英伟达发布Nemotron 3.5 Lightning
NVIDIA 发布 面向长时运行智能体的开放MoE模型Nemotron 3.5 Lightning
English translation is being prepared.
匹配字段摘要
←搜索结果
搜索“NVIDIA”
蚂蚁百灵正式开源Ling-3.0-tiny
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
百灵正式开源Ling-3.0-flash模型
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
Meta发布Muse Glimmer 30B开放权重模型
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
xAI发布Grok 4.5,主打编码与智能体任务
2026年7月16日,xAI发布Grok 4.5模型,称其为最强模型,专为编码、智能体任务和知识工作打造,并与Cursor联合训练。据xAI News报道,该模型在Datacurve的DeepSWE基准上得分62.0%,高于Opus 4.8的55.75%,低于Fable的66.1%和GPT 5.5的64.31%。模型在数万块NVIDIA GB300 GPU上训练,推理速度80 TPS,定价为每百万输入token 2美元、每百万输出token 6美元,并已成为Grok Build的默认模型。目前尚无后续发展事实。
匹配字段摘要
Thinking Machines Lab发布Inkling多模态MoE模型
2026年7月15日,Thinking Machines Lab发布原生多模态开放权重模型Inkling。据Hugging Face介绍,Inkling原生接收文本、图像和音频,为MoE架构,拥有975B总参数、41B激活参数和1M上下文窗口,bf16与NVFP4检查点分别需要2TB和600GB显存,已获Transformers、SGLang、vLLM和llama.cpp支持。同日,Modal官方工程博客称Inkling以Day 0合作上线Modal按token计费的托管端点,并为其定制DFlash推测解码器,在8x B200智能体负载上实现每用户250 tokens/s、每GPU 2.5M TPM,交互性比模型内置推测路径快67%。同日,LMSYS Blog称LMSYS与Thinking Machines团队合作,为Inkling在SGLang和Miles上提供Day-0支持,SGLang针对其MoE架构优化,在Nvidia Blackwell GPU上实现最高71.7k tok/s输入吞吐和171.0 tok/s单用户解码速度,Miles通过定制Megatron后端支持全参数与Lo
匹配字段摘要
Prime Intellect Lab支持Nemotron 3 Ultra后训练
2026年6月4日,Prime Intellect 宣布其托管后训练平台 Lab 对 NVIDIA Nemotron 3 Ultra 提供 day-0 支持,可在 Blackwell B200/B300 上进行托管强化学习训练,配合 vLLM 推理、NCCL 权重广播和 Prime-RL 训练器。平台提供 Environments Hub 中 2,500+ 个开放 RL 环境,并支持 SWE-bench Verified、BrowseComp、τ2-Bench Telecom、Terminal-Bench Hard、IFBench、AA-LCR、GPQA Diamond、RULER-1M 等评测,以及 LoRA 与全权重适配器的一键推理。同日,Prime Intellect 还宣布加入 NVIDIA Nemotron 联盟,贡献 2,500+ 开源 RL 环境、verifiers 框架、Prime Sandbox 及 NeMo Gym 集成,以 Apache-2.0 / CC-BY-4.0 随 Nemotron 模型发布同步开源。此外,NVIDIA Nemotron 3 Ultra 同
匹配字段摘要
Cohere发布并开源Command A+企业级智能体模型
2026年5月20日,Cohere发布并开源Command A+混合专家模型。据Cohere产品与研究博客,该模型面向企业智能体任务、支持私有部署,采用Apache 2.0许可证,提供218B总参数和25B激活参数,支持48种语言,并提供BF16、FP8和W4A4量化版本,最低可在两块NVIDIA H100或一块NVIDIA Blackwell GPU上运行。模型权重已上线Hugging Face,也可通过Model Vault、Cohere Space或API使用。目前没有后续有证据的发展。
匹配字段摘要
Prime Intellect发布INTELLECT-3模型
2025年11月26日,Prime Intellect发布INTELLECT-3模型。该模型为106B参数的Mixture-of-Experts架构,在GLM-4.5-Air基座上进行SFT和大规模RL训练,在数学、代码、科学和推理基准上取得同规模SOTA。团队开源了模型权重、训练框架prime-rl、verifiers环境库及全部训练与评测环境,训练在512张NVIDIA H200 GPU上完成。模型可在chat.primeintellect.ai或通过Inference API使用。
匹配字段摘要
Cartesia发布Llamba模型系列
2025年3月5日,Cartesia发布Llamba-1B、3B、8B模型权重。该系列采用MOHAWK架构蒸馏方法,将Llama-3.X转换为Mamba-2架构,训练数据量比从头预训练少1000倍。Llamba-8B在NVIDIA H100上生成8192 tokens时吞吐量比Llama-3.1-8B高12倍,并已针对Apple Silicon和MLX框架优化。
匹配字段摘要
Cognition 分享 SWE-1.6 训练早期预览
2026年3月1日,Cognition 公布 SWE-1.6 的早期预览。该模型与 SWE-1.5 基于同一预训练模型做后训练,推理速度同为 950 tok/s,当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%。团队称通过改进 RL 配方和扩展基础设施获得两个数量级算力,训练步骤比 3 个月前快 6 倍,并使用低至 NVFP4 的精度和 NVIDIA Multi-Node NVLink 加速。目前该模型向少量用户开放早期访问以收集反馈,团队同时指出大规模 RL 带来了过度思考、过多轮次等影响模型使用体验的行为。
匹配字段摘要
Microsoft AI 发布语音生成模型 MAI-Voice-1
2025年8月29日,Microsoft AI 发布首个高表现力语音生成模型 MAI-Voice-1。据 Microsoft AI Blog 同日发布的信息,该模型已在 Copilot Daily 和 Podcasts 中上线,并在 Copilot Labs 提供体验;其可在单张 GPU 上不到一秒生成一分钟音频。同一来源还提到,微软 AI 首个端到端训练的基础模型 MAI-1-preview 已在 LMArena 开启公开测试,这是一个在约 15,000 块 NVIDIA H100 GPU 上完成预训练和后训练的 MoE 模型,未来数周将逐步用于 Copilot 的部分文本场景。目前没有后续发展事实,状态停留在发布与公开测试阶段。
匹配字段摘要
英伟达发布Nemotron Nano 2 VL
NVIDIA 发布并通过vLLM提供支持 Nemotron Nano 2 VL开放视觉语言模型
English translation is being prepared.
匹配字段摘要
Edge0 发布 Audio8-TTS-Realistic：0.6B 开源语音克隆 TTS 模型
Edge0 发布开源权重语音克隆 TTS 模型 Audio8-TTS-Realistic，601M 参数，支持 23 种语言，权重与代码以 Apache 2.0 发布。模型只需 1 段参考音频及对应文本即可零样本克隆音色，也可在无参考音色时直接生成语音。自报结果显示其在 CV3 九语言上平均错误率 4.86%，低于 Qwen3-TTS-1.7B 的 7.73%，但在 MiniMax 基准上落后于 4B 级模型，泰语 WER 达 48.57%。
段参考音频及其转写文本克隆音色。它支持 23 种语言，比其前代多 12 种。权重和代码以 Apache 2.0 许可发布。对开发者而言，关键在于它以易于低成本微调和部署的规模，提供了有竞争力的多语言准确率。 TL;DR 规模：主模型 601M 参数（不含编解码器）；最多 2,048 个打包的文本/音频上下文位置。 运行环境：推荐使用 CUDA GPU；已在 NVIDIA H20 上以 BF16 进行冒烟测试。论文报告在 Apple M2 CPU（INT4 ONNX）上峰值内存为 1.1 至 1.2 GiB。目前尚无 Realistic 的 ONNX 导出公开。 性能：在 CV3 上领先于更大的开源模型，在 MiniMax 上落后于 4B 级模型。 最佳：在 9 种语言上 CV3 平均错误率为 4.86%，而 Qwen3-TTS-1.7B 为 7.73%。 最差：泰语（CV3）WER 为 48.57%，粤语（MiniMax）CER 为 31.35%。 什么是 Audio8-TTS-Realistic？ 它是 Edge0 的 Audio8 TTS 系列中第二个 0.6B 版本。它基于 Au
匹配字段正文
Mistral 开源 Mistral Large 4 权重，编码基准以 1 分领先 GLM-5.3
Mistral 于周四在 Hugging Face 发布前沿开源模型 Mistral Large 4（ML4）的权重，该模型三周前才开放预览。Mistral 称 ML4 是“全球最好的开源智能体编码模型”，在 Terminal-Bench 4.0 上得分 41%，略高于 GLM-5.3 的 40%，并称其每任务平均比 GLM-5.3 少用 47% 的 token；在 CyberGym E2E 防御性网络安全测试中得分 79%，GLM-5.3 为 29%。Mistral 科学副总裁 Pierre Stock 称 ML4 只是“垫脚石”，并确认未来数月将推出更小版本，其中一款可运行在笔记本电脑上。
V2.6-Pro 的 79% 持平。 点击放大图片。（来源：Mistral） 就此，Stock 解释了部分 Mistral 客户如何已将这一模型投入使用，用它支持自动化渗透测试，由专门的智能体分析应用程序日志并测试潜在的入口点。 以极低成本实现飞速提升 当 Mistral 于 10 月初公开发布 ML4 预览版时，该模型已在其欧洲数据中心约 3,800 块 Nvidia Grace Blackwell GPU 上训练了约两个月。Stock 表示，在过去三周里，该模型经历了“显著提升”，他将此归功于团队的强化学习。Mistral 自己的 Terminal-Bench 4.0 得分从预览时的 28% 升至 41%。 “我没有关于有人能用这么多资源做到这一点的信息。” 更值得注意的是，他声称，这家法国公司仅用 10 兆瓦的电力就完成了那次强化学习，“只是所有竞争对手所用资源的一小部分。” 当被追问 Mistral 如何能确定自己比竞争对手更具成本效益时，Stock 告诉记者：“我没有关于有人能用这么多资源做到这一点的信息。” 他还表示，Mistral 的资源效率意味着这家法国初创公司只要获得
匹配字段正文
Mistral 发布 Mistral Large 4 权重，编码能力领先开源模型但整体落后中国模型
Mistral 将 Mistral Large 4 的权重发布到 Hugging Face，该模型昵称 Le Chonk，约 1 万亿参数、每步激活 520 亿，支持文本和图像输入。在 Terminal-Bench 4.0 上得分从预览版的 28% 升至 41%，略高于 GLM-5.3 的 40%，但在 Artificial Analysis 新版 Intelligence Index 上仅得 26 分，低于 DeepSeek V4.1 Flash 和 GLM-5.3 的 32 分。API 价格为每百万输入 token 0.70 美元、输出 2.10 美元，采用修改版 MIT 许可，将其作为商业云服务需另行授权。
出速度快、价格相对便宜的特点，但在总排名上落后于中国模型。 在公开预览三周后，Mistral 已将 Large 4 的权重上传至 Hugging Face。该模型的昵称为“Le Chonk”。它以文本和图像为输入，输出文本和代码。其总参数量约为 1 万亿，每步激活 520 亿。自行运行该模型需要大量硬件。根据推理框架 SGLang 的文档，标准版本可在八块 Nvidia B300 GPU 上运行，而压缩程度更高的变体可在四块 GB300 GPU 上运行。 自预览以来，Mistral 一直通过强化学习继续训练该模型。该公司称这带来了巨大提升，尤其是在编码和网络防御方面。Mistral 研究人员 Pierre Stock 和 Corentin Petit 在新闻电话会上详细介绍了这一过程。团队在内部构建了随训练推进而难度递增的任务。他们表示，性能的唯一限制是团队还能创建并验证多难的任务。Mistral 称这是一项“为期两年的赌注”，如今正在收获回报。 Large 4 在编码方面领先开源模型，但大幅落后于 Claude 再经过三周训练后，Large 4 在 Terminal-Bench 4.
匹配字段正文
Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial…
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
倍（@zcbenz）。 NF12：无损 12 位 BF16 格式使 Qwen3-32B 的 token 生成速度提升 1.23 倍（@sylvie l）。 封装：ASE 为 AMD Venice 提供的面板级封装每面板可容纳 25 个中介层，而每晶圆为 22 个。生产将于 2027 年第一季度开始（@SemiAnalysis ）。 语音、视频与多模态模型 NVIDIA Nemotron 3.5 Transcribe：这个开放权重的 30B MoE 模型约有 4B 激活参数。它支持 40 种语言、说话人归属、翻译和音频问答（@NVIDIAAI）。 独立结果：它在 AA-WER 上得分为 2.8%，与 Voxtral Small 并列开放模型第一。在 DeepInfra 上，它以 75 倍速度因子运行，价格为每 1,000 分钟 2 美元（@ArtificialAnlys）。 服务：vLLM 在第 0 天即支持它，提供 BF16、FP8 和 NVFP4 权重（@vllm project）。 AssemblyAI-TTS-1：该模型价格为每 100 万字符 15 美元，首段音频延迟为 90
匹配字段正文
Google 发布 Gemini 4 Carbon，17 项基准中登顶 15 项
Google 发布面向网络安全与长时编码任务的前沿模型 Gemini 4 Carbon，在 Google 自家 17 项基准中登顶 15 项，但尚未公开，仅向部分网络安全防御人员开放。其在 Artificial Analysis 的 Intelligence Index 上得 59 分，超过 Claude Opus 5.5，比四周前的 Argon 提升 9 分；在长输入推理上领先 OpenAI Astra 和 Opus 24 分。API 介绍价为每百万 token 输入 2 美元、输出 10 美元，为 Opus 5.5 的一半，折扣期后翻倍至 Opus 的费率。Google 未公布扩大开放的时间。
并附在电子邮件中发送给该潜在客户。第四个智能体被设置为在潜在客户回复后作出回应，为他们预约通话，并将通话添加到日历中。” 在我们的社区工作流中心查看该工作流 → 🛠️ 热门 AI 工具 ⚙️ QVAC SDK - 可免费且私密地运行任何开源模型（聊天、图像、语音生成等）。在 GitHub 上试用并加星 💬 Nemotron 3.5 Transcribe - Nvidia 的可转录 40 种语言的 AI 🔴 ChatGPT Dot - OpenAI 的常驻智能体，现可通过短信使用 ⚙️ GitHub Copilot Fusion - 可为每项任务自动挑选 AI 模型的 Copilot 模式 赞助列表 📰 今日 AI 其他动态 OpenAI 正将数百名员工调入一个“作战室”，为下周的美国中期选举做准备，在本月标记出其模型上的俄罗斯和伊朗影响力行动后，搜寻 ChatGPT 的滥用情况。 Artificial Analysis 发布了其“智能指数”AI 排行榜的 v5 版本，如今更多依赖私有测试，中国开源模型在排名中进一步落后，而 OpenAI 的新 Terra 模型尽管处于中端水平，表现却更
匹配字段正文
Mistral 开放 Mistral Large 4（Le Chonk）权重
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。
灵活性、选择权和控制力。像Mistral Large 4这样的创新代表着AI变革网络防御潜力的有前景的进步。我们将持续的AI创新视为加强网络安全、帮助组织应对不断演变的威胁格局的重要机遇。 John Whittle，Fortinet首席运营官 开放模型让安全研究人员和开发者能够检查、调整并基于AI进行构建。Mistral正在拓展生态系统所能构建的范围，我们在NVIDIA加速基础设施上的合作帮助开发者将这些模型投入实际使用。 Kari Briski，NVIDIA开放模型与软件副总裁 随着威胁变得愈发快速、工业化并如今实现自动化，防御必须以不同的规模运作。数量、速度、信任：这是AI时代网络安全面临的三大挑战。与Mistral AI携手，我们正在打造欧洲网络AI，由我们的专家训练并在其控制下运行。通过结合AI的力量、我们团队的专业知识以及我们的网络威胁情报，我们正在加速响应，从而能够更广泛、更快速地提供保护，并采用可信的欧洲技术。 Hugues Foulon，Orange Cyberdefense首席执行官 Rubrik支持Mistral以及推动“主权AI”的努力，为欧洲各国政府和受监管行业
匹配字段正文
Google DeepMind 发布 Genie 4 世界模型，可生成音效并与场景角色对话
Google DeepMind 发布新一代世界模型 Genie 4，可将提示词实时转化为可探索的逼真场景，并首次由 Genie 模型自行生成背景音和音乐，场景中的角色也能进行实时对话。用户通过键盘移动，并用文本提示在场景中即时修改内容，场景在多次输入之间保持连贯。演示中一个模拟的 Apptronik Apollo 机器人下跳棋，每一步由 Gemini 4 Argon 规划，指向 Genie 未来的机器人训练用途。
一天发布。 美国总统Donald Trump发帖称，他将“在所有相关文件中禁止使用‘AI/人工智能’一词”，这是朝超级智能迈进的又一举措。 AI-for-physics实验室Physical Superintelligence发布了五篇新论文，每篇都配有计算机校验的证明，声称在其内部AI的帮助下，在长期未解的量子物理问题上取得了进展。 Meta从其芯片供应商Nvidia（30亿美元）和AMD（10亿美元）处为其950亿美元的AI融资安排了40亿美元，两家公司同时也在扩大其在Meta数据中心运行的硬件。 Google签署协议，将从2027年起将其TPU芯片放入Oracle的云中，这是竞争对手云巨头首次向客户提供英伟达的自家替代品。 🎓 亮点：新闻、指南与活动 报名参加今天美东时间下午2点的研讨会：获得顾问级深度研究 The AI bubble meets Anthropic’s real numbers Zach Mink • 8分钟AI Google’s Gemini 4 Carbon tops the charts (for now) Zach Mink • 8分钟AI Kimi c
匹配字段正文