Microsoft AI 完成 MAI-Base-2 預訓練並披露訓練方法
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。
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。
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。
NVIDIA Nemotron Team 宣佈 NVIDIA Nemotron 3.5 Super VL 獲 vLLM Day 0 支援,vLLM 提供面向生產工作流程的模型服務層。
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。
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。
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。
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。
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。
階躍開放 Step 5 Preview 的 BF16 與 FP8 模型權重,並同步公開技術博客及配套開源開發工具。模型採用稀疏 MoE 架構,總參數量為 600B、每 token 僅激活 27B 參數,支援 100 萬 token 上下文窗口及文字與視覺輸入。
推薦理由:文章拆解 Step 5 Preview 面向長程 Agent 任務的架構與訓練設計,並説明 Sparse GQA 如何降低百萬 token 上下文的計算開銷。
TypeSafe AI 發表 AI 模型 Jev 1.14,新增 box 回答型以回傳圖中目標的長方形座標,並實驗性提供圖片輸入及長上下文。Jev 1.13 和 1.14 均支援 PNG、JPEG 輸入;啟用長上下文後,兩項長度上限均提高至 262k tokens。TypeSafe AI 預期多語言能力改善最大;圖片輸入與 box 仍未適合正式使用。
階躍星辰於10月15日宣佈正式開放 Step 5 Preview 權重,並同步提供技術博客及配套開源開發工具。開放內容包括 BF16 與 FP8 模型權重,現已上線 Hugging Face 和 ModelScope,並提供面向多種晶片平台及推理框架的適配支援。
螞蟻百靈於10月15日正式開源 Ling-3.1-flash,讓團隊可在自有任務與算力環境中檢驗模型能力及推理效率。該模型總參數約560B,每個Token激活約25B,最高支援1M上下文。
SpaceXAI 發佈語音轉語音模型 Grok Voice 3.0,官方稱其延遲低於 1 秒,並已透過 API 上線。Artificial Analysis 的獨立測試中,模型在語音轉語音綜合榜單排名第一,得分 86.9,並在全雙工基準測試得分 97%。
Google 宣佈 Gemini 4 Argon 全球開放予開發者及企業,並提供 1 million token 的輸入及輸出上下文窗口。開發者及企業可透過 Gemini API 和 AI Studio 使用;Google Antigravity、Gemini app 和 Search 的 AI Mode 亦設有符合資格的訂閲用戶入口。
推薦理由:文章把 Argon 的大上下文能力轉化為企業試點考量,指出應以有界、可覆核的工作流程評估資料權限、輸出檢查與使用成本。
崑崙萬維發佈 Matrix-Game 4.0,並稱這是全球首款可在單張消費級顯示卡運行的影片大模型遊戲,項目同步開源。其流程串起程式碼生成遊戲邏輯、結構畫面提供結構約束及影片模型即時渲染,面向遊戲原型開發、個性化定製與 UGC。
LFM2.5-24B-A2B 面向裝置端智能體,在裝置端比同類 MoE 快至 1.7×,於 Apple M5 Max 達 184 tokens/s,單張 NVIDIA B300 GPU 的輸出速度則達 21K tokens/s。它在 AutomationBench 表現突出,但評論者指出,該基準測試的評測內容未獲説明,模型在其他基準測試的得分則與其他本地模型相近。
Google 發佈 Gemini 4 Argon,定位為面向跨領域長上下文、多步驟工作的旗艦前沿模型。模型支援 1 million-token 上下文窗口、程式碼執行、檔案搜尋、函式呼叫、地圖 grounding 及多模態輸入,並透過 Gemini API、Google AI Studio、Google Cloud 等渠道逐步開放。
SpaceXAI於2026年10月15日發佈Grok Voice 3.0語音轉語音模型,在客服通話任務中的延遲低於1秒。模型綜合表現位列Artificial Analysis榜單首位,得分86.9;全雙工互動達97%,τ-Voice抗噪與插話能力為71.6%。模型已透過API上線,定價維持每分鐘0.08美元;每日支援特斯拉車載對話及星鏈客服超過百萬次通話,70%來電可全自動處理。
Jev 發佈 jev-1.14.0,並透過 API 標頭旗標提供可組合圖片、box 類型及較長上下文等實驗性功能。官方提醒這些功能仍有不少不穩定之處,不適合用於生產環境。新版本預期在多語言支援方面提升最多;jev-latest 將於一週後更新至 jev-1.14.0,jev-1.13.0 暫時仍可使用。
Fish Audio 本週發佈 Drama 3,一款 35B 開放權重 MoE 文字轉語音模型,每個 token 約啟用 3B 參數。模型接受自然語言表演指示,支援 83 種語言,並可在單次請求中處理最多 16 名角色。
SpaceXSI 發佈語音對語音模型 Grok Voice 3.0,在 Artificial Analysis 的 Speech-to-Speech Index 得分 86.9,高於 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6。
VIDRAFT 僅用第一代、僅供推理的 NPU,從零預訓練出 46M 參數的語言模型 VKORE-46M-NPU,全程毋須 GPU。在相同條件下,NPU 與 GPU 訓練的損失軌跡相關係數為 0.99,反映訓練動態相近,但不代表速度相同。模型權重及比較分析資料已在 Hugging Face 公開,訓練程式碼則未公開。