NVIDIA Kumo Tabular 开源表格基础模型发布
NVIDIA 在 Hugging Face 和 GitHub 发布开源表格基础模型 Kumo Tabular，它基于 Transformer 架构，针对表格数据的列、行和上下文注意力设计，支持分类和回归任务，无需训练、调参或特征工程即可通过单次前向传播进行预测。
推荐理由：文章给出了模型规模、基准排名与调用代码，读者可以据此判断它是否适合替代传统树模型流程。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
32 条精选近 30 天 23 条共收录 454 条
更新
精选归档 · 第 2 页
Hugging Face Blog精选AI 评分8181 阿里语音AI精选AI 评分8080 Qwen-Audio-3.1-TTS 拿下全球权威语音榜冠军
9 月 28 日，Qwen-Audio-3.1-TTS 在 Artificial Analysis 的 Controlled Voice Arena 中以 1177 的 Elo 评分位列全球第一。该模型支持多语种及方言合成，强调声音情绪和语速的自然表达。当前 Qwen-Audio 全线语音模型价格下调，最高降幅达 95%，API 服务已上架千问 AI 平台。
推荐理由：Qwen-Audio-3.1-TTS 登顶权威评测，且全线模型大幅降价，开发者能直接获取低成本的多语种语音 API。
Anthropic (X)精选AI 评分9494 Claude 在 Claude Science 平台完成九圈散射振幅计算
Claude 在 Claude Science 中通过单提示词运行数日，成功计算了简化模型中的九圈散射振幅，打破了此前八圈纪录。该任务总成本仅数千美元，结果由物理学家 Lance Dixon 独立验证。
推荐理由：展示了Claude在学术级计算任务中低成本突破历史纪录的能力，提供了可量化的成本与验证细节。
阶跃StepFun精选AI 评分8484 阶跃星辰发布 StepAudio 3 系列语音大模型
阶跃星辰正式发布 StepAudio 3 系列模型，包含 Realtime、ASR、TTS、Gen 和 Music 五款产品。Realtime 模型在 Artificial Analysis 榜单实现 98.9% 综合得分和 99.7% 语音推理准确率，ASR 模型词错误率达 1.7%，并上线阶跃开放平台支持多模态音频创作。
推荐理由：系列模型在实时交互、语音识别和音频生成的榜单成绩具体，展示了语音模型从转写理解向全链路创作演进的能力。
蚂蚁开源精选AI 评分8282 蚂蚁开源 LLaDA-Image：6B 纯图片预训练 Diffusion 模型，中英双首 Qwen-Image-Bench 开源第一
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。
千问大模型精选AI 评分6969 E-Commerce Bench 开源揭秘：评估大模型长程网店经营能力
千问联合淘天集团发布 E-Commerce Bench，评估模型在 365 天、10 万本金约束下的电商经营能力。该基准通过确定性内核和 LLM 渲染层还原真实市场与供应商谈判，对 18 个模型进行七维度评估。结果显示 GPT-5.6 Sol 年末总资产达 143 万，但 18 个模型在反欺诈和长程学习上仍存在显著差距，未能在所有维度上同时保持优势。
推荐理由：联合淘天集团发布评测基准，通过确定性内核还原电商经营，量化了18个模型在反欺诈与长程学习上的显著短板。
百灵大模型精选AI 评分7575 蚂蚁百灵发布 Ling-3.0-flash-Fin 金融增强模型
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。
智谱精选AI 评分8888 GLM-5.3发布：编程能力提升50%，网络安全能力涌现，两周后开源
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。
MiniMax 稀宇科技精选AI 评分6363 MiniMax H3 开源 24 小时，超百家企业 Day 0 上线
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。
Hugging Face Blog精选AI 评分6060 Hugging Face 引入 Artificial Analysis LLM 性能榜单
Hugging Face 正式引入 Artificial Analysis 开发的 LLM 性能榜单，该榜单覆盖 100 多个 LLM API 端点，统一提供模型质量、价格、吞吐量与延迟指标。
推荐理由：原文将价格、速度与质量指标整合在单一榜单中，AI 工程师可据此在应用设计阶段对推理成本与延迟做出更具体的权衡。
Hugging Face Blog精选AI 评分8989 Mixtral 8x7b 发布：开源 MoE 模型性能比肩 GPT-3.5
Mistral 发布 Mixtral 8x7b 大语言模型，提供 Apache 2.0 许可。该模型采用 Mixture of Experts 架构，在 MT-Bench 等测试中表现优于 Llama 2 70B，性能接近 GPT-3.5，支持 32k tokens 上下文窗口。
推荐理由：结合基准数据与工程化落地方案，呈现 Mixtral 8x7b 在开放权重模型中的能力层级与部署路径。
Hugging Face Blog精选AI 评分6767 Habana Gaudi2 vs Nvidia A100 80GB：模型训练与推理性能对比
Habana Gaudi2在BERT预训练、Stable Diffusion推理和T5-3B微调上的吞吐或延迟比Nvidia A100 80GB快约1.8至2.84倍，且支持更大模型微调。测试通过Optimum Habana框架完成，单卡显存为96GB；A100使用fp16，Gaudi使用bf16或fp32。
推荐理由：给出了Gaudi2与A100的逐项吞吐、延迟和参数量对比，读者可以据此判断硬件替代成本。