跳到正文
实时
#开源/仓库
10月30日周五
  3. The Decoder

    法国 Mistral 发布 "Le Chonk"，编码能力强劲但仍落后于中国模型

    Mistral 发布其最大模型 Mistral Large 4，在编码任务上领先开源对手，但在整体排名中仍落后于中国模型。该模型拥有约 1 万亿参数，每步 520 亿参数，运行需 8 个 Nvidia B300 GPU。

    同一件事 · 3 家
10月29日周四
  1. Hugging Face Blog

    Project ProtoStar 项目发布：推动公共资助科学研究向 AI 兼容化发展

    Project ProtoStar 项目发布，旨在通过使数据集、模型和代码更易获取和复用，解锁公共资助科学研究的潜力。该项目汇集了大学、研究机构、产业和开放科学社区，支持以 AI 兼容、机器可操作的格式发布科学成果，并通过一系列公开挑战展示其价值。首个挑战由卡内基梅隆大学主办，将于 11 月 2 日启动。

  4. vLLM Blog78

    vLLM 首日支持 Mistral Large 4

    vLLM 宣布在发布当天支持 Mistral Large 4，这是一个 1 万亿参数、每 token 激活 49B 的 MoE 原生多模态模型，采用 MLA 加 DSA 稀疏索引器，并内置 DSpark 投机解码草稿模型。

    同一件事 · 3 家
  5. Hugging Face Blog85

    Mistral Large 4（Le Chonk）在 Hugging Face 发布

    Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF。

    同一件事 · 3 家

    推荐理由: 原文给出 1T 总参数、49B 激活的 MoE 多模态模型在网络安全与编码基准上的具体分数，并附本地与端点部署实测吞吐。

  6. Hugging Face Blog

    Hugging Face Granite Switch 4.1.1 发布：软件式更新模型

    Hugging Face 发布 Granite Switch 4.1.1，在 4.1 基础上增量更新，保留完全向后兼容性。新增多语言语音转写模型（支持 10 种语言带原生标点）和 Jev 决策指数测试集性能提升的决策适配器。团队通过仅更新适配器未重新计算基础模型，实现快速部署，未来将支持第三方自定义适配器。

  8. Mistral AI82

    Mistral 发布万亿参数开源模型 Mistral Large 4（Le Chonk）

    Mistral 发布旗舰万亿参数原生多模态模型 Mistral Large 4（Le Chonk）的开放权重版本，此前已公开预览三周。

    同一件事 · 2 家

    推荐理由: 官方给出万亿参数开源模型的编码、安全与推理效率数据，以及权重下载和自托管路径。

  11. IT之家 · AI42

    XHEART 新芯航途智驾大模型芯片 X7 Ultra 发布：700 TOPS 大模型算力，中国首发量产 Armv9 车规级 CPU

    XHEART 新芯航途发布大模型芯片 X7 Ultra，算力达 700 TOPS，量产模型实测 99.99% 对齐，内存带宽消耗下降 80%、能效提升 100%。芯片内置高精度算子加速引擎，原生支持 FP16/FP32 计算，中国首发量产 Armv9 车规级 CPU，性能提升 20%、能效提升 10%。

  13. MarkTechPost

    Block 发布仅基于语音训练的全双工语音模型 Dessa

    Block 宣布仅基于人类对话语音训练的全双工语音模型 Dessa，该模型无需文本或预训练模型，在 1 个包含 72 个 Blackwell GPU 的 NVIDIA GB200 NVL72 机架上进行训练，可在 MacBook Pro M4 Max 上本地运行且速度超实时，目前仅提供研究预览和等待名单。

    同一件事 · 2 家

    各家口径不同：The Verge 提及模型对话偶有'生硬和诡异'表现；The Decoder 和 TechCrunch 没有提到这一点。

  17. IT之家 · AI78

    英伟达开源语音转录模型 Nemotron 3.5 Transcribe，支持 40 种语言与 8 人说话人分离

    英伟达于 10 月 28 日推出开放权重语音转录模型 Nemotron 3.5 Transcribe，整合转录、说话人归属、翻译和音频问答，采用 MoE 架构，总参数约 340 亿、激活参数约 43 亿，可处理最长 1 小时录音，支持 40 种语言转录、最多区分 8 名说话人。

    同一件事 · 4 家

    推荐理由: 英伟达开源语音转录模型，公开了参数规模、多语言与说话人分离能力及榜单成绩，可对照现有开源 ASR 方案。

  19. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，工程能力一键复用让具身智能研发更高效

    逐际动力发布 FluxVLA Engine V2 技术报告，通过统一配置、模块解耦和系统优化，实现模型训练、评测与部署全链路复用，支持14种主流策略接入，推理路径频率提升2.31–9.64倍，在ALOHA、双臂Franka等6款真机验证闭环执行，在线强化学习使SmolVLA成功率提升10.0–15.4个百分点。

  20. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，提升具身智能研发效率

    逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告，V2 在仿真侧支持 14 种策略接入 LIBERO 评测，推理端模型路径频率提升 2.31–9.64 倍，并在 ALOHA、双臂 Franka 等真机平台验证部署链路。在线强化学习使 SmolVLA 在 LIBERO-10 和 RoboTwin Clean 任务成功率分别提升 10.0 和 15.4 个百分点。

  22. MarkTechPost71

    NVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型，支持 40 种语言转写

    NVIDIA 发布 Nemotron 3.5 Transcribe，这是一个开放权重的语音大模型，单模型支持 40 种语言、最长 1 小时音频，并可输出逐字稿、书面体、说话人标注和翻译结果。

    同一件事 · 4 家
  23. Hugging Face Daily Papers

    嵌入Gemma 2：统一高效的跨模态表示模型

    EmbeddingGemma 2 是一个开源的多模态嵌入模型，将文本、图像、音频和视频表示统一在高效且资源灵活的设计中，并在基准测试中表现优异。它在所有模态的嵌入基准测试中建立了新的帕累托前沿，优于专业模型和规模大两到十二倍的其他模型。该模型支持选择性模态编码器加载、可调节的视觉标记预算、可截断的嵌入维度和量化权重，以适应资源受限的环境。

  26. ByteDance Seed · Hugging Face 新模型

    ByteDance-Seed/GenFirst 发布：一种用于稳定端到端潜在生成建模的生成前置重建方法

    ByteDance-Seed/GenFirst 训练一个潜在 VAE 并联合一个生成先验，避免通常使端到端训练不稳定的潜在崩溃。该方法的两个阶段计划用于先验和熵权重：第一阶段让先验塑造潜在几何形状，第二阶段将两者权重十倍降低，使解码器恢复细节。

  29. AWS Machine Learning Blog58

    基于 Amazon Bedrock AgentCore 构建企业级智能体平台

    Amazon Bedrock AgentCore 提供 runtime、网关、身份、内存、策略、注册和评估等模块化服务，支持大规模智能体构建、部署和运营。企业级智能体平台蓝图基于 AgentCore，增加了所有权、账户边界、软件交付、可观察性、成本治理和退役等企业级约束，通过推理网关和工具网关实现受控访问，并包含评估流程确保智能体在生产前通过验证。

10月28日周三
  1. The Decoder71

    Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别

    Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，可处理最长 1 小时、最多 8 人的录音。

    同一件事 · 4 家
  2. TechCrunch · AI

    英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe

    英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe，支持 40 种语言转写，含 30 亿参数，可在 Jetson AGX Thor 和 DGX Spark 芯片上运行。该模型能翻译 31 种语言、区分 8 个说话人，并在 Hugging Face Open ASR Leaderboard 基准测试中超越竞品，但仅支持录制音频。

    同一件事 · 4 家