跳到正文
#开源生态
今天10月30日周五2 条
  2. Tencent Hy68

    腾讯混元发布 Hy-Nomas 开源交互式视频世界模型的技术报告（arXiv:2610.36729），并开源 Hy-Nomas-Bench 数据集用于可复现研究。官方还用 Hy-Nomas 重现 Genie 4 示例并放出对比视频，演示无需排队即可试用，地址为 https://hy-nomas.hy.tencent.com/。

    引用Tencent Hy@TencentHunyuan

    🚀 推出 Hy-Nomas：一个开源的自由形式交互式视频世界模型 主要特性： * 通过文本提示和相机轨迹进行自由形式交互 * 具备世界记忆的长时程生成 * 面向机器人等专业领域的轻量级 LoRA 适配 * 针对消费级 GPU 的推理优化 随时测试并反馈！ 🔗 网站： https://hy-nomas.hy.tencent.com/ 💻 GitHub：https://github.com/Tencent-Hunyuan/Hy-Nomas 🤗 Hugging Face： https://huggingface.co/tencent/Hy-Nomas 🎥 演示： https://hy-nomas.hy.tencent.com/demo #Hy#WorldModels #VideoGeneration #GenerativeAI

    推荐理由：官方补充技术报告和 Hy-Nomas-Bench 数据集，还放出与 Genie 4 的对比视频，便于研究者复现和评估该视频世界模型。

10月29日周四
  5. vLLM 官方博客71

    vLLM 发布 Mistral Large 4 Day 0 支持

    vLLM 团队宣布对 Mistral 新旗舰模型 Mistral Large 4 提供 Day 0 支持，该模型为 1T 参数、每 token 激活 49B 的原生多模态 MoE 模型，采用 MLA 稀疏注意力加 DSA top-k 索引器、跨层 KV 共享、NoPE、SSMax 和 LeRoPE 等新架构，并内置 DSpark 推测解码草稿器与 Pixtral 视觉编码器。

    推荐理由：vLLM 团队详解支持 Mistral Large 4 所需的架构适配与量化、长上下文、推测解码等实测数据，可作部署参考。

  6. Unsloth AI77

    Unsloth 发布 Mistral Le Chonk（Mistral Large 4，1T 参数 MoE，52B 激活）的 Dynamic 1-bit GGUF，可在 Mac Studio 上本地运行，保留 91% top-1 准确率，体积约 233GB（较 1.1TB FP8 小 80%）。图为各量化档位给出硬件需求，1-bit 需 256-270GB 内存，最小 UD-IQ1_S 约占 233GB 磁盘，并支持文本与图像输入、1M 上下文和 160+ 语言。GGUF 与指南见 huggingface.co/unsloth/Mistral-Large-4-1T-A52B-GGUF 和 unsloth.ai/docs/models/mistral-large-4。

    引用Mistral AI@MistralAI

    今天，我们发布了全新改进版 Le Chonk 的权重，推进智能体编程与网络安全领域的开放前沿。 💻 为构建而生：Le Chonk 在 @cognition 的 FrontierCode 上于开放模型中排名第一，并在 @artificialanalysis 上树立了帕累托效率的新基准。 🛡 为防御而生：网络防御领域的顶尖水平，已通过全球领先网络安全厂商的检验，包括 @CrowdStrike、@cloudflare、@rubrik、@zscaler 等。 为主权而构建：让它成为你的。在 @huggingface 上下载权重，使用 Mistral Forge 进行定制，并部署到你需要的任何地方。 阅读我们团队和客户的更多内容 👇：

    推荐理由：原文给出在 Mac Studio 上本地运行 1T 参数模型的量化方案和硬件需求表，读者可直接照做部署。

  7. Hugging Face 官方团队博客81

    Mistral Large 4（Le Chonk）登陆 Hugging Face：1T 参数 MoE 多模态开源权重模型

    Hugging Face 发布 Mistral Large 4（Le Chonk）的上线博客，模型为多模态多语言 MoE 架构，总参数约 1T、激活 49B、上下文窗口 1M token。

    推荐理由：原文给出架构细节、网络安全能力分数和各硬件实测吞吐，读者可据此评估该开源权重大模型的部署门槛与适用场景。

  13. OpenMOSS / 复旦NLP / 上海创智 / MOSI71

    OpenMOSS 发布开源图像生成模型 MOSS-Image，主打长文本渲染与可编辑布局

    OpenMOSS 发布开放权重图像生成模型 MOSS-Image，采用 5B 参数单流 DiT 从零预训练，支持最长 4K token 提示词、中英文长文本渲染和可编辑的 JSON Layout。

    推荐理由：原文给出长文本渲染与布局评测数字及开放权重部署路径，读者可以据此判断它在文字密集图像任务中的适用边界。

  14. TypeSafe AI53
    引用Shengkun Ye@shengkunye

    Introducing Jev @typesafeai powered people search $0.0024/lead. No more $2,000 subscriptions. Your agents can now: > Waterfall across Apollo, Clay, People Data Labs, Hunter, ContactOut, Ploid > Run 1,000 leads through Jev > Pay for enrichment only on the leads Jev kept Open source. No subscriptions. 0% markup.

10月28日周三
  4. OpenBMB55

    OpenBMB 转发并感谢 @atomic_chat_hq 的演示：该演示在 M5 Max MacBook 上本地运行 MiniCPM-OCR 1.0，处理 Anthropic S-1 文件全部 415 页，1.2GB 模型约每页 4 秒，数据全程不离开设备。GGUF 权重已发布在 huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF。

    引用atomic.chat@atomic_chat_hq

    A 1.2GB model on a Mac read Anthropic's whole IPO 📄 @OpenBMB MiniCPM-OCR 1.0 went through all 415 pages of Anthropic's S-1 on an M5 Max MacBook at about 4 seconds a page and nothing ever left the laptop GGUFs -> https://huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF

  5. OpenBMB50

    OpenBMB 开源 MiniCPM-OCR 系列模型，把文档解析与 OCR 结果可靠性评估配套提供。MiniCPM-OCR 1.0 是 1.3B 参数的中英文文档解析模型，支持扫描页、拍照文档、倾斜和弯曲页面，可处理表格、公式、PDF 和关键信息抽取，并支持查看 Markdown 源码与预览解析结果；MiniCPM-OCR Jev 是独立模型，用于评估 OCR 结果可靠性，帮助识别需要人工复核的输出。模型权重开放在 GitHub 和 Hugging Face，支持多种部署方式。

    引用draven@dravenip

    DOCUMENT PARSING IS GETTING REALLY INTERESTING MiniCPM-OCR is an open-source model family from @OpenBMB and ModelBest built to turn documents into structured, usable information. → MiniCPM-OCR 1.0 is a compact 1.3B-parameter model for English and Chinese documents → handles scanned pages, photographed documents, tilted inputs and even curved pages → supports tables, formulas, PDFs and key information extraction → lets you inspect the Markdown source and preview the parsed output the family also includes MiniCPM-OCR Jev, a separate model that assesses the reliability of OCR results and helps identify outputs that may need human review. pretty cool to see document parsing and output assessment tackled together, with open-source weights and multiple deployment options. GitHub: http://github.com/OpenBMB/MiniCPM-OCR Hugging Face: MiniCPM-OCR 1.0：http://huggingface.co/openbmb/MiniCPM-OCR-1.0 MiniCPM-OCR Jev：http://huggingface.co/openbmb/MiniCPM-OCR-Jev

  6. OpenBMB59

    面壁智能 OpenBMB 转发 @atomic_chat_hq 的实测演示：1.2GB 的 MiniCPM-OCR 1.0 在 M5 Max MacBook 上以每页约 4 秒的速度处理完 Anthropic S-1 全部 415 页，全程数据不离开本地。演示者已将 GGUF 版本分享至 Hugging Face（https://huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF）。

    引用atomic.chat@atomic_chat_hq

    A 1.2GB model on a Mac read Anthropic's whole IPO 📄 @OpenBMB MiniCPM-OCR 1.0 went through all 415 pages of Anthropic's S-1 on an M5 Max MacBook at about 4 seconds a page and nothing ever left the laptop GGUFs -> https://huggingface.co/AtomicChat/MiniCPM-OCR-1.0-GGUF

  12. Rohan Paul62

    Liquid AI 发布新一代开源权重模型家族 LFM3，1.7B 文本模型表现超越其前代 2.6B 模型。性能提升来自 tri-hybrid 架构，24 层中 13 层为短卷积、5 层用 256-token 滑窗注意力、6 层全局注意力；官方称 LFM3-VL-2B 可与参数量大 6 倍的 Gemma 4 12B 竞争，作者引用的数据称 1.7B 模型在 AutomationBench 得分 41.29，高于 Qwen3.5-9B 的 15.10。

    引用Liquid AI@liquidai

    Introducing 𝙻𝙵𝙼𝟹: our new generation of Liquid Foundation Models. With a new tri-hybrid architecture and new multimodal encoders, the LFM3 family is the ideal model suite for specialized intelligence. > 6 model instances, across text, audio, vision, and omni modalities, generative and decision models. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱: text, 256k context window. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱: vision-language model with video-input support for spatial understanding > 𝙻𝙵𝙼𝟹-𝙰𝚞𝚍𝚒𝚘-𝟸𝙱: tool calls, voice chat, reasoning in 18 languages. > 𝙻𝙵𝙼𝟹-𝙾𝚖𝚗𝚒-𝟸𝙱: an omni model combines vision, audio, and language. > 𝚍𝟷-𝟸𝙱 and 𝚍𝟷-𝙾𝚖𝚗𝚒-𝟸𝙱: decision models with typed outputs and calibrated probabilities in a single pass. Omni adds audio input. > fine-tune on 1 GPU. > a new tri-hybrid architecture > architecture optimized for 14 processor classes across GPUs, CPUs, and NPUs. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱 is a beast. It performs competitively with Gemma 4 12B (6x larger), and Gemini 3.5 Flash Lite, and GPT-5.6 Luna, with 1.9B parameters. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱 is #1 on the Pareto frontier of device intelligence 𝚙𝚒𝚙𝚎𝚝𝚝𝚎.𝚕𝚒𝚚𝚞𝚒𝚍.𝚊𝚒 Every modality for specialized intelligence. Pick the one that fits your use case, customize it, and run it on-device. 1/ 🧵

  13. Liquid AI 模型与工程博客68

    Liquid AI 发布 LFM3 多模态开源权重模型家族，2B 级覆盖文本、视觉、音频、omni 和决策模型

    Liquid AI 发布新一代 LFM3 模型家族，以 LFM3-1.7B-Base 为共享骨干，首批开放六个 2B 级模型（文本、视觉、音频、omni 及两个决策模型）的开放权重，可在 Hugging Face、Playground 和 Liquid AI API 获取。

    推荐理由：原文给出 LFM3 各模型的具体架构、基准和端侧性能数据，读者可以据此评估小参数量多模态模型在本地方案中的可行性。

  14. LangChain：Blog71

    LangChain 解析自研设计 agent Content Studio 并开源其 harness

    LangChain 详解自家设计 agent Content Studio 如何在 Slack 中根据一条提示生成视频、幻灯片和社媒图等代码化资产，已累计产出超 3000 件资产、80 多套幻灯片，单次请求模型成本从约 $8 降至约 50 美分。

    推荐理由：LangChain 复盘自研设计 agent 从早期差评到可用的过程，并开源了 harness，读者可借鉴其教品味、建环境和异步子代理的具体做法。

10月27日周二