Cloudflare 开源发票收据解析模型 Clairic 和 Clairic-flash 权重
Cloudflare 以 Apache 2.0 协议开源了发票和收据解析模型 Clairic 及 Clairic-flash,支持在本地服务器运行以保护数据隐私。 模型基于 Qwen3.8-27B 和 Qwen3.5-9B,分别拥有 270 亿和 90 亿参数;在 576 个收据字段测试中准确率均为 100%,响应时间中位数为 155ms 至 358ms。
Cloudflare 以 Apache 2.0 协议开源了发票和收据解析模型 Clairic 及 Clairic-flash,支持在本地服务器运行以保护数据隐私。 模型基于 Qwen3.8-27B 和 Qwen3.5-9B,分别拥有 270 亿和 90 亿参数;在 576 个收据字段测试中准确率均为 100%,响应时间中位数为 155ms 至 358ms。
范式智能发布通用语言模型Phai-A1和视频生成模型Phai-M1,两款模型全链路在华为昇腾平台完成专项后训练优化。Phai-A1主打代码开发场景,单张RTX 3090可运行,响应速度较同级模型快8-10倍;Phai-M1面向真人影视,音画同步生成15秒720P视频仅需约3分钟。
推荐理由:双模型基于华为昇腾全链路训练并开源,展示了国产算力适配小模型的可行性。
Higurashi 发布并开源全双工语音基础模型 Haru-4B,支持同步听与说,在 MacBook 上端到端延迟约 65 毫秒。模型基于 4000 万小时真实语音预训练,避免使用合成对话,权重与代码分别在 Hugging Face 和 GitHub 开放。
推荐理由:模型在 Apple Silicon 上实现 65 毫秒端到端延迟,且完全基于真实对话数据训练。
RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 架构,使用 Miles 框架进行强化学习训练,并在 144 块 H200 GPU 上通过 1,200 个精心设计的任务完成了为期 18 天的训练。
推荐理由:RadixArk 基于 Qwen3.8-27B 发布了首个模型 DaisyRose-27B,展示了其在长程智能体任务上的强化学习训练效果。
Reson8 在 Hugging Face 开源 Rumble-2-Flash,这是一个支持 40 多种语言的 0.5B 参数语音识别模型,采用 Apache 2.0 许可。
推荐理由:0.5B 小参数模型在真实电话场景下可比肩 30B 模型,提供了低成本多语言语音识别的新选择。
Limite 1B - Violetto 是一款专为高吞吐数学推理设计的 10 亿参数模型,基于 2370 亿 token 数学生成语料从零训练。模型支持 131k 上下文长度,结合知识蒸馏、监督微调及 RLVR 进行后训练。
NVIDIA发布Kumo Tabular,一套包含S (27M)、M (61M)、L (214M) 三个规模的开源表格基础模型家族。该模型仅使用Kumo先验生成的人工表格进行预训练,无需额外训练即可对新表格进行分类和回归预测。
腾讯混元 Hy4 flash 模型已正式开源,开发者可在 GitHub、Hugging Face、ModelScope 和 GitCode 下载部署。该模型总参数量为 224B,每个 token 激活 12B 参数,支持多模态输入与 100 万 token 上下文,目前已在腾讯云 TokenHub、元宝、企业微信等产品上线。
推荐理由:明确了腾讯混元Hy4 flash的开源地址、224B总参数、12B激活参数、多模态与100万上下文长度。
北京中关村学院、中关村人工智能研究院开源了材料研发科研智能体系统MatOS,其资产库包含3,135个数据集、386项技能和48款材料计算软件。在材料软件使用基准MatTools上,MatOS的完整问题成功率为97.96%,高于采用相同底座模型的Codex CLI和Claude Code;在端到端自主科研基准上,MatOS平均得分比Codex CLI高33.6%。
推荐理由:中关村两院开源面向材料研发的科研智能体系统MatOS,其在多项基准与案例中的任务成功率超过同类通用工具。
商汤科技正式发布 SenseNova Loop-9B 模型。该模型通过循环结构复用参数,4bit量化后权重仅约4.9GB,部署显存需求低至10GB内。其上下文长度最高达512K tokens,在Agent与数据分析评测中性能与Qwen3.8-27B相当。官方提供模型权重与AWQ量化版本供开发者下载部署。
欧洲云服务企业 OVHcloud 宣布推出首个 AI 模型家族 Olala,并同步开源 Olala mini 7A1B。该模型总参数 70 亿、激活参数 10 亿,采用 Differential-TPA 和 Mamba-3 混合注意力机制,以 Apache 2.0 协议发布在 Hugging Face 上,支持在 8GB 显存 GPU 上运行。
K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。
推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。
研究团队发布 Decision 1.0,这是一个开放权重模型家族,将文本状态和运行时定义的问题转化为类型化概率分布。 其 Choice、Noul 和 Score 接口允许应用在推理时指定结果;六个模型涵盖双向编码器和因果解码器架构。Lux-9B 在常见决策基准测试中,显式决策得 84.17%,推理得 91.25%,加权总体得 77.22%。
Alibaba 发布旗舰模型 Qwen4-Max,将 MoE 总参数设定为 2.4 trillion,激活参数 71 billion,上下文窗口 1 million tokens。
阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2。该模型基于国产算力昇腾训练,在 RoboTwin 2.0 和 LiberoPro 2.0 两大评测基准中均排名第一。
美团 LongCat 团队发布 1.6 万亿参数模型 LongCat-2.5,这是专为处理长步骤自主任务的智能体(Agent)及编码工作设计的大型混合专家(MoE)模型。
Runway 以 Apache 2.0 协议开源具身智能模型 Praxis-1,利用视频生成模型学到的世界动态预测环境变化并生成机器人动作。该模型在 Nvidia RoboLab-120 评测中以 46.2% 成功率位居 World Action Model 类别榜首,且仅需约 95 小时数据即可微调未见过的移动机器人,成功率达 80%。
无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。
推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。
谷歌 DeepMind 开放 WeatherNext 3 气象模型依托的 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水再分析数据集,支持天气、水文与气候建模。
TabOmics 是参数为 7.3M 的开源表格基础模型家族,v2.5 版本在 46 个分类任务中取得 0.943 平均 AUROC。 该模型使用 8 个集成成员,在 32 个任务上以约 30 倍更少的参数优于 TabPFN-3.5;单成员平均 AUROC 达 0.941。 代码、模型权重及实验产物均已公开。
MiniMax 正式发布新一代开源图像生成模型 H3-Image。实测显示其高速版约 10 秒即可生成 4096x4096 像素的 4K 图像,耗时约为主流模型的 1/5。该模型支持 16 张参考图融合,并展现出处理复杂指令的能力,例如生成三视图一致的 CAD 设计、拆解机械爆炸图,以及制作包含百字级中文的排版海报。
Edge0 开源了 Edge0-145B 和 Edge0-120B 模型及统一推理框架,称其为全球首个可运行在个人计算机上的 145B 参数开源端侧模型。
推荐理由:原文给出了端侧大模型的关键性能数据和全栈开源细节,读者可以据此判断本地运行 145B 模型的可行性边界。
MiniMax 开源 SOTA 图像生成模型 H3-Image,支持 16MP 原生 4K 分辨率及最多 16 张参考图输入。该模型具备显著的逻辑推理能力,可自动生成 CAD 三视图、机械爆炸图以及正确解答微积分试卷。官方 API 定价约为主流竞品的 50% 到 70%,首周 16MP 请求享五折优惠。
推荐理由:实测显示该模型能精准生成CAD图纸与解题步骤,且支持原生4K分辨率,展示了其在逻辑推理与细节还原上的双重突破。
作者发布 Anneal v1 Core 显式模型,确认此前分享为时过早,现已完善核心结构。 该模型采用 CC0 协议开源,代码库位于 GitHub,目前处于实验阶段,结构较为混乱。 作者建议将核心方程喂给 capable model 进行解析,以便应用到具体项目或用途中。
Runway 宣布推出开放权重机器人模型 Praxis-1,采用 Apache 2.0 许可证,可在自有硬件上运行和微调。该模型基于 270 亿参数的视频基础模型构建,在 RoboLab-120 基准的 1200 个场景中完成 555 个,成功率约 46.2%。官方称其完成速度比由 GPT-6 Astra 驱动的机械臂快 15.6 倍,完成每个任务的成本是其 51 分之一。
推荐理由:原文给出了 Praxis-1 的基准测试数字及与 GPT-6 Astra 驱动的机械臂在速度和成本上的对比,读者可以据此判断其可用性。
MiniMax 正式发布 H3 Image 模型并同步开源权重,支持最高 4K 分辨率、16 张参考图输入及 7500 字符提示词,生成速度仅需 10 到 20 秒。在测试中该模型表现出极强的指令遵循能力,能准确理解建筑蓝图、具身智能合成数据、机械爆炸图等复杂工程场景,且在多参考图一致性任务中避免了常见的特征混杂错误,目前开放了 API 并集成于 MiniMax Code 等平台。
NVIDIA 发布 Alpamayo 2 Edge 模型。Embedl 称其优化版在 AGX Thor 边缘硬件上运行比 PyTorch 快 10 倍以上。 该模型采用 RL 训练,输入 6 个摄像头及近期运动数据。 用户可在 AGX Thor 设备上直接运行该模型。
Robbyant 开源了 LingBot-Touch 模型权重与推理代码,助力机械手通过触觉操控物体。该模型基于近 5000 小时三类触觉传感器数据训练,并通过了 26 项真实任务测试。
Google 正式推出 Gemini 4 Carbon 模型并同步推出 agent swarms 功能。该模型在 CursorBench 4.0 和 WANDR 等测试中超越 Fable 5.2 和 Argon,且成本相对更低。
MiniMax 正式发布并开放权重,推出衍生自 H3 的图像生成模型 H3-Image,具备文生图、参考图和图像编辑能力。该模型在 10 秒内生成一张 4096 x 4096 像素(16MP/4K)图像,官方称其指令遵循能力最强且支持 16 张参考图,发布首周针对 16MP 及以上规格请求提供官方价格的五折优惠。
蚂蚁灵波开源触觉预训练基础模型LingBot-Touch,该模型将磁触觉、视触觉和压阻式触觉信号统一编码为触觉Token,解决了不同传感器数据无法直接用于动作模型的问题。
蚂蚁灵波开源LingBot-Touch触觉基础模型,基于近5000小时真实数据预训练,统一磁触觉、视触觉及压阻式信号为通用触觉Token。 模型提供约530万参数轻量版与Small版,支持26项真机测试;接入后任务成功率提高14至26个百分点,验证了触觉能力的跨硬件复用性。 该模型已在Hugging Face、GitHub及魔搭社区开放,旨在补齐机器人精细操作的触觉感知短板。
arXiv 论文《No Second Run: Does RSI Stop at Frontier Pre-training?》提出将递归自我改进(RSI)应用于从零开始的前沿预训练,并开源 30B-A3B MoE 模型 801-30B-A3B-Base 及轻量 SFT 数据。
Jais 3发布六款0.9B至375B参数的开放阿拉伯语智能体语言模型,支持MCP工具调用与终端操作。模型基于K2 Horizon持续预训练并经RLVR强化,继承512K上下文窗口,权重及全阶段检查点已开源。
美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。
推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。
美团龙猫开源面向长程智能体任务的原生多模态模型 LongCat-2.5,总参数 1.6 万亿,每个 token 激活约 480 亿参数,支持一百万上下文,并采用 MIT 协议开放商用推理部署与二次训练。
基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash Preview,基于 Qwen3.8-Flash 训练,总参数 180B、激活参数 6B。
芯片设计公司 Ricursive Intelligence 在 Hugging Face 发布自研通用模型 Ripple-65B Preview,采用 Apache 2.0 协议开源。该模型为 65B dense 架构,使用 12T tokens 训练,支持 1M 上下文,公司称研发总成本约 $32M。
Ripple-65B Preview由Ricursive Intelligence训练,在TerminalBench 2.1编码基准上取得80.52分,并在SWE-Bench Pro v2.0 Hard、DeepSWE v1.1等任务中给出具体分数,整体性能未达新发布的Inkling 2 Small。