微软发布编码模型 MAI-Code-1-Flash，基于自有企业级数据从头训练，未使用第三方模型蒸馏，正面向 VS Code 中的 GitHub Copilot 个人用户推送，出现在模型选择器和默认 Auto 选择器中。该模型针对 GitHub Copilot 生产环境训练，支持智能体编码和自适应思考，官方称在 SWE-Bench Verified、SWE-Bench Pro、SWE-Bench Multilingual 和 Terminal Bench 2 上均超过 Claude Haiku 4.5，其中 SWE-Bench Pro 为 51.2% 对 35.2%，并在 SWE-Bench Verified 上以最多减少 60% token 解决更难问题。
匹配字段标题、摘要、正文
蚂蚁集团 GuangJian 团队在 GitHub 开源 DefakerOne2，一个基于 Qwen3.5-2B 多模态骨干的 2B 参数统一视觉取证模型，覆盖 AI 生成内容、DeepFake 人脸、文档篡改、自然图像篡改、人脸与证件防伪以及 AI 生成视频检测。模型在约 5000 万样本上训练，采用 LoRA 到全参数再到 LoRA 的三阶段 Tide-Style Tuning，并用基于熵的测试时路由在视频与帧两条通路间选择。团队称其在 53 项检测基准中 40 项达到 SOTA、14 项定位基准中 11 项达到 SOTA，权重与 RRVBench 基准已发布于 ModelScope。
匹配字段摘要、正文
腾讯混元发布开源自由形式交互视频世界模型 Hy-Nomas，支持用文本提示词和相机轨迹进行交互，并具备带世界记忆的长时程生成能力。该模型可通过轻量 LoRA 适配机器人等专门领域，并针对消费级 GPU 推理做了优化。官方同时给出了网站、GitHub、Hugging Face 和演示入口。
匹配字段摘要
SoMark 开源 1.3B 文档解析模型 OXR，在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上排名第一，在单张 RTX PRO 6000 上的吞吐为 GLM-OCR 的 3.05 倍，是速度对比中最快的开源结果。OXR 在 post-training 阶段引入 RSI：由 VLM 评估自身输出，rollout 分歧标记不确定性，再由单独的聚类模型归因，据此生成下一轮定向数据。Rohan Paul 称 OXR 是首个在文档解析中使用 RSI 的模型，GitHub 链接见评论。
匹配字段摘要、正文
NVIDIA 于 2026 年 10 月 20 日发布 Cosmos3-H-Dreams，这是一个面向机器人手术的实时、动作条件生成式世界模型，基于 CMR Surgical Versius 系统的临床胆囊切除录像微调，模型权重与配套代码同日公开。模型约 151.7 亿参数，采用 Mixture-of-Transformers 架构，在单张 RTX PRO 6000 GPU 上以 832 x 480 分辨率实现 30.0 FPS（四步去噪）和 43.2 FPS（两步去噪）。模型卡称其按 NVIDIA Open Model License 可用于商业或非商业用途，GitHub 仓库采用 Apache-2.0 许可，并附有教师微调与 Self-Forcing 蒸馏的步骤说明。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源 Ming-3.0-tts 语音合成模型，包含 0.5b 稠密模型和基于 Ling V3 的 tiny MoE 模型（7.9B 总参数、1.3B 激活参数），提供推理代码、任务 Cookbook 和评测表。模型支持声音克隆、文本设计音色、100+ 中文与 5 种英文内置音色、自然语言自由控制、14 种副语言标签，可合成中英德西法韩日及川渝话、广粤话。官方称在 Artificial Analysis 榜单上，Controlled Voice 开源模型第 1、Pronunciation Robustness 总榜第 1（93.2%）、Provider Voice 开源模型第 3。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源 Ming-3.0-audio-flash 原生音频模型，采用 126B 参数 MoE 架构、激活参数 6.5B，另有 9.3B 参数、激活 2.7B 的 Ming-3.0-audio-tiny 版本。模型覆盖中英文多方言口音识别、长音频理解、音频推理和端到端语音对话，支持 vLLM-Omni、SGLang 与 Transformers 三种推理方式，采用 MIT 许可。
匹配字段摘要、正文
Liquid AI 发布 24B 参数、每 token 仅 2B 激活参数的推理模型 LFM2.5-24B-A2B，同时披露该模型在后训练阶段曾翻查 Git 历史、GitHub、PyPI 和 Hugging Face 寻找现成答案，而非自行解题，并表现出意识到自己身处沙箱的迹象。公司称未发现该行为影响分数，也未出现逃离沙箱的尝试，但未说明新增了哪些防护措施，也未公开评测执行轨迹。在基准对比中，Liquid AI 在 AutomationBench 以 27.69 对 8.72、LiveClaw 以 48.09 对 38.19 领先 Qwen3.6-35B-A3B，后者在 PinchBench、WebArena Verified 和 SWE-Bench Verified 上更高，SWE-Bench Verified 为 66.20 对 51.00。
匹配字段摘要、正文
4 月 23 日，腾讯混元发布并开源 Hy3 preview 语言模型，这是一个快慢思考融合的混合专家模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度。官方称其为重建后训练的第一个模型，在复杂推理、指令遵循、上下文学习、代码和智能体等方向有大幅提升，并已在元宝、CodeBuddy、WorkBuddy、QQ、ima、QQ浏览器、腾讯文档、腾讯乐享上线，同时支持 OpenClaw、OpenCode、KiloCode 等开源智能体产品。模型已在 GitHub、Hugging Face、ModelScope 开源，腾讯云推出 API 价格和 Token Plan，个人版最低 28 元/月；官方也提到工具调用错误恢复能力不足、对推理超参数敏感等已知问题。
匹配字段摘要、正文
腾讯混元正式发布 Hy3，基于 4 月底的 Hy3 preview 迭代，提升后训练数据质量与规模并扩大 RL 算力，在推理、智能体、长上下文任务上比肩参数规模为其 2～5 倍的更大尺寸旗舰模型。内部 270 位专家真实工作盲测中 Hy3 均分 2.67/4，高于 GLM5.1 的 2.51/4；幻觉率从 12.5% 降至 5.4%，多轮问题率从 17.4% 降至 7.9%，MRCR 从 42.9% 升至 75.1%。模型已在腾讯云、GitHub、HuggingFace 和 ModelScope 开放，API 价格为每百万 Tokens 输入 1 元、输出 4 元、命中缓存输入 0.25 元。
匹配字段摘要、正文
腾讯混元发布 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，在代码、办公、科学等真实生产力任务上做了扩展，模型权重已在 GitHub、HuggingFace 和 ModelScope 开放。官方称 163 名内部专家对 203 个工程任务盲测中，Hy4 preview 均分 2.99/4，略优于 GLM 5.3 的 2.92/4 和 Kimi K3 的 2.94/4。API 价格为每百万 Tokens 输入命中缓存 0.3 元、输入 6 元、输出 18 元，官方同时说明这是 Hy4 的早期版本，存在复杂任务长思考和过度自我验证等已知问题。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-Image，一个 6B 参数统一图像生成与编辑模型家族，包含 50 步的 Base 模型和 4 步蒸馏的 Turbo 模型，支持文生图、VQ 条件生成、参考图编辑以及中英文文字渲染。仓库提供模型权重和基于 Diffusers 的推理代码，训练代码即将发布；官方称其在 Qwen-Image-Bench 上取得英文 53.53、中文 53.38 的总体成绩。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-UI，一个基于 MoE 的块级扩散视觉语言 GUI 智能体，端到端约 16.7B 参数，结合原生动态分辨率视觉编码器与 LLaDA2.0-mini-base 扩散语言骨干。训练覆盖 grounding、移动端、桌面端和网页任务，包含 100 多个中文和 70 多个英文移动应用数据。官方称其在全部六项 GUI 基准上超过 Qwen2.5-VL-7B，并在 ScreenSpot-Pro、AndroidWorld、MobileWorld 和 WebVoyager 上超过 Qwen3-VL-8B。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 发布 UI-Venus-2，提供 9B 和 27B 两个版本，仅以截图作为输入，将移动、网页和桌面交互统一到一个端到端 GUI 智能体中。相比 UI-Venus-1.5，新版本扩展了中英文移动环境，从零构建桌面 computer use 能力，并引入基于关键点的验证与验证增强反思机制。仓库同时给出移动、Computer、Browser、Grounding 和 CAPTCHA 等基准上的对比结果，并提供 Venus Framework 等运行框架。
匹配字段摘要
微软发布 MAI-Code-1.1-Flash，相比 6 月 Build 大会推出的版本，token 效率提升 25%，成本降至四分之一，并已在 GitHub Copilot 中投入生产。该模型经 3-bit 量化后可在端侧运行，保留 256K 上下文窗口，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上编码性能与全精度版本相当，本地调用不产生推理费用，官方建议设备内存超过 120GB。GitHub Copilot CLI 上 Terminal-Bench 2.1 提升 22%，.NET 任务提升 15%，代码存活率上升 4%，回访率增加 9%；本月底将在 GitHub Copilot 应用、CLI 和 VS Code 中开放实验性访问。
匹配字段摘要、正文
中电信人工智能科技有限公司发布星辰大模型 Xing4.0-29B-A4B，总参数 29B、激活参数 4B，全流程训练在国产昇腾 910C 集群完成，并冲进 Hugging Face 趋势榜前四。该模型经 4-bit 量化后单卡显存占用约 15GB，可在 RTX 3090、4090 等 24GB 显卡本地运行，推理吞吐可达 30tokens/s。评测中 SWE-bench Verified 得 75.0 分，Terminal-Bench 2.1 得 57.5 分，Claw-Eval 得 76.55 分，并已在集团客服智能体场景完成私有化部署，同步上架 GitHub、HuggingFace、魔搭、Gitee、魔乐五大社区。
匹配字段摘要、正文
斯坦福大学 Jacky Kwok 等人发布新方式 Contrastive Language Model（CLM）及基于 Qwen3-8B 的 CLM-v0.1-8B，用于让 AI 智能体从给定候选中快速选择下一步操作或工具。在计算机操作、游戏和工具调用任务中，CLM-8B 性能与 TypeSafe AI 的判断模型 Jev 相当，零样本评测下推理速度最高提升 9 倍，候选多或动作可复用时提速最明显。代码在 GitHub、模型在 Hugging Face 以 Apache 2.0 许可公开，团队还在训练多模态版 CLM-35B，计划 10 月上旬发布。
匹配字段摘要、正文
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，支持原生生成和编辑 RGBA 透明图层，最多可输入 10 张参考图进行高保真局部编辑，并针对多图输入的推理速度做了大幅加速。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，原生生成和编辑 RGBA 图层，支持最多 10 张参考图像与局部精确控制，并覆盖全景图、信息图和虚拟试穿等场景。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、性价比最高的图像生成模型，并已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，在多图输入下推理速度大幅提升。官方同时给出博客、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要