Mistral 发布千亿参数开源权重模型瞄准网络安全
Mistral 发布了千亿参数 AI 模型的开源权重,应用目标聚焦于网络安全领域。这一发布背景是开源权重开发者与 OpenAI、Anthropic 等闭源模型供应商之间的竞争加剧,开源阵营主张企业和政府不应依赖外部 AI 公司获取先进能力,这一观点在需要数据与系统控制权的网络安全领域更具现实意义。
Mistral 发布了千亿参数 AI 模型的开源权重,应用目标聚焦于网络安全领域。这一发布背景是开源权重开发者与 OpenAI、Anthropic 等闭源模型供应商之间的竞争加剧,开源阵营主张企业和政府不应依赖外部 AI 公司获取先进能力,这一观点在需要数据与系统控制权的网络安全领域更具现实意义。
外交部回应三丽鸥因剧中角色引发反感取消联名,称相关丑化行为应引起警惕。 科创50指数盘中跌超4%创新低,较年内高点回撤45%;上海宜家部分时段实行“消费入座”并安排保安劝离。
Mistral AI 开放了 Mistral Large 4(ML4)模型权重,该模型拥有 1 万亿总参数,在 Artificial Analysis Coding Agent Index 上得分 48%,平均每个任务消耗的 Token 数量减少 47%。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
Nanbeige Team 发布 Nanbeige4.3-33B,定位为 30B 参数级开源模型中的旗舰教师 LLM,旨在蒸馏更小的智能体模型。
智元正式发布具身模型 GO-3 Preview,该模型登顶 RoboDojo、RoboTwin、RoboColiseum 三大评测榜单。GO-3 Preview 采用 WRAM 架构,在预训练阶段实现了零样本任务迁移;部署后通过 Genie Master 框架自主迭代,精灵 G2 在便利店实操中任务成功率从首日 28.6% 升至 85.7%。
Arc-Transcriber是一个约70MB的流式语音模型,能在100ms内完成ASR-NL单步处理,输出转录文本及名称、数字、说话人等元数据。该模型将传统的ASR、NER和实体链接链路压缩至共享编码器中,支持在流内实时校验用户提供的名单。目前提供Arc mini和Arc-v1两个版本,权重发布于Hugging Face,代码在GitHub开源,并在Mac端侧应用中用于语音搜索。
法国 AI 公司 Mistral 发布其万亿参数开源模型 Mistral Large 4(ML4)的权重,旨在为政府和企业提供可本地部署的主权网络安全防御能力。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
NVIDIA Nemotron 3.5 Super VL 已在 AWS 上线,该 120B 参数的多模态 MoE 模型支持文本、图像、文档和视频理解,并融合了推理与工具使用能力。
Mistral 在 Hugging Face 上开源了迄今最大模型 Mistral Large 4(绰号“Le Chonk”),采用修改版 MIT 许可证,允许商用但提供云服务需额外授权。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
Mistral 发布 1 万亿参数多模态模型 Mistral Large 4,现已开放权重并强调编码与防御网络安全能力。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
人工智能实验室 DiffuSpace 开源了基于 MoE 架构的扩散语言模型 Clover-35B-A3B-Preview,采用 Apache 许可。 该模型通过多轮迭代实现全局思维,在多项基准测试中性能超过同规模自回归模型 Qwen3.6-35B-A3B,并具备更快的生成速度。 其擅长智能体编程与工具使用任务,证明了扩散语言模型在大规模参数下可与自回归模型竞争。
Mistral Large 4(代号 Le Chonk)是一款由 Mistral 发布的 1T 总参、49B 激活参的多模态 MoE 开放权重模型,支持 1M 上下文窗口,并已在 Hugging Face 开源部署。
推荐理由:Mistral Large 4 侧重网络安全与多模态编码能力,Hugging Face 给出了具体推理部署细节与微调路径。
Granite Switch 4.1.1 作为补丁版本发布,与 4.1 完全向后兼容,无需迁移。 该版本更新了支持 10 种语言、自动添加标点的大小写的 Granite Speech ASR 模型,并优化了 granitelib-core 中 Decision adapter 在 Jev Decision Index 测试集上的表现,基础模型未做重算。
智元正式发布具身模型 GO-3 Preview,通过预训练、后训练与部署后实现全链路规模化学习,并在 RoboDojo 等三项权威评测中位列第一。该模型采用 WRAM 架构与 Genie Evolver 系统,结合真机、物理仿真和世界模型提升交互效率,并通过部署后的 Genie Master 框架在真实便利店场景中验证了物理递归自进化能力。
推荐理由:文章解析了全链路学习架构与实验数据,展示了机器人在虚实环境中持续进化的具体机制。
天数智芯发布天垓300、彤央TY1200及天数智算软件栈。现场实测显示,天垓300在文生图任务上耗时95.6秒快于H200的112秒;彤央TY1200在断网端侧环境下,运行Qwen3.8-27B的性能达到Thor T5000的138%,并成功运行MicroDuck仿真任务。
推荐理由:实测数据对比了天垓300与H200、彤央TY1200与Thor T5000的性能差异,展示了国产芯片在云边两端的落地能力。
新芯航途正式发布智驾大模型芯片 X7 Ultra,大模型算力达 700 TOPS,实测模型对齐度达 99.99%。该芯片专为大模型设计,采用超大核 NPU 架构,对 Transformer 关键算子进行了硬件优化,原生支持 FP16/FP32 计算,计算利用率达 98.7%。此外,X7 Ultra 还首发量产 Armv9 车规级 CPU,性能提升 20%,能效提升 10%。
Nvidia 发布了开源权重的 Nemotron 3.5 Transcribe,这是一个30B参数、4B激活参数的混合专家模型,可在单卡GPU上运行。该模型支持40种语言转写、31种语言与英语互译、最多8人识别,并能根据文本指令输出转写、翻译或摘要。
Google DeepMind 发布 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5.0 上得分 59。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
Momenta 宣布即将发布 R7 Ultra 世界模型,参数规模扩大至原来的 5 倍,安全性能表现提升 5 倍。 模型依托 XHEART 新芯航途 X7 Ultra 芯片,提供 700 TOPS 算力,具备更智能的场景理解、推演和预测能力,官方称复杂场景驾驶能力比肩人类。 未来计划进一步将参数规模扩大至原来的 10 倍,推动安全性能表现提升至 10 倍以上。
英伟达发布开放权重语音转录模型 Nemotron 3.5 Transcribe,并同步公开 Granary v2 训练数据管线。模型采用约 340 亿总参数的 MoE 架构,激活参数约 43 亿,支持 40 种语言转录,可处理最长 1 小时录音,最多区分 8 名说话人,并支持说话人归属、翻译和音频问答。
同一新闻,精选展示《NVIDIA 开源 Nemotron 3.5 Transcribe 与 Granary v2,支持提示词驱动的多语言语音转录与微调》
苹果发布配备PROLED XDR显示屏的触屏MacBook Pro,提供14和16英寸机型,国行起售价22999元。 屏幕峰值亮度2000尼特,支持最高128GB统一内存,并搭载M5 Pro/Max芯片。 Google同日发布Gemini 4 Carbon,在Intelligence Index v5.0中以59分超越Claude Opus 5.5。
X-Era AI 拓元智慧开源了原生 4D 世界动作模型 E0.5,该模型在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上的整体平均成功率分别达到 85.0% 和 88.3%,较主流基线模型 π0.5 分别提升 13.3 和 26.7 个百分点。
推荐理由:文章展示了E0.5在真机上超越主流基线的具体成功率数据,并说明了其将三维几何预测融入动作模型的开源实现路径。
谷歌发布Gemini 4 Carbon,在Artificial Analysis智能指数5.0中以59分登顶,性能超越Claude Opus 5.5和GPT-6 Astra。该模型在Terminal-Bench 4.0和SEC-bench Pro等基准上取得领先成绩,并实现了对提示词注入的100%免疫。Carbon首发输入成本为2美元/百万Token,输出为10美元/百万Token。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
扩散智能发布Clover-35B-A3B-Preview,这是一款采用MoE架构的扩散语言模型,总参数量350亿,激活参数30亿。在WindTunnel网页Agent评测中,其中位执行时间1.52秒,速度快于Jev+Mercury 2.5组合(3.21秒),成功率98.6%。在SWE-bench Verified代码评测中得分73.6,Terminal-Bench 2.1得分51.7。
Google 发布 Gemini 4 Carbon,该模型在 Artificial Analysis 智能指数 v5.0 中位列第一(59 分),得分高于 Opus 5.5、GPT-6 Astra 和 Argon。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
谷歌发布全新前沿旗舰模型 Gemini 4 Carbon,官方称其在网络安全与长程任务能力上全面斩获 SOTA(当前最高水平)。Gemini 4 Carbon 在 Artificial Analysis v5.0 全球智能指数榜以 59 分登顶,并在 14 项核心基准中拿下 12 项第一。
腾讯混元 Hy4 和 Hy4 flash 模型即将发布。相比 Hy4 preview,Hy4 在长程和真实生产力任务能力上大幅提升,思维链效率显著优化,并首次引入了视觉理解能力。Hy4 flash 将提供极致性价比,在继承 Hy4 视觉、Agent 能力的基础上,通过模型和产品深度协同设计高频进化。
蚂蚁百灵开源 Ling-3.1-flash-1019 及其 Base 版本,两款模型总参数为 5600 亿,每 Token 激活约 250 亿参数。1019 版支持 100 万 Token 上下文窗口,在 Artificial Analysis 智能指数 v4.3.2 评测中得分 44,较上一代提高 3 分,且在同规模开放权重模型中排名第 4。
谷歌发布新一代前沿模型 Gemini 4 Carbon,其在 Artificial Analysis 智能指数 v5.0 中以 59 分登顶,领先 Claude Opus 5.5 和 GPT-6 Astra。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
Google DeepMind 正式发布新一代旗舰模型 Gemini 4 Carbon。在 Artificial Analysis Intelligence Index v5.0 榜单中,该模型以 59 分超越 Claude Opus 5.5,位居全球第一。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
BallotBench 项目生成 AI 智能体的平均席位预测及控制权概率,并将其与 Kalshi 和 Polymarket 的市场结果并列展示。 每个智能体在独立沙箱中运行,用户可查看其搜索、阅读和执行代码的完整追踪记录。
谷歌正式发布新一代大模型 Gemini 4 Carbon,主打网络安全能力与长程任务处理能力。该模型在 Artificial Analysis Intelligence Index v5.0 综合得分 59,位列全球智能指数榜首;在 WebDev Arena 前端全栈开发榜单上较上代提升 89 个 Elo 分。入门阶段每百万 Tokens 输入定价为 2 美元,输出为 10 美元。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
Google 发布最新前沿模型 Gemini 4 Carbon,在编码、智能体任务和网络安全领域带来显著提升。该模型在 Artificial Analysis Intelligence Index (v5.0) 基准测试中排名第一,Claude Opus 5.5 和 GPT-6 Astra 位居其后。
Qwenputer 实验性模型将 32 位 RISC-V CPU 编译进 Qwen3.5-4B 权重,利用 Gated DeltaNet 状态作为 RAM。基准测试显示,在 DeepMind 大数乘除法中,Qwenputer 得分达 97.5% 至 100%,远超基础模型的 55% 至 90%。
推荐理由:作者实测了将 CPU 逻辑编译进模型权重的创新架构,并量化了其在大数算术精度和内存存取上的性能优势。
Google DeepMind 发布 Gemini 4 Carbon,得分在 Artificial Analysis Intelligence Index v5.0 上达到 59 分,高于前代 Argon 的 50 分,但 agentic 编码仍落后 Claude Code 中的 Opus 5.5。
同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon》
Google 发布前沿 AI 模型 Gemini 4 Carbon,目前用户无法使用。 该模型本质上是 Argon 的略微升级版,具体参数细节未披露。
一个拥有 16 个隐藏神经元的网络通过 2,000 次训练步骤成功分离双螺旋数据,第 1,133 步时 300 个点全部被正确分类。 该过程展示了边界从平直弯曲到正确划分的过程,所有数据均来自实际训练运行。 视频由 SenseNova 6.8 Code2Video 生成,该开源模型以代码构建影片并包含解说时序。
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。
Google DeepMind 发布前沿模型 Gemini 4 Carbon,称其在网络安全和长任务能力上达到 state-of-the-art,并将在 Artificial Analysis Intelligence Index v5.0 中取得 59 分、排名 #1。
推荐理由:官方给出一组网络安全基准数字和分阶段上线机制,读者可以据此判断前沿模型在复杂代码与安全任务中的实际能力边界。
清华助理教授陈勇超创立的超衍智能发布首个 35B 模型 Apex-35B-V1.0,在 21 项基准测试中 18 项领先 Recursive 公司的 40B 模型 Flint,并在 FrontierScience、Paper Bench 等 6 项研究类评测中超越 500B 至 800B 参数模型。
推荐理由:35B 小模型在研究任务上比肩千亿参数大模型,RSI 自动化研发路径开始跑通。