Mistral AI 发布 Mistral Small 4,统一推理、多模态和智能体编码能力
Mistral AI 发布 Mistral Small 4,这是 Mistral Small 系列的下一次主要版本,把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由:原文同时给出架构参数、性能对比和部署入口,便于评估开放模型在多任务场景的取舍。
Hugging Face 开源社区动态:热门模型与数据集、排行榜变化与开源生态的晴雨表。
Mistral AI 发布 Mistral Small 4,这是 Mistral Small 系列的下一次主要版本,把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由:原文同时给出架构参数、性能对比和部署入口,便于评估开放模型在多任务场景的取舍。
MiniMax 发布最新模型 MiniMax-M2.5,主打编码、智能体工具调用、搜索和办公任务。M2.5 在 SWE-Bench Verified 得分 80.2%,Multi-SWE-Bench 得分 51.3%,BrowseComp 得分 76.3%,完成 SWE-Bench Verified 比 M2.1 快 37%。
推荐理由:原文同时给出基准、成本和部署入口,可用于比较智能体任务中的速度与价格取舍。
zai-org 在 Hugging Face 发布 GLM-5,面向复杂系统工程和长周期 Agent 任务。
推荐理由:材料同时给出参数、训练数据、评测和部署命令,便于比较开放模型在 Agent 与编码任务上的定位。
Mistral AI 发布 Mistral 3,包括 14B、8B、3B 三个小型 dense 模型,以及 Mistral Large 3 这一 41B active、675B total parameters 的 sparse MoE 模型,全部采用 Apache 2.0 license。
推荐理由:原文同时给出模型规模、许可证和部署入口,便于比较开源模型的落地成本与覆盖场景选择。
Mistral 发布 Mistral Large 3 675B Base,这是从头训练的通用多模态 Granular MoE 基础预训练模型,拥有 41B active parameters 和 675B total parameters。
推荐理由:材料同时给出参数规模、上下文窗口、许可证和部署命令,便于评估自托管成本与适配场景。
百度在 Hugging Face 发布 ERNIE-4.5-VL-28B-A3B-Thinking,基于 ERNIE-4.5-VL-28B-A3B 架构升级多模态推理能力。
推荐理由:原文同时给出训练思路、工具调用与部署命令,便于评估该多模态模型的落地路径。
Moonshot AI 发布 Kimi Linear 混合线性注意力架构,开放 KDA kernel,并提供 48B total params、3B activated params、1M context 的 Base 与 Instruct 检查点。
推荐理由:材料同时给出架构、速度与部署命令,便于比较线性注意力在长上下文中的工程取舍。
OpenAI 在 Hugging Face 上发布 Whisper large-v3,用于自动语音识别和语音翻译。
推荐理由:原文交代了训练数据、结构差异和误差下降幅度,便于比较 large-v2 与 large-v3 的改进。