2025年9月23日,Liquid AI发布LFM2系列目前最大的模型LFM2-2.6B,参数规模2.6B,基于10万亿token训练。官方称其在GSM8K上达到82.41%、IFEval上达到79.56%,表现超过Llama 3.2-3B-Instruct、Gemma-3-4b-it和SmolLM3-3B等3B+级别模型。该模型主要针对英语和日语调优,同时保持法语、西班牙语、德语、意大利语、葡萄牙语、阿拉伯语、中文和韩语的性能。其混合架构交替使用Grouped Query Attention(GQA)与短卷积层,官方称可带来更快的推理速度和更低的KV cache占用。模型已在Hugging Face上以LFM Open License开放。
匹配字段摘要
2025年8月12日,Liquid AI 发布其首个视觉语言模型系列 LFM2-VL,包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个版本,面向低延迟与端侧部署,支持文本和可变分辨率图像输入。模型基于 LFM2 骨干,视觉塔采用 SigLIP2 NaFlex 编码器,原生分辨率最高 512×512,更大图像按 512×512 分块处理;官方称在 GPU 上推理速度最高可达同类模型的 2 倍。模型已兼容 Hugging Face transformers 和 TRL,训练使用约 1000 亿多模态 token。
匹配字段摘要
2025年8月6日,Anthropic发布Claude Opus 4.1,在智能体任务、真实编码和推理上较Opus 4升级,SWE-bench Verified达74.5%。现已向付费用户、Claude Code、API、Amazon Bedrock和Google Cloud Vertex AI开放,价格与Opus 4相同。GitHub、Rakuten和Windsurf反馈其在多文件重构、精准修复和初级开发者基准上均有显著提升。
匹配字段摘要
2025年5月11日,Prime Intellect发布INTELLECT-2,称其为首个通过全球分布式强化学习训练的32B参数模型。该模型在动态异构的算力贡献者集群上,以完全异步强化学习方式训练推理语言模型。团队为此从零构建了异步RL框架PRIME-RL、验证推理worker rollout的TOPLOC以及广播策略权重的SHARDCAST,并修改标准GRPO训练配方与数据过滤方法以稳定训练,在数学和编码基准上提升了QwQ-32B的表现。模型、代码和数据均已开源,技术报告见primeintellect.ai/intellect-2。
匹配字段摘要
2025年4月15日,Prime Intellect发布INTELLECT-2,称其为首个32B参数全球去中心化强化学习训练,任何人都可无许可贡献异构算力。该训练以QwQ-32B为基座模型,沿用DeepSeek-R1的GRPO与可验证奖励方法,并配套开源prime-RL异步分布式RL库、Shardcast权重分发库和TOPLOC可验证推理方案。推理节点可用消费级GPU,例如4×RTX 3090即可参与训练,训练数据已发布在Hugging Face。
匹配字段摘要
2025年2月25日,Anthropic发布Claude 3.7 Sonnet与Claude Code。据官方说明,Claude 3.7 Sonnet是其首个混合推理模型,可在标准模式与扩展思考模式间切换,API用户可控制思考token预算;定价与上一代相同,为每百万输入token 3美元、每百万输出token 15美元(含思考token),已在所有Claude套餐及Amazon Bedrock、Google Cloud Vertex AI上线。同日推出的Claude Code为终端智能编码工具研究预览版,可搜索和阅读代码、编辑文件、运行测试并提交到GitHub。2025年2月26日,Cognition发布Devin二月产品更新,新增批量并行编辑与多动作并行执行能力,并支持GitLab;官方称Devin于2月24日集成Sonnet 3.7,在调试、代码库搜索和智能体规划等任务上表现最佳。
匹配字段摘要
2025年1月30日,Mistral AI发布面向低延迟优化的24B参数模型Mistral Small 3,并以Apache 2.0许可开放预训练和指令微调检查点。官方称,该模型MMLU准确率超过81%,推理速度达到每秒150个token;其表现与Llama 3.3 70B instruct相当,在相同硬件上的速度快3倍以上。量化后,模型可在单张RTX 4090或配备32GB内存的MacBook上本地运行,目前已通过la Plateforme及合作平台提供。
匹配字段摘要
2024年8月28日,Cartesia宣布端侧智能首个里程碑,发布开源库Edge、1.3B参数SSM语言模型Rene,以及支持低延迟实时流式生成的Sonic On-Device私有测试版。Rene采用Mamba-2混合架构,在多项基准上表现与同级SOTA小模型相当,Edge已支持Apple MLX和量化推理。
匹配字段摘要
百川智能 发布 医疗增强推理模型Baichuan-M2
English translation is being prepared.
匹配字段摘要
Mistral AI 发布 首款推理模型Magistral
English translation is being prepared.
匹配字段摘要
2024年7月28日,Zyphra发布面向端侧应用的2.7B小语言模型Zamba2-small,权重以Apache 2.0开源。据Zyphra Research介绍,该模型将Zamba-7B的Mamba1块替换为Mamba2块,并采用两个ABAB交错共享注意力块,对每个共享MLP块应用LoRA projector。相比Phi3-3.8B,其首token时间快2倍、内存开销降低27%、生成延迟低1.29倍,并保持3-4B稠密Transformer的质量而只需1-2B的推理算力与内存。目前该故事尚无后续发展事实。
匹配字段摘要
2024年4月16日,Zyphra发布7B参数基础模型Zamba。该模型采用Mamba块与每6层一个全局共享注意力层结合的混合架构,训练和推理比标准Transformer更省算力。模型分两阶段训练,先用约1万亿token开放网页数据,再用约500亿token高质量数据退火,在多项基准上超过LLaMA-2 7B和OLMo-7B,且训练数据用量不到后者一半。全部检查点以Apache 2.0协议开源,由7人团队在128张H100上耗时30天完成。Hugging Face集成和完整技术报告将随后发布。目前尚无后续发展事实。
匹配字段摘要
2024年2月2日,Ollama 更新其 LLaVA 视觉模型集合至 1.6 版本。据 Ollama Blog 发布的信息,该版本支持最高 4 倍像素的图像分辨率,并在额外的文档、图表和示意图数据集上训练,提升了文字识别与推理能力。模型提供 7B、13B 和新增的 34B 三种参数规模,可通过 ollama run llava:7b、llava:13b、llava:34b 运行,采用 Apache 2.0 或 LLaMA 2 Community License 授权。CLI 中可直接引用 .jpg 或 .png 文件路径,Python、JavaScript 库和 REST API 则支持在 images 参数中传入 base64 编码文件。目前尚无后续发展事实。
匹配字段摘要
Sarvam AI 发布 Sarvam Prism，一个基于 Sarvam 105B 的 System One 决策模型，在 B200 GPU 上以 44 ms 中位响应时间取得 71.8 的平均分，是其测试的 25 个决策模型中 100 ms 以内得分最高的。模型在 90% 以上置信度下实际错误率低于预期，英语为 2.2% 对 3.3%，印度语为 4.4% 对 5.4%，并在 2000 道题的选项乱序测试中保持答案不变。权重以 Apache 2.0 协议开源在 Hugging Face，需单卡至少 120 GB 显存以 FP8 运行，同时上线 Sarvam API。
自己的模型： 每个企业都有自己做出决策的方式，这由其数据以及这些决策的结果所塑造。我们以开放权重的方式发布 Prism，以便企业能在这一经过校准的基座上用自己的数据训练，并在自己的基础设施上运行。 准确且快速 我们在相同的基准上，亲自用三项指数对 Prism 及其他 24 个决策模型进行了测试。对于所有能在相同硬件（B200）上运行的模型，我们都使用其自带的推理代码进行了计时。 准确且快速 三项指数平均得分与中位响应时间对比，25 个决策模型 Sarvam Prism 由我们计时 仅提供 API（报告时间） 各响应时间下的最佳得分平均得分 ↑586266707478050100150200250300帕累托前沿mammoth-1GLiDE 1.2elephant-1d3-ultraTorchcast-27BClefOneJev-9BJev 1.14Microsoft-Decision-1KnowLine-35BSarvam Prism 71.8每次请求的中位响应时间（毫秒）→ Sarvam Prism：71.8 分，44 毫秒 各模型的三项指数平均得分与中位响应时间 公开报告的响应时间
匹配字段正文
法国 Mistral AI 发布 Large 4 模型（ML4），具备先进编程和网络防御能力，企业可下载开放权重版本并部署在自有基础设施上运行。该模型总参数量 1.05 万亿，每次执行任务实际激活约 520 亿参数，在欧洲数据中心使用 3800 颗英伟达 Grace Blackwell GPU 训练。Mistral 称其在编程任务上可与其他领先开放模型相媲美，并强调开源有助于避免前沿 AI 技术集中在少数参与者手中。
处理每项任务时调用全部参数，从而提高处理效率。 Mistral科学事务副总裁Pierre Stock表示：“ML4开放权重版本版本展现了我们科学团队快速创新的能力。在ML4预览版的基础上，开放权重版本继续进行强化学习训练，性能取得了显著提升，且尚未显现出性能饱和的迹象。” 他补充称：“在不到三周的时间里，我们在同一轮强化学习训练过程中引入了客户反馈，新增两种推理模式，同时进一步提高了ML4的运行效率和可定制性。” Mistral表示，最新版本的ML4在编程任务方面已能够与其他领先的开放模型相媲美。 此次发布正值欧洲面临日益严峻的网络安全威胁之际。近期，一项利用AI技术发现的PHP编程语言安全漏洞，以及针对比利时和挪威政府机构的网络攻击，都凸显了加强网络防御能力的紧迫性。 开放权重模型意味着企业和机构可以下载ML4，并将其部署在自己的基础设施上运行，而不必完全依赖外部服务提供商托管的AI服务。 企业还可以更自主地决定模型的运行位置，以及如何将其整合到自身系统中。不过，要安全运行这一模型，企业仍需要配备适当的硬件设备和专业技术人员。 Mistral表示，如果企业选择在自有基础设施上运行ML
匹配字段正文
Edge0 发布开源权重语音克隆 TTS 模型 Audio8-TTS-Realistic，601M 参数，支持 23 种语言，权重与代码以 Apache 2.0 发布。模型只需 1 段参考音频及对应文本即可零样本克隆音色，也可在无参考音色时直接生成语音。自报结果显示其在 CV3 九语言上平均错误率 4.86%，低于 Qwen3-TTS-1.7B 的 7.73%，但在 MiniMax 基准上落后于 4B 级模型，泰语 WER 达 48.57%。
TTS-1.7B 为 7.73%。 最差：泰语（CV3）WER 为 48.57%，粤语（MiniMax）CER 为 31.35%。 什么是 Audio8-TTS-Realistic？ 它是 Edge0 的 Audio8 TTS 系列中第二个 0.6B 版本。它基于 Audio8-TTS-Preview-0.6b 构建，并保持相同的 Transformers 推理接口。该仓库打包了检查点、44.1 kHz 神经音频编解码器、分词器、处理器和自定义代码。它也可以在没有参考音色的情况下生成语音。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 新增语言包括阿拉伯语、芬兰语、印地语、印度尼西亚语、马来语、挪威语、葡萄牙语、俄语、瑞典语、泰语、土耳其语和越南语。 架构如何工作？ 该模型采用受 Fish Audio S2 Pro 启发的双自回归（DualAR）设计。根据技术研究报告，慢分支基于 Qwen2.5 0.5B 构建。它有 24 层、宽度 896，运行速度约为每秒 21
匹配字段正文
谷歌发布新一代旗舰模型 Gemini 4 Carbon，在 Artificial Analysis 智能指数 v5.0 中以 59 分登顶，超过 Claude Opus 5.5 和 GPT-6 Astra。该模型在 Terminal-Bench 4.0 上从 Argon 的 57.1% 提升到 65.2%，GraphWalks 长上下文测试从 84.2% 提升到 96.2%，但开发者反馈其生成速度比 Argon 慢约 2 至 4 倍。谷歌本周先向少数网络安全防御机构开放，再通过 Fairwind 计划扩大至可信合作伙伴，普通用户开放时间尚未公布。
第一。随后OpenAI和Anthropic相继推出更强的模型，谷歌直到Carbon发布才重新登顶。 在Artificial Analysis最新的智能指数v5.0中，Carbon获得了59分，较Argon的50分提高9分，比Claude Opus 5.5高1分、GPT-6 Astra高2分。 在组成该指数的9项测试中，Carbon拿到了4项第一，尤其擅长复杂推理、科学研究、知识问答和自动化任务。 其中最值得关注的是编程能力的提升。 在Artificial Analysis另一套专门衡量AI编程能力的Coding Agent指数中，Carbon获得59分，仅次于Claude Opus 5.5的62分。谷歌过去在这类测试中一直不算突出，这次终于追了上来。 在Terminal-Bench 4.0终端编程测试中，Carbon的成绩也从Argon的57.1%提高到65.2%。网页开发方面，Carbon在WebDev Arena上的评分较Argon提高89个Elo分，以1768分升至第四名（谷歌官方公告为1769分，本文以Arena原始排行榜为准）。 长上下文处理能力也有明显改善。在GraphWa
匹配字段正文
面壁智能发布 MiniCPM-OCR 1.0，这是一个 1B 规模的 OCR 模型，在 Real5-OmniDocBench 上取得 93.68、在 OCRBench v2 上取得 54.7。同时发布 2B 的决策模型 MiniCPM-OCR Jev，用于比对解析结果与原图并给出 0–1 正确性评分，在 JevOCRBench 上接近 Qwen3.5-397B-A17B。两个模型均开放权重，支持 llama.cpp、vLLM、SGLang、Ollama 部署，并提供开源微调代码。
d 上本地运行。 解析快速且准确。守护结果。一切尽在掌握。🙌 手写笔记、复杂公式、报纸、低质量扫描件——真实文档让 OCR 经受考验。 📄 MiniCPM-OCR 1.0——1B 规模下达到 SOTA 级 OCR 性能与速度。 它在 Real5-OmniDocBench 上取得 93.68，在 OCRBench v2 上取得 54.7，将精准的文档解析与高效推理相结合。 🛡️ MiniCPM-OCR Jev——一个用于校验 OCR 准确性的 2B 决策模型。 它在 JevOCRBench 上接近 Qwen3.5-397B-A17B，并可处理来自不同 OCR 解析器的输出。 看它将解析出的文本、公式和表格与原图进行比对，并给出 0–1 的正确性评分——帮助你挑选更优结果，并识别哪些内容需要人工复核。 🔓 开放权重。按你的方式部署。 可使用 llama.cpp、vLLM、SGLang 或 Ollama 运行。借助开源微调代码进行定制。 观看实测演示。👇 🔗 GitHub：https://t.co/2SlATAJk08 🤗 Hugging Face：https://t.co/Ttq31GL8
匹配字段正文
Mistral AI 更新并开放旗舰模型 Mistral Large 4 的权重，总参数 1.05T、激活参数 52B，在 Artificial Analysis Intelligence Index v5 上得分 26，比 Preview 版高 1 分，以 1 分优势领先美国开源模型 Muse Spark Open（25）。该模型每项任务输出 82K token，比 Preview 的 135K 少 39%，AA-Omniscience v1.1 幻觉率从 41% 降至 28%，但准确率仍为 26%。定价为每 1M 输入/输出 token 0.70/2.10 美元，较 Preview 下降约 50%，采用 MEOW 许可证，运营 Model-as-a-Service 业务需另行获得商业授权。
Mistral Large 4 现已开放权重，以微弱优势成为非中国开发的开源权重模型第一 @MistralAI 已更新并发布了其旗舰模型 Mistral Large 4 的权重，总参数 1.05T，激活参数 52B。凭借高推理能力，Mistral Large 4 在 Artificial Analysis Intelligence Index v5 上得分 26，比 Mistral Large 4 Preview（25）高 1 分，主要差异在于 token 效率提升和幻觉减少。它比美国开发的开源权重领先模型 Muse Spark Open（xhigh，25）高 1 分。 在 Artificial Analysis Cyber Index 上，Mistral Large 4（high）得分 51，在现有开源权重模型中排名第三，落后于 DeepSeek V4.1 Flash 1017（max，57）和 MiMo-V2.6-Pro（56）。 主要结论： ➤ 以微弱优势领先非中国开源权重模型：Mistral Large 4（high）领先 Muse Spark Open（xhigh）——后者是
匹配字段正文
北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0，总参数量350亿，每Token激活约30亿参数，支持26.2万Token上下文窗口，以Qwen3.6-35B-A3B为基础经中训练和后训练优化。该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分和40.0分，高于GLM-5.3的42.5分和30.7分；工具调用测试BFCL V4取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。模型已采用Apache 2.0许可证开放权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。
的训练过程（图源：超衍智能） 此外，超衍智能还利用自动化研究系统Apex Research参与新模型自身的研发。 在训练数据方面，据超衍智能披露，Apex Research生成的针对性训练数据，使模型在公司内部CFD-Bench测试中的成绩提高32.1分。 这项改进针对计算流体力学（CFD）任务。Apex Research分析模型在评测中出现的错误，识别相关推理问题，再自动生成并验证新的科学训练样本，将其加入后续训练。 计算效率方面，Apex Research参与的优化使训练吞吐量提升45%—60%；在可比工作负载下，推理解码速度提高至原来的1.6—1.8倍，首Token响应时间降低30%—35%。 其中，训练侧主要优化GPU负载均衡、动态批处理及通信与计算调度，减少GPU空闲时间和同步开销；推理侧则优化注意力计算内核、KV缓存管理及预填充和解码阶段的执行流程。 二、21项测试中20项超Qwen3.6-35B-A3B，论文复现成绩超过GLM-5.3 在超衍智能公布的21项基准测试中，Apex-35B-V1.0有20项成绩超过基础模型Qwen3.6-35B-A3B；与约400亿参数的Re
匹配字段正文