Thinking Machines Lab 發佈可在筆電運行的 Inkling 2 Mini 開放權重模型
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重模型約佔 20GB 記憶體,可在筆電運行。
推薦理由:文章並列 Inkling 2 Mini 的基準成績、循環計算取捨與監察測試結果,呈現其本機運行效率和推理可監察性的不同面向。
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重模型約佔 20GB 記憶體,可在筆電運行。
推薦理由:文章並列 Inkling 2 Mini 的基準成績、循環計算取捨與監察測試結果,呈現其本機運行效率和推理可監察性的不同面向。
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重 Looped Transformer 有 26.4B 總參數,模型檢查點約 20GB,可在 32GB Mac 上運行。
Thinking Machines 發佈開源混合專家模型 Inkling 2 Mini,採用循環式 Transformer。24 層中的 12 層會連續執行三次;公司稱,這可在不生成更多文字的情況下延長內部推理,並以較少 token 找到答案。
RadixArk 推出開源模型 DaisyRose-27B,以純強化學習進行後訓練,完全省略 SFT 和知識蒸餾;模型有 27B 參數,基於 Qwen3.8-27B。Terminal Bench 4.1 的 pass@1 分數由 5.6% 升至 12.0%,互動上下文窗口最高支援 1 million token。模型採用 Apache 2.0 授權,可用於內部 CLI agent 流程。
姚順雨與騰訊混元團隊在 Reddit AMA 表示,下一代 Hy 模型規模將顯著擴大,並規劃推出小模型。Hy4-mini 已列入路線圖,Flash-Lite 亦在規劃中;團隊正考慮 24B 至 31B 稠密模型及更小的圖像模型,但未確認 1.5 萬億至 2 萬億的參數量猜測,亦未公佈具體發布時間。
Thinking Machines Lab 推出開放權重模型 Inkling 2 Mini,參數規模為 26.4B。模型會讓中間層對每個 token 循環三次,以用更少 token 提升推理能力。
Thinking Machines Lab 於 2026 年 11 月 20 日發佈開放權重模型 Inkling 2 Mini,總參數量為 26.4 billion parameters、記憶體佔用約 20GB,面向在消費級筆記簿型電腦本地運行。
Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。
推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。
NVIDIA 發佈 Nemotron-Labs-Sigma,這個連續擴散語言模型系列在 16-D 嵌入空間對文字去噪,提供 3B 和 8B 規模共 14 個開放 checkpoints。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
Perplexity 於 2026 年 11 月 12 日發佈 Decider v1.3 和 Decider Flash v1.3,兩者採用 Apache 授權並提供開放權重,可自行部署。
騰訊混元團隊正式開源 Hy4 大模型,模型權重已在 GitHub、Hugging Face、ModelScope 和 GitCode 四個平台上線。混元 LLM 系列至此已全部開源,涵蓋 Hy3 preview、Hy3、Hy4 preview、Hy4 及 Hy4 flash;Hy4 採用 MoE 架構,總參數 770B、激活參數 49B,上下文窗口突破 100 萬 Token。
推薦理由:Hy4 權重已在四個平台上線,且 Hy4 及 Hy4 preview 採用 Apache 2.0 許可證,開發者可下載部署並作商業使用及修改。
騰訊混元團隊宣佈 Hy4 模型權重在 GitHub、Hugging Face、ModelScope 和 GitCode 同步開源,混元 LLM 系列至此完成全面開源。
文章全面解析 Qwen3.8-2.4T-A95B 開源權重的模型定位、架構、能力表現、適用場景、部署成本與許可限制。該版本為純文字、全思考模式,原生上下文為 262,144 Token;BF16 權重約 4.89 TB,定位為多機多卡部署的可改造底座。文章亦比較其與 API 版在視覺輸入、非思考模式及內置工具上的差異,並説明 Qwen3.8-Max License 的商用門檻。
Qwen-Image-2.1 是 7B 圖像模型,同一模型支援文生圖、圖生圖編輯及摳圖,並提供原生透明通道和 2K 出圖。文章列出 qwen-image-2.1-turbo 與 qwen-image-2.1-pro 在北京/全球地區分別為每張 0.1 元和 0.25 元,按成功生成的圖片數量計費。
ja-reading-tagger-v1 是一款日語同形異讀標註器,按語境逐段輸出供假名標註顯示的書寫讀音,以及供文字轉語音使用的發音讀音。在 5,000 句封存測試中,整體準確率為 0.9354,高於 Sudachi 的 0.9308;同形異讀測試為 0.7230,勝過字典的 0.5570,但普通文本略低於 Sudachi(0.9360 對 0.9432)。
Orange 發佈五款基於 Alibaba 的 Qwen3 微調、可理解及書寫 Wolof 的開放權重 AI 模型,參數量由 0.6bn 至 14bn。模型以公開、經自動翻譯成 Wolof 的數據集訓練,Wolof 語言標註員亦檢查訓練資料和模型回答。任何人可在 Hugging Face 免費用於非商業用途;商業使用則可能需與 Orange 另行協議。
ja-doc-classify-v1 已發布,用於將日文商業文件分流至 8 個領域,並只在有足夠把握時建議 43 種文件類型,否則會放棄判斷。兩組各有 200 份人工撰寫文件的評測中,領域分類準確率為 0.989(放棄判斷 5–6%),文件類型準確率為 0.82–0.87(放棄判斷 26–30%)。模型採用 Apache 2.0 授權並附有 ONNX 版本。
RadixArk 發佈 DaisyRose-27B,該模型以 Qwen3.8-27B 為基礎,經 18 天訓練後在 Terminal-Bench 4.1 的得分由 5.6% 升至 12.0%。
KiteFishAI 推出 NanoI1,這款 155-million-parameter 語言模型面向可控基礎設施上的企業工作流程,而非通用 AI 助手。模型採用 Apache-2.0 授權,提供 Base 和 Instruct 版本,支援 vLLM、2,048-token 上下文窗口,並可在手提電腦、本地伺服器及印度數據中心部署。
Tencent Hy4 Flash 登上 Hacker News 熱帖。有評論稱,其基準測試表現可與 glm-5.3 flash 媲美,價格非常低廉;評論亦提到,團隊表示將會開放模型權重。
商湯科技正式發布 SenseNova Loop-9B,總參數量約 9B,部署所需顯示記憶體低至 10 GB 內。模型透過 Loop 結構重用參數,將 32 個物理解碼層擴展為 56 次層計算,支援文字及圖像輸入、文字輸出,上下文長度最高 512K tokens。
OVHcloud 於 2026 年 11 月 17 日宣佈推出首個大語言模型系列 Olala,首款為 Olala mini 7A1B,並計劃在 Hugging Face 以 Apache 2.0 授權開源。
OVHcloud 推出首個 AI 模型家族 Olala,並開源發布首個成員 Olala mini 7A1B。該模型採用結合 Differential-TPA 和 Mamba-3 的混合注意力機制,總參數 70 億、激活參數 10 億,初始版本上下文長度為 32K。預計今年底推出的 1.1 版本將擴展至 128K 上下文,並具備更好的數學能力。
OVHcloud 推出首個 AI 模型家族 Olala,並開源發佈首個成員 Olala mini 7A1B。該模型總參數 70 億、激活參數 10 億,採用 Differential-TPA 與 Mamba-3 混合注意力機制,以 Apache 2.0 許可發佈於 Hugging Face。初始版本上下文長度為 32K,預計今年底推出的 1.1 版本將擴展至 128K。
OVHcloud 推出首個 AI 模型家族 Olala,並發佈首款模型 Olala mini 7A1B。模型有70億參數、10億激活參數,採用 Differential-TPA 與 Mamba-3 混合注意力機制,支援 BF16,在8GB顯存 GPU 上可達160 TPS。模型以 Apache 2.0 協議開源至 Hugging Face,初始上下文長度為32K。
OVHcloud 發表 Olala mini,這是其新語言模型系列的首個版本,亦標誌着這家法國雲端服務商進入開源語言模型領域。模型從零開始在歐洲超級電腦上訓練,目前尚未公佈任何測試結果,表現仍未明。
Qwen3-235B-A22B-Instruct-2507 是由 Alibaba 團隊開發的 MoE 模型,總參數量為 235B,每個 token 啟用 22B,支援 119 種語言,採用 Apache 2.0 授權。模型原生上下文長度為 262.144 tokens,透過 YaRN 可延伸至約一百萬 tokens;實際採用仍須評估本地品質,並設計所需的基礎設施、資訊檢索及治理方案。
華為雲正式發佈並開源昇騰原生具身世界模型 CloudRobo-WM1.2,模型基於昇騰算力訓練。模型以共享世界模型骨幹網絡實現預測增強的世界表徵,並透過原生 DualAct 架構生成動作,在 RoboTwin 2.0、LiberoPro 2.0 兩項評測基準均排名第一。華為雲亦開放訓練框架及 WAM 昇騰算力最佳實踐。
華為雲發佈並開源昇騰原生具身世界模型 CloudRobo-WM1.2,並稱其在 RoboTwin 2.0 和 LiberoPro 2.0 兩項評測基準中均排名第一。模型採用共享世界模型骨幹網絡及原生 DualAct 架構,提出五項創新。華為雲亦開放訓練框架及 WAM 昇騰算力最佳實踐。
Runway 發佈機械人控制模型 Praxis-1,並以 Apache 2.0 授權公開模型權重及原始碼。模型根據相機畫面、文字指令及機械人位置資訊預測環境變化,再計算機械人動作。在 NVIDIA RoboLab-120 模擬榜單中,Praxis-1 得分 46.2%,高於 FLUX 3 Action 的 42.9%;這些測試由 Runway 自行進行,尚未獲獨立核實。
LongCat-2.5 權重採 MIT 授權,沒有營收或地域限制,授權條件較 Kimi K3.1 Pro 和 ERNIE 5.5 Flash Base 寬鬆。模型有 1.6 trillion 個參數、每個 token 約 48 billion 個啟用參數,權重庫達 3.56 TB;美團測試的服務路徑以 NPU 為目標,多數基準分數則屬內部測試,僅供參考。
Perplexity 發佈 pplx-decider-v1.3 和 pplx-decider-flash-v1.3 兩款開放權重決策模型,並新增 Locate 功能。
Kronos 是專為金融 K 線打造的開源基礎模型,利用來自 45 多個交易所的數據預測價格和成交量。模型先將 K 線數據轉為分層離散 token,再以自回歸 Transformer 預訓練。項目採用 MIT 授權,提供不同規模的預訓練模型,並設有 BTC/USDT 未來 24 小時預測示範。
這期開發者新聞摘要涵蓋 Gemini 4 Hydrogen、Google Antigravity、Edge0-145B、Rust 1.100、PostgreSQL 安全漏洞及 Microsoft 365 故障等消息。
Edge0 開源 Edge0-145B、Edge0-120B,以及統一推理框架和部署工具,供開發者在個人電腦本地執行、評測或微調模型。Edge0-145B 有 145B 參數,文章報告其峯值記憶體為 29GB、解碼速度超過 80 tokens/s,並列出編碼、推理及指令遵循等基準成績。本地推理不產生相應的雲端模型 token 或 API 費用,資料可留在電腦,核心模型能力亦可離線使用。
推薦理由:文章拆解模型架構、訓練、載入與 CPU/GPU 排程如何配合推理框架,呈現大規模模型在個人電腦本地執行的設計方法。
Edge0-145B 主打在個人電腦上提供前沿 AI 能力,討論者提及其 Blender 範例及 TerminalBench 表現。留言指出,模型以 NVFP4 發佈,可能只支援 Nvidia Blackwell;亦有留言提醒它屬於開放權重,而非開源。
百度正式發布文心 5.5 Flash Preview,主打推理速度、成本與開源;API 已上線千帆平台,模型權重將於11月25日前按 Apache 2.0 授權面向全球開源社羣發布。
文章比較 PLaMo 3 Translate 與 TranslateGemma,建議離線日語翻譯或在手機、小型手提電腦上使用時先試 PLaMo 3 Translate。
Runway 開源機械人模型 Praxis-1,採用影片預訓練,並以 Apache 2.0 授權發布。Runway 公佈的 RoboLab-120 成功率為 46.2%,高於 FLUX 3 Action 的 42.9%、Nvidia Cosmos3 Nano 的 36.8% 及 Physical Intelligence π0.5 的 28.0%;這些基準數字尚無獨立核實。