Mistral 在 Hugging Face 发布新版 Le Chonk（Mistral Large 4）的模型权重，面向智能体编码与网络安全场景。Mistral 称该模型在 Cognition 的 FrontierCode 基准上位列开源模型第一，并在 Artificial Analysis 的帕累托效率上刷新基准，同时推理效率提升、推理成本降低。该模型还称在网络安全防御上达到 SOTA，并经过 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试，用户可用 Mistral Forge 定制并自行部署。
匹配字段标题、摘要
Mistral AI 在为期三周的预览后，将 Mistral Large 4 的权重发布到 Hugging Face。该多模态模型在 3800 块 Nvidia 加速器上训练，参数量达一万亿，目前仍难以在游戏 PC 或单卡上运行。Mistral 称其在网络安全基准 CyberGym-E2E 上领先 GLM-5.3 和 Kimi K3，在智能体编码基准 Terminal Bench 4.0 上与 GLM-5.3 持平，但尚无独立评测；预览版定价为每百万输入 token 1.4 美元、每百万输出 token 4.2 美元。
匹配字段标题、摘要、正文
Mistral AI 发布新版 Le Chonk 的模型权重，称其在 Cognition 的 FrontierCode 上位列开放模型第一，并在 Artificial Analysis 的 Pareto 效率上创下新基准。该模型在网络安全防御方面被描述为达到 SOTA，并经过 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。权重已在 Hugging Face 开放下载，可用 Mistral Forge 定制并自行部署。
匹配字段摘要
Mistral AI 宣布开放新版 Le Chonk 的模型权重，称其在智能体编码与网络安全方向推进了开放前沿。该模型在 Cognition 的 FrontierCode 上位列开放模型第一，并在 Artificial Analysis 的 Pareto 效率上创下新基准；网络安全方面称达到 SOTA，经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。权重可在 Hugging Face 下载，并可用 Mistral Forge 定制后部署。Arthur Mensch 转发并表示近几周进展良好，如今权重已开放。
匹配字段摘要
Mistral 公开了旗舰模型 Large 4（ML4）的模型权重，该模型此前仅以 API 预览版形式提供。经过三周客户与网络安全伙伴测试并用强化学习继续训练后，ML4 在 Terminal-Bench 4.0 上的成功率从 28% 升至 41%，并新增 Low、Medium 两档推理强度。Mistral 研究负责人 Pierre Stock 称，同等能力下新版本比预览版少用约 50% token；权重于 19 点在 Hugging Face 开放下载，同时通过 Mistral API 和编程助手 Vibe 提供。
匹配字段摘要、正文
NVIDIA 于 2026 年 10 月 28 日发布语音转写与翻译模型 Nemotron 3.5 Transcribe，支持含日语在内的 40 种语言，最长可转写 1 小时录音。该模型为开放权重 30B MoE 架构，推理时约激活 4B 参数，可通过文本指令指定是否保留口头语、数字写法，并支持最多 8 人的说话人区分和日英双向翻译。权重以 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B 在 Hugging Face 发布，采用 OpenMDW-1.1 许可，提供 BF16、FP8、NVFP4 版本及 NeMo Speech 微调工具。
匹配字段摘要、正文
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。
匹配字段摘要、正文
Mistral AI 于 10 月 29 日在 Hugging Face 发布 Mistral Large 4（代号 Le Chonk）的开放权重，该模型总参数 1000 亿级规模中的 1000 亿参数、每 token 实际调用约 49 亿参数，采用 MoE 架构，128 个专家中每次激活 4 个加 1 个共享专家。相比 10 月 6 日预览版，Mistral 称三周内继续强化学习，Terminal-Bench 4.0 得分从 28% 升至 41%，Artificial Analysis 代码指数为 48%，与 GLM-5.3 持平且每任务平均少用 47% token。API 价格降为输入每百万 token 0.70 美元、输出 2.10 美元；新许可证 Mistral Ecosystem Open-Weight License 允许商业使用，但转售模型服务需另签协议，完整版需 8 张 Nvidia B200 或 B300。
匹配字段摘要、正文
MiniMax 已在 Hugging Face 公开 MiniMax M3.1 Flash 权重，该模型总参数 428B，每 token 激活 23B。官方称其在智能体任务、编码和网络安全上有代际提升，BankerToolBench 得分 76.2、DeepSWE v1.1 为 73.7%、OSWorld V2 为 61.7、Agents' Last Exam 为 29.6、CyberGym 为 82.2。该模型即 OpenRouter 上的 stealth 模型 Space Bunny，10 月 19 日发布，现已在 MiniMax 平台和 API 上线。
匹配字段标题、摘要
Thomas Wolf 宣布与 TIGEM、那不勒斯费德里科二世大学和中关村学院合作训练出 Carbon-X，这是一个能直接读取原始 DNA 并用自然语言解读的开放 14B 模型。在其 DNA 基准上得分为 67%，高于 Claude Opus 5.5 的 61% 和 Gemini 4 Argon 的 50%，与 GPT-6.1 Sol 相差不到一分而成本约低 1000 倍。训练数据排除了人类和动物病毒，权重开放，模型可在笔记本等学术界可及的硬件上运行。
匹配字段标题
Hugging Face 联合创始人 Clément Delangue 宣布开源 DNA 模型 Carbon-X，通过在 300B tokens 的 DNA、英文与交错数据上对 Qwen3-14B 做中训练得到，并采用 BPE 处理英文、6-mer tokenizer 处理 DNA 的混合分词器。该模型在五个 DNA 理解与生成基准上超过其评估的所有开源语言模型，比 Qwen3-14B 提升 27 分，API 成本比 GPT 6.1 Sol 低 1,800 倍。模型以 Apache 2.0 协议发布在 Hugging Face。
匹配字段标题、摘要
Hugging Face 周四发布开源 DNA 理解模型 Carbon-X，可在笔记本本地运行，用户能用自然语言询问 DNA 变化对基因活性和健康的影响。该模型与中关村学院和那不勒斯费德里科二世大学的研究者合作开发，基于已有语言模型扩展词表以六字母为单位读取 DNA，并在 3000 亿 token 的 DNA 序列、英文文本和 DNA 与生物描述对应样本上继续训练。模型为 14B 参数，单次可处理约 5 万碱基对的序列，不能上传完整人类基因组；开发者也说明尚未通过湿实验验证预测准确度。
匹配字段标题、摘要、正文
Hugging Face 发布开源模型 Carbon-X，将 DNA 分析与生成和自然语言结合，让研究者能直接提问并得到预测和解释。该模型基于 Qwen3-14B，用人类、其他哺乳动物、植物和真菌的基因组序列与自然语言训练，训练数据明确排除病毒。研究者可在本地运行，避免向外部 AI 公司共享敏感患者数据，也可生成新的 DNA 序列以辅助基因疗法研究。
匹配字段标题、摘要、正文
Reflection AI 将其首个大语言模型 Beam 的权重发布到 Hugging Face，同时开放后训练配方、代码模板以及用于衡量定制后能力与安全护栏变化的工具。Beam 约 5000 亿参数，官方称在部分基准上接近四倍规模模型的表现，训练历时两个月、使用数千块高端显卡，并提供标准版与多个量化版本。此次还发布了用于投机解码的 drafter 模型、多个主流 serving engine 的即用配置和 fused kernels，后续将补充基于自蒸馏的训练配方。
匹配字段标题、摘要、正文
Hugging Face 发布 Beam，一个 501B 参数的稀疏 MoE 开源模型，面向 1M 上下文的长文本推理与智能体任务，每个 token 仅激活约 23B 参数。模型采用 52 层混合注意力，43 层为 512 token 滑动窗口、9 层为全局注意力，KV cache 每 token 增长 36 KiB，约为全注意力方案的六分之一。官方提供 BF16、FP8 和 NVFP4 三种 checkpoint，NVFP4 可将权重从约 1 TB 压缩到约 280 GB，并已获 transformers、vLLM 和 SGLang 的 day-0 支持。
匹配字段标题、摘要、正文
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。
匹配字段标题、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。
匹配字段标题、摘要
Hugging Face 的 Thomas Wolf 宣布发布开源模型 Carbon-A，可直接在 DNA 中定位基因，并用它构建了覆盖 22,617 个物种、5.6634 亿个候选基因的数据库，一并开放共享。与 Active Site 和 UCSD 合作，团队在猫、鸡、仓鼠和一种实验植物等常见物种的参考注释中找到了 239 个此前缺失基因的 RNA 证据。Carbon-A 不设计 DNA，也不预测基因功能，只标记基因在 DNA 中的位置。
匹配字段标题、摘要
Baseten 于 10 月 29 日发布 2B 参数的决策模型 joey-1，定价为每百万 token 0.01 美元，已上线 Baseten Model APIs 并在 Hugging Face 开放权重。该模型由内部实验室 Base Labs 基于 Qwen3.5-2B 后训练而来，与 mammoth-1（27B）、elephant-1（9B）共用同一数据配方和 API，切换只需改一行。模型卡显示 joey-1 在 Jev Decision Index 0.4 公开分榜得 63.30，位列 230 个模型第 37 名，为 4B 以下参数模型中最高分；Baseten 称其生产环境下 2000 token 请求的 P50 端到端延迟为 20 ms。
匹配字段摘要、正文
Nvidia 发布开源权重多语言转写模型 Nemotron 3.5 Transcribe，在 Hugging Face Open ASR 英文开源模型榜以 5.33% 平均词错误率排名第一。该模型为 30B MoE 架构、4B 激活参数，支持 40 种语言转写、31 种语言与英文互译，可为说话人标注并区分最多 8 个声音，处理最长 1 小时录音，但不支持实时流式。用户可在转写前给出上下文和术语等指令，模型可用 vLLM 部署或在单 GPU 上通过 NeMo-Speech.cpp 本地运行；Nvidia 同时发布数据整理流程 Granary v2 及约 463,062 小时、48 种语言的公开清单。
匹配字段摘要、正文