模型
全球大模型的发布、更新、开源、价格变化和评测动态。
共 191 条 · 海外
- NVIDIA 发布 Nemotron 3.5 Bolt E4B：4GB 显存跑本地语音 Agent
NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B，总参数 8B、有效参数 4B、64K 上下文，Q4_K_M 量化后在 RTX 上占用 3.1–4.3 GB 显存，可运行于 GeForce RTX、Jetson、DGX Spark 等设备。该模型基于 Google Gemma 4 E4B，仅用强化学习后训练，未做监督微调。NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B，IHEval 得 84.8（Gemma 4 E4B 为 67.0）；但 Tau2-Bench 仅 55.1，落后 Qwen3.5-4B 约 20 分。在 RTX 5070 上配合 DFlash 投机解码达 272.6 tokens/s，比 Gemma 4 E4B 快 1.21 倍。
MarkTechPost5 天前海外新模型发布41
- Kyutai 开源 CADRE 视频自编码器，世界模型延迟降至 230 ms
Kyutai 发布开源因果扩散表征自编码器 CADRE，专为交互式世界模型设计，解决动作延迟问题。论文称其世界模型在单张 H100 上以 20 fps 运行，反应时间在 230 ms 以内。CADRE 包含 7 个自编码器，每个约 4.76 亿训练参数，外加一个冻结的 8600 万参数 DINOv3 ViT-B/16；世界模型为 12 亿参数，视频分辨率 288×512。在 48 项对比中，有 42 项比 MIRA、Wan 2.2、Cosmos、LTX-2 更快且更好；驾驶场景 FVD 为 162.6，Wan 2.2 为 599.7；但机器人操作动作跟随 ARR 仅 0.45，低于 Wan 2.2 的 0.85。
- Kimi K3.1 Pro 上线 API，定价为 Claude Opus 5.5 的一半
月之暗面今日在 Kimi API 上线 Kimi K3.1 Pro，完整模型权重承诺于 2026 年 11 月 4 日前开源。定价为输入 2 美元/百万 token、输出 10 美元/百万 token，与 GPT-6.1 Sol 持平，是 Claude Opus 5.5 的一半。另提供 Highspeed 版本，速度提升 2-3 倍，价格翻倍，但输入 token 缓存命中价格不变。Artificial Analysis 给出 55 分，超过 Claude Fable 5.1、GPT-6 Astra 和 Gemini 4 Argon（均为 53 分），仅次于 Claude Opus 5.5 的 58 分。这是即将开源的模型首次在前沿评测中拿到如此高的分数。
- 月之暗面发布 Kimi K3.1 Pro，智能指数升至第四
月之暗面发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 Kimi K3 提升 11 分，排名第四，仅比 Claude Opus 5.5（58 分）低 3 分。若按计划在 2026 年 11 月 4 日开源权重，它将成为得分最高的开源权重模型，开源与闭源模型的差距将从 12 分缩小到 3 分。同步推出速度提升 2-3 倍的 Highspeed 版本，两者均已上线 Kimi.ai、Kimi Work、Kimi Code 和 API。API 定价为输入每百万 token 2 美元、输出每百万 token 10 美元，Highspeed 版本价格翻倍。在 Agent 任务上提升最明显：GDPval-AA 达 1846 Elo，Terminal-Bench 4.0 为 65.7%。
- vLLM 首日支持 MiniMax-M3.1-Flash，Rubin 上单用户 724.9 tok/s
vLLM 在发布当天就支持了 MiniMax-M3.1-Flash，覆盖 NVIDIA Blackwell、Rubin 和 AMD MI350 系列 GPU。该模型采用 NVFP4 KV cache、NVFP4 量化 MoE 权重和 DSpark 投机解码草稿模型。性能方面：Blackwell 上索引器 QK 解码快 1.7 倍，稀疏注意力解码快 1.3 倍；在 4× GB300、512K 上下文下，索引器解码上下文并行快 3.3 倍；AMD MI350 系列整体提升 2–3 倍。Agentic 场景下，GB300 单用户最高 418.9 tok/s，Rubin 单用户 724.9 tok/s、单 GPU 总吞吐 191.5K tok/s。同时支持基于 veRL、FSDP2 和 LoRA 的端到端 RL。
- Sakana AI 与 Modal 合作部署约 1 万亿参数 MoE 模型
Sakana AI 在 Modal 上部署约 1 万亿参数的 MoE 模型 Sakana Namazu，面向日本商业场景、实时网页搜索和代码执行。Modal 团队针对日语保留调优 NVFP4 量化：只量化路由专家，注意力、路由器和共享专家保持 BF16；校准数据以日语对话为主，覆盖全部 23,040 个专家。量化后日语指令跟随能力与生产检查点持平。另训练定制 DFlash 草稿模型用于投机解码，通用草稿模型接受率不足 40%。服务运行在 Modal 全球 GPU 池上，无需预留容量。
Modal6 天前海外新模型发布42
- The next-gen Xbox won’t cost you $1,800. It can’t. Can it?
Fortune dropped a bombshell report on the future of gaming this week. According to the publication’s Microsoft insiders, the next Xbox is projected to cost between $1,200 and $1,800 when it arrives in 2028.My first react…
The Verge AI6 天前海外新模型发布30
- OpenAI 开放 Decisions API，决策模型市场竞争升温
OpenAI 于周四向所有客户开放 Decisions API，该模型基于 ChatGPT Luna 重新配置以提升推理速度、降低成本，并非专门训练的决策模型。产品负责人 Nikunj Handa 称延迟从 1-3 秒降至 100-180 毫秒，并新增语音和视觉模态。该 API 于 9 月 29 日开发者日发布。客户 Box、Datadog、Ramp、Speak 已用它替换 LLM 提升吞吐，Speak 称操作间隔从 1.4 秒降至 0.13 秒。该市场由 TypeSafe 的 Jev 模型开创，TypeSafe 估值达 76 亿美元。
TechCrunch AI6 天前海外新模型发布41
- Gradium 开源 31M 参数端侧 TTS 模型 Phonon
巴黎语音 AI 公司 Gradium（从 Kyutai 分拆）开源端侧 TTS 模型系列 Phonon。英文版 Phonon 31m 采用 Apache 2.0 协议，q8 GGUF 文件仅 64.5 MB，输出 24 kHz 单声道音频，可在 CPU、手机、树莓派 5、浏览器（WASM/WebGPU）上运行，无需 GPU 和云端调用。CPU 上首帧音频延迟约 7 ms。在 Gradium 自测的 500 句困难集上 WER 为 1.70%，对比 Kokoro 的 3.50%；但在 Seed-TTS 评测集上 WER 为 0.51%，落后于 Kokoro（0.45%）和 Magpie（0.46%）。另有 40m 版本及多语言版，采用 CC BY-NC 4.0 协议。
- Cohere 发布 Rerank 5：支持段落级定位与可校准分数
Cohere 发布 Rerank 5 重排序模型，分 Pro 和 Fast 两档，支持 32K 上下文、100 多种语言，可对 JSON、表格、YAML 等半结构化数据重排，升级无需重建索引。新增 Context Focus 功能，返回文档内相关段落的字符区间；在 30 个 QA 数据集测试中，删掉一半检索文本仍保留 96% 的答案质量。分数改为可校准概率，ECE 约 0.06，低于 Voyage AI Rerank 3 的 0.234。Pro 在 Cohere 自评的 46 个数据集中 39 个排名第一，BRIGHT 得分 82.2；但每 96 篇文档请求的中位延迟为 11.7 秒，Fast 为 4.1 秒。
- Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，覆盖全球
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，并公开全球预计算嵌入：10 米分辨率，提供 64 维和 128 维两种版本。模型读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱数据，为每个 10 米像素生成一个 128 维向量。在 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。模型权重、预训练数据和代码全部开源，并配套无需登录的浏览器工具 Embeddings Explorer。
Hugging Face 博客6 天前海外新模型发布43
- LlamaIndex 发布 4B 文档解析模型 OCRia-1
LlamaIndex 推出 OCRia-1，一个 40 亿参数的视觉语言模型，主打文档解析。在 ParseBench 上综合得分 87.4，比第二名高 12.1 分，是 350 亿参数以下解析模型的最高分。在表格评测中，olmOCR-bench 得 92.9、PulseBench-Tab 得 84.1、fr-bench-pdf2md 得 72.1，均排名第一。官方称其在准确率、成本和延迟三方面同时领先，重点优化了嵌套表头、合并单元格和不规则网格的重建，面向金融报表、保险单据等场景。
LlamaIndex10/22海外新模型发布40
- IBM 开源 Granite 时间序列集成预测模型
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble，把四个预训练 Granite 时间序列模型（PatchTST-FM-r1/r2、FlowState-r1.1、TTM-r3）组合成一个集成预测接口，无需重新训练、无需拟合集成权重，直接输出点预测和 0.1 到 0.9 分位数预测。默认提供概率集成和自适应 IQR 集成两种方案，接口可扩展接入其他兼容预测器，代码与默认成员模型均为宽松许可。安装 granite-tsfm 0.3.11 及以上版本即可加载，首次运行需下载四个成员检查点。
- IBM 开源 Granite Speech 5.0 2B，支持 6 种语言转写与翻译
IBM 发布开源语音语言模型 Granite Speech 5.0 2B，采用 Apache 2.0 许可，可将 6 种语言的语音转成文本。模型为 2B 参数稠密结构，LLM 主干基于 granite-4.0-1b-base，用 YaRN 扩展到 16k 位置，训练使用 39 万小时公开音频加合成数据，8 张 H100 训练 40 天。在 Open ASR Leaderboard 上以 5.68% 平均英文 WER 排开源权重第二，仅次于 Qwen3-ASR-1.7B 的 5.40%；LibriSpeech Clean 上 0.99%，私有对话集 13.79%。支持最多 2000 个关键词偏置、语言 ID 提示和标点大小写。可跑在 GPU（Transformers、vLLM）、Apple Silicon（mlx-audio）和 CPU（llama.cpp GGUF）。
- 16.9 MB 的语音模型 Whistle 实测：CPU 上能否胜过 Whisper base
MarkTechPost 实测了 Cactus Compute 的语音转文字模型 Whistle：该模型体积 16.9 MB，可在 CPU 上运行，支持 7 种语言，并能返回词级时间戳和概率。在 LibriSpeech 的 test-other 样本上，Whistle 领先使用贪心解码的 Whisper base，但与使用 beam search 的 Whisper base 相比没有显著差距；它的速度优势会随音频变长而缩小。测试还发现，固定版本的引擎在处理超过 30 秒的音频时，会静默丢弃中间部分。数据来自 Apple M4 上的单次运行样本。
- Recursive 开源 40B MoE 编码模型 Flint，激活参数 2.5B
Recursive Superintelligence 发布首个模型 Flint，这是一个面向编码 Agent 的开源权重 MoE 模型：总参数 39.8B、每 token 激活约 2.5B，权重以 Apache 2.0 协议发布在 Hugging Face。模型卡标注上下文 262,144 tokens，博客称最高支持 512k。4-bit 量化后约 23 GB，可在 48 GB 的 Apple Silicon Mac（M4 Pro、M5 Pro、M5 Max）或 48 GB NVIDIA GPU 上本地运行。官方自报成绩：SWE-bench Verified 74.2%、IFEval 95.1%，Terminal-Bench 2.1 为 54.9%（低于稠密模型 Qwen 3.8 的 73.0%）。
- NVIDIA 发布 Kumo Relational：无需训练即可预测关系型数据
NVIDIA 推出预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测：给定预测查询，它收集最多 1 万条历史样本作为上下文，一次前向传播即可输出流失、需求、欺诈等结果，无需任务特定训练、特征工程或表展平。在 15 个数据库的 41 个任务上，它超过监督式关系深度学习和专家特征工程的梯度提升树；在 SAP SALT 企业基准上，MRR 比 AutoGluon 集成高 8%。可扩展至 5000 亿行以上数据库，通过 NVIDIA 开源 GPU 原生 structured-data-models 库或 NVIDIA NIM 提供。
- IBM 发布 Granite Speech 5.0 系列语音模型
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。新 2B 模型与 4.1-2b 参数量相同，支持英语、法语、德语、西班牙语、葡萄牙语、日语转录，并支持这些语言与英语互译，另支持英语译成意大利语和普通话；训练数据含 39 万小时公开音频及合成数据。新增语言 ID 提示、最多 2000 词关键词偏置、按需输出标点与大小写。官方称其在公开英语短语音测试集平均 WER 为 5.06%，在开源权重 ASR 模型中排第二。模型以 Apache 2.0 发布，支持 Transformers、vLLM、llama.cpp 和 mlx-audio。
- Inception 发布 Mercury 3 扩散模型，称速度达 GPT-6 Luna 的 8 倍
Inception 发布扩散语言模型 Mercury 3，称在 12 项基准测试中赢下 8 项，速度是 GPT-6 Luna 和 Claude Haiku 5.5 的 4 到 8 倍。在 IFBench 指令遵循测试中得分 76.84，比 GPT-6 Luna 高 15 分；在 SWE-Bench Atlas 自主编码测试中得分 51.08，对手分别为 33.33 和 32.26。但 Claude Haiku 5.5 在长编码测试 DeepSWE 和长文本检索上胜出，GPT-6 Luna 在 Artificial Analysis 的两项测试中领先。据 Inception 称，Mercury 3 在 Nvidia GPU 上每秒生成 1068 个 token，Claude Haiku 5.5 约 240，GPT-6 Luna 约 130，目前尚无独立测试。
The Decoder10/21海外新模型发布39
- NVIDIA 开源 Kumo Forecast 时序预测模型
NVIDIA 发布 Kumo Forecast（原 NV-Tesseract Forecasting），一个多变量时间序列预测模型，采用 Apache 2.0 许可，模型代码与权重已在 Hugging Face 开放。模型以 MOMENT-1-large 为骨干，约 3.4 亿参数编码器加可训练预测头，编码器与嵌入层权重冻结，只训练预测头。除直接预测外，还提供 DARR 模式：用最近邻从历史数据中检索相似模式，与直接预测结果融合，并可通过配置调整两条路径的权重。库提供 DataFrame 优先的 API、可配置预测步长，以及不修改预测器本身即可生成分步长解释的可解释性框架。
- 蚂蚁集团与 vLLM 开源量化推理内核库 Humming
蚂蚁集团和 vLLM 社区开源通用高性能量化推理内核库 Humming，支持 Turing 及之后的 NVIDIA GPU 架构，以及平头哥真武 810E 等 CUDA 兼容设备。该库用统一架构支持稠密和 MoE 工作负载的多种权重与激活格式组合，覆盖多种整数和浮点类型、位宽和缩放方案。官方称，在多个代表性负载上，其性能显著超过 vLLM Marlin、FlashInfer 和 DeepGEMM。背景方面，DeepSeek-V3 有 6710 亿参数，每 token 激活 370 亿，量化可降低显存占用和数据搬运。代码已发布于 github.com/vllm-project/humming。
vLLM10/21海外新模型发布39
- NVIDIA 发布 Cosmos3-H-Dreams 手术生成模拟器
NVIDIA 推出 Cosmos3-H-Dreams，据其称为首个基于临床胆囊切除术录像训练、支持实时运动学控制的生成式手术模拟器。模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，在 CMR Surgical Versius 平台的临床手术视频与机器人运动学数据上训练，经 FlashDreams 加速后可在单张 RTX PRO 6000 GPU 上交互运行。相比此前基于 Cosmos-Predict2.5 的桌面缝合模拟，新模型需处理组织牵拉、遮挡、烟雾等体内复杂场景，并保持长时间生成的一致性。
- Meta 开源 816B 参数模型 Muse Spark Open，法律基准超 Claude Opus 5 近 4 倍
Meta 的开放权重模型 Muse Spark Open 在 Fireworks 上线首日即可使用。这是一个 816B 参数的混合专家（MoE）模型，每个 token 激活 42B 参数，上下文窗口为 100 万 token，面向长周期编码和 Agent 任务。在 Vals AI 的 Harvey 法律 Agent 基准上，它以 25.4% 的通过率在 75 个模型中排名第一，接近 Claude Opus 5（6.7%）的 4 倍。在 Rogo 的 Big Finance Bench 上，它在所有难度级别都超过 Claude Opus 5.5；在最难任务上，它以 17.3% 对 16.5% 略胜 GPT-6 Astra。在 Finance Agent v2 上得分为 60.6%，成本比 Gemini 3.8 Flash 低约 60%。
- Fireworks 免费微调 Muse Glimmer 30B，预测准确率超 Jev 11.2 个百分点
Fireworks AI 宣布 Muse Glimmer 30B 的监督微调（SFT）免费开放至 11 月 30 日。用 Kalshi 历史市场数据微调后的 tuned Glimmer 在未见过话题上的预测准确率为 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；在历史回测中，扣除模拟交易费后，假设的 1000 美元变成 1071 美元，而 Jev 和 base Glimmer 均亏损。训练集为 2026 年 1 月 4 日前结算的 20051 个问题，评测集为 4 月 8 日后开盘的 33712 个问题，其中 3567 个来自训练和校准均未涉及的话题。
Fireworks AI10/20海外新模型发布34
- Inception 发布扩散语言模型 Mercury 3，速度超 1000 token/s
Inception 发布 Mercury 3，这是其第四代扩散语言模型，采用并行生成而非逐 token 输出，在 NVIDIA GPU 上达到 1068 token/s，上下文窗口 100 万 token。据 Inception 自测，在 12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5：SWE-Bench Atlas 51.08（领先约 18 分）、IFBench 76.84、GPQA Diamond 89.23；但在 DeepSWE v1（46.31）和 MRCR v2（75.50）上落后于 Haiku 5.5。参数量未披露，仅称超过 Mercury 1 的 40 倍。仅提供 API，不开源权重。
MarkTechPost10/20海外新模型发布2 个信源72
- Qwen3-4B 去 AI 腔微调版开源，可在 MacBook Air 上运行
开发者 erikkannike 在 MacBook Air 上微调 Qwen3-4B-Instruct，发布 qwen3-4b-deslop，用 Ollama 一条命令即可运行，模型 2.5 GB。在 40 条训练未见过的提示上，AI 腔调检测分数从每千词 121 降到 12.5，68% 的回答落在人类写作区间，破折号从每千词 20.5 个降到 0。30 道事实题全部答对，体裁和长度符合率与原模型相当。训练仅用 161 条回答，作者称方法不依赖模型规模，下一步将用于更大模型。缺点是文风偏平，仍会编造人名地名。
Hacker News Show10/19海外新模型发布2 个信源70
- OpenAI 新模型提升 COBOL、Fortran 等小众语言编码能力
OpenAI 称最新模型在 COBOL、Fortran、Visual Basic 等低资源语言上的编码与迁移能力显著提升。新评测 MultiLangBench 要求模型用 20 种语言从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 为 26.8%；GPT-6 Luna 达 40.3%，API 成本约低 78%。COBOL 迁移评测中，GPT-6.1 Sol 低推理强度下准确率 86.6%（GPT-5.6 Sol 为 5.4%），成本低 39%，高推理强度下达 97.9%。OpenAI 称 COBOL 支撑超 40% 网上银行系统、80% 线下信用卡交易和 95% ATM 交易。
OpenAI News10/19海外新模型发布42
- MiniMax M3.1 Flash 发布：推理提速近 3 倍，成本降 70%
MiniMax 正式发布 M3.1 Flash，官方称其在 Agent 任务、编码、Computer Use 和网络安全上均有代际提升。推理速度接近原来的 3 倍，使用成本降低 70%，输出速度可达 200+ TPS，P50 稳定在 170+ TPS。基准成绩：DeepSWE v1.1 73.7%、OSWorld V2 61.7 分、CyberGym 82%、BankerToolBench 76.2 分，其中 OSWorld V2 与 ALE 两项在中国模型中排名第一。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。此前匿名运行的 Space Bunny 已处理超 200 万亿 token。
MiniMax10/19海外新模型发布42
- Google 开源 Harness²：不改模型权重也能提升 Agent 表现
Google Cloud AI Research 开源了递归式 Agent 框架 Harness²（版本 0.1.0），它通过优化模型外部的 harness 来提升 Agent 表现，模型权重完全不变。harness 包含 8 个可编辑组件：系统提示词、护栏、记忆、工具指引、子 Agent、技能、脚本和插件。在 3 个基准测试上，1 次精炼步骤让全部 4 组模型与 harness 组合都有提升。最好成绩是 GLM-5 在 OpenCode 下于 WorkBuddy-Bench 从 64.2 升到 75.7（+11.5 分）；最差是 GLM-5 在 Codex 下于 JobBench 仅提升 1.2 分（23.6 到 24.8）。框架面向无标注、无验证器的开放任务场景，运行需要 Linux、Python 3.12/3.13 和 uv，模型调用通过 Vertex AI。
- Meta 发布 Muse Spark Open，成最强美国开源模型
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、42B 激活参数，上下文窗口 1M token，原生多模态，面向编码与 Agent 任务。作者称其是当前最强的美国开源模型，性能高于 GLM 5.2、接近 DeepSeek V4.1 Flash，落后于 GLM 5.3 和 Kimi K3。同期 Reflection 发布首个模型 Beam，Mistral 公布 Mistral Large 4 得分 38 但未开源权重。作者认为美国与中国最佳开源模型的差距大约缩小了一半。