bolt 74B-A9B 24GB 使用 2-bit quantization,可在 24GB 記憶體內本地運行。
Liquid AI 推出多模態決策模型 d1-ultra,支援文字和圖片輸入,並以一次前向傳播輸出答案概率,不生成 token。模型在 Artificial Analysis Decision Index 上比其他決策模型至少高 8 分,並在所有任務中勝過 Jev 1.14,提供更準確且校準更佳的答案。
Krea 3 是一款為大規模編輯而設的前沿圖像模型,標示速度較 Nano Banana Pro 快 4×;原文並提供 krea.ai 連結。
Nvidia 推出 Nemotron 3.5 Super VL,這是一款面向企業智能體的 120B 參數開放模型。Nvidia 表示,該模型在專門基準測試中的表現勝過前沿模型。
Microsoft AI 已完成 MAI-Base-2 預訓練,這是一個有 80 billion 個啟用參數、2.8 trillion 個總參數的 MoE 基礎模型。
Nvidia 發佈 Nemotron 3.5 Super VL,這款具 120 billion parameters 的多模態開放模型,面向可持續在背景處理文字、圖像、文件及影片的企業 AI 智能體。
Google 推出 Gemini 4 Argon,將其定位為涵蓋機械人控制、虛擬訓練環境生成及訓練影片評估的通用模型。
Inception Labs 宣佈 Mercury Voice 已向企業客戶開放;這款採用擴散模型的大語言模型(dLLM)面向語音智能體,能推理及調用工具,在真實客服提示詞測試中產生首個答案 token 的中位延遲低於 320 毫秒。
Prime Intellect 與 NVIDIA 以 GRPO 後訓練 Nemotron 3.5 Super VL,令其 AutomationBench-AA 公開分數由 34.0% 升至 57.7%。訓練使用 2,500 個經驗證的企業工作流任務,在 128 NVIDIA GB200 GPUs 上進行約 11 小時。評分按任務目標完成度給予部分分數,但違反任何護欄都會令該任務得分歸零。
Baseten 宣佈可透過 Model API 評估 NVIDIA Nemotron 3.5 Super VL,並可在 Loops 開始訓練。模型結合視覺理解、推理和工具使用,採用 120B 參數 MoE 架構,每個 token 啟用 12B 參數。
NVIDIA 發佈 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 74B-A9B,兩者在 Intelligence Index 分別得分 26.5 和 21.4。
推薦理由:文章把兩款模型與前代及同級模型的分數、輸出 tokens 用量和參數規模並列,呈現其能力與效率差異。
Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。
GPT-6-Astra 在理論物理研究問題基準測試中答對 50 題中的 49 題,準確率為 98%,平均每題成本低於 $3。基準涵蓋理論物理 11 個子領域;Anthropic 的 Opus 5.5 得分 92%,Google 的 Gemini 3.8 Flash 為 68%,DeepSeek-V4.1-Flash 和 GLM 5.3 分別為 54% 和 42%。
Mistral AI 發佈 Timestral 時序基礎模型系列,提供 5M、28M、123M 和 209M 四種尺寸,支援機率式多變量預測及過去與已知未來協變量。209M 模型在 GIFT-Eval、TIME 和 fev-bench 三個公開基準均排名第一;以三週、每 15 分鐘一筆的歷史資料預測一天,在 8 threads 的標準伺服器 CPU 上耗時 140 ms。
推薦理由:Timestral 的四種模型尺寸對應不同的預測表現與推理速度,文章提供公開基準結果和 CPU 延遲數據,方便比較準確度與部署效率之間的取捨。
FLUX.3 Image Klein 現已支援 Diffusers,可用於文生圖、多參考圖圖生圖及邊界框版面控制。兩款開放檢查點分別是預設以 16 步生成且不使用 CFG 的蒸餾版,以及使用 50 步和 CFG 的 base 版。蒸餾版生成 1024 × 1024 圖像,在單張 NVIDIA H100 80GB 上平均耗時 1.93 s;文章亦提供 LoRA 微調腳本及量化權重載入方法。
推薦理由:文章展示了以邊界框安排生成版面及移動參考圖區域的做法,並附上 Diffusers 範例與 LoRA 微調腳本。
NVIDIA 發佈開放的 Nemotron 3.5 Super VL,並推出兩款 Bolt 邊緣模型,將 Nemotron 系列覆蓋範圍延伸至數據中心、邊緣設備和本地硬件。
NVIDIA Nemotron 3.5 Super VL 以多模態推理支援專用 AI 智能體,是面向企業工作流程的開放、可自訂多模態模型。其採用 120B 參數的 MoE 架構,可用於處理較長、較複雜的工作流程,包括閲讀文件、跨來源核對資訊、遵循公司政策及呼叫多個工具。
英偉達發佈開放多模態模型 Nemotron 3.5 Super VL,總參數量 1200 億、激活參數 120 億;英偉達稱,其單 GPU 智能體任務吞吐量最高可達同規模其他開放模型的 5 倍。
Black Forest Labs 於 2026 年 10 月 15 日發佈 5.6B 參數開放權重模型 FLUX 3 Image Klein,支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
NVIDIA 於 2026 年 10 月 15 日發佈開放多模態模型 Nemotron 3.5 Super VL,並公佈兩款面向邊緣及本地硬件的 Bolt 模型。
推薦理由:報道呈現 Nemotron 3.5 從企業伺服器到邊緣裝置的部署分層,並列出可用模型、量化方案與開放資料,展示其產品佈局。
Claude Sonnet 為 24 個程式碼差異撰寫 Pull Request 描述,未載入書面規則時有 21 份正確,少數失誤加入差異內容未能支持的主張。加入書面規則後,Sonnet 正確 22 份,Haiku 則由 17 份升至 19 份。
Apertus 1.5 更新 8B 和 70B 模型,加入圖像與音訊理解及可選思考模式,並將上下文窗口擴至 262,144 tokens。持續預訓練分別為 8B 和 70B 模型加入 4 trillion tokens 和 2 trillion tokens 的文字及多模態訓練資料,總訓練量分別達 19T 和 17T。
推薦理由:文章同時公開訓練資料、各階段檢查點與可重跑的評測記錄,讀者可據此瞭解 Apertus 1.5 的訓練流程及比較評測結果。
階躍星辰開放 Step 5 Preview 模型權重,提供 BF16 與 FP8 兩個版本。權重已上線 Hugging Face 和 ModelScope,開發者可透過 vLLM 或 SGLang 部署兼容 OpenAI API 的服務,亦可使用 Transformers 離線推理。
Reflection AI 的 Beam 是一款 501B 參數的開放權重模型,每項任務只啟用 23B 參數;Reflection 聲稱,它的評測分數與 GLM-5.2 相若,推理計算量少 3–4 倍。
OpenCode 宣佈 DeepSeek V4.1 Flash 現已免費提供。免費版實測支援 200K 上下文窗口,低於 1M 上下文版本。
TypeSafe AI 發佈 Jev 1.14,新增實驗性圖像輸入及 Box 類型,選用標頭可把上下文擴至 262k tokens。預設上下文為每個請求 64k、每條問題 32k tokens;目前透過 TypeSafe 託管 API 以 jev-preview 提供。圖像及 Box 尚未適合正式環境,輸入價格為每百萬 tokens $0.042,輸出免費。
崑崙萬維發布 Matrix-Game 4.0,一款可在單張 NVIDIA RTX 5090 上即時運行、由影片生成模型驅動的遊戲,並同步開源。系統由遊戲引擎維護世界狀態與互動規則,影片生成模型負責即時渲染;文章列出的指標為 480p、60 FPS,按鍵至畫面響應延遲低於 150 毫秒。
Muse Wonder 基準結果顯示,Muse Wonder Full 的 Artificial Analysis Intelligence Index 得分為 56,低於 Claude Opus 5.5 的 58。
螞蟻百靈正式開源 Ling-3.1-flash,模型總參數約 560B、每個 Token 激活約 25B,最高支援 1M 上下文。
AI Dev Weekly #30 彙整截至 10 月 15 日的 AI 開發者動態,包括 Gemini 4 Argon 開放開發者使用、Meta 推出 Muse Wonder,以及 GitHub 更新 HydraFusion Max。
SpaceXAI 發佈 Grok Voice 3.0,該語音對語音模型以 86.9 分登上 Artificial Analysis Speech-to-Speech Index 榜首。
inclusionAI 的 ZwZ2-4B 是基於 Qwen3.5-4B 的模型,屬於 Zooming-without-Zooming-v2(ZwZ2),可透過比較、整合、匹配及多步推理連結不同區域的視覺證據,推理時毋須縮放工具。
NVIDIA 於 10 月 13 日宣佈 Nemotron 3.5 Bolt 74B-A9B,稱這款 74B 智能體模型的權重佔用 24GB,並預定 10 月 15 日開放下載,但發文時尚未確認上線。
昆侖萬維於10月15日發佈 Matrix-Game 4.0,稱它是全球首款可在單張消費級 NVIDIA RTX 5090 上運行的影片大模型遊戲。該版本支援 480p/60FPS 即時渲染,端到端延遲低於150毫秒,採用「代碼生成邏輯→結構約束→影片即時渲染」技術路徑。項目即日起開源,支援遊戲原型開發、UGC 與個人化訂製;後續計劃提升解像度,拓展多人連線一致性及多類型場景適配。
昆侖萬維發布並同步開源 Matrix-Game 4.0,稱其為全球首款可在單張消費級顯示卡上運行的影片大模型遊戲。官方介紹稱,Matrix-Game 4.0 在 NVIDIA RTX 5090 上提供 480p、60 FPS 即時遊戲體驗,按鍵至畫面反應延遲低於 150 毫秒。
最多提供 50 頁,更早的內容請使用搜尋或主題頁。