美团开源 LongCat-2.5:1.6 万亿参数智能体模型,全程基于中国芯片训练
美团发布 LongCat-2.5 的模型权重,这是一个总参数 1.6 万亿、每 token 激活约 480 亿的 MoE 智能体模型,完全在中国芯片上训练。
推荐理由:原文给出它与 Claude Opus 5、GPT-5.6 Sol 的多项基准对比,以及 194 颗华为芯片的自托管部署细节,读者可据此评估其工程可行性。
美团发布 LongCat-2.5 的模型权重,这是一个总参数 1.6 万亿、每 token 激活约 480 亿的 MoE 智能体模型,完全在中国芯片上训练。
推荐理由:原文给出它与 Claude Opus 5、GPT-5.6 Sol 的多项基准对比,以及 194 颗华为芯片的自托管部署细节,读者可据此评估其工程可行性。
阿里官宣发布 Qwen Code 1.0,将 Qoder 中打磨的 Harness 能力融入 Qwen Code,随 Qwen Code 1.0 Preview 一起开源,为开发者提供可嵌入自身产品的 Agent 运行基础。
推荐理由:原文把 Qwen Code 1.0 的架构演进和开放方式讲得较具体,开发者可据此判断是否将其 Agent 内核嵌入自身工作流。
MiniMax 正式发布图像生成模型 H3 Image,在 H3 全模态能力基础上针对图像生成与编辑进行后训练优化,并在发布当天开放权重。实测显示它生成一张 4096×4096 的 4K 图片仅需 10~20 秒,最多支持 16 张参考图,还可通过 API 接入 Claude Code、Codex 等 Agent Harness 参与复杂任务流程。
美团龙猫 11 月 2 日发布面向长程智能体任务的原生多模态模型 LongCat-2.5,11 月 9 日宣布正式开源,采用 MIT 协议,支持商用推理部署与二次训练。模型总参数 1.6 万亿,每个 token 激活约 480 亿参数,支持一百万上下文;视觉信号表示为多层级离散 token,与文本共享同一套主干参数,并采用 W4A4 高效推理方案。
招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,采用MoE架构,总参数约35B、每个Token仅激活约3B,在十项具身相关公开基准上全部指标上涨,等权综合均分65.29。
小米开源轻量级文档理解模型 Xiaomi-OCR-0,权重与推理代码已上线 Hugging Face 和 GitHub。该模型基于 Qwen3.5-0.8B-Base 构建,训练使用约 1.7 亿条样本,单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务,原生支持 Markdown、LaTeX 与 JSON 输出。
开发者在 DeepSeek Harness 官方 GitHub 代码库中发现了 deepseek-v5、deepseek-v5-open 和 deepseek-v5-next 三个占位标识符,与已有 deepseek-v4-pro 并列。
SoMark 团队正式开源文档解析模型 OXR,主模型仅 1.3B 参数,在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准上均位列第一,同条件完整解析速度快于 PaddleOCR-VL-1.6 与 MinerU2.5-Pro。
百度发布并开源文心 Unlimited OCR 2,可连续解析 3600+ 页《哈利·波特》全集等超长文档。技术报告显示,其峰值 KV 缓存从 47GB 降至 1.77GB,减少约 96%;16 路并发下端到端吞吐量提升至标准解码的 3.65 倍。模型引入 SR-SWA 注意力机制与无限解码机制,已在 Hugging Face 和 GitHub 开源。
推荐理由:原文给出峰值KV缓存从47GB降至1.77GB的对比数据,可据此判断长文档OCR的部署成本变化。
AI 初创公司 Recursive 发布了其首个语言模型 Flint,研发过程由名为 Eureka Machine 的 AI 系统参与,覆盖训练数据、优化器、架构设计和推理调优。
NVIDIA 发布多变量时间序列预测模型 Kumo Forecast(原 NV-Tesseract Forecasting),基于 MOMENT-1-large Transformer 骨干,含约 3.4 亿参数的编码器与可训练预测头,以 Apache 2.0 开源。
10月17日 DeepSeek-V4.1-Flash-1017 上线,网页和 App 同步更新,API 价格保持不变,重点加强编程和工具任务能力。官方演示展示了从头开发赛车游戏、故宫3D场景和 Godot 游戏原型,DeepSWE v1.1 通过率从 74.2% 升到 77.0%,Terminal-Bench 4.0 从 31.2 升到 42.3。
推荐理由:原文把通过率提升、token 计费方式和接口价格放在一起,读者可以据此估算用新版完成编程任务的实际成本。
Aleph Alpha 发布德英双语模型 Kolibri,总参数 78B,每 token 激活约 3B,权重以 Apache 2.0 许可在 Hugging Face 开源。
Ai2 开源 AstaBrief 8B,它把研究问题与检索到的文献片段直接转成带引用的报告,训练数据一并开放。模型基于 Qwen3-8B,用 SFT 加 DPO 训练;在 Asta 的 Fast mode 下平均 51.1 秒生成一份报告,约为 Claude 驱动的 Thinking mode(178.5 秒)速度的 3.5 倍。
推荐理由:原文给出一条可迁移的训练经验,用引用密度这一简单信号过滤合成数据,比更复杂的过滤组合更有效。