Strands Decider 2B 小型開源決策模型推出
Strands 團隊開源 Strands Decider 2B，這款 2B 參數決策模型面向快速實驗、本地開發及 Agent 工作流。它在 JevBench 公開集的準確度及校準表現，在 2B 級 33 款模型中排名第 3；排除略高於 2B 的模型後，在 30 款中排名第 1，本地決策中位延遲約 115ms。
#開源生態
#開源生態
今日 1 條Hacker News 熱門（buzzing.cc 中文翻譯）AI 評分5959
Cerebras：BlogAI 評分6363 Jais 2 推出 8B 和 70B 阿拉伯語大型語言模型，展示主權 AI 開發藍圖
G42 旗下 Inception、MBZUAI 基礎模型研究所與 Cerebras Systems 推出 Jais 2 阿拉伯語大型語言模型系列，包含 8B 和 70B 型號。
MarkTechPostAI 評分6464 Aleph Alpha 發佈 Kolibri 英德雙語 MoE 模型，總參數 78.1B、每個 token 啟用 3.46B
Aleph Alpha 發佈 Kolibri（Kolibri-1），一款面向英語和德語的開放權重 MoE 語言模型，總參數為 78.1B，每個 token 啟用 3.46B。
Zyphra ResearchAI 評分3636 Zyphra 發佈面向裝置端應用的 Zamba2-small（2.7B）小型語言模型
Zyphra 發佈 Zamba2-small（2.7B），一款面向裝置端應用的小型語言模型。相較 Phi3-3.8B，其首 token 生成速度快 2x、記憶體開銷減少 27%，生成延遲低 1.29x。模型權重以 Apache 2.0 授權開源。
Zyphra ResearchAI 評分5555 Zyphra 發佈 380M 參數 ZUNA 腦電圖基礎模型，支援訊號去噪與重建
Zyphra 發佈 380M 參數的 ZUNA，這是一款用於腦電圖（EEG）訊號去噪、重建及上採樣的擴散自編碼器基礎模型。在通道缺失超過 75% 時，ZUNA 在所有評估數據集均優於球面樣條插值；模型亦可按電極座標預測新通道訊號。模型以約 2 million channel-hours EEG 數據訓練，並按 Apache 2.0 授權發佈模型權重及推理、預處理程式碼。
Zyphra ResearchAI 評分5959 Zyphra 發佈 ZONOS2 即時文字轉語音模型，支援高保真聲音複製
Zyphra 發佈採用 Apache 2.0 授權的即時文字轉語音模型 ZONOS2，支援高保真聲音複製。模型採用 MoE 架構，規模由前代的 1.6B 增至 8B，即時生成吞吐量較前代提升 4x，並支援最長一分鐘的多語言及語碼轉換語音生成。ZONOS2 提供 stable 和 expressive 兩種模式，分別側重乾淨輸出，以及聲音複製的自然度與保真度。
Prime IntellectAI 評分5858 Prime Intellect 發佈 INTELLECT-1，稱其為首個全球協作訓練的 10B 參數模型
Prime Intellect 發佈 INTELLECT-1，並稱這是首個全球協作訓練的 10B 參數語言模型。模型以 1T tokens 訓練 42 天，橫跨 5 個國家和 3 大洲，最多同時使用 112 張 H100 GPU；全球分散式訓練的計算利用率為 83%。
Prime IntellectAI 評分7474 Prime Intellect 啟動 INTELLECT-2 全球分散式 32B 參數模型強化學習訓練
Prime Intellect 啟動 INTELLECT-2，展開 32B 參數模型的全球分散式強化學習訓練，並開放任何人無需許可地貢獻異構算力。訓練以 QwQ-32B 為基礎，採用 DeepSeek-R1 的 GRPO 方法，聚焦可驗證的數學與編碼任務，並以系統提示詞設定思考 token 預算。
Prime IntellectAI 評分5656 Prime Intellect 發佈 INTELLECT-2，這是首個透過全球分散式強化學習訓練的 32B 參數模型
Prime Intellect 發佈 INTELLECT-2，稱這是首個透過全球分散式強化學習訓練的 32B 參數推理語言模型。訓練以跨異構運算節點的全非同步 RL 為核心，並配套推出 PRIME-RL、TOPLOC 和 SHARDCAST；模型、程式碼及數據均已開源，技術報告見 primeintellect.ai/intellect-2。
Prime IntellectAI 評分7373 Prime Intellect 發佈 106B 參數 INTELLECT-3 MoE 模型，開源大規模 RL 訓練資源
Prime Intellect 發佈 106B 參數的 INTELLECT-3 MoE 模型，並開源模型權重、訓練框架、數據集、RL 環境及評測。模型以 GLM-4.5-Air 為基礎，經 SFT 和 RL 訓練，使用 512 張 NVIDIA H200 GPU、分佈於 64 個互連節點，歷時兩個月。
Liquid AI 模型與工程博客AI 評分6161 Liquid AI 發佈 LFM2，定位為市場上最快的裝置端基礎模型
Liquid AI 發佈 LFM2，推出 0.35B、0.7B 和 1.2B 三個參數規模的模型，面向裝置端生成式 AI。官方表示，LFM2 在 CPU 上的 prefill 和 decode 速度最高達 Qwen3 的 2 倍，訓練效率較上一代提升 3 倍。
Liquid AI 模型與工程博客AI 評分4545 LFM2-VL：高效視覺語言模型
LFM2-VL 推出 LFM2-VL-450M 和 LFM2-VL-1.6B 兩款開放權重視覺語言模型，支援文字及可變解像度圖像輸入。在 GPU 上的推理速度最高達現有 VLM 的 2 倍，並原生處理最高 512×512 解像度的圖像；更大的圖像會切分為 512×512 區塊。兩款模型現已於 Hugging Face 提供，採用基於 Apache 2.0 的開放授權。
Liquid AI 模型與工程博客AI 評分5959 Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，總參數達 24B
Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，這款開放權重 MoE 模型有 24B 總參數，並已在 Hugging Face 提供。
Zyphra ResearchAI 評分4444 ZUNA1.1：更靈活的 EEG 去噪與超解像基礎模型
Zyphra 發佈採 Apache 2.0 授權的 EEG 基礎模型 ZUNA1.1，支援在任意通道配置下重建、去噪及升採樣 EEG。模型維持 380M 參數，支援 0.5–30 秒輸入，重建品質達到或超越 ZUNA1。用戶可在 Zyphra Cloud 的 EEG Playground 透過瀏覽器使用，亦可下載模型在本地執行。
Cohere 產品與研究博客AI 評分7070 Cohere 開源發佈 Command A+，向所有人提供主權 AI 智能體能力
Cohere 開源發佈 Command A+，這款採用 MoE 架構的 LLM 以 Apache 2.0 授權，面向高效能智能體任務。模型有 218B 總參數和 25B 活躍參數，支援 48 種語言，並提供 BF16、FP8 和 W4A4 量化版本。
Cohere 產品與研究博客AI 評分6868 Cohere 開源發佈 North Mini Code 智能體編碼模型
Cohere 開源發佈 North Mini Code，稱其為首款智能體編碼模型，採用 MoE 架構，總參數 30B、啟用參數 3B，並採用 Apache 2.0 授權。
Black Forest Labs：BlogAI 評分7373 Black Forest Labs 發佈 FLUX 3 Action 開放權重機械人動作模型
Black Forest Labs 發佈開放權重的 7B FLUX 3 Action，這個世界動作模型（WAM）聯合預測影片與機械人動作。
MarkTechPostAI 評分6363 Reflection AI 推出 Beam：首款開放權重 MoE 模型，總參數 501B、每 token 啟用 23B 參數
Reflection AI 發佈首款開放權重 MoE 模型 Beam，總參數 501B、每 token 啟用 23B 參數，面向編碼、推理及智能體工作負載。
Hacker News：AI 熱帖AI 評分2929 Beam：Reflection 的 501B 開放權重模型
Reflection 的 Beam 是一款 501B 開放權重模型。所提供內容未進一步説明其模型能力或使用方式。
IT之家AI 評分3737 消息指 Reflection 等多家西方企業本月將推出開放權重 AI 模型
Reflection 等多家西方企業據稱本月將推出開放權重 AI 模型，人工智能模型領域的競爭將進一步升級。開放權重模型支援客戶本地部署，對微調及推理數據安全要求嚴格的部分行業具關鍵優勢。Reflection 即將推出的模型預計初期落後於美國競爭對手最先進的閉源模型，但足以與中國同業的頂級開放權重模型競爭。
The DecoderAI 評分5959 NASA 與 IBM Research 發佈開源 NASA-IBM Lunar Foundation Model，整合 17 年月球軌道觀測資料
NASA 與 IBM Research 發佈開源 NASA-IBM Lunar Foundation Model，使用 17 年月球軌道觀測資料支援月球科學的機器學習任務。
IT之家AI 評分5050 Amazon 推出 Strands Decider 2B 開源決策模型，支援本地部署
Amazon Strands Agents 團隊推出 Strands Decider 2B 決策模型，並在 GitHub 開源，支援本地 CPU / GPU 執行。
Hugging Face BlogAI 評分5555 Ai2 開源科學報告生成模型 AstaBrief 8B
Ai2 開源 AstaBrief 8B，這款模型可把研究問題和檢索到的文獻摘錄生成帶引用報告，並已在 Asta 的 Generate a report 功能中提供 Fast mode。
Hugging Face Blog精選AI 評分6565 NVIDIA Kumo Tabular 為表格預測樹立準確率與效率的新前沿
NVIDIA 發佈開放式表格基礎模型 Kumo Tabular，用於表格分類與回歸，可根據帶標籤的上下文列，在單次前向傳播中預測新列標籤，無需訓練、調參或特徵工程。
推薦理由：文章列出四項基準的結果，並以梯度提升樹、AutoGluon 等方法作對照，為表格預測模型的效能評估提供具體比較參照。
Latent Space精選AI 評分8484 小米 MiMo-V2.6-Pro（1T-A42B）登上開放權重模型榜首，訓練成本 $3M
小米推出 MiMo-V2.6-Pro，該模型在 Artificial Analysis Intelligence Index 得 46 分，排名開放權重模型首位。
推薦理由：文中並列模型榜單、RL 訓練成本與將開源的環境配方，呈現這次發佈由模型權重延伸至後訓練流程的技術脈絡。
螞蟻 inclusionAI：HuggingFace 新模型AI 評分5353 inclusionAI 發佈 Ming-Image-0.1-Design-Layer 設計圖層拆解模型
inclusionAI 發佈 Ming-Image-0.1-Design-Layer，可按輸入圖像及圖層規劃，將扁平設計圖像拆分為指定數量的 RGBA 圖層。模型提供六層卡片製作示例，建議工作分辨率為 1024，亦可使用 512 加快分層；採樣步數為 12，驗證配置為一張 CUDA GPU、80 GiB VRAM。
IBM Research：AIAI 評分5959 IBM 與 NASA 開源月球基礎模型 NASA-IBM Lunar Foundation Model
IBM 與 NASA 開源 NASA-IBM Lunar Foundation Model，整合數十年美國及日本月球任務的多模態觀測資料。在冰區識別中，模型的錯誤率比用於冰區探測的 SwinV2 降低 22%；在 100 米／像素撞擊坑檢測中，較以撞擊坑檢測訓練的 Swin 模型高近 19%，並使用一半訓練資料。
FireRedTeam：原創語音與多模態項目AI 評分6565 FireRedTeam 開源 FireRedTTS3 語音生成與編輯系統
FireRedTeam 公開 FireRedTTS3 語音生成與編輯系統，並提供 FireRedTTS3-Base 和 FireRedTTS3-Instruct 兩個版本的模型與 PyTorch 程式碼。
FireRedTeam：原創語音與多模態項目AI 評分6565 FireRedTeam 發佈 FireRedAudio 通用音訊語言模型及 PyTorch 程式碼
FireRedTeam 發佈 FireRedAudio，一款以共用 9B 參數 LLM 為基礎、涵蓋音訊理解與語音生成的音訊語言模型。Audio Encoder 負責理解、RedAE pathway 負責生成；模型支援 ASR、音訊理解、零樣本及指令式 TTS、語音編輯，並可處理最長一小時的錄音。除 ASR 外，其他功能只支援中文和英文。
Hugging Face Blog精選AI 評分7777 Meta 發佈 Muse Glimmer 30B 多模態模型，採用 Apache 2.0 授權並面向本地智能體應用
Meta 發佈 Muse Glimmer，一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型，採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成，支援圖像、影片輸入及多模態工具調用。
推薦理由：文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來，提供從本地推理到託管部署的實作參考。
Mistral AI精選AI 評分6363 Mistral AI 發佈 Leanstral 1.5，強化 Lean 4 形式化驗證
Mistral AI 發佈 Leanstral 1.5，這款 Apache-2.0 授權模型總參數量為 119B、活躍參數為 6B，面向 Lean 4 形式化驗證。
推薦理由：文章不只列出形式化數學基準，也以 AVL 樹複雜度證明及 57 個程式庫的漏洞排查，呈現 Leanstral 1.5 將定理證明延伸至實際程式驗證的應用。
Hugging Face Blog精選AI 評分7878 GLM-5.2 發佈，最大上下文擴至 1M tokens並提升長程任務能力
GLM-5.2 發佈，將最大上下文長度由 200K 擴至 1M tokens，並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1，高於 GLM-5.1 的 63.5、58.4。
推薦理由：文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動，讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。
Google DeepMind精選AI 評分6868 Google DeepMind 發佈實驗模型 DiffusionGemma，專用 GPU 上文字生成最高快 4 倍
Google DeepMind 發佈實驗性開放模型 DiffusionGemma，透過文字擴散並行生成文字，在專用 GPU 上文字生成最高快 4 倍。
推薦理由：DiffusionGemma 的優勢集中於低至中等批次的單加速器推理，高 QPS 雲端服務則可能收益較小並增加服務成本。
FireRedTeam：原創語音與多模態項目AI 評分6060 FireRedTeam 發佈 FireRedASR2S 一體化語音辨識系統
FireRedTeam 發佈 FireRedASR2S，整合語音辨識、語音活動檢測、語言識別和標點預測四個模組。FireRedASR2-LLM 在 4 個普通話測試集的平均 CER 為 2.89%，在 19 個方言及口音測試集為 11.55%。
Hugging Face BlogAI 評分5555 JetBrains 發佈 Mellum2：12B 文字與程式碼 MoE 模型
JetBrains 發佈 Mellum2，一款以自然語言和程式碼從零訓練的 12B MoE 模型，每個 token 啟用 2.5B 參數。模型採 Apache 2.0 授權，適用於路由、RAG、摘要、子智能體及高吞吐程式功能等工作負載。
Hugging Face Blog精選AI 評分6666 Hugging Face 發佈 Ettin Reranker 系列六款模型，規模涵蓋 17.6M 至 1.00B
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
Hugging Face Blog精選AI 評分6363 Granite Embedding Multilingual R2 發佈兩款 Apache 2.0 多語嵌入模型，支援 32K 上下文
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型：97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由：文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較，並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
螞蟻百靈：Developer BlogAI 評分5959 Ling-2.6-1T 正式開源，定位為面向複雜任務的萬億級綜合旗艦模型
Ling-2.6-1T 正式開源，定位為面向複雜任務的萬億級綜合旗艦模型。
Hugging Face Blog精選AI 評分7272 NVIDIA 發佈 Nemotron 3 Nano Omni 長上下文多模態模型，面向文件分析、音訊與影片理解及智能體電腦操作
NVIDIA 發佈 Nemotron 3 Nano Omni，這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由：文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果，另列系統效率數據，提供文件、影音和 GUI 任務的比較依據。
Hugging Face Blog精選AI 評分8787 DeepSeek-V4 發佈 Pro 與 Flash 系列，均支援智能體可用的 1M-token 上下文
深度求索（DeepSeek）發佈 DeepSeek-V4，Pro、Flash 系列各有 instruct 與 base 版本，四款 checkpoint 均支援 1M-token 上下文。
推薦理由：文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來，並以基準數據呈現長上下文能力在工具任務中的表現。