跳到正文
只看模型
9月1日周二
  1. IT之家·人工智能42

    大连化物所联合科大讯飞、阿里云发布智能化工大模型 3.0 Pro

    中国科学院大连化物所联合科大讯飞、阿里云等研发的智能化工大模型 3.0 Pro 于 8 月 31 日发布，从知识问答模型升级为化工任务智能执行系统。模型构建大模型、智能体、专业技能与工具、应用场景四层体系，集成超过 400 个化工智能体和工具，文本问答与多模态问答准确率分别为 81.96% 和 80.75%，综合得分较 3.0 版本相对提升 20.2% 和 31.4%。

  2. 上海人工智能实验室 InternLM：原创项目63

    上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型

    上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。

    推荐理由：原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明，读者可以了解统一理解与生成模型的一条新路线。

  4. Meta AI：Research Blog64

    Meta 发布实时音频感知模型 Muse Voice Transcribe

    Meta Superintelligence Labs 发布 Muse Voice Transcribe，称其为首个实时音频感知模型，提供流式 ASR、最多 20+ 说话人的 diarization 和 endpointing。

    推荐理由：原文给出流式 ASR、说话人分离和自适应延迟的技术细节与架构说明，读者可以了解其实时语音感知的实现方式。

  7. Runway：News67

    Runway 发布 Interface World Models 首个模型 Solaris，实时逐帧生成可交互界面

    Runway 发布 Solaris，称其为新模型家族 Interface World Models 的第一个模型，由世界模型实时逐帧生成界面并对点击、拖拽等交互作出响应，无需代码等中间表示。

    推荐理由：官方完整披露了模型机制、用户研究和局限，读者可以据此理解去除中间表示后界面生成与智能体训练的路径。

  8. Microsoft Research 博客72

    微软研究院发布高效病理基础模型 GigaPath-Flash 与 GigaTIME-Flash

    微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，旨在通过蒸馏技术大幅降低计算成本以支持大规模病理研究。GigaPath-Flash 将十亿参数模型压缩至 22M 参数，在保持竞争力的同时实现约 50 倍的算力节省；GigaTIME-Flash 则提升了空间蛋白质组学预测效率并改善了泛化能力。两款模型均以 Apache 2.0 协议开源，专为科研设计而非临床诊断，使研究人员能在单 GPU 上处理百万级切片数据。

8月31日周一
  2. IT之家·人工智能77

    DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8

    DeepSeek 于 8 月 31 日在 Hugging Face 开源首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License，公开模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 PyTorch 推理实现。

    推荐理由：原文梳理了模型开源内容与能力定位，读者可据此评估其在多模态 Agent 场景中的可用性。

  5. 蚂蚁 inclusionAI：GitHub 新仓库52

    蚂蚁 inclusionAI 开源 LLaDA-Image 图像生成与编辑模型家族

    蚂蚁 inclusionAI 发布开源统一的 6B 图像生成与编辑模型家族 LLaDA-Image，含 50 步 Base 模型和 4 步蒸馏的 Turbo 模型，均支持文生图、VQ 条件生成、参考图编辑和中英文文字渲染。在 Qwen-Image-Bench 上总分达英文 53.53、中文 53.38，仓库已提供 checkpoints 和基于 Diffusers 的推理代码，训练代码即将开源。

  6. Tencent Hy51

    每个人都可以用 Hy4 preview 生成一个蜘蛛侠。 [引用 @gmi_cloud]：运行 Hy4 preview 超过 6 小时，历经 9 次迭代，最终得到这个结果。 一个蜘蛛侠可以在 3D 旧金山中荡来荡去的游戏。 560 万 tokens。总计 13 美元。 而且我们已将其开源 👇

    引用GMI Cloud@gmi_cloud

    Ran Hy4 preview for 6+ hours across 9 iterations. Ended up with this. A game where Spider-Man can swing through a 3D San Francisco. 5.6M tokens. $13 total. And we open sourced it 👇

8月30日周日
  4. IT之家·人工智能45

    预估为 GPT-6 模型：OpenAI Astra 首批演示样本流出，1 次交互生成类 GTA 2 游戏

    OpenAI 正加快 Astra 模型发布进程，新增 mozaik-alpha-fdm 测试阶段以扩大内部测试范围。多方爆料认为 Astra 很可能就是外界所称的 GPT-6，参数规模或达 10 万亿。测试显示，该模型仅 1 次对话交互即可生成类似《侠盗猎车手 2》的游戏及精细网站、3D 对象和体素环境，但推理时间比 GPT-5.6 Sol 长得多。

  6. Simon Willison 博客66

    腾讯发布 Hy4 Preview：770B 参数开源权重文本模型，上下文窗口达 1M token

    腾讯今日发布 Hy4 Preview，这是一款新的开源权重纯文本输入（无视觉）大语言模型，总参数 770B，激活参数 49B，上下文窗口 1M token，Hugging Face 上体积 1.56TB。相比 7 月的 Hy3（295B 总参数、21B 激活、256k 上下文、598GB），规模大幅提升。Hy4 的推理配置仅支持 "high"（默认）和 "no_think" 两档。

  7. Tencent Hy47

    腾讯混元 Hy4-preview 从发布首日起即支持在 vLLM 中运行，并已在 NVIDIA GPU 上完成验证。该模型总参数量 770B，激活参数 49B，采用 256 个路由专家加 1 个共享专家，支持 1M 上下文但每次查询仅关注 2048 个 token。

    引用vLLM@vllm_project

    @TencentHunyuan's Hy4-preview runs in vLLM from day 0, verified on NVIDIA GPUs. 🎉 - 770B total, 49B active, 256 routed experts plus one shared - 1M context, but each query attends to just 2048 tokens - Only 21 of the 78 layers compute their own sparse index, the other 57 reuse one - A 10B MTP layer ships inside the checkpoint, 0.7B of it active, draft depth 3 Tencent's HPC-Ops attention and MoE kernels have been in vLLM main since Hy3. VLLM_ENABLE_HPC_OPS=1 vllm serve tencent/Hy4-preview-FP8 -tp 8 Thanks @TencentHunyuan for the preview weights! 🙌 🔗 http://recipes.vllm.ai/tencent/Hy4-preview

  8. Tencent Hy52

    腾讯混元开源 Hy4 preview，旗舰 MoE 模型，支持 1M 上下文，采用 Apache 2.0 协议。模型总参数量 770B，每 token 激活 49B，原生集成 MTP 层支持投机解码。163 位内部专家在 203 项真实工程任务中的盲测中，Hy4 preview 平均分 2.99，优于 GLM 5.3（2.92）和 Kimi K3（2.94）。

    引用ModelScope@ModelScope2022

    Tencent HY open-sourced Hy4 preview: a flagship MoE with 1M context, and their biggest generational leap measured to date. Apache 2.0.🔥 🤖 https://modelscope.cn/models/Tencent-Hunyuan/Hy4-preview ⚙️ 770B total params, 49B active per token. Ships with a native MTP layer for speculative decoding out of the box. 📊 Blind eval by 163 internal experts across 203 real engineering tasks: it edges out GLM 5.3 (avg 2.99 vs 2.92) and Kimi K3 (2.99 vs 2.94). 💼 Trained on real production workflows: software engineering, office and data analysis, game development, and scientific research. 🌍 For global users: https://modelscope.ai/models/Tencent-Hunyuan/Hy4-preview

8月29日周六
  1. IT之家·人工智能46

    行业首个量子增强型大模型“玄幂 Xenomi”发布：深度融合 AI 与量子计算

    国光量超人工智能研究团队推出行业首个量子增强型大模型玄幂（Xenomi）家族，将量子技术引入大语言模型的决策与推理过程。该模型面向科研和学术领域，在科研科普、路由和智能体决策等任务中较主流开源模型展现出更稳定的专业理解、更清晰的判断和更短的决策路径。玄幂已应用于国光量超的量子计算智能实验平台和夸米多智能体系统。

  2. Tencent Hy62

    腾讯混元将 Hy4-preview（770B 参数、49B 激活、1M 上下文）从 1.5TB 压缩至约 200GiB GGUF 格式，通过 MIX-STQ1_0 混合量化按层分配位宽（最低 1.31-bit STQ1_0，最高 2.06-bit IQ2_XXS）。

    引用Tencent Hy@TencentHunyuan

    🚀 Hy4 preview is here. 770B, 49B active, 1M context. Built for productivity. Open source frontier. Consistent affordable price. Use it. Tell us what breaks. More on Hy blog：https://hy.tencent.ai/research/hy4-preview HuggingFace：https://huggingface.co/tencent/Hy4-preview Github：https://github.com/Tencent-Hunyuan/Hy4-preview

  3. IT之家·人工智能72

    智谱开源 GLM-5.3 模型权重，主打智能体编程与网络防御

    智谱宣布开源 GLM-5.3 模型权重，支持本地运行与个性化定制，擅长复杂编码、防御性网络安全及长程任务。该模型在 AA 综合智能指数中取得 60 分，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰同级，并与 Kimi K3 并列开源模型第一。仅年营业额超 100 亿美元的机构将其作为外部模型服务提供时才需安全审查。

    推荐理由：许可条款把强制安全审查限定在百亿美元级外部模型服务，自有部署和中小团队实际不受影响，开源可用性比表面限制更宽。

  4. Tencent Hy49

    在 Cline 中试用 Hy4 preview [引用 @cline]：腾讯 Hy4 Preview 在 SWE-bench Pro 上领先。770B 参数，49B 激活，1M 上下文，以及迄今测得的其最大代际跃升。 很高兴看到又一个开放权重模型与前沿模型竞争。 在 Cline 中试用：1. npm i -g cline 2. /model 3. 选择 Hy4 preview

    引用Cline@cline

    Tencent Hy4 Preview leads on SWE-bench Pro. 770B, 49B active, 1M context, and their biggest generational leap measured to date. It’s exciting to see another open weights model compete against the frontier. Try in Cline with: 1. npm i -g cline 2. /model 3. Select Hy4 preview

  5. Hao AI Lab44

    Sky Computing Lab 开源 FastVideo FastH3 预览版，生成 15 秒视频仅需 13 秒，实现 14 倍加速。盲测中 45% 用户偏好 FastH3 或认为其与 MiniMax H3 持平。该预览版仅用部分数据和算力训练，权重已发布于 HuggingFace。

    引用Hao AI Lab@haoailab

    45% preferred FastVideo FastH3 or are neutral compared with @MiniMax_AI H3. Our open-weight FastH3 achieves 15s generation in 13s and 14x speedup. 🚀 Big shoutout to the folks at @fal and @isidentical for helping us run an eval against H3. As an open source project we always appreciate all the help we can get. The entire team is quite excited by this result for a preview checkpoint trained on a fraction of our planned total compute and partial data. Excited for what our next versions can do!! Weights: https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree Blog: https://haoailab.com/blogs/fasth3-preview/ Thank you for your contribution to the open source H3 ecosystem @fal! https://x.com/isidentical/status/2093482587268522188

  7. Hao AI Lab57

    FastVideo 开源预览版 FastH3，15 秒视频生成仅需 13 秒，实现 14 倍加速，45% 用户偏好或认为其与 MiniMax H3 持平。该模型为预览检查点，仅用部分算力和数据训练。引用推文提醒，速度提升需配合质量评估，避免沦为“随机像素生成器”。

    引用batuhan the fal guy@isidentical

    Speed is easy when you ignore quality. I can generate random pixels under 1 nanosecond and claim to be ♾x faster than H3 and call it H3-ultra-lightning-fast. But this is not how people should innovate on speed in open. Image and video models are notoriously hard to optimize and we @ fal spend 2-3x more time on evals and making sure optimizations work than actual kernel engineering work. But when you see people claiming they are X times faster than original while messing the quality to a degree that the outputs has nothing to do with original model, it is annoying. Numbers below are for this case, but this is not the first/only one doing it. I'd recommend the authors below, and everyone on the field to run their own evals. Without preference and quality evals in the loop, ai-slop-performance agents can just lead you into a way you generate random pixels and it is just dishonest to call it anything but a random-pixel-generator.

  13. OpenRouter52

    来自 @Zai_org 的 GLM-5.3 现已开放权重，并上线 OpenRouter。 该模型专为复杂软件工程、长周期智能体和网络安全设计，支持 1M 上下文和可配置的推理强度。 立即体验：https://openrouter.ai/z-ai/glm-5.3

    引用Z.ai@Zai_org

    GLM-5.3 现已开放权重。 我们最强大的智能体编码与网络防御模型，现已开放下载、运行和定制。 权重：https://huggingface.co/zai-org/GLM-5.3 技术博客：https://z.ai/blog/glm-5.3

  14. SiliconFlow62

    来自 @Zai_org 的 GLM-5.3 现已开源——并已在 SiliconFlow 上线。🚀 一如既往地提供 Day-0 支持。 没有增加规模，智能却大幅提升。总计 744B / 激活 40B——与 GLM-5.2 相同的基座模型，通过后训练进一步大幅推进。在前沿编码和智能体基准测试中，与 Fable 5 和 GPT-5.6 Sol 具有竞争力。 SiliconFlow 在 @OpenRouter 上的 GLM-5.2 token 份额排名第一。现在我们将这一体验带到 GLM-5.3。立即使用 GLM-5.3 构建。

8月28日周五