跳到正文
6月13日周六
  1. 智谱86

    智谱全量开放 GLM-5.2,下周正式开源

    智谱全量开放 GLM-5.2,支持 1M 上下文并宣称是迄今能力最强的开源模型。该模型面向 GLM Coding Plan 全量用户开放,API 下周上线,模型下周遵循 MIT 协议正式开源。

    推荐理由:GLM-5.2 全量开放并计划开源,读者可据此评估其长上下文能力在团队开发中的可用性。

6月12日周五
  1. Kimi开放平台87

    Kimi K2.7 Code 编程模型上线开源

    Kimi K2.7 Code 编程模型已上线 Kimi API 开放平台,相比 K2.6 显著提升长上下文编程性能,平均 token 消耗减少 30%。Kimi Code Bench v2 性能提升 21.8%,Program-Bench 提升 11%。1M token 输入输出价格与 K2.6 一致,后续将发布输出速度 5-6 倍的高速版本。

    推荐理由:原文展示了长上下文编程能力的基准提升及30%的Token消耗优化,并明确高速版模型的定价与速度优势。

6月11日周四
  1. Xiaomi MiMo67

    小米 MiMo Code V0.1.0 发布并开源

    小米发布并开源终端 AI 编程助手 MiMo Code V0.1.0,内置限时免费的多模态模型 MiMo-V2.5,并采用 MIT 协议开放。

    推荐理由:原文给出了 MiMo Code 的专属 Harness、Compose 模式以及在相同模型下对比 Claude Code 的基准分数,可据此理解其协同优化思路。

4月24日周五
  1. DeepSeek94

    DeepSeek-V4 预览版上线并开源,迈入百万上下文普惠时代

    DeepSeek-V4 预览版模型正式上线并同步开源,包含 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 两个版本。即日起登录官网或官方 App 即可使用 1M 超长上下文,API 服务同步更新,需将 model_name 修改为 deepseek-v4-pro 或 deepseek-v4-flash。

    推荐理由:预览版模型同步开源,给出了 API 调用入口和 1M 上下文标配说明,读者可以据此判断它在 Agent 场景中的具体部署方式。

3月17日周二
  1. Mistral AI72

    Mistral AI 与 NVIDIA 达成合作,共同加速开源前沿模型

    Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron 联盟,双方将共同开发前沿开源 AI 模型。合作结合 Mistral 的模型架构、全栈平台与专有训练方法,以及 NVIDIA 的算力、开发工具和合成数据生成管线。联盟首个项目是在 NVIDIA DGX Cloud 上训练一个基础模型,作为未来 NVIDIA Nemotron 4 系列的底座,相关模型将被开源。

    推荐理由:Mistral 作为 NVIDIA Nemotron 联盟创始成员,将把自有训练方法与 NVIDIA 算力、工具结合,用于开发开源前沿模型。

3月13日周五
  1. Berkeley AI Research38

    Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法以识别 LLM 交互

    Berkeley AI Research 介绍了 SPEX(Spectral Explainer)和 ProxySPEX 算法,旨在通过消融(ablation)在大规模下识别驱动 LLM 行为的关键交互。SPEX 利用稀疏性和低度性质(low-degreeness)将搜索转化为稀疏恢复问题;ProxySPEX 额外利用层级结构(hierarchy),在保持性能的同时将所需消融次数减少约 10 倍。

9月29日周一
  1. DeepSeek90

    DeepSeek 发布 V3.2-Exp 实验模型,API 价格同步大幅下调

    DeepSeek 正式发布 V3.2-Exp 实验性模型,在保持 V3.1-Terminus 性能基本持平的前提下,通过引入 DeepSeek Sparse Attention 提升了长文本的训练和推理效率。官方 App 与 API 已同步更新,开发者调用 API 的成本降低 50% 以上,模型权重与 TileLang、CUDA 算子已在 HuggingFace、魔搭及 GitHub 开源。

    推荐理由:DeepSeek 发布 V3.2-Exp 并引入稀疏注意力机制,同步将 API 调用成本降低 50% 以上。

9月12日周五
9月9日周二
9月3日周三
8月21日周四
8月14日周四
8月5日周二
  1. Hugging Face Blog86

    OpenAI 发布 GPT OSS 开源模型:117B 与 21B 两款 MoE 模型

    OpenAI 发布 GPT OSS 系列开源模型,包括 gpt-oss-120b(117B 参数)和 gpt-oss-20b(21B 参数)。两款均为 MoE 架构,采用 MXFP4 4-bit 量化;120B 模型可运行在单张 80GB H100 上,20B 模型仅需 16GB 显存。

    推荐理由:两个模型都采用 MoE 加 4-bit 量化,小模型 21B 可跑在 16GB 硬件上,Apache 2.0 许可让社区能直接复用与微调。

7月23日周三
  1. Hugging Face Blog47

    TimeScope 基准:视频大模型能处理多长的视频?

    Hugging Face 开源视频基准 TimeScope,通过向 1 分钟至 8 小时的长视频中插入 5-10 秒的短片段,测试模型在定位检索、信息综合和细粒度时间感知三项任务上的表现。基准结果显示,即使是如 Gemini 2.5-Pro 等声称支持长视频的模型,在处理真实长视频任务时仍面临显著挑战。

7月16日周三
6月26日周四
  1. Hugging Face Blog82

    Gemma 3n 在开源生态中全面可用

    Gemma 3n 正式发布,支持本地运行多模态输入。该模型分为 E2B 和 E4B 两个版本,实际参数为 5B 和 8B,但显存占用仅相当于 2B 和 4B 模型,分别只需 2GB 和 3GB 显存。

    推荐理由:Gemma 3n 以 2B/4B 显存实现 5B/8B 性能,支持文本、图像、音频和视频多模态输入,并开放主流开源框架支持。

3月11日周二
  1. Hugging Face Blog62

    L2D 发布:全球最大开源自动驾驶多模态数据集

    Yaak 与 Hugging Face 联合发布 L2D,这是全球规模最大的开源自动驾驶多模态数据集,包含超过 90TB、5000 小时的德国 30 城驾驶数据,涵盖 6 路环视相机、完整车辆状态、环境条件及自然语言指令。数据将分阶段更新至 R4,并支持接入 LeRobot 流水线进行端到端模型训练,2025 年夏季还将开放带安全员的闭环实测。

    推荐理由:L2D 是当前最大的开源自动驾驶多模态数据集,包含 90TB 以上数据,可直接接入 LeRobot 训练端到端模型。

3月4日周二
  1. Hugging Face Blog69

    Cohere 发布 Aya Vision 8B 与 32B 多语言视觉模型

    Cohere 开放 Aya Vision 8B 和 32B 权重,支持 23 种语言的图像理解、视觉问答与图文翻译。模型基于 SigLIP2-patch14-384 视觉编码器和 Aya Expanse 语言底座,通过 4 倍 Pixel Shuffle 下采样降低多模态输入开销。

    推荐理由:模型在开放权重下支持 23 种语言视觉任务,并配合评测基准发布,可直接复用于多语言视觉落地。

2月12日周三
7月18日周四
  1. Mistral AI63

    Mistral 发布 12B 参数多语言模型 Mistral NeMo,支持 128k 上下文窗口

    Mistral AI 正式发布 Mistral NeMo 12B,该模型由 NVIDIA 协助构建,提供最高 128k tokens 的上下文窗口。模型采用 Apache 2.0 协议开源,在推理、世界知识和编程能力上达到同规模 SOTA 水平。

    推荐理由:Mistral NeMo 12B 引入 128k 上下文和新 tokenizer Tekken,性能超越同类开源模型且支持 FP8 推理,适合多语言业务部署。

5月14日周二
4月23日周二
4月22日周一
4月18日周四
4月16日周二
4月15日周一
4月9日周二
  1. Hugging Face Blog86

    CodeGemma 发布:面向代码的 LLM

    Google 发布了 CodeGemma 模型,包含 2B、7B 和 7B Instruct 三种版本,专为代码生成、补全和推理设计。CodeGemma 7B 在 Python、JavaScript 和 C++ 的 HumanEval 评测中表现优于其他 7B 模型,但在中文代码方面尚未测试。

    推荐理由:三个模型直接开源可下载,附 transformers 代码和量化部署方案,方便读者在本地复现。

3月25日周一
  1. Hugging Face Blog48

    Pollen Robotics 发布开源 Pollen-Vision 库,为机器人提供零样本 3D 物体检测接口

    Pollen Robotics 团队发布开源 pollen-vision 库,该工具包整合了 OWL-VIT、Mobile SAM 和 RAM 等零样本视觉模型,旨在让机器人无需训练即可抓取未知物体。当前版本聚焦于 3D 物体检测,能通过相机内参计算物体在 3D 空间中的 (x, y, z) 坐标,但尚未支持 6D 姿态估计。

3月20日周三
3月18日周一
3月15日周五
  1. Hugging Face Blog39

    Hugging Face 发布 WebSight 数据集,助力 VLM 将网页截图转换为 HTML

    Hugging Face 开源了 WebSight-v0.2 数据集及微调模型 Sightseer,旨在利用视觉语言模型将网页截图转换为 HTML 代码。该数据集包含 200 万个合成示例,相比 v0.1 版本采用了真实图像和 Tailwind CSS,显著提升了数据质量。Sightseer 模型基于此微调,能够生成包含图像的功能性 HTML,致力于简化 UI 设计到代码的转化流程。

2月28日周三
2月23日周五
2月21日周三
  1. Hugging Face Blog94

    Google 发布 Gemma 开源大语言模型

    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。

2月19日周一
  1. Hugging Face Blog59

    PEFT 新增 LoRA 适配器合并方法

    PEFT 库发布了针对 LoRA 适配器的新合并方法,支持在推理阶段在线结合多个微调权重。文章介绍了 concatenation、linear、SVD、TIES 和 DARE 等多种算法,提供代码示例与效果对比,并展示了将文本生成和文生图场景下不同风格的 LoRA 权重合并的应用,旨在帮助开发者在有限显存条件下提升模型能力融合体验。

2月3日周六
1月19日周五
1月18日周四