跳到正文
今天11月5日周四3 条
11月4日周三
11月1日周日
10月30日周五
  1. 量子位76

    SoMark 开源 1.3B 文档解析模型 OXR,登顶 OmniDocBench 等三榜第一

    SoMark 团队开源 1.3B 文档解析模型 OXR,在 OmniDocBench(97.18)、olmOCR-Bench(87.84)和 DocParsingBench(87.76)三个榜单均排名第一。

    推荐理由:原文拆解了OXR靠RSI自进化训练做到1.3B参数登顶三榜的细节,以及可插拔架构与免费API,读者可以据此评估是否接入现有解析流程。

  2. 开源中国76

    Mistral 开源万亿参数模型 Mistral Large 4 权重

    Mistral 开源了 Mistral Large 4(内部代号 Le Chonk)的权重,模型有 1 万亿参数,原生支持多模态。报道称其为开放权重阵营中体量最大的模型,从零开始在欧洲基础设施上训练,并称在开放权重模型中编码能力最强,引用 Cognition 的私有基准 FrontierCode 2.0 测试端到端代码质量作为依据。

    推荐理由:报道给出 Mistral Large 4 的参数规模、多模态能力和编码基准表现,可作为开源模型竞争格局的参照。

10月29日周四
10月28日周三
  1. TechCrunch · AI51

    Nvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe,支持 40 种语言

    Nvidia 发布免费开源权重语音转写模型 Nemotron 3.5 Transcribe,支持最多 40 种语言,可处理最长一小时的录音并区分最多 8 位说话人。该模型有 30 亿参数,可运行在从 Jetson AGX Thor、DGX Spark 到 Blackwell 数据中心芯片上,但目前仅支持录制音频而非实时流;Nvidia 同时发布了开源语音数据集 Granary 2。

10月27日周二
  1. 量子位48

    国产AI 3D大模型Hi3D开源:V1.0模型代码开放可商用,V3.0精度对标GPT-6 Astra

    Hi3D正式开源Hi3D V1.0模型代码,基于Sparc3D架构、约200万个筛选3D资产训练,已上线GitHub和Hugging Face。其多视图保真度和细节丰富度分别达0.75和0.841,切片成功率90%。最新的Hi3D V3.0为业界首个可商用超高精度国产自研AI 3D模型,配合Hi3D Agent支持生成、修改、动画处理与3D打印,还可通过MCP接入外部应用。

10月26日周一
10月24日周六
  1. Latent Space80

    Moonshot 发布 Kimi K3.1 Pro:104B 激活参数、2-3 倍 Highspeed 版本,权重承诺 11 月 4 日开放

    Moonshot 发布 Kimi K3.1 Pro,2.8T 总参数、104B 激活参数的 MoE 模型,支持 1M token 上下文,承诺 2026 年 11 月 4 日开放权重,Highspeed 版本输出速度快 2-3 倍但价格翻倍。

    推荐理由:汇总了 K3.1 Pro 的独立评测、定价与部署细节,读者可借此区分厂商宣传与第三方实测的差异。

  2. 量子位60

    高德发布全身基座模型λ0,仅靠人类数据让机器人实现全身协调

    高德与阿里ATH事业群发布基于开放世界行为的全身基座模型λ0,仅用人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调。在SIMPLE仿真基准和真机评测中取得SOTA,采集效率约为主流方法3.4倍,真机任务成功率较最强基线提升22.5%;配套构建500小时HumanVerse-500数据集,硬件配置代码已在GitHub开源,数据样例上线HuggingFace。

10月23日周五
  1. 开源中国68

    MiniMax 开源 M3.1 Flash:428B 总参数、23B 激活

    MiniMax 将 M3.1 Flash 权重开源,规格为 428B 总参数、23B 激活,上线 72 小时真实用户处理超过 100 万亿 Token。公告重点介绍推理效率优化,包括把前三个全注意力层替换为稀疏注意力以降低长上下文计算负担,以及 QAT 等三项优化(原文摘要未完整给出后两项细节)。

10月22日周四
  1. 量子位37

    中电信星辰发布并开源意图理解模型 Xing4.0-29B-Intent

    中电信星辰通用人工智能实验室发布并开源意图理解专用模型 Xing4.0-29B-Intent,同步开放275万条训练语料、模型权重与推理镜像。模型统一意图识别与参数抽取,采用 USP 框架输出 JSON 结构化结果,平均输出几十个 token,时延百毫秒级。自建评测中总分 58,高于 18 款参评通用模型的最高分 49,并已应用于电信万号客服、智能家居音箱等场景。

10月21日周三
  1. NVIDIA Blog72

    NVIDIA 扩展开源模型家族,覆盖语言、机器人、生物与量子计算

    NVIDIA 扩展开源模型家族以支持欧洲各行业构建本地化应用,新模型包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever。

    推荐理由:原文汇总了 NVIDIA 跨语言、机器人、生物和量子领域的开源模型家族及各行业落地情况,读者可据此了解欧洲主权 AI 的开源布局。

10月20日周二
  1. 开源中国54

    蚂蚁百灵开源 Ming-3.0 语音系列模型

    蚂蚁百灵开源 Ming-3.0 语音系列,将「声音创作、长语音分析、业务语音转写」三类任务拆成三套模型、五款产品,开发者可按任务选型、按需组合。其中 Ming-3.0-tts 的亮点是「导演模式」,其 Voice Design 支持用文字描述目标音色,也支持参考音频定音色。

10月19日周一