Meta 发布开源多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重多模态模型 Muse Spark Open,约 816B 总参数、每 token 约 42B 激活参数,上下文窗口达 1M tokens,支持文本、图像、音频、视频输入与文本输出,面向 agentic coding 场景。
推荐理由:原文给出完整架构参数与多框架部署配方,读者可据此评估自托管该模型的资源门槛与可行路径。
技术方向
开放权重、能下载下来自己部署的模型,开源框架与 GitHub 上爆火的 AI 项目。
250 条精选近 30 天 39 条共收录 986 条
Meta 发布开源权重多模态模型 Muse Spark Open,约 816B 总参数、每 token 约 42B 激活参数,上下文窗口达 1M tokens,支持文本、图像、音频、视频输入与文本输出,面向 agentic coding 场景。
推荐理由:原文给出完整架构参数与多框架部署配方,读者可据此评估自托管该模型的资源门槛与可行路径。
Black Forest Labs 发布 56 亿参数的开源权重图像模型 FLUX 3 Image Klein,支持文生图、图像编辑和最多十张参考图生成,具备原生 4K 输出、像素级精确编辑和边界框定位元素。
推荐理由:原文给出了参数量、显存门槛和许可条款,读者可以据此判断它能否在本地工作流中替代闭源图像模型。
Microsoft Research 发布零知识虚拟机 Magnetar,可证明 Rust、Go 或 C 编写并按 RISC-V 架构编译的程序执行,在笔记本上每秒证明 7.2 至 8.7 million 条处理器指令,在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约 12 毫秒。
推荐理由:原文梳理了零知识证明普及的三大障碍及 Magnetar 分别如何应对,便于读者判断其技术路线取舍。
Black Forest Labs 的 FLUX.3 Image Klein 已可在 Diffusers 中使用,一个模型同时支持文生图、多参考图生图和 bounding box 布局控制。
推荐理由:原文拆解了架构与显存速度数据,读者可据此判断能否在现有硬件上跑起来。
Mistral AI 发布首个时序基础模型家族 Timestral,最大 209M 参数版本在 GIFT-Eval、TIME 和 fev-bench 三大公开基准的预训练零样本模型中均排名第一,且参数量仅为前 SOTA 的三分之二。
推荐理由:原文给出了模型规模、基准名次与CPU推理延迟的具体数字,读者可据此判断小参数时序模型的落地可行性。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL,以及面向边缘的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 两款模型,覆盖从企业服务器到本地设备的智能体部署。
推荐理由:原文给出了三档模型的参数、显存与部署入口,读者可据此判断从数据中心到本地设备的选型路径。
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍更长的上下文窗口(262,144 tokens)、改进的指令遵循与工具使用,模型权重已于 7 月 24 日以 Apache 2.0 许可发布至 Hugging Face。
推荐理由:原文详述了从文本模型扩展到多模态的训练配方与各阶段开源产物,便于复现其开放开发路径。
Google Research 公开发布 Deep Review,一个面向复杂文档提供严谨反馈与技术验证的智能体 AI 系统,最初用于计算机学术论文分析,现已扩展到法律、金融等领域。
推荐理由:原文拆解了四阶段智能体流水线如何解决长文档评审瓶颈,方法细节可迁移到其他多智能体文档分析场景。
Google Research 将 Geospatial Reasoning 智能体从概念推进为可多步空间推理、并能自主训练预测模型的实验系统,同时发布技术报告、伙伴实测与早期访问入口。
推荐理由:原文给出了评测设计和伙伴实测细节,读者可据此判断专用工具与规划步骤对空间任务的实际增益。
Liquid AI 开源 LFM2.5-24B-A2B,一个 24B 参数、仅 2B 激活参数的推理模型,面向端侧快速私密的智能体场景,支持工具调用与多步任务。
推荐理由:给出了架构、训练流程与多组对比数据,读者可据此判断它在端侧智能体场景的取舍边界。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日(周五)上市,最高配备 128GB 统一内存和 1 petaflop AI 算力,官方与生态伙伴同步推出面向本地 AI 智能体的软件与模型更新。
推荐理由:原文系统梳理了 RTX Spark 发布前后生态软件、模型与工具的更新清单,读者可据此判断本地 AI 智能体在 PC 上的落地路径。
作者在 HuggingChat 中开启 ML-intern 模式,用提示词驱动其规划、训练、评估并发布模型,几天内做出 6 个模型,总算力成本约 USD 103。
推荐理由:作者公开了七条完整提示词和预算控制写法,可直接迁移到自己的微调项目中。
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源 Agent Lightning v1.0,让部署所用的 agent harness 直接参与强化学习。
推荐理由:原文给出了训练范式、系统架构与实测数据,读者可据此评估它如何让部署用的 agent harness 直接参与 RL 训练。
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M(实验版),在 Decision Index 0.2.1 上 d1-3B 得分 48.57,超过所有 4B、9B 模型以及 Decider 35B-A3B(47.11)。
推荐理由:给出了不同设备上的实测延迟和基准分数,读者可据此判断它是否满足自己的端侧部署预算。
Nemotron 从 Nemotron 3 出发经 SFT、RL 与反馈式推理特化,在 IOI 2026 取得 535.4/600(高于 361.12 金牌线与人类最高分 498.27),在 IMO 2026 取得 30/42(高于官方金牌线 29)。
推荐理由:原文给出可复用的四步特化配方和完整开源清单,读者可据此迁移方法到自己的领域。
OpenAI 将一个内部前沿模型生成的 372 项数学成果发布在 GitHub 仓库中,每项成果号称解决一个开放问题或取得实质进展,包含算法改进和与 Riemann 假设相关的进展,附带修订日志与引用。
推荐理由:原文对比了单次提示产出与万级智能体协作的算力差异,帮助读者理解批量数学结果对同行评审流程的冲击。
Mistral AI 宣布 Mistral Large 4(代号 le Chonk)进入公开预览,可在 Mistral Studio 使用 preview API,权重将于本月底发布。
推荐理由:原文给出了模型规模、开放权重时间表和多领域基准成绩,读者可据此评估其在企业级任务中的可用性。
Microsoft 与 Hugging Face 联合发布 ThinkingBox 沙箱与 ThinkingBox-Bench 基准,按智能体留下的后端终态与副作用而非其自述来打分,覆盖 507 个有状态业务工作流,每个任务独立运行 20 次。
推荐理由:文章用可执行的状态检查揭示工具调用正确不等于结果正确,并给出可复现的评测环境与复现步骤。
Olmo-core 3 是面向大规模 MoE 训练的开放框架升级版,可扩展到万亿参数规模,是下一代 Olmo 的核心系统之一。
推荐理由:原文给出吞吐对比与并行策略取舍,读者可据此评估开放 MoE 训练栈的实际收益。
NVIDIA 发布开源表格基础模型 Kumo Tabular,属于 NVIDIA Kumo Structured 模型系列,已上线 Hugging Face。给定带标签的表格,它在单次前向传播中直接预测新行标签,支持分类与回归,无需训练、调优或特征工程。
推荐理由:原文交代了模型架构与人工数据预训练流程,读者可据此理解表格基础模型如何在免调优下兼顾精度与效率。