Meta 发布开源权重模型 Muse Spark Open，并与 Apple 硬件团队合作使其能在 M5 Mac Studio Ultra 上高效运行。该模型拥有 420 亿活跃参数、100 万 token 上下文窗口，具备多模态能力，Meta 称其在智能体和编码任务上表现良好，权重已在 HuggingFace 上以 Meta 的 Muse Model 许可公开。在 Apple 电脑上运行该模型需要两台搭载 M5 Ultra 的 Mac Studio，每台起售价 5,499 美元。
匹配字段摘要、正文
当地时间 10 月 15 日，Meta 发布开放权重模型 Muse Spark Open，称其为迄今能力最强的美国开放权重模型。该模型为原生多模态，总参数 8160 亿（激活参数 420 亿），上下文窗口 100 万 Token，专为编程和智能体工作打造，并可在两台搭载 M5 Ultra 芯片的 Mac Studio 上借助 MLX 框架运行。Meta 公布的测试显示，它在 JobBench 和 MCP-Atlas 工具使用测试中领先表中列出的竞争对手，但在终端编程、长周期软件工程任务及 GDPVal-AA 评估中落后于 Kimi K3 和 GLM 5.3。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要
Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型规格为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频和音频多模态，面向编码与智能体任务。该模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，有限商业条款允许许多开发者免费使用。模型还针对 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行做了优化，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开放权重模型，采用原生多模态架构，总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体任务。该模型基于 Apple 最新版 MLX 针对搭载 M5 Ultra 的 Mac Studio 优化，两台机器可合计提供 1TB 统一内存运行完整模型，现已通过 Hugging Face 提供。Meta 称已用 Muse Code 在本地测试智能体工作流，包括向开源 Mastodon 客户端 Ice Cubes 提交 iOS 改动，以及驱动 DaVinci Resolve 逐帧筛选素材并竖版裁切。
匹配字段摘要
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。模型权重已上线 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，并适配 SGLang、vLLM、TensorRT-LLM 等推理引擎。
匹配字段摘要、正文
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是 NVIDIA 推出的开源 120B-A12B 多模态模型，面向需要看、推理并跨文本、图像、文档、GUI 和视频执行操作的长时智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并引入多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段摘要
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是一个来自 NVIDIA AI 的开源 120B-A12B 多模态模型，支持 1M 上下文，面向需要看、推理并跨文本、图像、文档、GUI 和视频行动的长时间运行智能体。该模型采用 Hybrid Mamba-Transformer MoE 架构与多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段摘要
NVIDIA Nemotron 3.5 Super VL 已在 OpenRouter 上线，这是一个开源的 120B-A12B 多模态模型，面向需要跨文本、图像、文档、GUI 和视频进行观察、推理与操作的长时运行智能体，支持 1M 上下文。该模型采用 Hybrid Mamba-Transformer MoE 架构并支持多 token 预测以加快输出，面向文档智能、网络研究、客户服务和视频理解等场景。
匹配字段摘要
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。
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。
匹配字段摘要
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。
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。
匹配字段摘要
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。
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。
匹配字段摘要
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。
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。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要
NVIDIA 于 2026 年 10 月 15 日发布开放多模态模型 Nemotron 3.5 Super VL，参数量 120B，采用 MoE 架构、每 token 激活 12B 参数，面向常驻智能体场景；同时推出面向边缘与本地硬件的 Nemotron 3.5 Bolt 74B-A9B 24GB，Nemotron 3.5 Bolt E4B 4GB 计划于 10 月 23 日发布。NVIDIA 称 Super VL 在多模态智能体任务上的准确率可与其最大推理模型相比，参数量约为后者的五分之一，单 GPU 吞吐最高为同尺寸其他开放模型的 5 倍，并报告 Hermes Bench 63.44%、LangChain 行为评测 87.05%、CharXiv 80.8% 等结果。模型提供 base、后训练和 NVFP4 量化 checkpoint，已在 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM 上线，Bolt 74B 支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM。
匹配字段摘要
NVIDIA 开源多模态模型 Nemotron 3.5 Super VL 已在 Baseten 上线，这是一个 120B-A12B 的 MoE 模型，面向文本、图像和视频的智能体工作流。它基于 Nemotron 3 Super 架构加入视觉编码器，采用混合 Mamba-Transformer 架构与多 token 预测（MTP），并支持 NVFP4 KV cache 量化以降低长上下文推理显存。NVIDIA 报告称其在 GDPval 上 Elo 为 1190（Nemotron 3 Super 为 493），SciCode 与 GPQA-diamond 也更高；Baseten Loops 在发布当天提供监督微调和强化学习训练支持。
匹配字段摘要