全部新闻

阶阶跃星辰 StepFun10:36一手模型发布

AI 评分87

阶跃星辰开放 Step 5 Preview 权重

阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 版本已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。官方同时更新了开源智能体框架 Step Code 至 v0.1.4，并给出 vLLM、SGLang、Transformers 等部署方式。

#模型发布#开源生态#多模态

阶阶跃星辰 StepFun10:36一手模型发布

AI 评分83

阶跃星辰 Step 5 Preview 开放权重，600B MoE 支持 1M 上下文

阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 权重已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。部署方面支持用 vLLM 或 SGLang 提供 OpenAI 兼容 API、用 Transformers 离线推理，并获得 NVIDIA 的 Day-0 支持，可在 Blackwell 上运行，同时上线 Fireworks AI、Together Compute、Modal、DeepInfra 和 Featherless AI。

#模型发布#开源生态#推理

阶阶跃星辰 StepFun10:36一手模型发布

AI 评分82

阶跃星辰发布 Step 5 Preview 开放权重，并公开架构与训练技术博客

阶跃星辰发布 Step 5 Preview 开放权重，BF16 与 FP8 权重已上线 Hugging Face 和 ModelScope，采用 Sparse MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长程智能体任务。配套技术博客介绍其架构与训练协同设计，包括 92 层窄而深架构用于隐式多跳推理、Sparse GQA 降低百万 token 上下文成本、8-token 块索引将索引与 top-k 开销降至 1/8、关键状态使用 FP32 精度配合细粒度梯度裁剪，以及百万级可验证环境和面向长程任务的 RL 训练。官方还更新了开源智能体框架 Step Code 至 v0.1.4。

#模型发布#开源生态#Agent

阶阶跃星辰 StepFun10:36一手模型发布

AI 评分67

阶跃星辰 Step 5 Preview 在 NVIDIA GB300 上展现强劲推理性能

阶跃星辰表示 Step 5 Preview 在 NVIDIA GB300 上展现出强劲的推理性能，并期待开发者基于它进行构建。NVIDIA AI 在引用推文中称这是阶跃星辰规模最大的开放权重发布，600B MoE 模型可处理长达 24 小时的智能体任务，在 NVIDIA GB300 上使用 NVFP4 时达到近 8K tokens/sec/GPU，并提供 NVFP4 checkpoint 以及 SGLang、vLLM、NeMo Automodel 和 NVIDIA NIM 的部署与后训练路径。

引用NVIDIA AI · @NVIDIAAI

Congrats to StepFun on Step 5 Preview 🙌 Their largest open weights release. The 600B MoE model is built to handle agent tasks lasting up to 24 hours. The model runs at nearly 8K tokens/sec/GPU on NVIDIA GB300 using NVFP4. NVP4 checkpoint: https://t.co/poBcZXeWqY Deploy with @SGL_project - https://t.co/2iE8ytEk50  or @vLLM_project - https://t.co/PedItg9OR4 Post-train with NeMo Automodel: https://t.co/KxNt53Sb8k Run it with NVIDIA NIM using a single command: https://t.co/UOWllHNEMW

#行业动态#推理#部署/工程

阶阶跃星辰 StepFun10:36一手模型发布

AI 评分66

阶跃星辰 Step 5 Preview 上线 Featherless AI

阶跃星辰宣布 Step 5 Preview 已在 Featherless AI 上线，主打前沿级智能、有竞争力的成本效率和更低的开发者使用门槛。据 Featherless AI 介绍，该开源权重模型采用 600B 稀疏 MoE、每 token 激活 27B，在 Artificial Analysis 智能指数上与 Kimi K3 持平，面向长周期智能体任务，在软件工程与金融等专业知识工作上达到前沿水平，按 Artificial Analysis 数据其单任务成本约为 Claude Opus 5.5 的 1/6，目前以 FP8 精度在 Featherless 上提供服务。

引用Featherless AI · @FeatherlessAI

Step 5 Preview is here. @StepFun_ai's new open-weights model sets a new Pareto frontier, matching Kimi K3 on the @ArtificialAnlys Intelligence Index! It’s built for long-horizon agent work, with frontier-level results on software engineering and professional knowledge work, especially finance. - 600B sparse MoE, 27B active per token - ~1/6 the cost per task of Claude Opus 5.5, per Artificial Analysis Now on Featherless, served at FP8. https://t.co/mznI5gFzHe

#行业动态#开源生态#部署/工程

TTypeSafe AI10:36一手模型发布

AI 评分62

TypeSafe AI 发布 Jev 1.14，新增图像、边界框原语与 4 倍上下文

TypeSafe AI 于 10 月 14 日太平洋时间下午 1:14 发布 Jev 1.14，这是一个改进版模型，同时带来面向开发者的实验性功能：图像、一种新的 box 类型以及更长的上下文。官方称 Jev 已具备多模态能力，图像可出现在此前文本能出现的任何位置，并引入 bounding box 原语用于定位；上下文长度提升至原来的 4 倍。`jev-preview` 现指向 `jev-1.14.0`，官方称整体有小幅改进，多语言支持提升最明显。官方强调这些是预览功能，尚未达到其生产级智能的标准。

同一事件 · 8 条报道

#模型发布#多模态#推理

TTypeSafe AI10:36一手模型发布

AI 评分68

TypeSafe AI 发布 Jev 1.14，为现有模型加入图像与边界框能力

TypeSafe AI 发布 Jev 1.14，为现有 Jev 模型加入多模态能力，图像可以出现在此前只能放文本的位置，并新增用于定位的边界框原语。上下文长度提升到原来的 4 倍，`jev-preview` 现指向 `jev-1.14.0`，官方称最大改进可能来自多语言支持。图像与边界框均属预览功能，官方提醒生产环境需谨慎使用。

同一事件 · 8 条报道

#模型发布#多模态#OpenAI

TTypeSafe AI10:36一手模型发布

AI 评分62

TypeSafe AI 发布 Jev 1.14，新增图像与 box 类型并扩展上下文

TypeSafe AI 发布 Jev 1.14，新增图像、box 类型和更长上下文等实验性预览功能，其中图像可出现在此前文本可用的任意位置，上下文长度提升至原来的 4 倍。`jev-preview` 现指向 `jev-1.14.0`，官方称整体有小幅改进，多语言支持提升最明显，并同步公开了内部评测思路。

同一事件 · 8 条报道

#模型发布#多模态#推理

TTypeSafe AI10:36一手模型发布

AI 评分60

TypeSafe AI 发布 Jev 1.14，预览版支持图像与更长上下文

TypeSafe AI 宣布 Jev 1.14 于 10.14 下午 1:14 PT 发布，`jev-preview` 现已指向 `jev-1.14.0`。该版本带来图像多模态、新的 bounding box 基础类型和 4 倍上下文长度，官方称整体有小幅改进、多语言支持提升最明显，但图像等仍属预览功能，不建议直接用于生产。团队同时公开了自研的内部评测思路，并邀请开发者反馈 Jev 仍显笨拙之处。

同一事件 · 8 条报道

#产品更新#多模态#推理

TTypeSafe AI10:36一手模型发布

AI 评分65

TypeSafe AI 发布 Jev 1.14，新增图像、边界框原语与 4 倍上下文

TypeSafe AI 于 10.14 发布 Jev 1.14，为当前 Jev 模型加入多模态图像能力，图像可出现在此前只能放文本的位置，并新增用于定位的 bounding box 原语，上下文长度提升至原来的 4 倍。官方称这些属于预览功能，生产级智能的门槛仍然较高，`jev-preview` 现已指向 `jev-1.14.0`，改进集中在多语言支持，同时团队公开了自研的开发者智能评测方式。

同一事件 · 8 条报道

#模型发布#多模态#推理

UUnsloth10:36一手模型发布

AI 评分67

NVIDIA 发布 Nemotron-3.5-Bolt 与 Nemotron-3.5-Super-VL 两款模型

NVIDIA 发布两款新模型 Nemotron-3.5-Bolt 和 Nemotron-3.5-Super-VL。Nemotron-3.5-Bolt-74B-A9B 可在 24GB 内存上运行，Unsloth 称其在该体量下性能处于顶尖水平；Super-VL-120B-A12B 需要 82GB 内存。NVIDIA 介绍 Super VL 为开源模型，将推理与工具调用同文本、图像、文档和视频理解结合，面向长时间运行的 AI 智能体，总参数 120B、激活 12B。Unsloth 同时提供了两款模型的 GGUF 下载链接和使用指南。

引用NVIDIA AI · @NVIDIAAI

Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵 https://t.co/BcbED05qSG

#模型发布#开源生态#端侧

UUnsloth10:36一手模型发布

AI 评分80

Meta 发布开源模型 Muse Spark Open，支持 1M 上下文与多模态输入

Meta 发布开源模型 Muse Spark Open，权重当天放出。Muse-Spark-Open-816B-A42B 支持文本、图像、视频和音频输入，上下文窗口为 1M。Unsloth 提供了 Dynamic 2-bit GGUF 量化版本，可在 Mac Studio 上运行，并附有 GGUF 下载地址和使用指南。

引用Mark Zuckerberg · @finkd

Muse Spark Open -- weights releasing today -- runs great on new Mac Studios thanks to work with @johnternus and Apple. https://t.co/U2wJNrKBOg

同一事件 · 33 条报道

#模型发布#多模态#开源生态

TThomas Wolf10:36模型发布

AI 评分58

Thomas Wolf 转发 Alexandr Wang 宣布 muse spark open 开源模型

Thomas Wolf 转发 Alexandr Wang 的推文，后者称 muse spark open 是目前美国最强的开源权重模型，总参数 816B、激活参数 42B，支持 1M token 上下文，原生多模态，面向编码和智能体任务，如长周期任务、高难度软件工程和多步推理。

引用Alexandr Wang · @alexandr_wang

1/ muse spark open is the most capable US open-weight model to date. 816B total params, 42B active. 1M-token context. natively multimodal. built for coding and agentic work like long-horizon tasks, hard software engineering, multi-step reasoning. america! 🇺🇲 https://t.co/NjtOB7aY9D

#模型发布#开源生态#多模态

AAaron Levie10:36模型发布

AI 评分69

Meta 发布 Muse 开源权重模型

Meta 发布 Muse 开源权重模型，Alexandr Wang 称其为美国迄今能力最强的开源权重模型，总参数 816B、激活 42B，支持 1M token 上下文并原生多模态，面向编码和长程任务等智能体工作。Aaron Levie 认为这会让企业把前沿模型用于编排和高难度任务，同时用低成本、后训练定制的模型处理重复性工作流，从而进一步加速 AI 扩散并推高整体 token 消耗。

引用Alexandr Wang · @alexandr_wang

1/ muse spark open is the most capable US open-weight model to date. 816B total params, 42B active. 1M-token context. natively multimodal. built for coding and agentic work like long-horizon tasks, hard software engineering, multi-step reasoning. america! 🇺🇲 https://t.co/NjtOB7aY9D

#行业动态#开源生态#Agent

RRohan Paul10:36模型发布

AI 评分82

Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open

Meta 在 Hugging Face 发布 Muse Spark Open 的模型权重，这是一个 816B 参数、面向编码与智能体任务的模型。开源版与 Muse Spark 1.3 共用同一基础模型，额外做了安全后训练，以降低其脱离系统护栏单独使用时的滥用风险，这也逆转了 Meta 今年 4 月首个专有闭源前沿模型的策略。模型共 62 层，每层含 256 个专家网络，每个 token 路由到其中 8 个，因此部署需要 816B 参数模型的内存，但运行速度相当于 42B 模型。一次在 512GB M3 Ultra 上测试的 3-bit 量化版本约占 344 GB，短提示词下生成速度约 21 tok/s。

引用Mark Zuckerberg · @finkd

Muse Spark Open -- weights releasing today -- runs great on new Mac Studios thanks to work with @johnternus and Apple. https://t.co/U2wJNrKBOg

同一事件 · 33 条报道

#模型发布#开源生态#编码

RRohan Paul10:36模型发布

AI 评分77

Meta 开源 816B 参数模型 Muse Spark Open，适配 Apple MLX 在 Mac 上运行

Meta 在 Hugging Face 上开源了 816B 参数的 Muse Spark Open，与 Muse Spark 1.3 共享同一基座模型，并追加了安全后训练。该模型每层有 256 个专家网络、每个 token 路由到其中 8 个，因此部署需要 816B 参数级别的显存但以 42B 模型的速度运行；4-bit NVFP4 版本至少需要 700GB GPU 显存，Apple 为其 MLX 框架做了适配，两台 M5 Ultra Mac Studio 各提供最高 512GB 统一内存和 1.2TB/s 带宽即可承载。它在 MCP-Atlas 工具调用测试上以 89.2 登顶，许可允许免费商用但要求标注 Built with Muse Spark Open，12 个月营收超 2000 万美元的 API 模型销售方需另与 Meta 签约。

引用Rohan Paul · @rohanpaul_ai

Meta released the weights of Muse Spark Open, on Huggingface, an 816B-parameter model built for coding and agentic work. The open version shares the same base model as Muse Spark 1.3, with additional safety post-training to resist misuse as a standalone model without system guardrails, reversing Meta’s first proprietary, closed-weight frontier model strategy from April. Each of its 62 layers holds 256 expert networks and routes every token through 8, so deployment needs the memory of an 816B-parameter model but runs at the speed of a 42B model. That storage bill explains the Apple tie-up, because the M5 Ultra pushes 1.2 TB/s of unified memory and a Mac Studio can carry up to 512GB. A 3-bit quant tested on a 512GB M3 Ultra took about 344 GB and ran at about 21 tok/s generation on a short prompt.

同一事件 · 33 条报道

#模型发布#开源生态#端侧

Ffal10:36模型发布

AI 评分68

NVIDIA Nemotron 3.5 Super VL 上线 fal

NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，总参数 120B、每 token 激活 12B，面向视觉推理与智能体工作流。该模型支持图像、文档和视频理解，以及视觉推理、工具调用和文档智能等场景，目前已上线 fal 平台。

引用NVIDIA AI · @NVIDIAAI

Meet NVIDIA Nemotron 3.5 Super VL Our new open model combines reasoning and tool use with text, image, document, and video understanding for long-running AI agents. 120B total parameters with 12B active 🧵 https://t.co/BcbED05qSG

#产品更新#多模态#Agent

蚂蚂蚁百灵10:36模型发布

AI 评分63

蚂蚁百灵 Ling-3.1-flash 获 SGLang 首日支持

蚂蚁百灵宣布 SGLang 在发布当天即支持 Ling-3.1-flash，帮助开发者更高效地部署该模型。据 SGLang 介绍，Ling-3.1-flash 是 560B MoE 混合推理模型，激活参数 25B，上下文窗口 1M，面向真实工作场景，可将粗略需求转化为网页、移动端 UI 或交互原型。其 MXFP4 加 block-FP8 量化把权重从约 534GB 降至约 292GB，可放入 4 张 Hopper GPU，并在 GDPVal-AA、FrontierSWE 和 Terminal-Bench 4.0 等真实智能体、办公与编码任务上表现较强。

引用SGLang · @sgl_project

SGLang has Day-0 support for Ling-3.1-flash from @AntLingAGI! A 560B MoE hybrid reasoning model, 25B active, 1M context, built for real work: it turns a rough brief into a page, mobile UI, or interactive prototype. ✅ MXFP4 + block-FP8 quantization cuts weights from ~534GB to ~292GB, fitting on 4 Hopper GPUs ✅ Strong on real-world agent, office, and coding tasks, including GDPVal-AA, FrontierSWE, and Terminal-Bench 4.0. Get started with SGLang:

#行业动态#开源生态#部署/工程

蚂蚂蚁百灵10:36模型发布

AI 评分56

vLLM 为 Ling-3.1-flash 提供 Day-0 支持

vLLM 宣布在 Ling-3.1-flash 发布当天即提供 Day-0 支持，开发者可在自有基础设施上部署该模型。该模型总参数量约 560B，每 token 激活约 25B，上下文窗口最高 1M，可用于生成网站、移动端 UI 和交互原型。蚂蚁百灵随后致谢 vLLM 让 Ling-3.1-flash 从第一天起就能在开发者自有基础设施上运行。

引用vLLM · @vllm_project

🎉 Day-0 support for Ling-3.1-flash is here in vLLM! ~560B total parameters, ~25B active per token, and up to 1M context. From a rough brief to websites, mobile UIs, and interactive prototypes—serve it on your own infrastructure with vLLM. Congrats to @AntLingAGI!

#开源/仓库#部署/工程#开源生态

面面壁智能 OpenBMB10:36模型发布

AI 评分69

面壁智能 MiniCPM-V 4.7 上线 ModelScope 开源

面壁智能宣布 MiniCPM-V 4.7 已在 ModelScope 开源，这是一个 35B-A3B MoE 多模态模型，采用 Apache 2.0 许可，主打端侧运行。据 ModelScope 介绍，该模型在 iPhone 17 Pro Max 上以 13+ tokens/s 运行，是首个支持流畅无损端侧推理的开源 MoE，并提供 35B-A3B 与 1B 两种尺寸及 FP8、GPTQ、AWQ、BNB、GGUF 等变体，兼容 SGLang、vLLM、llama.cpp、Ollama 等工具，支持 iOS、Android 和 HarmonyOS。

引用ModelScope · @ModelScope2022

MiniCPM-V 4.7 is now open source on ModelScope: a 35B-A3B MoE multimodal model built to run on-device without compromising performance. Apache 2.0. 🤖 https://t.co/NwwbEXRXGg 📱 First open-source MoE with smooth, lossless on-device inference, running at 13+ tokens/s on iPhone 17 Pro Max. 🔥 New Pareto frontier: in Instruct mode, it reaches a higher overall score in less inference time than Qwen3.6 35B-A3B. ⚡ Mixed 4x/16x visual token compression lets developers balance visual detail and inference cost per task. 🛠️ Two sizes (35B-A3B and 1B) with FP8, GPTQ, AWQ, BNB, and GGUF variants. Works with SGLang, vLLM, llama.cpp, Ollama, SWIFT, and LLaMA-Factory. 💻 Runs on iOS, Android, and HarmonyOS, with day-0 support for Rockchip, Houmo, Intel, AMD, and Arm.

#开源/仓库#端侧#多模态