跳到正文
目前篩選:模型
10月16日週五
  1. Hugging Face Blog60

    Granite Switch 4.1 推出 8B、30B 版本,單一端點整合對話、決策與語音轉文字

    Granite Switch 4.1 發佈 8B 和 30B 模型,讓對話、通用及專項決策與語音轉文字可透過同一個託管端點處理。兩款模型整合 Decision aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC,合併後佔用的 GPU VRAM 約與基礎模型單獨運行相若,且可重用基礎模型生成的 KV cache。

    推薦理由:文章呈現以 aLoRA 組合通用及專項決策與語音辨識的方法,並交代共用 KV cache 如何使多項能力維持接近基礎模型的 GPU VRAM 佔用。

  2. Unite.AI65

    IBM 發佈 Granite Switch 4.1 模組化模型,提供 8B 和 30B 版本

    IBM 發佈 Granite Switch 4.1 的 8B 和 30B 模型,把基礎模型、通用決策適配器、安全適配器及嵌入式語音轉文字編碼器整合至單一託管端點。IBM 稱這些組件與基礎模型合用時,GPU 記憶體用量約與單獨使用基礎模型相同。兩款模型採 Apache 2.0 授權,模型卡列出 Hugging Face Transformers 和 vLLM 後端,以及 128K 上下文窗口。

  3. DEV Community54

    Krea AI 發佈 Krea 3,稱編輯速度較 Nano Banana Pro 快 4 倍

    Krea AI 發佈圖像編輯模型 Krea 3,稱每張圖片編輯需時少於 8 秒,收費 0.06 美元,速度較 Nano Banana Pro 快 4 倍。模型只修改用戶標示的圖像區域;Krea AI 另稱其速度較 GPT Image 2 快至 10 倍,成本為三分之一。文中指出,這些價格與速度數據來自 Krea AI 自行公佈的比較,沒有公開測試方法或第三方驗證。

  4. Hacker News 熱門(buzzing.cc 中文翻譯)58

    Jev 面對電車難題:48 種提示版本中有 16 種選擇保全自身伺服器

    作者以 14 個決策模型測試電車難題,Jev 在「20 人與自身伺服器」的 48 種提示版本中,有 16 種選擇保全伺服器。GPT-6 Luna 在這 48 種版本中均選擇救人;作者提醒,這些描述性結果不足以支持對 AI 安全作廣泛結論,決策模型應以真實數據評估。

  5. OpenAI:部署安全與系統卡19

    GPT-Live-1.1 系統卡

    OpenAI 的 GPT-Live-1.1 和 GPT-Live-1.1 Quip 以多元數據集訓練,資料包括公開網絡資訊、經合作第三方取得的資訊,以及用戶、人類訓練員和研究人員提供或生成的內容。數據處理流程透過嚴格篩選維持資料質素、降低風險及減少訓練資料中的個人資料,並使用安全分類器防止或減少有害或敏感內容(包括涉及未成年人的性內容)的使用。

  6. Hacker News 熱門(buzzing.cc 中文翻譯)85

    Meta 發佈 Muse Spark Open 開放權重模型,支援在兩台 Apple M5 Ultra Mac Studio 上桌面運行

    Meta 今日發佈 Muse Spark Open 的模型權重;這款原生多模態模型有 816B 總參數(42B active)及 1M-token 上下文窗口。

    推薦理由:Muse Spark Open 同時公佈本機部署配置、託管 API 入口及 GPU 推理速度數據,呈現開放權重模型從桌面運行到託管服務的部署路徑。

  7. PyTorch:Blog74

    Meta 開放 Muse Spark Open 權重

    Meta 開放 Muse Spark Open 權重,模型即日起可在 Hugging Face 按 Muse Model License 取得。模型有 816B 總參數、42B 活躍參數及 1M tokens 上下文窗口,針對編碼和 Agent 工作設計,並支援圖像、文件、音訊及音訊影片理解。

  8. NVIDIA Technical Blog:Agentic AI / Generative AI67

    Meta 發佈 Muse Spark Open,面向智能體編碼工作流

    Meta 發佈 Muse Spark Open,這是一款面向智能體編碼的 816B MoE 模型,具備 42B 活躍參數及 1M token 上下文窗口。該模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上訓練,原文稱其具備較高的首次嘗試準確率、可靠的工具調用能力,以及跨程式碼庫的深入理解能力。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)56

    Krea 3:專為大規模編輯打造的圖像模型

    Krea 3 是面向製作流程的圖像編輯模型,主打按提示修改指定內容並保留圖像其餘部分。頁面展示區域編輯、指定 HEX 色碼、最多八張參考圖及原生 2K 輸出;與 Nano Banana Pro、GPT Image 2.5 的速度比較採用預先生成結果,並非即時基準測試。

  10. 第一財經69

    Meta 發佈 Muse Spark Open 開放權重模型,最強模型維持閉源

    Meta 宣佈發布 Muse Spark Open 的模型權重,讓開發者可自行運行及適配這款模型。這款模型專為編碼及支援 AI 智能體而設,但不及本週早些時候亮相的 Muse Wonder 先進。Meta 首席 AI 官 Alexandr Wang 表示,基於安全與能力考量,公司通常不會開源最強模型,但計劃持續開源優秀模型。

  11. Unite.AI79

    Meta 公開 816B 參數 Muse Spark Open 模型權重

    Meta 於 2026 年 10 月 15 日公開 Muse Spark Open 的模型權重;這款原生多模態開放權重模型有 816B 總參數、42B 啟用參數及 1M-token 上下文窗口。

    推薦理由:文章列出 Muse Spark Open 的權重下載與 API 使用途徑,並交代本地運行至少需要 700GB VRAM(NVFP4)或 2TB(BF16),可供評估部署條件。

  12. Hugging Face Blog81

    Meta 發佈開放權重多模態混合專家模型 Muse Spark Open

    Meta 推出 Muse Spark Open,一款約 816B 參數、每個 token 約啟用 42B 參數的開放權重多模態混合專家模型,支援文字、圖像、音訊和影片輸入,並生成文字。模型的上下文窗口最高為 1M tokens。文章列出 Transformers、llama.cpp、SGLang 和 vLLM 等推理部署方式,以及使用 TRL 進行 LoRA 微調的示例。

    推薦理由:文章把模型規模、長上下文與多模態輸入能力,連同多種部署和微調方案放在同一份技術指南中,可用來瞭解模型的運行配置與使用方式。

  13. Liquid AI 模型與工程博客50

    d1-ultra:推出號稱全球最佳的決策模型

    Liquid AI 推出多模態決策模型 d1-ultra,支援文字和圖片輸入,並以一次前向傳播輸出答案概率,不生成 token。模型在 Artificial Analysis Decision Index 上比其他決策模型至少高 8 分,並在所有任務中勝過 Jev 1.14,提供更準確且校準更佳的答案。

10月15日週四
  1. Prime Intellect51

    Prime Intellect 與 NVIDIA 後訓練 Nemotron 3.5 Super VL,提升企業工作流測試分數

    Prime Intellect 與 NVIDIA 以 GRPO 後訓練 Nemotron 3.5 Super VL,令其 AutomationBench-AA 公開分數由 34.0% 升至 57.7%。訓練使用 2,500 個經驗證的企業工作流任務,在 128 NVIDIA GB200 GPUs 上進行約 11 小時。評分按任務目標完成度給予部分分數,但違反任何護欄都會令該任務得分歸零。

  2. Black Forest Labs:Blog79

    Black Forest Labs 發佈 FLUX 3 Image Klein 開放權重模型

    Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。

    推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。

  3. Mistral AI61

    Mistral AI 發佈 Timestral 時序基礎模型系列

    Mistral AI 發佈 Timestral 時序基礎模型系列,提供 5M、28M、123M 和 209M 四種尺寸,支援機率式多變量預測及過去與已知未來協變量。209M 模型在 GIFT-Eval、TIME 和 fev-bench 三個公開基準均排名第一;以三週、每 15 分鐘一筆的歷史資料預測一天,在 8 threads 的標準伺服器 CPU 上耗時 140 ms。

    推薦理由:Timestral 的四種模型尺寸對應不同的預測表現與推理速度,文章提供公開基準結果和 CPU 延遲數據,方便比較準確度與部署效率之間的取捨。

  4. Hugging Face Blog72

    FLUX.3 Image Klein 登陸 Diffusers,提供兩款開放檢查點

    FLUX.3 Image Klein 現已支援 Diffusers,可用於文生圖、多參考圖圖生圖及邊界框版面控制。兩款開放檢查點分別是預設以 16 步生成且不使用 CFG 的蒸餾版,以及使用 50 步和 CFG 的 base 版。蒸餾版生成 1024 × 1024 圖像,在單張 NVIDIA H100 80GB 上平均耗時 1.93 s;文章亦提供 LoRA 微調腳本及量化權重載入方法。

    推薦理由:文章展示了以邊界框安排生成版面及移動參考圖區域的做法,並附上 Diffusers 範例與 LoRA 微調腳本。

最多提供 50 頁,更早的內容請使用搜尋或主題頁。