←搜索结果

搜索“Agent”

按匹配度 · 共 562 条结果 清除搜索

星期六

  1. 邵猛

    DeepSeek 发布 V4.1-Flash-1017 并开放 Search & Fetch API

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其在基准表现、任务完成速度和输出长度三方面较上一版本改进，已在官网、App 和 API 上线。该版本采用带自我反馈的强化学习训练，在 Terminal-Bench 4.0 得分 42.3、DeepSWE v1.1 得分 77.0，并适配 DeepSeek Harness（需 v0.2.1-rc.1 或更高）、腾讯 CodeBuddy、WorkBuddy 等工具。DeepSeek 同时把内部搜索引擎开放为 Search API（/v1/tools/search）和 Fetch API（/v1/tools/fetch），后者可将单个网页转为 Markdown。

    DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正式商业化，并深度绑定自家及 WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值得注意。模型输出冗长是当前推理模型普遍的成本痛点：同样的任务，输出 token 越少，延迟和费用越低。“性能更高 + 输出更短” 同时成立，才是其所说的“性能与成本的帕累托改进”的真正含义。 训练方法：RL with self-feedback 新模型使用“带自我反馈的强化学习”来提升端到端项目开发能力（从游戏开发到 3D 建模）。这意味着训练目标不再是对话轮次的质量，而是完整任务的最终结果：模型自己生成反馈信号来修正多步骤、长周期的工

    匹配字段正文

    #hot-signal#模型发布#Agent#DeepSeek
  2. SiliconANGLE

    微软发布 2 万亿参数基座模型 MAI-Base-2

    微软 AI 研究团队公布基座模型 MAI-Base-2，采用全 MoE 架构，总参数 2 万亿、每次提示激活 800 亿。微软称其在科学、编程和数学的内部基准上超过 DeepSeek-V4-Pro-Base，部分指标上硬件效率最高提升 12 倍。该模型用 16000 块 NVIDIA GB200 训练 38 天，数据集为 50 万亿 token，其中约五分之一用于训练集成的计算机视觉模块；权重将通过 Azure 以授权方式提供给可信合作伙伴。

    ts, post-training recipes What to expect during Dell's 'Cyber Resilience' event: Join theCUBE Oct. 27 RapidCanvas raises $29M to develop custom AI applications for enterprises The agentic AI era is forcing security and resilience into a single discipline What to expect at Dell Technologies New York Symposium: Join theCUBE Oct. 20 LATEST STORIES ServiceNow AI Control Tower: Selling a penthouse while building the frame AI - BY DAVE VELLANTE . 2 HOURS AGO Reflection AI open-sources Beam’s weights,

    匹配字段正文

    #hot-signal#模型发布#数据/训练#Microsoft
  3. SiliconANGLE

    Reflection AI 在 Hugging Face 开源 Beam 权重与后训练配方

    Reflection AI 将其首个大语言模型 Beam 的权重发布到 Hugging Face，同时开放后训练配方、代码模板以及用于衡量定制后能力与安全护栏变化的工具。Beam 约 5000 亿参数，官方称在部分基准上接近四倍规模模型的表现，训练历时两个月、使用数千块高端显卡，并提供标准版与多个量化版本。此次还发布了用于投机解码的 drafter 模型、多个主流 serving engine 的即用配置和 fused kernels，后续将补充基于自蒸馏的训练配方。

    ersations. LATEST STORIES What to expect during Dell's 'Cyber Resilience' event: Join theCUBE Oct. 27 RapidCanvas raises $29M to develop custom AI applications for enterprises The agentic AI era is forcing security and resilience into a single discipline What to expect at Dell Technologies New York Symposium: Join theCUBE Oct. 20 Physics AI pushes chip design beyond traditional simulation Knowledge graphs fuel AI innovation for financial services at Raymond James Financial LATEST STORIES What to

    匹配字段正文

    #hot-signal#开源/仓库#数据/训练#Hugging Face
  4. AI Business

    英伟达发布 Nemotron 3.5 系列开源模型

    英伟达本周推出 Nemotron 3.5 Super VL，一款 1200 亿参数模型，主打快速任务完成与“常开”智能体的准确性，同时发布 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Nemotron 3.5 Bolt E4B 4GB，前者侧重平衡与速度，后者面向对话智能体。三款模型完全开源，权重、数据集和训练配方均已公开，并可在 Hugging Face 获取，这是英伟达上月同意收购该开源平台后发布的首批模型。Omdia 分析师 Alexander Harrowell 认为，英伟达此举意在支撑其 GPU 周边生态，同时模型架构带来更好的内存扩展和更大上下文窗口，对智能体应用有价值。

    er VL, a 120-billion-parameter model that it said delivers fast-track completion, or the ability for an AI model to complete a task nearly instantly, and accuracy with "always on" agents. Along with that top-of-the-line model, Nvidia released Nemotron 3.5 Bolt 74B-A9B 24GB and Nemotron 3.5 Bolt E4B 4GB. The 64B version is optimized for balance and speed, while the E4B is designed for conversational agents. All three models are fully open, with Nvidia releasing their weights, datasets and trainin

    匹配字段正文

    #hot-signal#模型发布#开源生态#端侧

星期五

  1. 腾讯混元精选

    腾讯混元开源 Hy Memory 2.0 记忆模型、框架与 MemHub

    腾讯混元发布 Hy Memory 2.0，开源记忆模型、框架和 MemHub，定位为个人私有记忆管家。框架可处理聊天、工作和代码记忆，官方称其在 4 项基准上位列开源第一，Hy-Memory-30B-A3B 在主要框架上超过 Opus 5。MemHub 提供 CLI 和 Mac 版本，可在 10 多个 AI 工具间同步。

    🚀 Hy Memory 2.0 is out — open-source model, framework, and MemHub. Your private memory steward. Framework handles chat, work & code memories. 1 open-source on 4 benchmarks. Hy-Memory-30B-A3B beats Opus 5 across major frameworks. MemHub (CLI + Mac) syncs across 10+ AI tools. 💻➡️ 🔗 SDK & MemHub: https://t.co/uP58VJanj8 🔗 Model: https://t.co/nTQbJ2q8dl HyMemory AgentMemory

    匹配字段正文

    #company#产品更新#开源生态#Agent
  2. Artificial Analysis

    Reflection 首个模型 Beam 发布，智能指数 30 分位列美国开源权重模型第二

    Reflection 发布首个模型 Beam，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于前一天发布的 NVIDIA Nemotron 3.5 Super VL（26）。Beam 为开源权重模型，总参数 501B、激活参数 23B，已在 Hugging Face 发布，上下文窗口 1M tokens，仅支持文本。其每个智能指数任务约消耗 26k 输出 token，约为 K2 Horizon（52k）的一半；AutomationBench-AA 得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%，AA-Omniscience 正确率 33%、幻觉率 47%。

    to K2 Horizon, one point ahead, which uses twice as many ( 52k). Proprietary models still set the frontier, with GPT-6 Astra (max) scoring 53 on the same budget ( 27k) ➤ Strong on agentic workflows, weaker in the terminal: Beam scores 48.5% on AutomationBench-AA, 11 percentage points ahead of K2 Horizon (37.2%) and level with Qwen3.8 27B (48.2%). Terminal-Bench 4.0 is a weak point, where Beam scores 3.0%, behind Qwen3.8 27B (5.6%) and Muse Spark Open (8.1%) ➤ Knows more, guesses more: On AA-Omni

    匹配字段正文

    #editorial#评测/基准#模型发布#开源生态
  3. Unite.AI精选

    Reflection 以 Apache 2.0 开源 501B 参数 MoE 模型 Beam

    Reflection 于 10 月 16 日在 Hugging Face 以 Apache 2.0 许可发布其首个开放权重模型 Beam，Baseten 同日通过 Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 为 501B 总参数、每 token 激活 23B 的 MoE 自回归 Transformer，上下文窗口最高 100 万 token，预训练使用 23.8 万亿 token，并以 BF16、FP8、NVFP4 精度发布权重。Reflection 给出的评测结果为 GPQA Diamond 90.5%、SWE-bench Verified 80.9%、AIME 2026 97.8%、Terminal-Bench 2.1 80.1%、MCP Atlas 78.7%，同时开源了终端智能体工具 Mirror CLI。

    ns. The company described the launch in the availability announcement as an ecosystem of more than 40 partners and integrations forming what it calls an “open operating system for agents,” with the model as the kernel and reference agentic integrations, deployment containers, inference integrations, and customization pipelines open above the infrastructure layer. Reflection also opened a public beta of its first-party API at platform.reflection.ai, which it said is free to start. Launch platform

    匹配字段正文

    #hot-signal#模型发布#开源生态#Agent
  4. Artificial Analysis 完整文章精选

    Reflection 发布首个模型 Beam，Artificial Analysis 智能指数得分 30

    Reflection 发布首个模型 Beam，这是一个 501B 总参数、23B 激活参数的开源权重模型，在 Artificial Analysis 智能指数上得分 30，位列美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于 NVIDIA 的 Nemotron 3.5 Super VL（26）。Beam 每个智能指数任务约消耗 26k 输出 token，其中约 19k 用于推理、7k 用于回答；在 AutomationBench-AA 上得分 48.5%，但 Terminal-Bench 4.0 仅 3.0%。在 AA-Omniscience 上答对 33% 的问题，幻觉率为 47%，净指数得分 1.5。

    分 在智能指数的十项评估中，Beam 在 AutomationBench-AA（48.5%）和 CritPt（13.1%）上表现突出，在 CritPt 上超过 K2 Horizon（4.6%）和 Qwen3.8 27B（5.4%）两倍多。其最弱的结果是 Terminal-Bench 4.0（3.0%）和 AA-Briefcase（976 Elo） 在 AA-AgentPerf 上，NVIDIA Vera Rubin NVL72 每兆瓦的总吞吐量最高可达 GB300 NVL72 的约 5.7 倍，首批结果涵盖 DeepSeek V4 Pro、DeepSeek V4.1 Flash、GLM-5.2 和 Kimi K3。 2026年10月15日 NVIDIA RTX Spark N1X 笔记本电脑的首批 AA-AgentPerf-Local 结果 一台 NVIDIA RTX Spark N1X 笔记本电脑在 18.7 分钟内完成了我们在 Qwen3.8 27B 上的本地智能体工作负载。 2026年10月15日 NVIDIA 发布 Nemotron 3.5 Super VL 和 Nemotro

    匹配字段正文

    #company#模型发布#开源生态#评测/基准
  5. Reflection Blog精选

    Reflection 发布首个开源权重模型 Beam，501B 参数稀疏 MoE

    Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态，覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架，并开源了配套的 Mirror CLI 智能体工具。

    Reflection.ai dotted artwork

    Beam is our first open-weight model, built for advanced coding, reasoning, and long-horizon agentic workloads with frontier reasoning efficiency. Today, we have released Beam’s model weights on Hugging Face under an Apache 2.0 license. Our model card includes final benchmarks, and the Beam Safety Technical Report shares the model’s complete safety methodology and evaluations. In addition to releasing Beam’s weights and documentation, we’re launching with an ecosystem of over 40 partners and inte

    匹配字段正文

    #company#模型发布#开源生态#Agent
  6. The Rundown AI

    Meta 发布 816B 参数开源多模态模型 Muse Spark Open，可双 Mac Studio 本地运行

    Meta 发布开源权重多模态模型 Muse Spark Open，参数量 816B，面向编码与智能体任务，并与 Apple 合作通过更新后的 MLX 工具包在两台 M5 Ultra Mac Studio（合计 1TB 内存）上本地运行。Meta 称该模型在无云环境下完成 iOS 应用修复和在 DaVinci Resolve 中剪辑视频。在 Artificial Analysis 的 Intelligence Index 上它得分 39，高于西方开源模型，但低于 GLM 5.3 的 45、Kimi K3 的 44 和 Qwen3.8 的 40，中国模型在编码上仍领先。

    its best open-weight model Image source: Mark Zuckerberg on X The Rundown: Meta just released Muse Spark Open, an open-weight, 816B-parameter multimodal model built for coding and agentic work, and worked with Apple so that it could run locally on Mac Studios — a first for a model in this size class, Meta says. The details: Two M5 Ultra Mac Studios with 1TB combined memory can run Spark Open via Apple’s updated MLX toolkit, with Meta saying the model shipped iOS app fixes and edited video in DaV

    匹配字段正文

    #newsletter#模型发布#开源生态#多模态
  7. 36氪 · AI精选

    Meta 发布 8160 亿参数开放权重模型 Muse Spark Open，可在 Mac Studio 上本地运行

    Meta 发布开放权重模型 Muse Spark Open，总参数量 8160 亿，采用 MoE 架构，每次推理激活约 420 亿参数，开发者可下载权重在自有硬件上部署。苹果同步展示多机推理方案，用 NVFP4 四位量化把模型内存占用压到约 493GB，两台 M5 Ultra Mac Studio 采用张量并行时生成速度约每秒 24.99 tokens，四台可达每秒 36.73 tokens。Meta AI 负责人 Alexandr Wang 表示，本地运行时 Meta 无法看到或控制用户的使用内容。

    的鼓励爱范儿特邀作者3收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章Meta发布美国最强开源大模型DeepMind AlphaProof Nexus登《Science》：AI自主破解多道56年未解Erdős数学难题抢入口、寻变现，大模型公司为何集体“不务正业”？亚马逊，Agent最严厉的父亲前钉钉总裁叶军，离职一年后创业了，赌大厂做不了也不屑做的「缝隙」AI 脸不够用，普通人也能 “ 卖脸 ” 赚钱了，最高 10000 元？苹果和 Meta 和好了，是 AI 逼的Linux之父也用AI写内核了，曾嘲讽AI「90%是营销」，如今用Claude Code写了8个补丁，性能暴涨3倍我们不该投资更多的「田柯宇」爱范儿特邀作者 聚焦创新及消费科技领域发表文章4294篇 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商 聚焦全球优秀创业者，项目融资率接近97%，领跑行业

    匹配字段正文

    #hot-signal#模型发布#开源生态#端侧
  8. 36氪 · AI

    Meta 发布开放权重模型 Muse Spark Open，可在两台 Mac Studio 上本地运行

    当地时间 10 月 15 日，Meta 发布开放权重模型 Muse Spark Open，称其为迄今能力最强的美国开放权重模型。该模型为原生多模态，总参数 8160 亿（激活参数 420 亿），上下文窗口 100 万 Token，专为编程和智能体工作打造，并可在两台搭载 M5 Ultra 芯片的 Mac Studio 上借助 MLX 框架运行。Meta 公布的测试显示，它在 JobBench 和 MCP-Atlas 工具使用测试中领先表中列出的竞争对手，但在终端编程、长周期软件工程任务及 GDPVal-AA 评估中落后于 Kimi K3 和 GLM 5.3。

    邀作者2收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章DeepMind AlphaProof Nexus登《Science》：AI自主破解多道56年未解Erdős数学难题抢入口、寻变现，大模型公司为何集体“不务正业”？亚马逊，Agent最严厉的父亲刚刚，Mac Studio 迎来小扎最强开源模型，苹果等来了最意外的助攻前钉钉总裁叶军，离职一年后创业了，赌大厂做不了也不屑做的「缝隙」AI 脸不够用，普通人也能 “ 卖脸 ” 赚钱了，最高 10000 元？苹果和 Meta 和好了，是 AI 逼的Linux之父也用AI写内核了，曾嘲讽AI「90%是营销」，如今用Claude Code写了8个补丁，性能暴涨3倍我们不该投资更多的「田柯宇」36氪的朋友们特邀作者 TA没有写简介，但内敛也是一种表达发表文章51017篇 最近内容Meta发布美国最强开源大模型17分钟前抢入口、寻变现，大模型公司为何集体“不务正业”？18分钟前机器人CEO，集体“失眠”？18分钟前阅读

    匹配字段正文

    #hot-signal#模型发布#多模态#Agent
  9. Analytics India Magazine

    Meta 发布 816B 参数开源权重模型 Muse Spark Open，支持 1M 上下文窗口

    Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。

    leasing the weights for Muse Spark Open, the most capable US open-weight model to date,” Meta said in its announcement on October 15. The model is natively multimodal and supports agentic workflows, allowing it to carry out tasks involving multiple steps and tools. Developers can customise it using PyTorch and run it through inference engines including SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers and llama.cpp. Meta has optimised Muse Spark Open to run locally on two Apple Mac Studio co

    匹配字段正文

    #hot-signal#模型发布#开源生态#推理
  10. AI at Meta

    Meta 发布 Muse Spark Open 开源权重模型，816B 总参数、1M token 上下文

    Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型规格为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。

    Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning. Key Model Specs: → 816B total / 42B active parameters → 1M token context window → Natively multimodal across text, image, video, audio

    匹配字段正文

    #company#模型发布#开源生态#多模态
  11. Testing Catalog

    Meta 开源 Muse Spark Open，816B 总参数 MoE 模型上线 Hugging Face

    Meta 的 Muse Spark Open（Muse-Spark-Open-816B-A42B）已在 Hugging Face 上线，这是一个混合专家（MoE）模型，拥有 42B 激活参数、816B 总参数和 1M token 上下文窗口。该模型面向智能体与编码工作流，覆盖从理解大型代码仓库到借助工具完成多步工程任务。推文提到还附有基准测试结果。

    META 🔥: Muse Spark Open (Muse-Spark-Open-816B-A42B) is now available on HuggingFace! "Muse Spark Open is a mixture-of-experts model with 42B active parameters, 816B total parameters, and a 1M-token context window." "It’s built for agentic and coding workflows, from understanding large repositories to completing multi-step engineering tasks with tools." Benchmarks 👀

    匹配字段正文

    #hot-signal#模型发布#开源生态#Agent

星期四

  1. AI at Meta

    Meta 发布 Muse Wonder 与 Muse Wonder Full，智能体任务达 SOTA

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，称其在个人与专业智能体任务上达到 SOTA 表现。官方在研究者博客中提供了模型详情，并附有与 Mark Zuckerberg、Alexandr Wang 的完整对话视频。

    Muse Wonder and Muse Wonder Full deliver SOTA performance on personal and professional agentic tasks. Learn more about the models on our researcher blog: https://t.co/koe89SLQts https://t.co/mEIYEFD40g

    匹配字段正文

    #company#模型发布#Agent#OpenAI
  2. Testing Catalog

    NVIDIA 发布 Nemotron 3.5 Super VL 开放模型

    NVIDIA 发布 Nemotron 3.5 Super VL 开放模型，总参数 120B、激活参数 12B。该模型支持推理、工具调用，以及文本、图像、文档和视频理解，面向长时间运行的 AI 智能体。

    NVIDIA 🔥: A new Nemotron 3.5 Super VL model has been announced! NVIDIA Nemotron 3.5 Super VL is an open model with 120B total parameters and 12B active. The model supports reasoning, tool use with text, image, document, and video understanding for long-running AI agents. https://t.co/9u0dzq19j1

    匹配字段正文

    #hot-signal#模型发布#多模态#推理
  3. OpenRouter

    NVIDIA Nemotron 3.5 Super VL 上线 OpenRouter

    NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是 NVIDIA 推出的开源 120B-A12B 多模态模型，面向需要看、推理并跨文本、图像、文档、GUI 和视频执行操作的长时智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并引入多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。

    NVIDIA Nemotron 3.5 Super VL is live on OpenRouter. An open 120B-A12B multimodal model from @NVIDIAAI for long-running agents that see, reason, and act across text, images, documents, GUIs, and video. 1M context.

    匹配字段正文

    #hot-signal#产品更新#多模态#Agent
  4. 阶跃星辰 StepFun

    阶跃星辰开放 Step 5 Preview 权重

    阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 版本已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。官方同时更新了开源智能体框架 Step Code 至 v0.1.4，并给出 vLLM、SGLang、Transformers 等部署方式。

    Step 5 Preview is now open weights. BF16 and FP8 weights are live on Hugging Face and ModelScope, together with our technical blog. • Sparse MoE: 600B total, 27B active per token • 1M-token context window • Native text and vision input • Built for long-horizon agentic work: coding, software engineering, professional knowledge work and finance Frontier intelligence, open weights. Build what's next.

    匹配字段正文

    #company#模型发布#开源生态#多模态
  5. 阶跃星辰 StepFun

    阶跃星辰发布 Step 5 Preview 开放权重，并公开架构与训练技术博客

    阶跃星辰发布 Step 5 Preview 开放权重，BF16 与 FP8 权重已上线 Hugging Face 和 ModelScope，采用 Sparse MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长程智能体任务。配套技术博客介绍其架构与训练协同设计，包括 92 层窄而深架构用于隐式多跳推理、Sparse GQA 降低百万 token 上下文成本、8-token 块索引将索引与 top-k 开销降至 1/8、关键状态使用 FP32 精度配合细粒度梯度裁剪，以及百万级可验证环境和面向长程任务的 RL 训练。官方还更新了开源智能体框架 Step Code 至 v0.1.4。

    Our technical blog, "Inside Step 5 Preview: Architecture and Training for Agentic Work," covers how architecture and training were co-designed for longer, more complex agent tasks: • 92-layer narrow-and-deep architecture for implicit multi-hop reasoning • Sparse GQA to cut million-token context cost, with 8-token block indexing reducing indexing and top-k overhead to 1/8 • FP32 precision on key states plus fine-grained gradient clipping for stable training • Million-scale verifiable environments

    匹配字段正文

    #company#模型发布#开源生态#Agent