Figma 如何訓練熟悉 Figma 編輯的模型
Figma 以監督式微調和強化學習訓練專用設計編輯模型,讓模型能理解 Figma 原生檔案格式並修改畫布上的設計。早期 Llama 3.3 70B 模型使用逾 250,000 個訓練例子;最新編輯模型則以 Qwen 3.8 27B 為基礎進行後訓練。Figma agent 的典型任務速度提升約 20%,在與專家設計師的對比測試中,勝過或追平上一代正式版 agent 的比例為 62%。
Figma 以監督式微調和強化學習訓練專用設計編輯模型,讓模型能理解 Figma 原生檔案格式並修改畫布上的設計。早期 Llama 3.3 70B 模型使用逾 250,000 個訓練例子;最新編輯模型則以 Qwen 3.8 27B 為基礎進行後訓練。Figma agent 的典型任務速度提升約 20%,在與專家設計師的對比測試中,勝過或追平上一代正式版 agent 的比例為 62%。
Baseten 於 2026年10月29日發佈 joey-1,一款 2B 參數決策模型,定價為每百萬 tokens $0.01,並以 MIT 授權開放權重。模型可透過 Baseten Model APIs 使用,權重亦可在 Hugging Face 取得;Baseten 報告稱,其在生產規模下處理平均 2,000-token 請求的 P50 端到端延遲為 20 ms。
Baseten 發佈 2B 開放權重決策模型 joey-1,以答案和機率分數回應是非及多項選擇題,而非生成文字。Baseten 稱,模型每百萬 tokens 收費 $0.01,處理典型 2,000-token 請求約需 20ms,約為 elephant-1 的 2.5 倍;每月分類 10M 張支援工單約需 $50,mammoth-1 則約 $500。
Mistral AI 發佈 Mistral Large 4,這款 1T 參數模型採用開放權重及寬鬆授權,並主打較低推理成本。模型在 HumanEval 達 92.4%,上下文窗口為 64 k;文章稱其推理成本較 GPT-4-Turbo API 低約 45%。ф
OpenAI 更新 Model Spec,將模型行為指引重組為五項核心價值,並説明模型應如何在指示未涵蓋的情況下理解人類意圖、作出判斷。五項價值包括忠於人類意圖、減少傷害、誠實與透明、促進人類自主性及關懷;更新亦加入情境和監督等指引,並不再保留大部分詳細風格指引。
推薦理由:更新將模型行為指引整理為五項核心價值,並增補情境、監督與自主性原則,呈現 OpenAI 如何界定模型在未明確指示下的判斷依據。
Google DeepMind 發佈新一代世界模型 Genie 4,讓它在生成可互動環境時支援持續加入新指令並改變後續事件。文章聚焦動態語言條件如何約束環境演化、如何核驗因果關係,以及 Genie 4 與 Agent 如何在不同運行速度下維持低延遲協作。DeepMind 尚未披露 Genie 4 的完整網絡結構或具體調度實作,並指出長時間運行仍可能出現物體持久性、視覺細節及空間一致性問題。
Mistral 已發佈 1 trillion 參數的 Mistral Large 4(ML4)權重,讓企業和政府可自行下載及部署,模型瞄準網絡安全用途。
Mistral 已在 Hugging Face 公開 Mistral Large 4 權重;該模型在編碼測試中領先開源模型,但整體能力評分仍低於多款中國模型。
Baseten 發佈 joey-1 決策模型,以單一 token 和信心分數直接輸出判斷。平均 2,000-token 請求的 P50 端到端延遲為 20 ms,較 elephant-1 的 49 ms 快約 2.5 倍;每百萬 tokens 收費 $0.01,為 mammoth-1 的十分之一。
Mistral AI 於 2026 年 10 月 29 日發佈 Mistral Large 4 權重,這款 1-trillion-parameter 原生多模態模型可在 Hugging Face 下載作自託管,亦可透過 API 及合作平台使用。
推薦理由:文章並列權重授權限制、API 定價與編碼基準成績,方便對照 Mistral Large 4 的商用部署條件和官方公佈表現。
Google 發佈 Gemini 4 Carbon,該模型在 Artificial Analysis Intelligence Index v5.0 得分 59,排名第一,高於 Claude Opus 5.5 的 58 和 GPT-6 Astra 的 57。
Mistral AI 於 2026年10月29日公開 Mistral Large 4 的權重,模型共有 1,000 billion 個參數。此後三週,Mistral 持續進行強化學習,重點改善編碼與網絡安全;Terminal-Bench 4.0 得分由 28% 升至 41%。
推薦理由:文章交代開放權重讓 Mistral Large 4 可在自有伺服器運行,同時説明服務轉售授權限制及所需的數據中心 GPU。
Mistral 開放 Mistral Large 4(「Le Chonk」)權重,企業可在自有硬件及防火牆內運行模型,避免敏感數據暴露予雲端或外部第三方。模型有 1 trillion parameters 和 52 billion active parameters,原生支援多模態,並經過額外三週強化訓練及客戶測試。
DiffuSpace 昨日發佈 Clover 系列首個模型 Clover-35B-A3B-Preview,並以 Apache 許可開源;該模型採用 MoE 架構,是一款擴散語言模型。DiffuSpace 表示,該模型在多項基準測試中表現超過同規模自回歸模型 Qwen3.6-35B-A3B,尤其擅長智能體編碼與工具使用,並保持更快生成速度。
2026年10月28日,DiffuSpace 發佈並以 Apache 授權條款開源 Clover 系列首個擴散語言模型 Clover-35B-A3B-Preview。
DiffuSpace 發佈並以 Apache 許可開源 Clover-35B-A3B-Preview,這是採用 MoE 架構的擴散語言模型。模型透過多輪迭代,將生成結果由模糊逐步細化為具體內容。DiffuSpace 稱,該模型在多項基準測試中表現超過同規模自回歸模型 Qwen3.6-35B-A3B,尤其擅長智能體編碼與工具使用任務。
Mistral AI 於 2026 年 10 月 29 日公開發佈 Large 4,這款網絡安全模型可下載並獨立運行,旨在協助機構識別及修復網絡安全漏洞。作者未有親自測試;發佈報道未確認獨立基準結果、下載細節、硬件要求、定價或授權條款。Orange Cyberdefense 同日宣佈合作,將模型的網絡安全變體用於其產品,並以位於歐洲的運算能力運行,初步用途包括測試客戶防禦及加快調查入侵事件。
Mistral Large 4(Le Chonk)現已開放權重。
Mistral 公開 Mistral Large 4(又稱 Le Chonk)的模型權重,並稱這款模型在 Artificial Analysis Coding Agent Index 上可媲美頂尖開放模型。Mistral 列舉 GLM-5.3 作為比較對象。
Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。
推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。
Hugging Face 發佈 Granite Switch 4.1.1,這個補丁版本與 4.1 完全向後兼容,無需遷移。更新包括支援 10 種語言的 Granite Speech ASR,以及在 Jev Decision Index 測試集上整體表現有所提升的 Decision adapter。除訓練新的 ASR 模型和 Decision adapter 外,基礎模型沒有重新計算。
Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。
推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。
Gemini 4 Carbon 登上 Artificial Analysis Intelligence Index v5 榜首,成為該指數新的第一名。貼文中的評論指出,這款模型目前並非公眾可用。
Mistral 已為 1 萬億參數的 Mistral Large 4 發佈開放權重;模型每項任務啟用 520 億個參數,可讀取文字和圖像,並生成文字及程式碼。
推薦理由:文中比較編碼與網絡防禦基準的得分,並列出每項編碼任務的 token 用量差異,呈現 Mistral Large 4 的測試表現。
Google 於 2026 年 10 月 28 日宣佈 Gemini 4 Carbon,稱其在 Artificial Analysis Intelligence Index v5.0 得 59 分並排名第 1,但目前沒有公開 API 模型 ID。
Gnani AI 推出 Prisma v3.0 自動語音識別模型,支援 10 種語言及句內印度語言與英語混用的語音轉錄。
Momenta預告即將發布R7 Ultra,其模型參數規模增至原來的5倍,安全性能表現提升5倍。X7 Ultra提供700 TOPS大模型算力,支撐更大規模模型在車端運行;R7 Ultra在多種複雜駕駛場景展現出媲美甚至超越人類資深司機的能力。Momenta表示,未來將把模型參數規模擴至原來的10倍,並推動安全性能表現提升至10倍以上。
Articul8 推出 Bivia 決策模型,協助企業 AI 智能體評估文字、圖像、文件等資料並作出結構化決策。Bivia 透過 API 獨立提供或納入 Articul8 的企業 AI 平台,支援 Choice、Boolean、Score、Set 和 Span 五類決策,並可在證據不足時不作答。
NVIDIA 於 10 月 28 日發佈 Nemotron 3.5 Transcribe,這款開放權重語音模型可轉錄 40 種語言、翻譯語音及辨認説話者。模型可按自然語言指令調整轉錄格式,無須重新訓練,並支援最長一小時錄音;NVIDIA 報告其在英文和多語言 Open ASR Leaderboard 的平均 WER 分別為 4.71% 和 4.62%。
Maya Research 發佈 Maya 2 Native 文字轉語音模型,支援 11 種印度語言及英語,模型權重與推理程式碼以 Apache-2.0 授權提供。模型提供 20 種內置語音、串流音訊及以 3–10 秒參考語音複製聲音,輸出為 24 kHz 單聲道音訊。發布基準涵蓋 12 種語言的 6,000 條留出文本;阿薩姆語是基準中最具挑戰的語言。
NVIDIA 公開 Nemotron 3.5 Transcribe,支援包括日語在內的 40 種語言轉錄,並提供語音翻譯、模型權重及追加訓練工具。它可按文字提示詞調整轉錄格式;日語支援多説話者轉錄及與英語雙向翻譯,錄音最長可處理 1 小時。NVIDIA 的技術報告列出其在不含日語的 7 種語言上平均 WER 為 4.62%;商用 ElevenLabs Scribe v2 的榜單值為 3.56%。
AssemblyAI 發佈首個文字轉語音模型 AssemblyAI-TTS-1,並提供面向即時電話語音智能體的串流 API。服務按每 1M 字符 $15 收費,支援不限並發,且不設年度合約。AssemblyAI 自報實體準確率為 93.7%、首字節中位延遲為 47 ms;Cekura 基準則測得串流延遲 159 ms、朗讀準確率 81.5%。
Block 發佈 Dessa,這是一款僅以人類對話音訊訓練、可同時聆聽和説話的全雙工語音模型。Block 於 2026 年 10 月 23 日以研究預覽形式公佈,稱訓練未使用文字或預訓練模型,並以 1 NVIDIA GB200 NVL72(72 GPUs)完成訓練。模型可在 MacBook Pro M4 Max 或以上本地運行,速度快於即時;目前未公開基準分數、權重、論文或 API。
Momenta 宣佈即將發布 R7 Ultra 世界模型,其參數規模擴大至原來的 5 倍,安全性能表現提升 5 倍。XHEART 新芯航途 X7 Ultra 提供 700 TOPS 大模型算力,支援更大規模模型在車端運行。
Momenta 發佈 R7 Ultra 世界模型,作為初代 R7 的增強版本,專門配套 XHEART X7 Ultra 大模型智駕晶片。相較 R7,R7 Ultra 的模型參數量及安全性能均提升 5-10 倍,並在模型內虛擬復刻路況,生成極端場景進行仿真試錯。X7 Ultra 晶片算力達 700TOPS,官方實測 NPU 利用率可達 98.7%。
Momenta 宣佈即將發布 R7 Ultra 世界模型,參數規模擴大至原來的 5 倍,並稱安全性能表現提升 5 倍。XHEART 新芯航途 X7 Ultra 提供 700 TOPS 大模型算力,支援更大規模模型在車端運行。Momenta 表示,未來將把模型參數規模擴大至原來的 10 倍,並推動安全性能表現提升至 10 倍以上。
Google 於 10 月 28 日宣佈 Gemini 4 Carbon,稱其為旗下最強 AI 模型,並提升網絡安全、編碼及處理複雜長時間任務的能力。Google公佈模型在 SEC-bench Pro、ExploitGym 及 CWE-bench 分別取得 88.2%、54.8% 和 71.0%。
騰訊宣佈 Hy4 即將發佈,相比 Hy4 preview,Hy4 全面提升長程和真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 也將於近期發佈,提供實用模型,並繼承 Hy4 的視覺和 Agent 能力。去年 8 月 28 日發佈並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度超過 1M。
英偉達於10月28日推出開放權重語音轉錄模型 Nemotron 3.5 Transcribe,並同步推出配套訓練數據管線 Granary v2。Nemotron 3.5 Transcribe 採用 MoE 架構,總參數量為340億,支援40種語言轉錄、31種語言與英語互譯,可區分最多8名説話人並處理多人重疊對話。
NVIDIA 於 10 月 28 日推出開放權重語音轉錄模型 Nemotron 3.5 Transcribe,並公開訓練資料管線 Granary v2;模型支援 40 種語言轉錄、最多 8 名説話人辨識,並整合翻譯及音訊問答。