跳到正文

#模型發布

RSS
今日 1 則
10月17日週六
10月16日週五
  1. AWS Machine Learning Blog74

    Reflection Beam:AWS 推出可開源權重的 Agentic Coding 模型

    Reflection Beam 是一款 501B 引數、23B 活躍引數的開源權重模型,針對 Agentic Coding 與多步驟工作流程設計。 - 核心規格:501B 總引數、23B 活躍引數,效能可達 1M token 上下文長度;提供 BF16、FP8、NVFP4 三種檢查點格式。

    推薦理由:Reflection Beam 提供 501B 引數、23B 活躍引數的開源權重模型,開發者可在 SageMaker JumpStart 或 HyperPod 直接部署,支援多步驟程式編寫、工具呼叫與中間結果處理,為 agentic coding 提供完整堆疊,並可透過 SGLang 或 vLLM 進行自訂執行時引數調整,滿足不同硬體與效能需求。

  2. Hugging Face Blog72

    Granite Switch 4.1:一端點整合聊天、決策與語音功能

    Granite Switch 4.1 透過整合決策、語音與聊天功能,提供單一端點多工能力。 - Granite‑Switch‑4.1‑8B / 30B:內建 Decision aLoRA、Guardian aLoRA 及 Granite‑Speech‑5.0‑Turbo‑CTC(OpenASR 榜首 ASR),可即時切換對話、決策與轉錄。

    推薦理由:Granite Switch 4.1 透過整合決策、語音與聊天功能,提供單一端點多工能力,讀者可評估其在實務流程中的效益。

  3. Hugging Face Blog82

    Meta 發布 Muse Spark Open:開源權重多模態混合專家模型

    Meta 推出 Muse Spark Open,816B 引數的多模態混合專家模型,支援文字、影像、音訊與影片輸入,並具備程式設計與工具呼叫能力。 - 模型規模:總引數 816B,每個 token 活躍 42B,可使用 1M token 上下文視窗。

    推薦理由:Meta公佈的 Muse Spark Open 816B 引數模型,支援多模態程式設計與長上下文,對開發者可直接整合,並提供多種推理與工具呼叫介面。

10月15日週四
  1. NVIDIA Blog84

    NVIDIA 擴充套件 Nemotron 系列,推出最高效 Super VL 與 Bolt 模型,覆蓋從資料中心到桌面

    NVIDIA 今日發布 Nemotron 3.5 Super VL 120B 引數模型,並推出兩款邊緣模型:Bolt 74B-A9B 24GB 與 Bolt E4B 4GB,覆蓋從大型資料中心到邊緣裝置的所有 agent 部署需求。

    推薦理由:NVIDIA 推出開放式 120B 模型,兼具速度與精準,適合企業與邊緣部署,並提供多種量化選項以降低記憶體需求,並支援在 RTX、Jetson 與 DGX Spark 等硬體上即時部署。

  2. Mistral AI78

    Timestral 正式推出首款時序基礎模型

    Timestral 正式推出,首款時序基礎模型,僅 209M 引數即可在 GIFT‑Eval、TIME 及 fev‑bench 上領先同類模型。 - 模型規格:四個版本 5M、28M、123M、209M,引數量分別對應不同精度與速度需求。

    推薦理由:Timestral 以 209M 引數在 GIFT‑Eval、TIME 及 fev‑bench 上領先,精度預測能力突出,對部署企業有參考價值。

  3. Hugging Face Blog77

    Apertus 1.5 釋出跨模態、四倍長上下文與思考模式新功能

    Apertus 1.5 於 2026 年 7 月 24 日在 Hugging Face 以 Apache 2.0 授權釋出,新增跨模態理解、四倍長上下文、思考模式及工具使用最佳化。

    推薦理由:Apertus 1.5 以四倍上下文、跨模態能力及思考模式提升推理與工具使用,讀者可評估其在多模態任務與長文本推理中的應用潛力。

  4. Together AI Official Blog74

    Meta Muse Spark Open 模型在 Together AI 正式上線

    Meta Muse Spark Open 現已於 Together AI 正式上線,作為 Day 0 發表夥伴提供完整支援,專為長時間執行的AI 助理程式設計、電腦操作與多模態任務而設計。

    推薦理由:原文給出模型核心能力與價格,讀者可據此評估是否將其整合至現有的長上下文或AI 助理工作流程中。

  5. Hacker News (official RSS)57

    發布 Jev 1.14.0 及面向創意者的實驗功能

    Jev 1.14.0 正式發布,並加入多模態影像支援、長上下文與新型別等實驗功能。 - 多模態影像:現有 Jev 1.13 已具備影像支援,可在 JSON 介面任意位置插入影像。 - 長上下文:允許更長的上下文長度(超出生產環境限制),但仍屬於「危險區」。 - 新型別「box」:返回單一邊界框,為未來更複雜決策型別做預覽。

  6. Hacker News (official RSS)45

    Ultramarine 1 Flash

    summary_zh: Ultramarine 1 Flash 是一款針對金融、法律、諮詢與運營等專業工作設計的開源模型,且比 Fable 便宜 60 倍。 - token 效率:在六項基準測試中,Ultramarine 1 Flash 產生的 token 數量比基礎模型 GLM-5.3 Flash 少 6.5%,縮短推理路徑。

10月14日週三
  1. Google DeepMind79

    Gemini 4 Argon 負責任與安全地開發

    Gemini 4 Argon 是 DeepMind 推出的新一代多領域模型,透過嚴謹安全防護與實測證明,能在程式碼、金融、法律、網路安全與科學領域執行深度工作。

    推薦理由:Gemini 4 Argon 在深度工作與安全防護上突破,示範前沿模型如何兼顧效能與防護,可供業界參考安全設計。

  2. Google DeepMind78

    Gemini 4 Argon:面向複雜任務的多模態推理模型發布

    Gemini 4 Argon 已正式發布,提供 1M token 限制的多模態推理能力,助力工程、金融、法律等領域解決複雜任務。 - 核心特性:多模態推理、深度編碼、長期推理 1M token,支援多步驟任務。

    推薦理由:Gemini 4 Argon 以多模態推理為核心,突破工程、金融、法律等領域複雜任務,並在多項基準上領先同類模型,為企業與研究者提供可落地的效能提升,並開放 API 供開發者快速整合,實現 1M token 限制,支援長期推理。

  3. Google DeepMind73

    Gemini 4 Argon 發布機器人專用版

    Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示其在物理推理、機器人控制與即時模擬重建方面的突破。 - ERQA 成績:87%,超越所有前沿模型,證明其在 3D 空間物理推理的領先地位。

    推薦理由:Gemini 4 Argon 在 ERQA 取得 87% 分數,顯示物理推理能力大幅提升,為機器人控制與模擬重建帶來新工具,並可輕鬆整合至開發工作流。

  4. Google AI Official Blog77

    Gemini 4 Argon:為最艱難問題而生

    Gemini 4 Argon 於 2026 年 10 月 13 日正式全球釋出,提供 API、AI Studio、Gemini 平臺、Google Antigravity、Gemini App 等多入口。

    推薦理由:Gemini 4 Argon 以 1M token 限制及多模態推理,為工程、金融、法律等領域提供高效解決方案,開放 API 供開發者即時使用。

10月13日週二
  1. Hacker News (official RSS)47

    GLM-Legal

    summary_zh: GLM‑Legal 在三項基準測試中,與前沿封閉源模型相當,並在 Harvey LAB 全通過率達 19.2%。 - 全通過率:Harvey LAB 19.2%,比基礎模型提升 12.5%。

10月12日週一
10月11日週日
10月10日週六
  1. cloudflare blog78

    推出 Clef-omni 全多模態模型,並加速 Clef、降價 Clef-flash

    Clef-omni 以單一 API 支援音訊、影像、文字與圖片的多模態決策,首次公開於 Cloudflare。 - 多模態支援:音訊 (wav/mp3)、影片 (mp4/webm)、圖片、文字,一次呼叫即可。

    推薦理由:Clef-omni 以單一 API 支援音訊、影像與文字,多模態決策模型的首次公開,為開發者提供更快、更便宜的工作流程選擇。

10月9日週五
  1. Hacker News (official RSS)68

    Whistle:16.9 MB 內即時語音轉文字

    Whistle 是一款 16.9 MB 的語音辨識模型,能在單一 CPU 引擎上即時處理七種語言,首詞延遲僅 11 ms。 - 體積與執行:16.9 MB,無需額外依賴,直接載入同一 C++ 引擎,支援 Android、iOS、Windows ARM、RISC‑V、MIPS、瀏覽器及 WASI。