Reflection 的首个开源权重模型 Beam 已在 Baseten 平台上线，通过 Baseten Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，面向编码与智能体工作流。Reflection 在训练中采用较长 RL rollout 并加入长度惩罚，鼓励模型用更少 token 完成任务，用户还可通过 reasoning effort 参数调节推理投入。
匹配字段摘要、正文
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态，覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架，并开源了配套的 Mirror CLI 智能体工具。
匹配字段摘要
Meta 发布开源权重多模态模型 Muse Spark Open，参数量 816B，面向编码与智能体任务，并与 Apple 合作通过更新后的 MLX 工具包在两台 M5 Ultra Mac Studio（合计 1TB 内存）上本地运行。Meta 称该模型在无云环境下完成 iOS 应用修复和在 DaVinci Resolve 中剪辑视频。在 Artificial Analysis 的 Intelligence Index 上它得分 39，高于西方开源模型，但低于 GLM 5.3 的 45、Kimi K3 的 44 和 Qwen3.8 的 40，中国模型在编码上仍领先。
匹配字段摘要
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，面向编码与智能体任务，总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频和音频。该模型已针对双 Apple M5 Ultra Mac Studio 与最新 MLX 框架优化，同时支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并针对 AMD、Apple、Intel 和 NVIDIA 芯片优化。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，开发者可用 PyTorch 及 TorchTitan 进一步微调。
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
Meta 的 Muse Spark Open（Muse-Spark-Open-816B-A42B）已在 Hugging Face 上线，这是一个混合专家（MoE）模型，拥有 42B 激活参数、816B 总参数和 1M token 上下文窗口。该模型面向智能体与编码工作流，覆盖从理解大型代码仓库到借助工具完成多步工程任务。推文提到还附有基准测试结果。
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 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。
匹配字段摘要
Meta 于 10 月 15 日公开 Muse Spark Open 权重，这是一个原生多模态开源模型，总参数 816B、激活参数 42B，上下文窗口 1M token，面向编码与长程智能体任务。模型采用 MoE Transformer 加 Perception Encoder 架构，可通过 Baseten、Fireworks AI、Groq 等 API 平台调用，权重在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等处下载，本地运行 NVFP4 版本需至少 700GB 显存。Meta 称其为首个能在桌面端运行的同级模型，用两台搭载 M5 Ultra 的 Mac Studio 配合 MLX 框架即可承载；模型卡显示其 Artificial Analysis 智能指数为 39，低于表中 GLM 5.3 的 45 和 Kimi K3 的 44。
匹配字段摘要
Nvidia 发布 Nemotron 3.5 系列三款新模型：120B 的 Nemotron 3.5 Super VL 视觉语言模型，以及面向本地运行的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。Bolt 74B 通过二比特量化把 74B 模型压到 24GB 显存，激活 9B 参数，支持 llama.cpp、Ollama、LM Studio 和 vLLM，面向笔记本上的编码、研究与多步工具调用任务。Super VL 沿用 Mamba-2、注意力和 MoE 混合架构并新增视觉编码器，支持图像与视频输入，上下文窗口最高 100 万 token；在 Nvidia 自测中 Terminal-Bench 2.1 得 66.7 分高于 Qwen3.5-122B-A10B 的 48.7，但 SWE-bench Verified 以 71.1 略低于对方的 71.9。两款较大模型已在 Hugging Face 以 OpenMDW 1.1 许可开放下载，Bolt E4B 4GB 将于近期推出。
匹配字段摘要
Meta 发布 Muse Spark Open，一个 816B 参数、42B 激活参数的开源权重模型，采用 100 万 token 上下文窗口，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等 API 调用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等下载。Meta 称其面向编码与智能体任务，在 JobBench、MCP-Atlas 等智能体与工具调用基准上领先 Kimi K3、GLM 5.3 和 Qwen3.8，但在 Terminal-Bench 2.1 和 DeepSWE 1.1 等编码基准上落后。模型采用 Muse Model License，年营收超过 2000 万美元的公司需先通知 Meta 并签署单独协议才能提供模型服务，且使用方须在产品界面显著标注 Built with Muse Spark Open。
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
NVIDIA 一款新模型预计下周发布，可能亮相于周三 21 日的 GTC 活动。此前在 NVIDIA 文档中出现的 Nemotron 3.5 Super VL 采用 Nemotron-H 混合语言解码器、RADIO 视觉编码器、视觉投影器和独立时序视频嵌入器，复用 Nemotron Omni 图像/视频栈但不含音频编码器，并保留共享的 Multi-Token Prediction（MTP）权重。引用信息还提到该模型为 120B 总参数、12B 激活参数的混合 Mamba-Transformer MoE，支持图像和视频输入，并有纯文本版本。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要