阶跃星辰开源Step Code智能编码工具及Harness与路由实践
阶跃星辰在2026云栖大会上发布Step Code智能编码工具,现已开源。该工具通过Harness管理长程任务的执行复杂性,通过智能路由决策模型选择,在Terminal-Bench 2.1上取得80.9%并列第一,长程任务平均消耗仅5.09M Token。
推荐理由:文章提供了Harness执行框架与智能路由决策成本的量化对比数据,可作为优化AI编码工作流的参考。
阶跃星辰在2026云栖大会上发布Step Code智能编码工具,现已开源。该工具通过Harness管理长程任务的执行复杂性,通过智能路由决策模型选择,在Terminal-Bench 2.1上取得80.9%并列第一,长程任务平均消耗仅5.09M Token。
推荐理由:文章提供了Harness执行框架与智能路由决策成本的量化对比数据,可作为优化AI编码工作流的参考。
微软在开源的 Physical AI Toolchain 中新增推理卸载能力,允许开发者使用 Kubernetes 工具将机器人 AI 工作负载分配到边缘或云端 GPU。
推荐理由:系统评测了将物理AI推理从机器人端侧卸载到边缘或云端对任务成功率、模型规模和电池寿命的影响。
蚂蚁开源 Ming-Image-0.1-Design 系列,包含 6B 参数的设计生成模型和图层拆解模型,并同步开源 Design Skill 和 PPT Skill。
推荐理由:开源两个 6B 模型覆盖设计生成与图层拆解,并同步提供前端与 PPT 工作流 Skill,展示小参数模型进入设计交付环节的完整路径。
百灵大模型开源Ming-Image-0.1-Design系列,包含6B参数的Design和Layer模型,支持从文字生成UI及将设计图拆成可编辑透明图层。该模型在Artificial Analysis UI/UX Design榜单位列开源第1,Layer在Crello-Test 12项指标中全部排名第一。
推荐理由:6B模型将设计生成与图层编辑打通,读者可评估其在UI、海报等场景替代高参数量模型的可行性。
阶跃星辰正式开源终端编程智能体 Step Code v0.1.0,项目采用 MIT License,支持在终端完成代码编写、调试、执行与交付。
推荐理由:官方给出 Step Code 在 Terminal Bench 和 Multi-Frame 中排名第一且 Token 消耗最低的数据,方便读者判断终端智能体的实际成本与效率优势。
小米正式发布并开源 MiMo-V2.6 系列,包含 Pro 和 Flash 两个原生全模态模型,通过规模化扩展强化学习算力探索递归自我改进路径。
推荐理由:官方披露了 MiMo-V2.6 扩展强化学习算力的训练细节与开源资源,读者可据此判断规模化 RL 对模型自我改进的实际贡献。
Microsoft Research 在 Nature 发表并开源了逆向合成预测模型 RetroChimera。该模型结合 R-SMILES 2 与 NeuralLoc 两个子模型,通过学习重排序策略生成合成路线,盲测中博士级化学家更倾向于 RetroChimera 的预测结果,其多步合成成功率(9/10)优于基线模型。
硅基流动上线中电信最新开源的 Xing4.0-29B-A4B 模型,该模型基于国产算力与框架训练,29B 总参数、4B 激活参数,原生支持 256K 上下文,SWE-bench Verified 得分 75.0。针对 OpenCode、Claude Code 等智能体工具做了定向适配,现已在硅基流动平台免费开放调用,可服务于复杂工程任务与自动化流程。
ZCode 官方宣布已完成安全整改并开源代码,邀请中国信息通信研究院和绿盟科技开展安全审计。审计确认云端零数据留存且未用于模型训练,v3.14.0 客户端已移除 Repo Wiki 功能及本地仓库快照上传链路。
千问大模型团队开源发布 Qwen-Image-2.1,该模型视觉生成部分参数量为 7B,将文生图与图像编辑整合在同一架构中。模型支持最多 10 张参考图输入,并原生支持透明图像的生成与编辑,同时通过混合粒度注意力结构和 KV Cache 复用机制优化了推理效率与显存开销。
推荐理由:原文详细展示了该轻量模型在透明图像生成与编辑、多图融合及推理效率优化等方面的具体能力与技术细节。
阶跃发布面向 Agentic 任务的旗舰基座模型 Step 5 Preview,采用稀疏 MoE 架构,总参数量 600B、激活参数 27B,支持 100 万 Token 上下文窗口。
推荐理由:介绍了该模型在能效比上的量化优势,包括单任务成本更低及在复杂场景下的表现,便于判断其落地价值。
MiniMax 展示其在全球落地的六个合作伙伴案例,包括新加坡新电信的 AI 课程、日本《足球小将》IP 授权、硅谷 Genspark 的 PPT 生成模型等。 Humain-M3 基于 M3 训练,在七项阿拉伯语基准测试中平均得分 89.37%。M3 成为 Nebius Token Factory 首个专属合作的开源模型。
MiniMax Code CLI v0.4.12 以 MIT 协议向全球开发者开放源代码。该工具在 FrontierHarness Eval 评测中任务通过率为 76.7%,成功任务耗时中位数 4 分 33 秒。开发者可通过 GitHub 仓库贡献代码,并基于开源实现构建企业级应用。
推荐理由:MiniMax Code CLI 以 MIT 协议开源,开发者可审查工具调用与权限机制,并基于 76.7% 任务通过率的基准测试评估其编码能力。
外部研究团队基于面壁智能的 MiniCPM-o 4.5 开源模型开发并开源了全模态交互智能体 Gander。该模型采用前脑-后脑架构,前脑负责全双工实时交互,后脑负责长程任务执行,使用户在任务运行期间可随时语音打断或补充需求。在 Full-Duplex-Bench v3 评测中,该模型在 100 个场景的适时接话率达到 100%,抢话率为 8.0%。
推荐理由:基于MiniCPM-o 4.5构建的全模态智能体Gander论文与代码开源,其前脑-后脑架构让Agent执行任务时仍可被随时打断,展示了开源端侧模型作为Agent统一交互入口的工程路径。
蚂蚁灵波科技开源 LingBot-World 2.0 三款模型,包括可在消费级单卡 GPU 上实时生成的 1.3B 小模型、用于蒸馏的 Bidirectional Teacher 模型,以及提供因果预训练底座的 Causal Pretrain 模型。
推荐理由:面向开发者的低成本入口被明确补全,可以据此判断该模型在消费级硬件上的实际可运行边界。
蚂蚁集团正式开源 ArmorOCR,一套面向“对抗 OCR”的多模态感知模型、训练方案与评测集,旨在识别黑灰产隐藏在图片中的违规文本。ArmorOCR 采用 OPSD 与多任务 GRPO 两阶段训练,在 8B 规模下于 AdvSpot 基准测试中整体最优,相对开源基座准确率提升 24.5 个百分点;在最强对抗类型如 AIGC 光影融合字上,准确率较最强对比模型领先约 65%。
推荐理由:ArmorOCR 8B 模型在对抗 OCR 上反超 GPT-5 等闭源模型,并开源了首个 grounded 对抗 OCR 评测集 AdvSpot。
面壁智能发布 MiniCPM5-2B,在 AA Intelligence Index V4.1.1 评测中平均得分 53.9,位居全球 4B 以下开源基座模型首位。模型支持工具调用、深度搜索和代码生成等 Agent 能力,完成英特尔、瑞芯微、Arm 等平台 Day 0 适配,并同步开放模型权重、Agent SFT 数据、RL 框架 Meshy 与 UltraX 数据精炼框架。
推荐理由:2B 模型在 34 项基准中平均得分 53.9,同步开放 RL 与数据精炼框架,并已完成多平台 Day 0 适配。
RunningHub开源MiniMax H3 Lightning加速方案,使视频生成速度提升12倍,5秒视频耗时从348.8秒降至28.7秒,且保留BF16精度。 该方案通过三层加速技术叠加,在8张NVIDIA RTX 6000D显卡上实现本地部署,并已在GitHub提供复现指南。
Mistral宣布完成30亿欧元D轮融资,投后估值超过210亿欧元,这是欧洲科技公司迄今完成的最大单笔股权融资。三星电子领投,资金将用于扩展前沿研究、算力基础设施及国际业务布局。Mistral强调其作为全球唯一构建完整全栈的AI公司,通过开源模型、基础设施和私有算力提供可控、可审计的“主权AI”层,满足企业对数据治理与技术独立性的需求。
推荐理由:该轮融资标志着欧洲科技公司在AI主权路径上的重大资本投入,展示了Mistral全栈开放策略的底气与影响。
9月8日,面壁智能联合 OpenBMB 开源 2B 参数端侧基座模型 MiniCPM5-2B,支持工具调用、深度搜索、代码生成,初步具备端侧通用 Agent 能力。
推荐理由:开源2B端侧基座模型在4B以下榜单中综合得分第一,附带自研强化学习框架和数据集,展示高密度端侧Agent落地路径。
蚂蚁开源 LLaDA-Image,6B 参数 DiT 模型,90% 纯图片预训练配合自条件学习,实现统一文生图与编辑,TwinFlow 蒸馏支持 2-4 步推理。Qwen-Image-Bench 中英文总分 53.53 和 53.38,位列开源模型双第一;SGLang 提供 Day-0 适配,开放完整权重、训练代码与蒸馏配方。
推荐理由:LLaDA-Image 采用 90% 纯图片预训练路线,展示了不同于传统图文对绑定的生成范式,在 Qwen-Image-Bench 上取得开源模型中英双第一。
蚂蚁集团正式开源金融增强模型 Ling-3.0-flash-Fin 及评测基准 FinFIRST。Ling-3.0-flash-Fin 采用混合专家架构,支持 256K 上下文,可部署于本地或私有云,支持工具调用。FinFIRST 基准包含 123 道由金融专家编写的任务,通过原子化评分核验信源与推导过程。
推荐理由:提供了面向机构的本地化部署方案,以及可诊断推导过程的可追溯评测方法。
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。
Microsoft Research 发布 GigaPath-Flash 与 GigaTIME-Flash,通过蒸馏技术将计算成本降低约 50 倍,性能保持在与原版 GigaPath 3% 以内,并采用 Apache 2.0 协议开源。
MiniMax 将 H3 Max 768P 和 480P 接入开放平台和 MiniMax Design,基于其与 fal 合作的后训练与推理优化,5 秒 768p 视频生成耗时不到 3 秒,已满足实时直播速度门槛。
推荐理由:H3 Max 768P 生成 5 秒视频耗时不到 3 秒,满足实时直播生成速度门槛,支撑了 24 小时 AI 电视台等实时交互场景。
蚂蚁百灵发布首个金融增强模型 Ling-3.0-flash-Fin,该模型基于 Ling-3.0-flash 架构,保持 124B 总参数和 5.1B 激活参数,通过金融语料预训练及领域后训练强化投研核心能力。
推荐理由:原文披露了面向金融投研工作流的模型配置与多基准评测结果,读者可据此判断其在真实金融场景中的能力边界与可用性。
智谱今日上线并开源 GLM-5.3-Flash (320B-A18B),这是 GLM-5 系列首个原生多模态模型,在 AA 综合智能指数中取得 57 分,性能与 Claude Opus 4.8 持平,定价仅为后者的 1/40。
推荐理由:GLM-5.3-Flash 以1/40的价格提供与前沿模型持平的智能,且全程跑在国产芯片集群上,展示了低成本推理的可行性。
千问团队正式发布多模态 MoE 模型 Qwen3.8-Flash,主模型参数量 125B,支持 262k 至 1M token 上下文,其训练成本仅为 Qwen3.7-Plus 的 1/9 且已上线 API 服务。
推荐理由:千问团队发布 Qwen3.8-Flash 模型及开源 Next 版本,通过架构创新显著降低训练成本并优化长上下文效率。
腾讯混元将 Hy-MT2-1.8B 翻译模型通过 2-bit 和 1.25-bit 方案压缩至几百 MB,翻译质量几乎无损,并联合英特尔完成 x86 适配、联合哔哩哔哩在直播弹幕实时翻译中落地。1.25-bit 模型基于 Sherry 技术,体积从 3.3GB 压至 440MB,B 站演示中单条弹幕翻译耗时 500~800ms,内存占用 500~700MB。
推荐理由:混元将翻译模型量化至1.25-bit并落地B站直播,展示了极低比特压缩在端侧高并发场景的可用性。
Microsoft Research 发布 Skala 1.1 深度学习 DFT 泛函,其训练数据量较前代增加 2.5 倍,在 GMTKN55 基准测试中实现加权平均误差 2.8 kcal/mol,精度超越顶级全局杂化泛函且保持 meta-GGA 计算成本。
百灵大模型正式开源 Ling-3.0-tiny-base 和 Ling-3.0-flash-base 预训练模型,并同步提供六个关键阶段权重。其中 tiny-base 拥有 7.9B 总参数和 1.3B 激活参数,适合代码场景持续预训练及低预算强化学习探索。
推荐理由:官方开源了 Ling-3.0-tiny-base 和 flash-base 预训练底座,提供六个不同阶段权重供后续定制。
智谱发布GLM-5.3,基座未变但通过极致后训练Scaling显著提升编程与网络安全能力:内部编程体感较GLM-5.2提升50%,Terminal-Bench 3.0从4.6升至28.3;网络安全上CyberGym达84.5%,ExploitBench 54.4%,ExploitGym两小时完成105项漏洞利用任务。
推荐理由:后训练Scaling带来更强编程与网络安全防御能力,开源与“开源的盾”计划让前沿安全能力不再只属于少数闭源机构。
百灵大模型团队正式开源 Ling-3.0-tiny,该模型总参数量 7.9B,推理时激活参数量仅 1.3B,并同步提供 BF16、FP8 和 INT4 三个版本。
推荐理由:展示了 1.3B 激活参数在端侧设备与多精度部署下的实际落地效果与基准表现。
MiniMax H3 开源 24 小时后,华为昇腾、AMD、Intel 等 9 家芯片厂商完成 Day 0 适配,Hugging Face、vLLM、腾讯云及 Leonardo 等超百家合作伙伴完成接入。在 Artificial Analysis 视频评测榜单中,H3 跻身全球前三并在质量/价格象限中处于最优梯队,位列中国模型最佳。在 Arena AI 最新评测榜单中,H3 排名并列第一。
推荐理由:开源 24 小时内的适配与评测结果,展示了该多模态视频模型的生态落地速度与实际性能站位。
MiniMax H3 开源,RunningHub 完成接入。H3 支持多模态输入,可生成 2K 画质与最长 15 秒音画同步视频。RunningHub 提供免部署云端运行与 ComfyUI 节点,GitHub 已开源相关工作流。
MiniMax 正式开源新一代通用视频模型 H3,支持 4 至 15 秒、2K 分辨率及立体声音频生成。H3-Base 权重已同步至 Hugging Face,支持本地部署;完整 2K 工作流需结合官方 API 调用 H3-Context-IR 与 H3-Regenerate-2K。
推荐理由:官方发布文档详细拆解了 H3 在 Hugging Face 的开源组件、支持的 2K 生成规格以及本地部署与 API 验证的完整工作流。
研究团队扩展 K-Search 框架,通过结构化 CUDA-MLX 翻译层将 NVIDIA 内核优化知识迁移至 Apple Silicon。在 Attention 内核上实现原生 MLX 内核 0.97 倍加速,Mamba SSM 内核预填充较社区版本提速 20 倍,并开源了 MLX 后端代码。
Kimi K3开放日同步发布了模型权重、技术报告及MoonEP、FlashKDA、AgentEnv三项关键Infra技术。Kimi K3是拥有2.8万亿参数的混合专家模型,支持100万token上下文窗口及原生视觉理解,参数规模是Kimi K2.5的3倍左右。通过技术创新,其规模化效率提升2.5倍,用户可自由下载部署用于内部研发或终端产品。
推荐理由:Kimi K3开放了2.8万亿参数的混合专家模型权重、技术报告及MoonEP等关键基础设施,支持自由下载部署,为前沿模型普及提供完整技术包。
Kimi K3 是一个 2.8 万亿参数模型,基于 Kimi Delta Attention 和 Attention Residuals 技术构建,原生支持视觉理解,并拥有 100 万 token 上下文窗口。
推荐理由:Kimi 官方发布 2.8 万亿参数的 Kimi K3 模型,并给出了完整的架构设计、性能评测与商用渠道。
智谱上线并开源 GLM-5.2,重点增强长程任务与 Coding 能力,采用 MIT 协议。模型支持 1M 上下文,在 FrontierSWE 上表现优于 GPT-5.5 和 Claude Opus 4.7。已在国产算力平台完成 Day 0 适配,提供 API 及开源权重下载。
推荐理由:原文给出了模型在长程任务和 Coding 基准上的具体表现,并开源权重,读者可据此评估其在工程场景的可用性。