2026年9月18日,Qwen发布全模态模型Qwen3.8-Omni-Flash。据官方信息,这是其首个围绕智能体能力构建的全模态模型,原生支持音视频理解、推理与工具调用。官方称其音视频能力接近Gemini 3.8 Flash,在WildClawBench-MM与UniClawBench上智能体表现平均提升19.5分;支持1M token上下文,在OmniVideoBench上比静态理解少用51.8% token。视频输入成本较Qwen3.5-Omni-Plus降低约89%。发布同时开源Qwen-MM-Plugins,Qwen-Live Harness即将推出。目前尚无后续独立发展事实。
匹配字段摘要
2026年9月9日,蚂蚁百灵发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于Ling-3.0-flash的MoE架构拓展,总参数124B、单次推理激活5.5B,原生支持图像、文本与视频输入,上下文窗口为256K Token。官方称,原生多模态联合训练使该模型在Artificial Analysis Intelligence Index v4.1.1上较纯文本版本提升4分,并引入观察、行动、验证、修正的视觉反馈闭环,用于前端复刻、GUI Agent和医疗报告解读。目前模型已在Ling Studio上线免费体验,BF16和FP8版本已在Hugging Face与ModelScope开源。
匹配字段摘要
2026年8月11日,蚂蚁百灵正式开源 Ling-3.0-tiny。据官方介绍,这是一款原生混合推理模型,总参数 7.9B,推理时仅激活 1.3B 参数,同步提供 BF16、FP8 和 INT4 三个版本。官方称其在 Artificial Analysis Intelligence Index 获 25 分,Agentic Index 达 16 分,输出速度超过 160 tokens/s。部署方面,模型可在单台 NVIDIA DGX Spark 上完成 FP8 推理,权重约 7.85GB,并已完成 Apple Silicon 的 MacBook 与 Mac mini 本地运行适配。目前该模型已进入开源发布状态,暂无后续进展。
匹配字段摘要
2026年8月7日,蚂蚁百灵正式开源新一代原生混合推理模型Ling-3.0-flash。据蚂蚁百灵开发者博客介绍,该模型采用124B总参数、5.1B激活参数的MoE架构,同步提供基础版本及FP8、FP4、INT4等多个精度版本。落地方式包括三种:云端API调用;在单台NVIDIA DGX Spark上以MXFP4或INT4版本完成端到端本地推理;以及在指定GPU测试配置下平均输出速率突破1100 tokens/s的高性能部署。榜单数据方面,其在Artificial Analysis中输出速度为353 tokens/s,在AA Intelligence Index中每项任务加权平均调用成本约0.04美元。目前尚无后续发展事实。
匹配字段摘要
2026年9月16日,StepFun(阶跃星辰)发布StepAudio 3系列音频模型,其中包含音乐生成基础模型StepAudio 3 Music。据官方信息,该系列共5款音频模型,覆盖实时语音、语音识别、语音生成、音频生成和音乐。官方同时披露了系列中其他模型的表现:Realtime在Artificial Analysis的Conversational Dynamics和Speech Reasoning两项分别达到98.9%和99.7%,均排名第一;ASR的词错率为1.7%,与榜单最好成绩持平。官方称该系列可用于构建能处理打断、边说话边推理并调用工具的语音智能体,现已通过Voice AI Lab和博客开放,API亦已开放。目前尚无后续发展事实。
匹配字段摘要
Google发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话音频模型,即日起通过Gemini API、Google Workspace和Gemini应用开放。据Google DeepMind介绍,Gemini 3.8 Live Extended Thinking在Artificial Analysis语音到语音质量指数得82.6分排名第一,τ-Voice智能体任务完成率68.6%,Big Bench Audio得97.7%;Gemini 3.8 Live在Speech Agent Arena排名第二。两款模型支持近实时视觉输入、对话中自动切换97种语言,并可在后台执行工具和API调用而不打断对话。9月18日,Google展示用Gemini 3.8 Live Extended Thinking构建的工作坊助手演示,可分析工作区、出声推理并引导搭建过程。9月21日,Google又演示了用该模型构建的编程辅导Agent,能查看用户屏幕、通过function calling引用p5.js库并讲解代码逻辑。
匹配字段摘要
2026年9月14日,Fireworks AI 发布并评测 DeepSeek-V4.1-Flash。据其公布结果,该模型在 DeepSWE 上 pass@1 为 74.34%,与 GPT-6-Astra 的 74.12% 处于同一水平;单任务成本 0.43 美元,约为 Astra 的 1/15。该模型为 552B 参数 MoE,采用输入 8B、输出 16B 的分离激活预算,KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%,低于 Astra 的 50.40%,Fireworks 认为它更适合智能体编码而非高难推理。9月28日,Fireworks AI 发布首个缓存感知路由器 FireRouter with Opus,已在 CLI 上线并首次作为独立路由模型提供,可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型;其一个多月内部 A/B 测试显示,编码任务每次会话成本从 15.36 美元降至 6.63 美元,降幅 57%(±19 个百分点),准确率为纯 O
匹配字段摘要
2026年9月10日,腾讯混元正式发布开源基础模型AuK,面向统一的语音生成与编辑。该模型采用自然语言指令加参考音频的单一接口,支持零样本TTS、指令控制生成、内容编辑、耳语转换、去口音、音色风格情感编辑、语速音高控制、增强降噪、多说话人分离与音乐分离。同日还发布了AuK-Flash,采用4步推理,在匹配条件下约快4.5倍。代码、权重与demo均已上线。
匹配字段摘要
2026年9月10日,DeepSeek发布552B参数的非对称MoE架构,并推出该新架构模型族中最小的模型DeepSeek-V4.1-Flash。据DeepSeek介绍,该架构采用新的Causal Encoder–Decoder,输入仅激活8B参数,输出激活16B参数;其称新预训练方法与更大规模的RL后训练使该架构的基准测试成绩超过包括DeepSeek-V4-Pro在内的旗舰模型。DeepSeek-V4.1-Flash具备原生视觉理解能力,旨在增强能力、加快推理、提高吞吐量,并支持扩展至更大模型。目前尚无后续有合格事实证据的发展。
匹配字段摘要
2026年8月28日,腾讯混元发布Hy4 preview,总参数770B、激活49B,支持1M上下文,定位生产力场景与开源前沿,并强调价格稳定可负担,官方同时给出博客、Hugging Face和GitHub入口。8月29日,腾讯混元宣布Hy4 preview在vLLM上运行,同日上线Cline供试用。8月30日,腾讯混元开源Hy4 preview,采用Apache 2.0,原生内置MTP层,开箱即支持投机解码,并称163位内部专家对203个真实工程任务盲评中略胜GLM 5.3与Kimi K3。9月1日,腾讯混元披露Hy4 preview自主发现推理瓶颈,通过算子融合与通信优化将端到端吞吐量提升31.8%。
匹配字段摘要
2026年8月26日至27日,阿里发布Qwen3.8-Flash-Next模型权重。据Qwen Blog,该模型为多模态MoE架构,主模型125B参数、额外51B N-gram嵌入参数,每token激活6B,训练成本约为Qwen3.7-Plus的1/9,原生支持262,144 tokens上下文并可通过YaRN扩展至1,000,000 tokens。该模型是Qwen4架构的早期预览,在注意力、残差、嵌入和优化四方面升级,采用GDN+QSA混合注意力、Gated Residual、N-gram Embedding与Muon优化器,权重已在Hugging Face和ModelScope开放;生产版本以qwen3.8-flash名称在QwenCloud提供服务,默认1M上下文并内置官方工具,定价为每百万输入tokens 0.15美元、每百万输出tokens 0.47美元。NVIDIA方面称,其提供SGLang、vLLM和TensorRT LLM的Day 0功能支持,并在GB300 NVL72上验证推理,单GPU吞吐超过16K token/秒、单用户超过200 token/秒;开发者可用NVI
匹配字段摘要
2026年8月25日,IBM发布Granite 4.2语言模型系列。据Hugging Face发布的构建说明,该系列包含3B、8B、30B三个尺寸,均可输出思维链,支持thinking与非thinking模式,另设低推理预算的low-effort模式。其中8B和30B额外经过智能体RL阶段,学习调用工具、编辑运行代码、操作终端和联网搜索;全部模型支持原生工具调用,可通过OpenAI兼容接口接入智能体框架。模型基于Granite-4.1 base后训练,SFT数据约720万条、约100B token,RL采用异步GRPO分阶段课程,并已发布FP8、NVFP4、MXFP4和GGUF量化版本。目前尚无后续发展事实。
匹配字段摘要
2026年8月19日,相关内容披露,GLM-5.3在保持GLM-5.2基座、架构、总参数和激活参数不变的条件下,进行了为期一个月的后训练扩展,重点增加长程环境与强化学习训练,并由此取得显著能力提升。文章据此认为,模型能力不能只看参数量,还需结合数据、训练和推理计算;对于MoE模型和推理任务,有效深度、激活专家数量及后训练可能比继续增加总参数更关键。目前输入材料未提供后续更新。
匹配字段摘要
2026年7月31日,DeepSeek升级DeepSeek-V4-Flash API。据DeepSeek说明,DeepSeek-V4-Flash-0731与预览版保持完全相同的模型架构和规模,此次升级仅适用于DeepSeek-V4-Flash API,DeepSeek-V4-Pro API及App/Web模型暂时不变,DeepSeek-V4-Pro正式版将尽快发布。后续报道称,该模型在架构不变的情况下通过新一轮微调,在独立测试中超越更大的DeepSeek-V4-Pro,Artificial Analysis智能指数达50分;其为284B总参数、13B激活参数的MoE架构,支持最高100万token输入与384,000 token输出,MIT许可下权重可免费商用,API价格为每百万输入/缓存/输出token $0.14/$0.0028/$0.28。2026年8月13日,DeepSeek发布DeepSeek-V4-Pro,重点升级Agent能力,并为V4-Pro与V4-Flash提供low、high和max三档推理强度,原生支持OpenAI Responses API并针对Codex优化,
匹配字段摘要
2026年8月12日,Liquid AI 发布面向端侧的视觉语言模型 LFM2.5-VL-3B,并已在 Hugging Face 和官方 Playground 上线。相比上一代 LFM2-VL-3B,新模型在屏幕与 UI 理解、函数调用、grounding 和多图输入四方面有所提升:ScreenSpot-v2 平均 80.7,ToolSandbox 从 26.4 升至 59.5,RefCOCO precision@1 从 57.1 升至 87.9。该模型为非推理模型,直接作答以降低延迟,在 Apple M5 Max 上解码 228 tokens/s、Galaxy S26 Ultra 上 20 tokens/s,占用约 3 GB 内存,并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要
2026年8月10日,Meta发布Muse Glimmer 30B开放权重稠密模型,面向本地AI智能体工作负载。据Hugging Face介绍,该模型由2B视觉编码器和28B文本解码器组成,支持图像、无音频视频、多模态工具调用和目标检测,并获得Transformers、llama.cpp及vLLM支持。NVIDIA方面称其上下文窗口120K+,可完整放入单卡显存,覆盖GeForce RTX 5090、DGX Spark、DGX Station和Jetson平台,权重已上线Hugging Face。同日,LMSYS宣布与Meta Superintelligence Labs合作,为Muse Glimmer在SGLang上提供Day-0支持,并针对本地智能体工作流推理优化。8月13日,Unsloth宣布可免费微调该模型,其notebook同时支持GRPO RL训练。
匹配字段摘要
2026年8月10日,Fireworks AI 上线 Meta 的 Muse Glimmer 30B 稠密模型的无服务器与按需部署服务。该模型采用 Apache 2.0 许可,支持 128K+ token 上下文窗口和原生图像理解,面向需要多轮工具调用的常驻智能体场景。架构上采用滑动窗口注意力,多数层窗口为 2,048 token、每四层设一个全局注意力层,配合 2 个 KV head 控制 KV cache 占用。Fireworks 给出 temperature 1.0、top_p 0.95、top_k 64 的推荐参数,并支持在系统提示词中设置 low 到 xhigh 的推理强度。据 Meta 报告,该模型在 MCP Atlas 得 75.5、DeepSearch QA 得 74.6、SWE-Bench Pro 得 51.2,均高于 Gemma 4 31B 和 Qwen 3.6 27B 的对应成绩。目前尚无后续发展。
2026年8月10日,Fireworks AI 上线 Meta 的 Muse Glimmer 30B 稠密模型的无服务器与按需部署服务。该模型采用 Apache 2.0 许可,支持 128K+ token 上下文窗口和原生图像理解,面向需要多轮工具调用的常驻智能体场景。架构上采用滑动窗口注意力,多数层窗口为 2,048 token、每四层设一个全局注意力层,配合 2 个 KV head 控制 KV cache 占用。Fireworks 给出 temperature 1.0、top p 0.95、top k 64 的推荐参数,并支持在系统提示词中设置 low 到 xhigh 的推理强度。据 Meta 报告,该模型在 MCP Atlas 得 75.5、DeepSearch QA 得 74.6、SWE-Bench Pro 得 51.2,均高于 Gemma 4 31B 和 Qwen 3.6 27B 的对应成绩。目前尚无后续发展。
匹配字段摘要
2026年9月11日,Cognition 发布编码模型 SWE-2。据 Cognition 模型 / Devin 博客,SWE-2 在 FrontierCode 1.1 Main 上得分 50.0%,比 Fable 5.1 低不到 1 分,而成本便宜 64%。该模型基于 2.8T 参数的 Kimi K33 后训练,首次把强化学习扩展到数万亿参数规模,并用单次 RL 训练覆盖全部推理档位。上线安排方面,SWE-2 即日起在 Devin Desktop 和 CLI 上线,随后在 Devin Web 和 Fusion 推出。目前尚无后续发展事实。
匹配字段摘要
2026年8月11日,NVIDIA Nemotron 3.5 Lightning 在 Ollama 上线,可完全在本地设备运行。据 Ollama Blog 介绍,该模型为 30B 总参数、每 token 仅 3B 激活的开放模型,采用混合 MoE 架构,支持最高 1M token 上下文,面向读取文件、调用工具、整理结果和失败重试等持续运行的智能体任务;官方称其吞吐量比同类开放模型高 4 倍,任务完成时间快 30%,并针对 Apple silicon 提供 nemotron-3.5-lightning:30b-mlx 版本。同日,SGLang 宣布为该模型提供 Day-0 支持,开发者可通过其 OpenAI 兼容推理栈部署;据 LMSYS Blog 介绍,该模型从 Nemotron 3 Ultra 蒸馏而来,支持 MTP、DFlash、DSpark 三种投机解码,并可通过 enable_thinking 与 thinking_budget 控制推理开关和深度,权重已在 Hugging Face 提供 BF16 和 NVFP4 版本。
2026年8月11日,NVIDIA Nemotron 3.5 Lightning 在 Ollama 上线,可完全在本地设备运行。据 Ollama Blog 介绍,该模型为 30B 总参数、每 token 仅 3B 激活的开放模型,采用混合 MoE 架构,支持最高 1M token 上下文,面向读取文件、调用工具、整理结果和失败重试等持续运行的智能体任务;官方称其吞吐量比同类开放模型高 4 倍,任务完成时间快 30%,并针对 Apple silicon 提供 nemotron-3.5-lightning:30b-mlx 版本。同日,SGLang 宣布为该模型提供 Day-0 支持,开发者可通过其 OpenAI 兼容推理栈部署;据 LMSYS Blog 介绍,该模型从 Nemotron 3 Ultra 蒸馏而来,支持 MTP、DFlash、DSpark 三种投机解码,并可通过 enable thinking 与 thinking budget 控制推理开关和深度,权重已在 Hugging Face 提供 BF16 和 NVFP4 版本。
匹配字段摘要
DeepSeek 计划支持并扩展部署选项 V4.1-Flash推理
English translation is being prepared.
匹配字段摘要