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
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
2026年10月29日,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。据Mistral AI公布的数据,该模型在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。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。
匹配字段标题
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
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
2026年10月23日,Hugging Face 的 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,训练并发布开源 DNA 模型 Carbon-X。该模型可直接读取原始 DNA 并用自然语言解读,权重开放,训练数据排除了人类和动物病毒。据其发布信息,Carbon-X 在自有 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。10月26日,MarkTechPost 报道称 Carbon-X 为 14.8B 参数的 decoder-only DNA 语言模型,基于 Qwen3-14B,采用混合 tokenizer 新增 5,515 个 DNA token,支持 40,960 token 上下文,权重以 Apache 2.0 开放,可在单张 80GB GPU 上以 bfloat16 运行。该报道还称,Hugging Face 自报其在 5 项 DNA 基准上平均 66.7%,BioReason Coding 达
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
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
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
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
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
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
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
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
2026年10月29日,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。据Mistral AI公布的数据,该模型在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。同日,Unsloth发布该模型的1-bit GGUF量化版本,称可在Mac Studio上本地运行,量化后仍保留91% top-1准确率,并提供下载链接和使用指南。
匹配字段标题
2026年10月23日,Hugging Face 的 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,训练并发布开源 DNA 模型 Carbon-X。该模型可直接读取原始 DNA 并用自然语言解读,权重开放,训练数据排除了人类和动物病毒。据其发布信息,Carbon-X 在自有 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。10月26日,MarkTechPost 报道称 Carbon-X 为 14.8B 参数的 decoder-only DNA 语言模型,基于 Qwen3-14B,采用混合 tokenizer 新增 5,515 个 DNA token,支持 40,960 token 上下文,权重以 Apache 2.0 开放,可在单张 80GB GPU 上以 bfloat16 运行。该报道还称,Hugging Face 自报其在 5 项 DNA 基准上平均 66.7%,BioReason Coding 达
匹配字段标题