腾讯混元 Hy4 flash 模型发布:224B 总参、12B 激活,单任务成本约 Hy4 的 5%
腾讯混元团队正式发布 Hy4 flash 模型,官方称其为迄今性价比最高的 Hy 模型。该模型总参 224B、单 token 激活 12B,支持多模态输入与 100 万 token 上下文,API 价格大幅低于 Hy4。
腾讯混元团队正式发布 Hy4 flash 模型,官方称其为迄今性价比最高的 Hy 模型。该模型总参 224B、单 token 激活 12B,支持多模态输入与 100 万 token 上下文,API 价格大幅低于 Hy4。
意大利公司Domyn在欧盟JUPITER超算上为开放模型EUROPA完成训练试跑,总参数951.9B,远超欧盟委员会400B的最低要求。采用MoE架构,384个专家中每个token仅激活8个,每token活跃参数32.8B。试跑期间单GPU吞吐从90提升到1293 tokens/秒,训练效率提高14倍。
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。
Keln 发布基准测试结果,对比了 Fireworks、Together、Baseten、Modal、DeepInfra 和 Z.ai 六家服务商在 DeepSeek V4.1 Flash 和 GLM-5.3 Flash 模型上的表现。
扩散智能发布并开源扩散语言模型Clover-35B-A3B-Preview,该MoE架构模型总参数350亿、激活参数30亿,支持思考模式。基准测试显示其在SWE-bench Verified等6项智能体编程及工具使用任务中排名同级第一,超过Qwen3.6-35B-A3B。
天数智芯在 2026 媒体开放日首次公开展示天垓 300 通用 GPU 的实机运行,官方称其第三方实测单卡整体吞吐达到 H200 的 1.05 倍。开放日还披露了 IXL144 超节点方案、GPU 与 XPU 异构部署 AFD 分离方案,以及端侧产品彤央 TY1200 的实测进展。
Kolibri 是一款由 Aleph Alpha 开发的英德双语混合专家模型,总参数量 78.1B,每 token 激活 3.46B 参数,以 Apache 2.0 许可证开放权重。
MiniMax 开源了 MiniMax M3.1 Flash 模型权重,总参数 428B、激活参数 23B。上线 72 小时内真实用户处理 Token 超过 100 万亿。该模型通过全模型稀疏注意力、量化感知训练(QAT)和 Power-aware scheduling 提升了推理效率,并与多家国内外芯片厂商及云服务平台、开源社区完成了首日接入。
推荐理由:M3.1 Flash 上线 72 小时处理 Token 超过 100 万亿,展示了模型的高吞吐与广泛的芯片/云平台生态适配能力。
VAST 发布了世界模型研究项目 Project Eden 的阶段性成果 EdenLive,并全面开源了不同尺寸规格的模型权重、推理代码及技术报告。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下,EdenLive 的实时帧率超过 24 FPS,端到端延迟在百毫秒量级。
阶跃星辰开放 Step 5 Preview 的 BF16 与 FP8 权重,上线 Hugging Face 和 ModelScope,支持 100 万 token 上下文窗口,可通过 vLLM 或 SGLang 部署。
同一新闻,精选展示《阶跃 Step 5 Preview 权重开放,技术博客同步上线》
蚂蚁百灵正式开源 Ling-3.1-flash,该模型总参数量约 560B、单 Token 激活约 25B,支持最高 1M 上下文窗口。通过 MXFP4 量化与 Hopper GPU 优化,服务部署可由 8 卡降至 4 卡,平均首 Token 时间约 604 毫秒。
同一新闻,精选展示《蚂蚁百灵开源 Ling-3.1-flash 模型》
Qwen 团队开展两项生产级实验:Qwen3.8-Max 自主完成 NoC 模块的 RTL 编码与物理实现,并独立将 Qwen3.8-Flash-Next 适配至真武 M890 芯片。芯片设计中,模型运行超 60 小时完成全流程,使模块面积降低 42%、功耗降低 59.5%。推理适配中,模型 56 小时完成优化,长文本 TTFT 降低 47%,单实例吞吐提升 96%。
推荐理由:展示了 Qwen 在芯片设计端侧与推理端侧双向闭环中自主调用工具完成 RTL 优化及推理栈调优的工程路径。
腾讯混元团队发布 Hy4 preview 轻量版,通过 Sherry 稀疏量化和 MIX-STQ1_0 混合精度策略将模型权重从 1.5 TB 压缩至 214 GB,降低硬件门槛。
推荐理由:原文展示了如何通过稀疏量化与混合精度策略将模型权重压缩至214GB,并验证了异构设备联合推理的可行性。
小米 MiMo-V2.5 系列 API 宣布永久降价,新定价最高降幅达 99%,且不再区分上下文窗口长度;Token Plan 计费体系优化使可用用量提升至原来的 5-8 倍。
推荐理由:宣布 MiMo-V2.5 系列 API 大幅降价及 Token Plan 用量扩容,揭示 SGLang HiCache 推理优化支撑成本降低。
NVIDIA 发布 9B 参数的 Nemotron Nano 2,采用 Transformer–Mamba 混合架构,端侧部署最高 6 倍 token 生成速度,支持配置 thinking budget,推理成本最多降低 60%。
Google 发布名为 Gemma 的 4 个开源 LLM 模型,其中 7B 参数版本采用 6T token 预训练,8K context 下得分 63.75。Hugging Face 提供 transformers 4.38 集成支持,并说明使用 QLoRA 在单张 A10G GPU 上微调 gemma-7b 需约 9 小时。
推荐理由:Hugging Face 给出了 Gemma 与同级模型的基准对比,以及消费级 GPU 微调实践入口。