Kakao于10月29日在Hugging Face开源两款韩语优化嵌入模型:Kanana-2-3b-embedding(30亿参数)和Kanana-2-1.3b-embedding(13亿参数),面向个性化AI智能体与RAG场景。Kakao称,内部评测中两款模型韩语检索性能优于同规模llama-nemotron-embed-1b-v2和Qwen3-Embedding-4B,英语性能相当,推理效率更高,内存占用与推理速度较前代Kanana嵌入模型提升数十倍以上。模型采用MRL,支持开发者调节嵌入向量大小,并以Kanana Open License允许商用。目前尚无后续进展。
匹配字段摘要
2026年10月28日,Polymathic AI、普林斯顿大学、USC ISI、NYU与Flatiron Institute的研究人员发布FlashMap。据MarkTechPost报道,该方法用连续流映射替代离散扩散草稿器,一次前向传播可草拟16个token的完整块。在Qwen3-8B上,GSM8K温度0时实现最高6.14倍无损加速,草稿器仅0.5B参数。Qwen3-8B和Qwen3-4B的草稿器权重已上架Hugging Face,并提供vLLM和SGLang插件。目前尚无后续进展。
匹配字段摘要
SoMark开源了1.3B参数的文档解析模型OXR-1.0,可将PDF和页面图像转成Markdown或JSON,权重已发布在Hugging Face,轻量测试可在单张24GB GPU上运行。据Rohan Paul报道,该模型在olmOCR-Bench、OmniDocBench和DocParsingBench上排名第一,在单张NVIDIA RTX PRO 6000 GPU上解码速度558 tokens/s,端到端解析100页约101秒;其训练后阶段采用递归自我改进(RSI)循环,由通用VLM判定解析结果并生成新标注页面,无需人工标注。量子位报道称,SoMark团队开源的OXR主模型仅1.3B参数,在三项基准测试中全部登顶,完整解析速度超过同场参测的PaddleOCR-VL-1.6和MinerU2.5-Pro,覆盖文字、表格、公式、化学结构式、代码块等13类文档元素,可解析阅读顺序并输出版面坐标。
匹配字段摘要
2026年10月28日,Liquid AI发布LFM3系列开放权重模型,共6个模型实例,覆盖文本、视觉、音频、Omni以及d1决策模型,全部从LFM3-1.7B-Base分支而来。据Hugging Face刊出的发布信息,LFM3-1.7B-Base采用三混合层结构,预训练22T token,最后3.5T token的中训练阶段加入更多智能体轨迹与工具调用数据,上下文窗口扩展到256K token;官方称LFM3-1.7B在8K上下文下比LFM2-1.2B快约25%,WebArena-Verified得分38.42对3.02,LFM3-VL-2B在62项视觉基准上平均分从57.6升至71.4。所有模型已在Hugging Face开放下载,并提供单卡微调notebook。同日另有报道称,LFM3-1.7B文本模型效果超过其2.6B前代,采用24层三混合架构,在AutomationBench上得41.29分。
匹配字段摘要
2026年10月27日,百度发布并开源文档解析模型Unlimited OCR 2。百度官方介绍,该模型通过新的SR-SWA机制,把文本与视觉的注意力交互压缩为固定规模的工作参考,从而在有限上下文窗口内解析几乎任意长度的文档;官方称文档变长时每步解码延迟和内存占用接近恒定,并在覆盖数十页到数百页文档的MPDocBench和MarathonDocBench上取得SOTA表现。同日量子位报道称,该模型在百页级单序列测试中把峰值KV缓存从标准解码的47GB降至1.77GB,减少约96%;16路并发测试中端到端吞吐量从360提升至1315 Token/秒,约为标准解码的3.65倍。模型已在Hugging Face和GitHub开源。
匹配字段摘要
2026年10月26日,腾讯混元开源实时中英同声传译模型Hy-SimulMT,延迟约3秒,支持实时语音克隆,模型已在Hugging Face、ModelScope和GitHub发布。腾讯混元官方称其表现优于多数开源模型和商业API。次日IT之家报道,该模型支持中英语音到语音实时翻译,已在腾讯Hy翻译App免费上线;官方称响应时间实测约3秒,人类专业译员平均为4至5秒。在长音频开源评测集RealSI上,该模型在最低延迟下取得开源模型最佳效果,并称超过大多数商用同传API;在与6位CATTI持证同传专家的对比中,其翻译质量得分更高、时延更低。
匹配字段摘要
2026年10月26日,Hugging Face CEO Clément Delangue就一则报道发表评论,认为若以为把AI集中在闭门环境中就安全,需要更新这一判断。他所引用的报道称,一群前DOGE网络安全研究人员在不到12小时内用AI智能体渗透了Anthropic的系统,包括讨论最敏感模型的Slack频道。次日,安全初创公司Cathedral被报道在Anthropic授权的安全测试中,用AI智能体不到12小时通过第三方企业软件漏洞进入其销售、HR和IT系统,访问了会议实录、薪酬与录用详情及Slack内部消息。Anthropic确认入侵属实,但强调客户发给Claude的消息、核心代码和模型权重均未泄露,并称监控系统在报告提交前已发现异常并切断访问。
匹配字段摘要
2026年10月26日,MiniMax公布H3视频生成模型生态新增11项社区贡献,并已将其纳入H3生态索引。官方说明,这些贡献涵盖8步参考条件视频加音频、4步蒸馏、稀疏注意力和参考token压缩,并接入GPU服务器、TPU与Apple Silicon的部署与工作流。MiniMax称,这些改进带来更低的实验成本、更细的创作控制和更多运行环境选择,并致谢haoailab、Hugging Face及PTD、DMAD、SparkH3、TorchTPU、FlashML等团队。同日,MiniMax Design (H3) 表示,社区持续为H3打开新可能,生态发展快于预期,带来更快的生成、更好的控制以及在更多平台运行。
匹配字段摘要
Ollama 于 2026 年 10 月 24 日上线语音模型 Phonon,开始支持文本转语音。据 Ollama Blog 介绍,Phonon 是来自 Gradium 的系列小型文本转语音模型,目前已在 macOS 上线,Windows 和 Linux 支持即将推出。在搭载 M5 Max 的 MacBook Pro 上,Ollama 借助 MLX 加速,速度比 Gradium 自家运行时快 35%,词错误率与 Hugging Face Transformers 参考实现持平。Phonon 兼容 OpenAI 的 /v1/audio/speech 接口,现有 OpenAI SDK 代码只需更换 base URL。许可方面,phonon 以 Apache 2.0 发布,40M 模型采用 CC BY-NC 4.0 许可,仅限非商业使用。目前尚无后续发展事实。
匹配字段摘要
OlmoEarth v1.3 已发布,包含 OlmoEarth v1.3 Base 模型、全球预计算嵌入、OlmoEarth Embeddings Explorer 和技术报告。据 Hugging Face 介绍,该版本为全球每 10 米像素生成 128 维嵌入向量,前 64 维可单独使用,并已在 Source Cooperative 上向社区开放全球嵌入。在覆盖六大洲的 27 项评测中,128 维版本在 20 项上得分最高,64 维版本在 18 项上领先;训练算力为 v1.2 的 53%、v1 的 18%。模型权重、预训练数据和代码全部开源,预训练 Base 版最终运行约需 2,720 美元的 H100 租用成本。目前尚无后续发展事实。
匹配字段摘要
Ai2 发布热带作物制图基准 PLANTEUR。该基准将 PASTIS 基准扩展到留尼汪、瓜德罗普、马提尼克、法属圭亚那、马约特和圣马丁六个热带地区,包含 2,750 条 Sentinel-2、Sentinel-1 与 Landsat-8 对齐时间序列,以及覆盖 7 类作物的 4,506 km2 地块标签。Ai2 表示,所有被评估方法在 PLANTEUR 上的得分都明显低于 PASTIS,且每个模型在训练中未见过的小岛上测试时准确率约下降一半。PLANTEUR 已在 Hugging Face 和 GitHub 上开放。目前尚无后续发展。
匹配字段摘要
Hao AI Lab宣布,FastVideo FastH3 Omni可在NVIDIA DGX Spark、RTX GPU和Apple MLX上本地运行。该实验室给出的运行数据包括:用一张照片和一段提示词生成5秒480p视频约需3分钟,在两张Spark上约需2分钟;FastH3 T2AV在单张Spark上耗时52.6秒,在两张Spark上为30.7秒。演示视频中的片段均由DGX Spark以8步NVFP4 checkpoint生成。该实验室同时提供了博客、Cookbook和Hugging Face链接。目前尚无后续发展事实。
匹配字段摘要
Modal于2026年10月21日发布LLM训练库Modal Dojo。据Modal官方工程博客介绍,该库提供调好的默认配方、可改参数和开箱即用的指标观测面板,支持从5亿到数万亿参数的模型;它基于Miles、Slime等开源框架构建,可从Hugging Face加载数据集,并通过CLI让智能体查询运行状态、日志和轨迹。同一来源还称,Axiom Bio已用它启动64k上下文的DeepSeek V4.1 Flash训练,运行在64张B300上。目前尚无后续独立发展事实。
匹配字段摘要
2026年10月23日,MiniMax 稀宇科技公开 MiniMax M3.1 Flash 的模型权重。官方信息显示,该模型总参数 428B,每 token 激活 23B,采用 MiniMax Sparse Attention 与 DSpark 投机解码提升推理效率;权重已上线 Hugging Face 和 ModelScope,并提供 API 与 MCode 桌面端入口。同日,Together AI 作为首日上线合作方将该模型部署到其 AI Native Cloud 生产环境,用户无需自行管理 GPU;据其介绍,模型面向智能体任务、编码、计算机操作与网络安全场景,支持 1M 上下文窗口和视觉能力。10月24日,MiniMax 宣布 M3.1 Flash 已上线 Tenstorrent Cloud,可在 Tensix 芯片上运行,并支持 Ethernet 横向扩展与开源技术栈。
匹配字段摘要
据 WSJ 报道,OpenAI 在调查泄密后解雇了 3 名安全研究员。报道称,安全人员发现这 3 名安全研究员与一名外部安全研究员之间存在会消失的 Signal 聊天。相关手机检查始于 9 月的一篇新闻报道,该报道称 OpenAI 最新模型 Astra 采用一种新方法,使其更聪明但写下的思考过程更少,人类能看到的推理过程因此减少。OpenAI 将该报道视为其秘密模型设计泄露,并开始追查信息来源;调查人员将曾协助 METR 分析 7 月 Hugging Face 被黑事件日志的 Ryan Greenblatt 列为疑似泄密者,他本人否认。目前公开信息仅来自这一报道,尚无更多后续进展。
匹配字段摘要
觅蜂科技联合Hugging Face、NVIDIA、清华大学等近20家机构发起具身评测平台RoboColiseum,并于10月20日公布本轮评测结果。据雷科技10月23日报道,Claude Opus 5.5在四款旗舰模型中综合排名第一,GPT-6 Astra紧随其后;GPT-6 Astra的指令跟随得分达99.35,Opus 5.5在空间理解与通用操作上表现更优,且token消耗最少。该平台包含78个仿真评测任务,仿真与实机相关性达89.5%,自8月上线以来已有100多支队伍参与。
匹配字段摘要
Anthropic宣布将Agent Skills捐赠给Agentic AI Foundation(AAIF)。据其第一方信息,此前MCP也已捐给同一基金会;自2025年12月以来,已有70多个智能体平台接入该标准,包括ChatGPT、Cursor、GitHub Copilot和VS Code。后续报道称,Linux基金会旗下的AAIF于2026年10月22日宣布接收四个项目,除Anthropic的Agent Skills外,还包括OpenAI的Open Responses、Hugging Face的OpenEnv和Alibaba的OpenSandbox;Agent Skills是一种让不同智能体复用业务知识和作业流程的通用格式,Anthropic于2025年12月将其作为开放标准公开。报道还称,此次捐赠包括名称、Logo、GitHub组织账号agentskills和agentskills.io域名,后续由多组织核心维护者组成的技术运营委员会决定开发方向,Anthropic的David Soria Parra与Mahesh Murag担任首席维护者;AAIF旗下项目由成立时的三件增至十件
匹配字段摘要
腾讯混元于2026年10月24日推出开源交互式视频世界模型Hy-Nomas。据官方发布信息,该模型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;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。目前尚无后续发展事实。
匹配字段摘要
Google与Meta的PyTorch团队合作推出开源项目TorchTPU,为Google TPU提供原生PyTorch后端,迁移只需把model.to("cuda")改为model.to("tpu")。项目支持eager与torch.compile两种模式,新增DeferAndFuse eager模式,覆盖约450个Aten算子,并已在4,917个Hugging Face模型上验证开箱运行,其中Tier 1通过率98%、Tier 2相对GPU数值一致性97%。官方称其已用于部分Google Cloud大客户的推理与训练生产负载,并集成vLLM、SGLang、TorchTitan、Ray和TorchRec。后续报道称,在PyTorch Conference North America 2026上,Google开源了TorchTPU,运行时不再依赖JAX,现有负载只需少量代码改动即可迁移;PyTorch方面指出,TorchTPU默认的Skinny Collectives方案在分布式负载下相比优化方案约有30–40%的端到端性能损失,追求峰值性能仍需Pallas kernel及vLLM-T
匹配字段摘要
2026年10月21日,Recursive Superintelligence 发布开放权重本地编码模型 Flint。据相关报道,Flint 是 40B 混合专家模型,每 token 激活约 2.5B 参数,采用 Apache 2.0 许可,权重已在 Hugging Face 开放,由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。10月22日,Hugging Face 联合创始人 Thomas Wolf 评价称,Recursive 研究者把通常建议保持高精度的 lm_head 量化到 4 位,结果与 bf16 仅差 0.7 个百分点。同日,OpenRouter 上线 Flint,称其面向编码智能体,支持 262K 上下文、推理和工具调用,上线期间免费使用;Unsloth 则发布 Flint 的 Dynamic GGUF 量化版本,称可在 24GB 内存设备上本地运行。目前该模型已通过开放权重、托管平台和量化版本形成多种使用途径。
2026年10月21日,Recursive Superintelligence 发布开放权重本地编码模型 Flint。据相关报道,Flint 是 40B 混合专家模型,每 token 激活约 2.5B 参数,采用 Apache 2.0 许可,权重已在 Hugging Face 开放,由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。10月22日,Hugging Face 联合创始人 Thomas Wolf 评价称,Recursive 研究者把通常建议保持高精度的 lm head 量化到 4 位,结果与 bf16 仅差 0.7 个百分点。同日,OpenRouter 上线 Flint,称其面向编码智能体,支持 262K 上下文、推理和工具调用,上线期间免费使用;Unsloth 则发布 Flint 的 Dynamic GGUF 量化版本,称可在 24GB 内存设备上本地运行。目前该模型已通过开放权重、托管平台和量化版本形成多种使用途径。
匹配字段摘要