跳到正文
10月16日周五
  1. Hugging Face Blog62

    Granite Switch 4.1 发布:单一端点支持对话、决策与语音转写

    IBM Granite 团队发布 Granite-Switch-4.1-8B 与 -30B,将通用 Decision aLoRA、安全决策 Guardian aLoRA 和 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC 组合进一个托管端点。

    推荐理由:原文给出用 aLoRA 复用 KV cache 在单一端点组合多种能力的做法,读者可迁移到低显存多能力部署场景。

  2. The Decoder79

    Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,仅需 8 GB 显存即可运行

    Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,参数量 5.6B,支持文生图、图像编辑以及最多十张参考图生成,可原生输出 4K 并支持像素级编辑与边界框元素定位。

    同一新闻,精选展示《Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持》

  3. Hugging Face Blog88

    Meta 发布开源前沿多模态 MoE 模型 Muse Spark Open

    Meta 发布开源多模态混合专家模型 Muse Spark Open,总参数约 816B、每 token 激活约 42B,上下文窗口最长 1M tokens,支持文本、图像、音频、视频输入并输出文本。

    推荐理由:文章给出 816B 参数 MoE 模型从推理部署到 LoRA 微调的完整配方,可作为同类开源大模型落地的参考路径。

10月15日周四
  1. Hugging Face Blog82

    Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持

    Black Forest Labs 发布图像模型 FLUX.3 Image Klein,Hugging Face Diffusers 首日支持。单模型覆盖文生图、多参考图生图与边界框布局控制;蒸馏检查点在单张 H100 上约 1.93 秒生成 1024×1024 图像,并提供 NVFP4、FP8 量化权重与 DreamBooth LoRA 训练脚本。

    推荐理由:原文同时给出能力清单、显存占用与 LoRA 训练脚本,读者可据此判断 FLUX.3 能否在自己的 GPU 上跑通。

  2. IT之家83

    英伟达发布 1200 亿参数 Nemotron 3.5 Super VL:单 GPU 智能体任务吞吐量最高提升 5 倍,74B 版本压缩至 24GB

    英伟达发布开放多模态模型 Nemotron 3.5 Super VL,采用 MoE 架构,总参数 1200 亿、激活参数 120 亿,面向持续运行、执行多步骤任务的 AI 智能体,单张 GPU 智能体任务吞吐量最高为同规模其他开放模型的 5 倍。

    同一新闻,精选展示《NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型》

  3. IT之家76

    阶跃星辰开源 Step 5 Preview 权重,华为昇腾、沐曦、壁仞等首发支持

    阶跃星辰正式开放 Step 5 Preview 模型权重,包含 BF16 与 FP8 两个版本,权重已上线 Hugging Face 和 ModelScope,可用 vLLM、SGLang 或 Transformers 部署推理。

    推荐理由:原文把权重开放入口与四家国产芯片的 Day 0 适配进展放在一起,可对照看国产算力对开源模型的响应速度。

  4. Hugging Face Blog72

    Apertus 1.5 发布:支持图像与音频理解,上下文窗口扩展至 262,144 tokens

    Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。

    推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。

  5. Latent Space24

    Modal ARR 达 10 亿美元、完成 160 亿美元 D 轮融资,成为纽约最新 AI 基础设施十角兽,5 个月用量与估值翻 3 倍、1 年翻 15 倍

    Modal ARR 达 10 亿美元并完成 160 亿美元 D 轮融资,估值 5 个月内翻 3 倍、1 年翻 15 倍,从基础设施独角兽升为十角兽。其 2023 年推出的 Sandboxes 已是 3 亿美元年化收入产品,累计启动近 30 亿个沙箱、可扩展至 100 万并发,服务于后台智能体、强化学习和 vibecoding 平台等场景。

  6. 极客公园59

    源策未来发布全身智能 WBI 系统,S0 与 S1 模型让人形机器人离开平地连续干活

    源策未来发布以「全身智能」(WBI)为核心技术路线的模型系统与演示,自研运控基模 S0 将手部末端追踪误差从开源基线的 10 厘米量级压到 2 厘米区间,并把控制扩展到有高差的非平地;大脑 S1 结合自采 EgoBody 全身人类数据与真机示范,负责任务理解与拆解。

  7. IT之家76

    阶跃 Step 5 Preview 大模型权重开放,支持 100 万 token 上下文窗口

    阶跃今日正式开放 Step 5 Preview 模型权重,同步发布技术博客与配套开源开发工具。模型面向长程 Agent 任务,采用稀疏 MoE 架构,总参数量 600B、每 token 激活参数 27B,支持 100 万 token 上下文窗口,原生支持文本与视觉输入,近期在 OpenRouter 周调用量与日调用量榜单均位居全球第二。

    推荐理由:原文给出了 600B 稀疏 MoE 与百万 token 上下文的关键设计,读者可据此判断它在长程 Agent 场景中的适用性。

10月14日周三
  1. Google DeepMind62

    Google DeepMind 与新加坡政府合作构建诈骗检测微调模型

    Google DeepMind 与新加坡政府科技局(GovTech)合作,交付了一款针对本地诈骗手法微调的端侧诈骗检测模型,可在普通智能手机上本地分析会话,检测到操纵意图时直接在设备上实时警告用户。

    推荐理由:该方案用两阶段流水线把分析留在端侧,并以主权沙箱和匿名数据规避隐私争议,为消息平台兼顾安全与端到端加密提供了可迁移的落地路径。

  2. Google DeepMind76

    如何负责任且安全地开发 Gemini 4 Argon

    Google DeepMind 开始广泛推出 Gemini 4 Argon,并发布完整的安全与安保报告,说明其在误用防护、失配监控与提示注入抵抗方面的做法。该模型解决了全部 12 个端到端模拟网络攻击场景,上一代仅解决 5 个,并在 Gray Swan 间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。

  3. Hugging Face Blog65

    Liquid AI 发布 LFM2.5-24B-A2B,24B 参数仅 2B 激活的端侧推理模型

    Liquid AI 发布 LFM2.5-24B-A2B,一个总参数 24B、每 token 仅激活 2B 的端侧推理模型,面向快速、私有的智能体场景。它在 LiveClaw 上以 48.09 分领先 Qwen3.6-35B-A3B 的 38.19 分,上下文窗口从 32K 扩展到 131K,预训练数据从约 17T 增至约 33T tokens。

    推荐理由:总参数 24B 但每 token 仅激活 2B,在智能体与工具调用任务上与参数量约多五成的 MoE 持平,适合在自有硬件上持续运行智能体。

  4. Ars Technica · AI64

    Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 中推出,但仅限付费用户

    Google 开始大面积推出 Gemini 4 Argon,目前仅限付费用户,低档套餐也无法获得完整访问权限。模型能力未变,Google 仍以上月公布的 benchmark 支撑其推理与智能体编码能力说法,并称 Argon 经过拒绝恶意指令训练,配有可在检测到非预期工作流时中止处理的自动失配监测器。

  5. Google DeepMind89

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布最新前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 排名第一,API 输入价格为每百万 token $2、输出为每百万 token $10,支持 1M token 的统一输入输出上限。

    推荐理由:原文给出了新模型在编码、科研和具身智能等领域的实测数据与安全机制,读者可据此评估其在复杂任务中的实际能力边界。

10月13日周二
  1. IT之家43

    哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力

    哈啰 Robotaxi 宣布推出生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述需求或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测。研发人员可借此插入横穿行人、调整前车路线,并切换雨雪与昼夜等条件,构造真实采集难以充分覆盖的长尾情境。

  2. TechCrunch · AI81

    Meta 发布首款前沿模型 Muse Wonder

    Meta 超级智能实验室发布 Muse Wonder 与 Muse Wonder Full,为该公司首款前沿模型。

    推荐理由:文中对比了 Wonder 与 GPT-6 Astra、Fable 5.1 的基准成绩与定价,可据此判断 Meta 首款前沿模型的竞争力。