跳到正文
只看模型
10月16日周五
  1. NVIDIA Technical Blog：Agentic AI / Generative AI65

    Meta 发布编码智能体模型 Muse Spark Open，在 NVIDIA GB300 NVL72 上扩展智能体编码工作流

    Meta 发布面向智能体编码工作流的 Muse Spark Open，为 816B 参数的 MoE 推理模型，每 token 激活 42B 参数，具备 1M token 上下文窗口，可容纳整个项目仓库，并提供可靠的工具调用与更高首次尝试准确率。

    同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

  2. Unsloth AI78

    Meta 发布新的 SOTA 开源模型 Muse-Spark-Open-816B-A42B，支持文本、图像、视频和音频输入，上下文窗口达 1M，权重今日开放。Unsloth 提供 Dynamic 2-bit GGUF 量化版，可在 256GB RAM/VRAM 配置上于 Mac Studio 运行，1-bit 至 8-bit 对应 180-870GB 内存需求。GGUF 见 https://huggingface.co/unsloth/Muse-Spark-Open-816B-A42B-GGUF，指南见 https://unsloth.ai/docs/models/muse-spark-open。

    引用Mark Zuckerberg@finkd

    Muse Spark Open -- 权重今天发布 -- 得益于与 @johnternus 和 Apple 的合作，在新款 Mac Studios 上运行效果极佳。

    同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

  3. The Decoder：AI News78

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

    Black Forest Labs 发布 5.6B 参数的开源权重文生图模型 FLUX 3 Image Klein，支持文生图、图像编辑、最多十张参考图、原生 4K 输出、像素级编辑和边界框元素放置，内部测试中 Elo 超过 Ideogram V4.5 和自家 FLUX.2 [pro]，比 9B 参数的 FLUX.2 [klein] 高 91 Elo。

    同一件事，精选收录的是《Black Forest Labs 发布开源文生图模型 FLUX 3 Image Klein（5.6B）》

  4. clem 🤗79

    Meta 发布开源模型 Muse-Spark-Open-816B-A42B，权重已在 Hugging Face 上线。原引用内容称该模型今天发布权重，并可与 Apple 合作在新 Mac Studios 上良好运行。模型页面显示其支持 Image-Text-to-Text，提供 Transformers、Safetensors、PyTorch 格式，许可为 muse-model-license。

    引用Mark Zuckerberg@finkd

    Muse Spark Open -- 权重今天发布 -- 得益于与 @johnternus 和 Apple 的合作，在新款 Mac Studios 上运行效果极佳。

    同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

  6. Hugging Face 官方团队博客86

    Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，总参数约 816B

    Hugging Face 团队介绍 Meta 的开源权重模型 Muse Spark Open：这是一个 MoE 架构的多模态模型，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M token，提供 BF16（约 1.5 TB）和面向 NVIDIA Blackwell 的 NVFP4 两种 checkpoint。

    同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

  7. AI at Meta71

    Meta 发布开放权重模型 Muse Spark Open，定位为迄今能力最强的美国开放权重模型，面向编码与智能体工作。模型总参数 816B、激活 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频、音频多模态，擅长长程任务、复杂软件工程和多步推理。

    同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

  9. François Chollet65

    François Chollet 转发 @arcprize 的评测，称 Gemini 4 Argon 在 ARC-AGI-3 上表现与 Astra 相近，Google 回到前沿。引用数据显示 Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%（provider adapter harness，花费 $4.8K）、标准 harness 下 49.8%（$5.8K），ARC-AGI-2 得分 91.3%，ARC-AGI-1 得分 98.5%，Google DeepMind 是第二个在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室。

    引用ARC Prize@arcprize

    Gemini 4 Argon from @Google on ARC-AGI (Verified): - ARC-AGI-3: 97.5%, $4.8K (provider adapter harness), 49.8%, $5.8K (standard harness) - ARC-AGI-2: 91.3%, $0.32/task - ARC-AGI-1: 98.5%, $0.16/task Google DeepMind is the second frontier AI lab to score above 95% on ARC-AGI-3.

  11. The Decoder：AI News77

    Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，主打企业级持续运行的 AI 智能体

    Nvidia 发布 120B 参数（每 token 激活 12B）的开源多模态模型 Nemotron 3.5 Super VL，面向企业后台持续运行的智能体，由 Nemotron 3 Ultra 蒸馏而来，号称以约五分之一的参数达到 Ultra 的准确率。

    同一件事，精选收录的是《NVIDIA 发布开源 Nemotron 3.5 Super VL 及 Bolt 两款边缘模型》

  13. Artificial Analysis 完整文章69

    NVIDIA 发布 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 74B-A9B

    Artificial Analysis 评测显示，NVIDIA 发布的 Nemotron 3.5 Super VL 以 26 分（另一处写作 26.5）登顶美国开源权重模型，智能达前代 Nemotron 3 Super（13 分）的两倍，且每任务输出 token 少约 60%（46k 对 114k）。

    同一件事，精选收录的是《NVIDIA 发布开源 Nemotron 3.5 Super VL 及 Bolt 两款边缘模型》

  14. ARC Prize66

    ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI (Verified) 的评测成绩。ARC-AGI-3 上，provider adapter harness 得分 97.5%、成本 $4.8K，标准 harness 得分 49.8%、成本 $5.8K；ARC-AGI-2 得分 91.3%、$0.32/task；ARC-AGI-1 得分 98.5%、$0.16/task。Google DeepMind 是第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室。

    推荐理由：ARC Prize 公布了 Gemini 4 Argon 在 ARC-AGI 三个版本上的得分与成本，读者可据此比较不同 harness 设置的差异。

  19. Microsoft AI：官方博客66

    Microsoft AI 公布 MAI-Base-2 预训练细节，2.8T 参数 MoE 模型 FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4.2 至 12.3 倍

    Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在 held-out 评测中 BPB 低于所测全部开源权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。

    推荐理由：官方披露了 MAI-Base-2 的完整预训练方法，读者可以从中了解 scaling ladder、Muon 优化和多轮 dropless MoE 等可借鉴的工程细节。

10月15日周四
  1. NVIDIA Technical Blog：Agentic AI / Generative AI66

    NVIDIA 发布 Nemotron 3.5 Super VL 开源多模态模型，面向企业专用智能体

    NVIDIA 发布开源可定制多模态模型 Nemotron 3.5 Super VL，采用 120B 参数 MoE 架构、每 token 激活 12B 参数，官方称在单 GPU 上智能体任务吞吐最高达同规模开源模型的 5x。

    同一件事，精选收录的是《NVIDIA 发布开源 Nemotron 3.5 Super VL 及 Bolt 两款边缘模型》

  2. NVIDIA Blog71

    NVIDIA 发布开源 Nemotron 3.5 Super VL 及 Bolt 两款边缘模型

    NVIDIA 发布开源 120B 参数多模态模型 Nemotron 3.5 Super VL，面向高频智能体任务，官方称其准确率可比自家最大推理模型、参数量约为五分之一，吞吐比同类次优模型快至 5 倍；同时推出边缘模型 Bolt 74B-A9B 24GB（原生 2-bit 量化，可本地运行于 RTX/DGX Spark）和 Bolt E4B 4GB（10 月 23 日上线）。

    推荐理由：原文给出三款开放模型各自针对的部署层级和量化、训练数据规模，读者可据此判断哪一档适合自家智能体场景。

  3. StepFun67

    阶跃星辰转发 FeatherlessAI 的消息，Step 5 Preview 已上线该平台，以 FP8 精度提供服务。该开放权重模型为 600B 稀疏 MoE 架构、每 token 激活 27B，面向长程智能体工作，在软件工程和专业知识工作（尤其金融）上有前沿级表现，按 Artificial Analysis 数据其每任务成本约为 Claude Opus 5.5 的 1/6，智能水平与 Kimi K3 相当。

    引用Featherless AI@FeatherlessAI

    Step 5 Preview 来了。 @StepFun_ai 的新开放权重模型树立了新的帕累托前沿，在 @ArtificialAnlys 智能指数上与 Kimi K3 持平！ 它为长时程智能体工作而打造，在软件工程和专业知识工作（尤其是金融）方面取得了前沿级成果。 - 600B 稀疏 MoE，每 token 激活 27B - 据 Artificial Analysis，每任务成本约为 Claude Opus 5.5 的 1/6 现已在 Featherless 上线，以 FP8 提供服务。 https://featherless.ai/model-pages/step-5-preview

    推荐理由：引用内容给出 Step 5 Preview 的参数规模、成本对比和部署入口，读者可据此评估其性价比与获取方式。

  4. Unsloth AI63

    NVIDIA 发布两款开源模型 Nemotron-3.5-Bolt 和 Nemotron-3.5-Super-VL。Bolt-74B-A9B 可在 24GB RAM 上运行，Super-VL-120B-A12B 需 82GB RAM，结合 NVIDIA 官方介绍，Super VL 支持文本、图像、文档和视频理解，并具备推理与工具调用能力，面向长时运行的 AI 智能体。Unsloth 已提供两款模型的 GGUF 下载和使用指南。

    引用NVIDIA AI@NVIDIAAI

    Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵

  5. Black Forest Labs：Blog77

    Black Forest Labs 发布开源文生图模型 FLUX 3 Image Klein（5.6B）

    Black Forest Labs 发布 5.6B 参数开源权重模型 FLUX 3 Image Klein，支持文生图、图像编辑和最多 10 张参考图的多参考生成，采用 FLUX Kommunity License。

    推荐理由：官方公布了参数规模、显存门槛、生成速度和评测对比，读者可以评估它在本地部署与微调场景中的适配性。

  8. Google65

    Google 官方宣布 Gemini 4 Argon，称其专为解决高度复杂的编码与智能体问题而构建，可解开 Chromium 遗留代码、加速 Gemma 模型等。同时开放两类申请：科学家和研究者可申请免费获得 Antigravity 最高用量档 6 个月，网络安全防御者可申请加入 Fairwind Program，详情见 goo.gle 链接。

    同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

  10. StepFun66

    StepFun 表示 Step 5 Preview 在 NVIDIA GB300 上推理表现出色，并期待看到开发者用它构建的应用。其转发的 NVIDIA 内容称该模型是 StepFun 最大的开源权重发布，600B MoE 架构，可处理最长 24 小时的 Agent 任务，在 GB300 上用 NVFP4 达到近 8K tokens/sec/GPU，提供 NVFP4 checkpoint（https://huggingface.co/stepfun-ai/Step-5-Preview-NVFP4），并支持 SGLang、vLLM、NeMo Automodel 后训练和 NVIDIA NIM 一键部署。

    引用NVIDIA AI@NVIDIAAI

    恭喜 StepFun 发布 Step 5 Preview 🙌 这是他们规模最大的开放权重发布。 这个 600B MoE 模型专为处理长达 24 小时的 agent 任务而构建。 该模型在 NVIDIA GB300 上使用 NVFP4，运行速度接近 8K tokens/sec/GPU。 NVP4 checkpoint：https://huggingface.co/stepfun-ai/Step-5-Preview-NVFP4 使用 @SGL_project 部署 - https://docs.sglang.io/cookbook/autoregressive/StepFun/Step-5-Preview 或 @vLLM_project - https://recipes.vllm.ai/stepfun-ai/Step-5-Preview 使用 NeMo Automodel 进行后训练：https://github.com/NVIDIA-NeMo/Automodel/blob/main/docs/model-coverage/llm/stepfun-ai/step-5-preview.mdx 使用 NVIDIA NIM 通过单条命令运行它：https://catalog.ngc.nvidia.com/orgs/nim/nvidia/containers/vllm-model-free-nim-experimental/-

    推荐理由：原文补充了 Step 5 Preview 在 NVIDIA GB300 上的推理表现和 NVFP4 权重入口，可帮助开发者评估部署选择。

  13. OpenBMB60

    面壁智能 MiniCPM-V 4.7 已在 ModelScope 开源，是 35B-A3B 的 MoE 多模态模型，采用 Apache 2.0 协议。官方称其可在 iPhone 17 Pro Max 上以 13+ tokens/s 流畅运行端侧无损推理，Instruct 模式下整体得分高于 Qwen3.6 35B-A3B 且推理时间更短；支持 4x/16x 视觉 token 压缩，提供 35B-A3B 和 1B 两种规格及 FP8、GPTQ、AWQ、BNB、GGUF 变体，兼容 SGLang、vLLM、llama.cpp、Ollama、SWIFT 和 LLaMA-Factory，可运行于 iOS、Android 和 HarmonyOS，并支持 Rockchip、Houmo、Intel、AMD、Arm 的 day-0 适配。

    引用ModelScope@ModelScope2022

    MiniCPM-V 4.7 is now open source on ModelScope: a 35B-A3B MoE multimodal model built to run on-device without compromising performance. Apache 2.0. 🤖 https://modelscope.ai/collections/OpenBMB/MiniCPM-V-47 📱 First open-source MoE with smooth, lossless on-device inference, running at 13+ tokens/s on iPhone 17 Pro Max. 🔥 New Pareto frontier: in Instruct mode, it reaches a higher overall score in less inference time than Qwen3.6 35B-A3B. ⚡ Mixed 4x/16x visual token compression lets developers balance visual detail and inference cost per task. 🛠️ Two sizes (35B-A3B and 1B) with FP8, GPTQ, AWQ, BNB, and GGUF variants. Works with SGLang, vLLM, llama.cpp, Ollama, SWIFT, and LLaMA-Factory. 💻 Runs on iOS, Android, and HarmonyOS, with day-0 support for Rockchip, Houmo, Intel, AMD, and Arm.