跳到正文
10月16日週五
10月15日週四
  1. Black Forest Labs:Blog79

    Black Forest Labs 發佈 FLUX 3 Image Klein 開放權重模型

    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。

  2. Mistral AI61

    Mistral AI 發佈 Timestral 時序基礎模型系列

    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。

  3. Hugging Face Blog72

    FLUX.3 Image Klein 登陸 Diffusers,提供兩款開放檢查點

    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。

  4. Hugging Face Blog68

    Apertus 1.5 發佈説明:新增圖像與音訊理解,上下文窗口擴至 262,144 tokens

    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。

  5. 創業邦70

    崑崙萬維發布 Matrix-Game 4.0,推出可在單張消費級顯卡運行的影片生成遊戲並同步開源

    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。

  6. 螞蟻 inclusionAI:HuggingFace 新模型49

    inclusionAI ZwZ2-4B 模型推出

    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。

  7. DoNews60

    昆侖萬維發佈全球首款單卡影片大模型遊戲 Matrix-Game 4.0

    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。

  8. IT之家79

    階躍 Step 5 Preview 開放模型權重,支援 100 萬 token 上下文窗口

    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。

  9. DEV Community77

    Google 開放 Gemini 4 Argon 全球使用,提供 1 million token 上下文窗口

    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。

  10. Hacker News:AI 熱帖48

    LFM2.5-24B-A2B:為快速裝置端智能體而設

    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。

  11. DoNews63

    SpaceXAI 發佈 Grok Voice 3.0 語音轉語音模型

    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。

  12. Hacker News 熱門(buzzing.cc 中文翻譯)48

    Jev 發佈 1.14.0 版本,為夢想家帶來實驗性功能

    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。

  13. DEV Community47

    VIDRAFT 在僅供推理的 NPU 上從零預訓練 VKORE-46M-NPU,毋須 GPU

    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。