内容类型
各家新模型的发布、开源与迭代：旗舰更新、开源权重放出、能力与价格变化。
858 条精选近 30 天 58 条共收录 3,668 条
Mistral 发布 24B 参数的 Mistral Small 3，以 Apache 2.0 协议开放预训练和指令微调两种权重。官方称其在 MMLU 上超 81% 准确率、延迟 150 tokens/s，与 Llama 3.3 70B instruct 相当且同硬件快 3 倍以上，量化后可在单张 RTX 4090 或 32GB 内存的 Mac 上本地运行。
推荐理由：官方完整说明了模型规格、性能数字和开放部署渠道，读者可据此评估本地部署与开源基座的可行性。
FireRedTeam 开源工业级 ASR 模型 FireRedASR，支持普通话、中文方言和英文，在公开普通话 ASR 基准上取得 SOTA，并具备歌词识别能力。
推荐理由：原文给出两个模型变体的架构差异和公开基准 CER/WER 对比数字，读者可据此评估选型。
DeepSeek-R1 发布，性能对标 OpenAI o1 正式版。模型遵循 MIT License 开放 API，训练技术同步公开。
推荐理由：虽已是旧闻，但 DeepSeek-R1 作为首个开源对齐 o1 的模型，其训练技术至今仍有参考价值，做推理方向的值得回溯。
DeepSeek 推出新模型 DeepSeek-R1，可通过指定 model=deepseek-reasoner 调用。该模型为推理模型，详细更新与调用指南已分别发布。
推荐理由：R1 的 API 开放让开发者能直接调用推理能力，对需要深度思考的应用是个关键接入点，成本比同类更低。
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，代码生成与补全速度较原版提升约 2 倍。
推荐理由：官方给出与同类模型的多项基准对比和可用渠道，读者可以据此评估它在代码补全工作流中的替换价值。
深度求索正式发布 DeepSeek-V3 模型，性能比肩世界顶尖模型，速度跃升，价格更新。
推荐理由：DeepSeek-V3 是 2024 年底国产模型的一次真正跃迁，首次亮剑就逼近闭源顶尖，开源权重更是直接改变了开发者生态。时隔一年半回头看，它仍是理解 DeepSeek 路径的起点。
Answer.AI 与 LightOn 发布 ModernBERT 编码器模型系列，提供 base（149M 参数）和 large（395M 参数）两个规格，可作为 BERT 类模型的直接替代。
推荐理由：原文详细披露了架构改进、训练数据和实测效率数字，读者可据此评估它在现有 BERT 类工作流中能否直接替换。
Answer.AI 与 LightOn 联合发布 ModernBERT，这是一系列旨在取代 BERT 的 SOTA 编码器模型。该模型将 LLM 的最新架构改进（如 Flash Attention、RoPE）应用于编码器，支持 8192 token 上下文长度（远超传统 BERT 的 512），并在速度和下游任务性能上全面超越旧一代模型。提供 base (149M) 和 large (395M) 两种参数规模，已集成至 Hugging Face Transformers v4.48.0，可直接作为 BERT 类模型的即插即用替代品，适用于 RAG、分类及代码检索等场景。
推荐理由：这是六年来首个真正意义上对 BERT 架构的重大升级，解决了长上下文限制并提升了效率，对依赖编码器的 RAG 和搜索系统开发者具有直接的生产力价值。
DeepSeek@deepseek_ai精选推荐理由：DeepSeek 开源 VL2 视觉模型，3B 轻量版可端侧部署，MoE 架构支持动态图像分块
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V2.5-1210，各项能力提升。数学能力在 MATH-500 基准测试中从 74.8% 提升至 82.8%，代码能力在 LiveCodebench (08.01 - 12.01) 基准测试中从 29.2% 提升至 34.38%。新版本还优化了文件上传和网页总结功能的用户体验。
推荐理由：DeepSeek把deepseek-chat数学拉到82.8%，代码涨了5个点，做复杂推理的开发可以试试水，但这还是V2.5系列的常规升级，别当次代际跃迁。
Prime Intellect 发布 INTELLECT-1，称其为首个全球协作训练的 10B 参数语言模型，基于 Llama-3 架构在 1T token 上训练 42 天，跨五国三洲最多同时使用 112 张 H100。
推荐理由：原文给出分布式训练的关键数字和 PRIME 框架细节，读者可以了解跨洲协作训练 10B 模型的可行性与工程代价。
DeepSeek 上线推理模型预览版，其推理性能与 OpenAI 的 o1-preview 相当，并公开了模型的完整思维链。
推荐理由：虽然已是旧闻，但 DeepSeek 首次公开推理模型完整思维链，对理解 o1 类模型的内部机制是个重要线索，做推理模型研究的值得回看。
Mistral AI 发布基于 Mistral Large 2 的 124B 开源权重多模态模型 Pixtral Large，在 MathVista 达到 69.4%，在 ChartQA、DocVQA 上超过 GPT-4o 和 Gemini-1.5 Pro。
推荐理由：官方发布了多模态模型的基准成绩与开放下载渠道，也说明了许可证类型，适合想对比前沿多模态能力或自部署的读者参考。
Mistral AI 发布面向端侧和边缘场景的两款模型 Ministral 3B 与 Ministral 8B，称其在 10B 以下级别创下知识、常识、推理、function-calling 和效率的新前沿。
推荐理由：官方发布明确了两款端侧小模型的上下文长度、API 定价和许可证范围，读者可直接评估其本地部署与 Agent 调用场景的适用性。
Liquid AI 发布第一代 Liquid Foundation Models（LFM），包含 1.3B、3.1B 和 40.3B MoE（激活参数 12B）三个语言模型，官方称在各规模上取得同级领先质量。
推荐理由：官方发布了三档模型的基准数据和内存表现，并说明非开源决定与边缘部署定位，读者可据此评估是否试用。
Mistral 发布开源多模态模型 Pixtral 12B，以 Apache 2.0 许可提供，可作为 Mistral Nemo 12B 的直接替换。
推荐理由：官方发布开源多模态模型，给出了架构细节、MMMU 分数和统一评测对比，可作为同规模开源模型选型的参考。
OpenAI 发布 o1 模型，官方公告题为 Introducing OpenAI o1。本次抓取未获取到正文，更多细节以官方公告页 https://openai.com/index/introducing-openai-o1-preview 为准。
OpenAI 发布 o1-mini 模型，定位为推进成本高效的推理能力。官方页面暂未披露更多细节。
推荐理由：OpenAI 官方宣布 o1-mini，定位为更具成本效益的推理模型，可作为了解其推理系列布局的入口。
DeepSeek-V2.5 保留原有 Chat 模型的通用对话能力和 Coder 模型的代码处理能力，并更好地对齐人类偏好。
推荐理由：DeepSeek首次将通用对话与代码能力合一的开源模型，当时直接拉低了多任务成本，今天看仍是模型混合能力演变的早期标杆。
DeepSeek 将 V2 Chat 与 Coder V2 合并升级为 V2.5，API 用户通过 deepseek-coder 或 deepseek-chat 均可访问。新模型在通用与代码能力上显著提升，ArenaHard winrate 升至 76.3%，HumanEval 达 89%。
推荐理由：DeepSeek 把 coder 和 chat 合并成 V2.5，API 端点不变但性能全线拉高，已有的集成直接受益，代码和通用能力不再是两张皮。