跳到正文
实时
一手#开源生态
  1. MiniMax News80

    MiniMax 发布开源图像生成模型 H3-Image

    MiniMax 发布了基于 H3 的开源权重图像生成模型 H3-Image，支持文生图、参考图生成和图像编辑，可在 10 秒内生成 4096 × 4096 的 4K 图像，最多支持 16 张参考图。

    推荐理由: 官方给出 4K 生成速度、参考图数量和定价区间，可据此判断开源图像模型与闭源方案的差距。

  1. Databricks Blog60

    Apache Spark 4.3 发布，Databricks Runtime 19 已可用

    Apache Spark 4.3 发布并在 Databricks Runtime 19 中可用，Real-Time Mode 新增有状态处理，支持流式聚合、dropDuplicates 和 transformWithState。

    推荐理由: 原文给出实时模式有状态处理的三项基准延迟数据和季度发布节奏变化，读者可据此判断流处理架构的取舍。

  2. vLLM Blog75

    vLLM 为 Kimi K3.1 Pro 提供 Day-0 支持

    vLLM 宣布在 NVIDIA、AMD、Google TPU 和阿里平头哥真武 PPU 上 Day-0 支持月之暗面开源的 Kimi K3.1 Pro，该模型为 2.8T 参数（104B 激活）多模态 MoE，上下文 1M token。

    推荐理由: vLLM 团队详述为 Kimi K3.1 Pro 做 Day-0 适配的工程取舍，含稀疏注意力、KV 缓存打包与 DCP 的具体数字。

  1. Hugging Face Blog76

    Liquid AI 发布 LFM3 系列：同一 2B 骨干派生文本、视觉、音频、全模态与决策模型

    Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，以 LFM3-1.7B-Base 为共享骨干派生六个 2B 级模型，覆盖文本、视觉、音频、全模态和决策，全部在 Hugging Face 开放权重。

    推荐理由: Liquid AI 用同一 2B 级骨干派生六个模态模型，并给出单卡微调与端侧部署路径，可据此判断小模型专用化路线。

  1. Anthropic Newsroom71

    Anthropic 将 Agent Skills 标准捐赠给 Agentic AI Foundation

    Anthropic 宣布把 Agent Skills 这一开放标准捐赠给 Linux 基金会下的 Agentic AI Foundation（AAIF），该基金会由 Anthropic 与 Block、OpenAI 共同创立，Anthropic 此前已向其捐赠 MCP。

    推荐理由: 原文交代了 Agent Skills 的采用规模与治理移交，读者可据此判断这套智能体技能标准后续由谁维护。

  1. 腾讯混元 · Hugging Face 新模型72

    腾讯混元开源 Hy-SimulMT-30B-A3B 实时同传模型

    腾讯混元发布 Hy-SimulMT 实时同声传译模型，支持中英双向语音到语音翻译，并具备实时声音克隆能力。在 RealSI 长音频评测中，其 StreamLAAL 约为 3 秒，为对比系统中最低，GEMBA 分数超过所比较的开源模型和五个商业 API 中的四个。

    推荐理由: 官方给出实时同传的延迟与质量对比数据，并开放 GGUF 权重和推理部署脚本，可据此评估落地方式。

  2. 腾讯混元 · Hugging Face 新模型73

    腾讯混元开源 Hy-SimulMT 实时同传模型，支持中英双向语音翻译

    腾讯混元发布 Hy-SimulMT 实时同声传译模型，支持中英双向语音到语音翻译，并可在说话过程中持续输出译文文本与语音，同时通过实时声音克隆保留说话人音色。在 RealSI 长音频评测中，其 StreamLAAL 约为 3 秒，为对比系统中最低，GEMBA 分数高于所比较的开源模型和五个商业 API 中的四个。

    推荐理由: 官方给出实时同传的延迟与质量对比，并开放模型权重和推理部署脚本，可据此评估落地方式。

  1. Hugging Face Blog62

    PyTorch 2.15 为 MPS 后端带来 FP8 与更快的 LLM 解码

    Hugging Face 的 PyTorch 团队介绍 PyTorch 2.15 在 MPS 后端的更新，新增 torch.float8_e4m3fn 张量与 F.scaled_mm，FP8 张量占用为 BF16 的一半。

    推荐理由: 原文给出 MPS 后端在 FP8、MoE 解码和显存占用上的具体数字，可据此判断 Mac 本地跑模型的实际变化。

  1. LangChain Blog73

    LangChain 在 LangSmith Cloud 公测 Managed Deep Agents

    LangChain 在 LangSmith Cloud 上线 Managed Deep Agents 公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等文件组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith Agent Server 提供持久线程与流式运行。

    推荐理由: 原文说明了把智能体项目按文件组织并一键部署到 LangSmith 的方式，以及托管运行时替团队承担的基础设施。

已浏览全部内容