跳到正文
  1. The Decoder82

    Thinking Machines 发布 Inkling 2 Small,宣称成为西方最强开源权重模型

    Thinking Machines 发布 Inkling 2 Small,该模型拥有 5940 亿总参数和 170 亿激活参数,在 Artificial Analysis 智能指数上得分 31,超越前代并接近 Gemini 3.8 Flash。

    推荐理由:原文提供了 Inkling 2 Small 在智能指数、编码基准及成本上的具体对比数据,有助于评估其作为西方开源权重模型的竞争力。

  1. Latent Space83

    AI Engineer 发布年度旗舰会议 AIE CODE 议程

    AI Engineer 发布年度旗舰会议 AIE CODE 议程,聚焦无低质代码扩展、System One 模型及高难度软件重写三大主题。会议采用单轨制并邀请全球前 1000 名智能体工程师参加,旨在复盘 2026 年代码领域趋势并预览 2027 年方向。

    推荐理由:原文梳理了年度旗舰会议的主题与议程,读者可据此了解智能体编码领域的年度趋势与关键人物。

  1. The Decoder82

    Nvidia 发布开源 Nemotron 3.5 Transcribe 模型,集成转录、翻译与说话人识别功能

    Nvidia 发布了开源语音识别模型 Nemotron 3.5 Transcribe,该模型在单张 GPU 上即可运行,支持 40 种语言转录、31 种语言与英语互译及 13 种语言说话人识别。

    推荐理由:该模型在单卡上实现了转录、翻译与说话人识别的多任务集成,并提供了大规模开源数据集供垂直领域微调。

  1. The Decoder82

    Recursive 发布首个由 AI 系统辅助研发的语言模型 Flint

    Recursive 发布首个语言模型 Flint,该模型由 AI 系统 Eureka Machine 自主提出并执行实验研发而成。Flint 是 400 亿总参数、25 亿激活参数的 MoE 模型,专为本地硬件上的智能体编码设计,在 M4 Pro 上生成速度超过 125 tokens/s。

    推荐理由:展示了 AI 系统自主完成模型架构设计与推理优化的全流程,为理解自动化科研提供了具体案例。

  1. The Decoder84

    Meta 发布开源模型 Muse Spark Open,对标 Qwen、GLM 和 Kimi

    Meta 发布开源权重模型 Muse Spark Open,拥有 8160 亿参数(420 亿激活),支持文本、图像、视频和音频输入,上下文窗口达 100 万 token。该模型针对 Apple M5 Ultra 优化,可在两台配备 512GB 统一内存的 Mac Studio 上本地运行,权重已上传至 Hugging Face。

    推荐理由:Meta 推出 8160 亿参数的开源模型 Muse Spark Open,其性能对标 Qwen 和 Kimi 等竞品,并支持在本地 Mac Studio 上运行。

  1. NVIDIA Blog87

    NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列开源模型,覆盖数据中心至边缘部署

    NVIDIA 发布 Nemotron 3.5 Super VL,这是一款 1200 亿参数的开源多模态模型,专为高吞吐量智能体工作流设计,在同类模型中实现 5 倍更快的任务完成速度。

    推荐理由:NVIDIA 发布覆盖数据中心到边缘的 Nemotron 3.5 系列,Super VL 以 120B 参数实现高效多模态智能体能力,Bolt 模型则针对本地部署优化。

  1. Latent Space93

    OpenAI 发布 722 篇数学论文,Mistral 推出 Large 4 模型

    OpenAI 发布 722 篇数学论文,声称解决了 500 个顶级未解数学问题中的 90 个,包括准黎曼猜想。Mistral 同期发布 Large 4 模型,拥有 1T 总参数和 49B 激活参数,支持原生多模态,API 定价为每百万输入/输出 token 1.36/4.18 美元。

    推荐理由:汇总了 OpenAI 数学成果与 Mistral 新模型发布,读者可快速掌握本周 AI 领域关键进展。

  1. Latent Space77

    Reflection 发布 501B-A23B 开源模型 Beam

    Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,面向编码、智能体和科学工作负载。该模型从零开始训练,使用 23.8T 预训练 token,并计划在当月发布 Apache 2.0 许可的完整权重。

    推荐理由:原文汇总了 Reflection 发布 Beam 的架构、训练规模与基准表现,并对比了同期其他开源模型,为评估美国本土开源模型进展提供了具体参照。

已经到底了