Kakao 開源兩款 Kanana-2-vision-encoder 圖像識別模型
Kakao 將兩款自研圖像識別模型 Kanana-2-vision-encoder 開源,medium 版有 426 million parameters、tiny 版有 98 million parameters;兩者可在 Hugging Face 取得,並採用容許研究、開發及商業用途的 Kanana Open License。
Kakao 將兩款自研圖像識別模型 Kanana-2-vision-encoder 開源,medium 版有 426 million parameters、tiny 版有 98 million parameters;兩者可在 Hugging Face 取得,並採用容許研究、開發及商業用途的 Kanana Open License。
Recursive Superintelligence 發佈首個模型 Flint,一款開放權重的本地編碼 MoE 模型,總參數為 39.8B、每 token 啟用約 2.5B。
Cohere 發佈開源阿拉伯語語音轉文字模型 Cohere Transcribe Arabic,針對方言差異、阿拉伯語與英語混説及專業詞彙進行設計。模型平均 WER 為 25.87,較 OmniASR-LLM-7B 低 2.45 個百分點,較 Whisper Large V3 低 11 個百分點。
Recursive 發佈首款模型 Flint,這款免費編碼模型可在手提電腦本機運行,公司稱 Eureka Machine 幾乎參與其開發每個環節。Flint 採用 MoE 架構,每次只啟用 40 billion parameters 中的 2.5 billion,並以 Apache 2.0 授權在 Hugging Face 免費下載。
Hacker News 出現一則標題為「Mistral Large 4」的貼文,連結指向 mistral.ai。提供的內容沒有説明該模型的功能、版本資訊或可用性。
NVIDIA 推出預訓練關聯數據基礎模型 Kumo Relational,可直接在企業數據庫上預測,並以最多 10,000 個歷史樣本作上下文,無需任務專屬訓練。
推薦理由:文章比較 Kumo Relational 與監督式模型及 AutoGluon,並交代評測範圍和樣本限制,呈現其在關聯數據預測中的適用邊界。
Recursive 推出開放權重編碼模型 Flint,OpenHands 在模型推出首日支援它作為軟件工程 Agent 的模型後端。
Cohere 發佈 North Small Translate,這款 MoE 機器翻譯模型支援 50+ 種語言,在 WMT26 全語言評測取得 83.60 分。North Small Translate (Agentic) 得分為 84.36;模型權重已在 Hugging Face 開放下載,供研究及非商業用途使用,授權為 CC BY-NC 4.0。
Baseten 發佈 mammoth-1(27B)與 elephant-1(9B),前者在 Jev Decision Index 排名第 1,後者是領先的 9B 決策模型。
Baseten Base Labs 發佈 9B 的 elephant-1 和 27B 的 mammoth-1 決策模型,並公開權重:https://huggingface.co/baselabs/mammoth-1、https://huggingface.co/baselabs/elephant-1。
StepFun 開放 Step 5 Preview 權重,這款 MoE 模型總參數為 600B,每個 token 啟用 27B。模型採用 92 層架構,支援最長 1 million tokens 上下文,並提供 BF16、FP8 和 NVFP4 權重。評測中,Step 5 Preview 在 SWE-bench Verified 取得 78.2%。
Recursive 發佈 Flint,這是一款開放權重、40B 參數的編碼模型。Flint 由 Recursive 的 Eureka Machine AI 系統協助開發,該系統自動化了大部分開發工作。
IBM 推出 granite-speech-5.0-2b,並更新 Granite Speech 系列兩款模型。新模型支援多語轉錄與翻譯及最多 2,000 個詞的關鍵詞偏置;granite-speech-5.0-470m-turboctc 達 19,870 RTFx,較推出時約快 1.6x,準確度相同。
Ling3-Tiny-UBTree-B16 是供 inclusionAI/Ling-3.0-tiny 使用的 UBTree 推測解碼草稿模型,結合 5 層 DFlash backbone 與 bigram selector,並行提出候選延續供目標模型驗證。
Inception 稱其新語言模型 Mercury 3 在多項基準測試中勝過 GPT-6 Luna 和 Claude Haiku 5.5,速度快 4 至 8 倍。
Meta 公佈 Muse Wonder 和 Muse Wonder Full,主打面向個人及專業智能體任務,並以 Active Memory 跨對話保留脈絡、Active Focus 持續處理多步驟目標。
NVIDIA 宣佈推出開源多變量時間序列預測模型 Kumo Forecast,採用 MOMENT-1-large Transformer 作為骨幹,並以 Apache 2.0 授權提供。
Black Forest Labs 以開放權重形式發佈 5.6B 圖像生成模型 FLUX 3 Image Klein,並針對消費級 GPU 進行優化。BF16 權重需要 12.2GB 記憶體,FP8 權重需要 5.6GB;INT8 版本可透過 ComfyUI 或 Diffusers 在配備 8GB 顯存的 NVIDIA GeForce RTX GPU 上運行。
NVIDIA 與 UW Medicine 蛋白質設計研究所推出開放蛋白質設計模型 RFD4-Proteina,結合可編程設計與搜尋,讓研究人員及智能體按分子輸入、限制條件和評分目標生成及改良候選設計。
NVIDIA 擴充 Nemotron Retriever 系列,推出 Nemotron 3.5 Embed、Rerank 和 Parse 開放模型,涵蓋多模態檢索、相關性重排及文件擷取。
NVIDIA Kumo Forecast 是一款多變量時間序列預測模型,結合預訓練 Transformer 主幹、領域感知表徵與檢索(DARR)歷史模式檢索,以及結果可解釋性。
NVIDIA 擴展 Nemotron Retriever 系列,推出可商用的開放模型 Nemotron 3.5 Embed、Nemotron 3.5 Rerank 及 Nemotron 3.5 Parse,涵蓋多模態檢索、重排及文件抽取。
推薦理由:這次更新把多模態嵌入、重排與文件解析納入同一檢索系列,並列出多項基準與吞吐數據,呈現準確度和部署效率的取捨。
Black Forest Labs 於 10月15日開源 FLUX 3 Image Klein 圖像生成模型,參數量為 5.6B,並針對消費級 GPU 作優化。其 INT8 版本需 8GB 顯存,在 RTX 4070/5090 等設備上生成 1MP 圖像分別需時不足 9 秒及約 4 秒。模型支援文字生成圖像、圖像編輯、多參考生成及原生 4K 輸出,並具備像素級編輯與圖案限位能力。
NVIDIA 擴展開放模型系列,推出涵蓋語言、機械人、生物學及量子計算的多款模型與工具。新增項目包括 NVIDIA Nemotron 3.5 Super VL。
NVIDIA 宣佈與全球醫療及研究機構合作,推進蛋白質設計、藥物發現及癌症照護,並與 UW Medicine Institute for Protein Design 推出開放模型 RFD4-Proteina。
NVIDIA 宣佈擴大開放模型組合,涵蓋語言、機械人、生物學及量子計算,納入 Nemotron、Kumo、Cosmos、Alpamayo、BioNeMo 和 Ising 等模型系列。
Black Forest Labs 以開放權重形式發佈 5.6B 參數的 FLUX 3 Image Klein,並針對消費級 GPU 作優化。
MiniMax 發佈 M3.1 Flash,模型在 Agents' Last Exam(ALE)榜單取得國產第一,並在編程、Agent 及金融基準上與多款旗艦模型競爭。
推薦理由:文章把 ALE、編程及金融基準與兩項實測並置,並比較 M3.1 Flash 執行多步 Agent 任務的成本和速度,呈現 Flash 與旗艦模型的取捨。
生數科技 Motubrain團隊開啓 Motubrain 2.0 訓練全流程公開直播,計劃持續半個月,展示具身模型的訓練過程及研究進展。直播涵蓋預訓練、後訓練、Agent任務執行及遞歸自我改進探索;Motubrain 2.0 即將開源。
Google 宣佈 Gemini 4 Argon 開放所有人使用。討論串有用戶表示,Workspace 用戶仍未獲提供,亦有人稱在 Antigravity 尚未取得存取權;另有用戶指 Workspace 仍使用 3.1 Pro。
小米 MiMo-V2.5-Pro 和 MiMo-V2.5 已於 10 月 21 日 10 時(UTC+8)下線。相關請求自 10 月 14 日 18 時(UTC+8)起自動路由至 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash;MiMo-V2.5-Pro 僅支援文字輸入,替換後的 MiMo-V2.6-Pro 將支援多模態理解。
Cloudflare 於2026年10月19日宣佈推出 AI 模型 Clairic 的預覽版,可從文字及圖片抽取或推算指定類型的值,並以 JSON 輸出。它最多可處理4張圖片,支援計算、估值及預測;現可透過 Workers AI 使用,每100萬個輸入 token 收費0.10美元,模型權重計劃日後公開。
OpenAI 發佈研究報告,宣佈 GPT-6 Astra 等新模型提升對 COBOL、Fortran、Visual Basic 等低資源程式語言的建模與遷移能力。
Inception 發佈旗艦模型 Mercury 3,稱其在自家 12 項基準測試中有 8 項勝過 GPT-6 Luna 和 Claude Haiku 5.5,速度達兩者的 4 至 8 倍。
NVIDIA 於 2026 年 10 月 20 日發佈 Cosmos3-H-Dreams,這是一款以臨牀膽囊切除手術影片微調、支援即時運動控制的生成式手術世界模型。
Fireworks 已透過只使用美國境內容量的 serverless API 提供 Meta 開放權重模型 Muse Spark Open,且不收取美國容量溢價。
推薦理由:文章對照法律與金融基準中的具體對手成績,呈現 Muse Spark Open 在受監管工作場景評測中的相對位置。
Kronos 是首個只以金融 K 線數據訓練的開源基礎模型,處理來自 45 個全球交易所的序列,輸出供交易智能體使用的嵌入向量或預測。模型採用遮罩預訓練及因果微調,並提供預訓練權重與微調腳本,可用於下一根 K 線預測、波動率預測和市場狀態分類。Kronos 獲 AAAI 2026 接收,GitHub 星數達 42,000。
SparkLLM 發佈 Spark-X2.6-4B,並表示後訓練提升了編碼、Agent 工作流程、長上下文、多語言使用及推理能力。在思考等級設為 high 的公佈評測中,BFCL-V4 由前代的 65.1 升至 71.8,MCP-Atlas 由 54.6 升至 62.4,SWE Verified 由 41.6 升至 62.8;各基準排名不一,數據由發布團隊提供。
NVIDIA 發佈 Cosmos3-H-Dreams,將互動式生成模擬帶入臨牀膽囊切除場景,並支援即時器械動作控制。模型以臨牀手術影片和機械人運動學訓練,結合 Cosmos 3 與 FlashDreams,可在單張 NVIDIA RTX PRO 6000 GPU 上互動運行。系統提供四步和兩步檢查點,屬研究模擬器,並非經驗證可用於病人護理的系統。
推薦理由:四步與兩步檢查點呈現視覺品質和推理速度的取捨,文章也説明兩者分別訓練,而非單純調低採樣步數。
Hacker News 的 AI 熱帖收錄 Voxtral 3,連結指向 mistral.ai;貼文由 ilreb 提交,獲 11 分。