OpenCode 免费上线 NVIDIA Nemotron 3.5 Super VL
OpenCode 宣布 NVIDIA 最新开源模型 Nemotron 3.5 Super VL 已在其平台免费提供。该模型为多模态模型，总参数 120B、激活参数 12B，面向长时间运行的智能体场景。
匹配字段摘要
←搜索结果
搜索“多模态”
Meta 发布开源模型 Muse Spark Open，针对 Mac Studio 优化
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开放权重模型，采用原生多模态架构，总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体任务。该模型基于 Apple 最新版 MLX 针对搭载 M5 Ultra 的 Mac Studio 优化，两台机器可合计提供 1TB 统一内存运行完整模型，现已通过 Hugging Face 提供。Meta 称已用 Muse Code 在本地测试智能体工作流，包括向开源 Mastodon 客户端 Ice Cubes 提交 iOS 改动，以及驱动 DaVinci Resolve 逐帧筛选素材并竖版裁切。
匹配字段摘要
投毒字节AI被开除后，田柯宇的公司估值2亿美元
10月12日，因干扰字节同事训练任务被开除两年后，田柯宇公开讲述事件经过，承认干扰过同事训练任务，将动机解释为不成熟的朴素的正义。他已是NeurIPS最佳论文第一作者，其AI实验室获五源资本、IDG资本近3000万美元投资，投后估值2亿美元，方向是能预测未来的多模态基础模型。随后一份以受影响人员名义发布的长文反驳其讲述，将干扰起点提前到2024年3月并涉及LlamaGen、Goku等项目，并向其合作方和投资机构提出核查请求。一审判赔约50万元，字节已上诉。
匹配字段摘要、正文
Meta 发布开放权重模型 Muse Spark Open，宣称美国最强开源 AI 模型
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。模型权重已上线 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，并适配 SGLang、vLLM、TensorRT-LLM 等推理引擎。
匹配字段摘要、正文
Meta 发布可在 Mac 本地运行的开源权重模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。该模型可本地运行在 Apple 电脑上，但至少需要 1TB 内存，在搭载 M5 Ultra 芯片的 Mac Studio 上运行效果最佳。Meta 将其与 AI 编码终端 Muse Code 配合，用于 Mastodon 客户端的 bug 修复、新功能和完整构建，以及 DaVinci Resolve 的视频素材审阅与裁剪，目前该模型已通过多个 API 平台开放。
匹配字段摘要
Meta 与 Apple 合作让 Muse Spark Open 模型在 Mac 上更好运行
Meta 发布 Muse Spark Open 开源模型，称其为迄今能力最强的美国开放权重模型，总参数量 8160 亿，原生多模态，擅长长周期任务、复杂软件工程和多步推理。Meta 与 Apple 合作，使该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上本地运行，Apple 同时发布技术文章介绍 MLX 及该模型。Meta CEO Mark Zuckerberg 与 Apple CEO John Ternus 在 X 上互相致意，Meta 首席 AI 官 Alexandr Wang 称两家公司已合作数月。
匹配字段摘要
蚂蚁 inclusionAI 开源 TorchTurbo：面向 SuperNode 的后训练引擎
蚂蚁 inclusionAI 在 GitHub 开源 TorchTurbo，一个 SuperNode 原生的后训练引擎，用于快速适配和训练 LLM 与 VLM。它基于 PyTorch FSDP2 和 Hugging Face Transformers，结合 FSDP、专家并行（EP）与 Ulysses 序列并行（SP），支持 MoE、多模态和稀疏注意力架构。目前仅支持训练，已提供 fsdp2 后端及 LlamaFactory、ms-swift 适配器，不支持评估、预测与生成。
匹配字段摘要
Descript 如何让 AI 智能体 Underlord 学会“看”视频
Descript 为 AI 编辑智能体 Underlord 加入媒体理解能力，让它能直接“看”视频画面，而不只依赖转录文本。团队把视频拆成帧交给多模态模型描述，再拼接成可检索文件，从而按画面内容定位片段，例如“找一段 10 秒内有人咬苹果的镜头”。系统还针对屏幕录制、幻灯片和口播视频采用不同分辨率与抽帧策略，并用 Top K 评估检索准确率。
匹配字段摘要
Meta 开源 Muse Spark Open 模型，816B 总参数、1M 上下文
Meta 发布 Muse Spark Open 的开放权重，采用 Muse Model License 在 Hugging Face 上线，为 816B 总参数、42B 激活参数、1M token 上下文窗口的模型，原生多模态并面向编码与智能体任务。该版本在 Muse Spark 基础上增加安全后训练，可在 SGLang 和 vLLM 上运行，并针对 NVIDIA、AMD、Intel 优化。PyTorch 侧集成 Helion 内核，在 NVIDIA GB300 上相比 CUDA、CuTe DSL 自定义内核取得 1.03–3.95x 加速，AMD Mi350 端到端吞吐提升 3%；TorchTitan 已支持其 SFT、LoRA 与 TitanRL 微调。
匹配字段摘要
破晓智能联合天珑移动发布 SeePhys Hub，推进全身全模态人类数据采集
10 月 14 日，破晓智能联合天珑移动发布全身全模态数据采集系统 SeePhys Hub，由四目头环、两个腕部手环、三个腰腿部动作追踪器和一副触觉手套组成，可同步采集第一视角视觉、手部全模态数据与全身运动信息。头环重量不超过 220 克、单个腕部手环不超过 75 克，均支持连续 24 小时采集，头环内相机、IMU 与 UWB 同步误差不超过 0.5 毫秒。配套自研平台可将人类数据转化为面向机器人学习的多模态训练数据。
匹配字段摘要、正文
上海AI实验室书生-S2助力三维Ghys猜想证明并通过Lean形式化验证
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2先后完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天完成，峰值并发达100个智能体，产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
匹配字段摘要、正文
NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 边缘模型
NVIDIA 于 2026 年 10 月 15 日发布开放多模态模型 Nemotron 3.5 Super VL，参数量 120B，采用 MoE 架构、每 token 激活 12B 参数，面向常驻智能体场景；同时推出面向边缘与本地硬件的 Nemotron 3.5 Bolt 74B-A9B 24GB，Nemotron 3.5 Bolt E4B 4GB 计划于 10 月 23 日发布。NVIDIA 称 Super VL 在多模态智能体任务上的准确率可与其最大推理模型相比，参数量约为后者的五分之一，单 GPU 吞吐最高为同尺寸其他开放模型的 5 倍，并报告 Hermes Bench 63.44%、LangChain 行为评测 87.05%、CharXiv 80.8% 等结果。模型提供 base、后训练和 NVFP4 量化 checkpoint，已在 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM 上线，Bolt 74B 支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM。
匹配字段摘要
摩尔线程率先完成阶跃星辰 Step 5 Preview 大模型 Day-0 适配
10月15日阶跃星辰开源旗舰大模型 Step 5 Preview，摩尔线程同日在其 MTT S5000 训推一体智算卡及 MUSA 软件栈上完成 Day-0 适配。Step 5 Preview 采用稀疏 MoE 架构，总参数量 600B、每 Token 激活 27B，支持 1M Token 上下文窗口和视觉输入，面向真实世界 Agentic 任务。摩尔线程针对混合注意力、FP8 混合精度推理、MTP3 投机解码及多模态链路进行了全链路调优。
匹配字段摘要、正文
NVIDIA Nemotron 3.5 Super VL 上线 Baseten
NVIDIA 开源多模态模型 Nemotron 3.5 Super VL 已在 Baseten 上线，这是一个 120B-A12B 的 MoE 模型，面向文本、图像和视频的智能体工作流。它基于 Nemotron 3 Super 架构加入视觉编码器，采用混合 Mamba-Transformer 架构与多 token 预测（MTP），并支持 NVFP4 KV cache 量化以降低长上下文推理显存。NVIDIA 报告称其在 GDPval 上 Elo 为 1190（Nemotron 3 Super 为 493），SciCode 与 GPQA-diamond 也更高；Baseten Loops 在发布当天提供监督微调和强化学习训练支持。
匹配字段摘要
Meta Muse Spark Open 上线 Together AI，支持 1M token 上下文
Meta 的开源权重智能体编码模型 Muse Spark Open 已在 Together AI 上线，支持 1M token 上下文窗口，可通过 serverless 和专用基础设施调用。Together AI 称其为目前能力最强的美国开源权重模型，面向长时间运行的智能体编码工作流，具备长程自主、computer use 与浏览、文本图像音频视频多模态输入等能力。定价为每 1M 输入 token 1.25 美元、每 1M 输出 token 4.25 美元、每 1M 缓存输入 token 0.15 美元，模型标识为 meta-models/Muse-Spark-Open-816B-A42B。
匹配字段摘要
Meta 发布 Muse Spark Open 权重，并上线 Modal Auto Endpoints
Meta 发布 Muse Spark Open 的模型权重，该模型已上线 Modal Auto Endpoints。它面向智能体编码和长周期任务，具备原生多模态理解与 1M token 上下文窗口，支持代码编写与调试、多步规划、顺序工具调用以及长流程中的失败恢复。在 Meta 的评测中，Muse Spark Open 使用 Terminus 2 智能体在 Terminal-Bench 2.1 上得分 76.4，使用 Meta 偏好的 harness 在 DeepSWE 1.1 上得分 60，推理强度为 xhigh。该模型在 Modal 上以 Shared Endpoint 形式运行，按 token 计费。
匹配字段摘要
NVIDIA 发布 Nemotron 3.5 Super VL，SGLang 提供 Day-0 支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，支持文本、图像、文档和视频输入并输出文本，采用 120B 总参数、每 token 激活 12B 的 MoE 架构。SGLang 提供 Day-0 支持，通过连续批处理、前缀缓存和投机解码部署，在单张 RTX 6000 PRO 上借助 MTP 达到 243.9 tok/s。模型权重已在 Hugging Face 提供 BF16 和 NVFP4 两个版本。
匹配字段摘要
SGLang 与 Miles 为 Muse Spark Open 提供 Day-0 支持
LMSYS 发布博客称，SGLang 与 Miles 为 Meta 开源多模态 MoE 模型 Muse Spark Open 提供 Day-0 支持。该模型采用 816B 参数文本 Transformer 主干、每 token 约 42B 激活参数，支持文本、图像、视频和音频输入以及 1M token 上下文窗口，checkpoint 提供 NVFP4 与 BF16 版本。在 8 张 NVIDIA B300 GPU 上以 NVFP4 checkpoint 跑 OpenHands 多轮智能体编码回放，并发 1 时单 GPU 吞吐 14.8K tokens/sec、单用户 543 tokens/sec（p50），并发 128 时为 80.3K tokens/sec、单用户 61 tokens/sec（p50）。支持平台包括 NVIDIA Blackwell（GB300、B300、GB200、B200）、H200、AMD MI350X 与 MI355X，以及 Intel Xeon 6 P-core，并首次通过 SGLang-TorchTPU 为开源权重模型提供 Day-0 TPU 支持。
匹配字段摘要
Apple 提出首个三模态掩码扩散模型，3B 规模验证统一设计
Apple 联合剑桥、MIT 等提出首个从头预训练的三模态掩码扩散模型（MDM），覆盖文本、图文和音频-文本数据，并系统分析多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，免去最优批大小调参。初步模型在 3B 规模、6.4T token 下于文本生成、T2I 和 T2S 任务均取得强劲结果。
匹配字段摘要
Google.org 向 17 家机构拨款 3600 万美元，推动 AI for Science
Google.org 10 月 14 日宣布，通过 Impact Challenge: AI for Science 向 17 家机构共拨款 3600 万美元，申请覆盖 30 个国家。入选项目分健康与生命科学、气候韧性与环境科学两组，涉及 AI 设计蛋白库、非洲药物代谢基因图谱、海洋多模态世界基础模型、聚变反应堆物理建模等。获奖机构可加入为期六个月的 Google.org Accelerator，获得工程支持、技术指导与 Google 基础设施。
匹配字段摘要