Runway 开源机器人模型 Praxis-1,以视频预训练驱动机械臂控制
Runway 以 Apache 2.0 许可开源机器人模型 Praxis-1 的权重和源码,模型从视频中学习物体运动规律,再结合相机图像、文本指令和机器人位姿预测环境变化并生成动作。
Runway 以 Apache 2.0 许可开源机器人模型 Praxis-1 的权重和源码,模型从视频中学习物体运动规律,再结合相机图像、文本指令和机器人位姿预测环境变化并生成动作。
IBM 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型,基于 Granite 4.1 base 训练,可读写 LLMON 标记文本。
推荐理由:IBM 团队解释了 LLMON 如何用保留特殊 token 标记指令与数据边界,并给出提示注入攻击成功率下降的基准对比。
Tether AI Research 发布 BotPsy,一个基于 Qwen3.5-0.8B 的 0.8B 参数模型,面向函数调用与智能体工作流,适合端侧部署。
AI 芯片设计公司 Ricursive Intelligence 训练并发布开源语言模型 Ripple-65B Preview,预训练使用 12 万亿 token,在 TerminalBench 2.1 编码基准上得分 80.52,为美国开源模型中的最好成绩。
百度发布开源基础模型 ERNIE-5.5-Flash-Base,采用 MoE 架构,总参数 2800 亿、每次输入激活 140 亿,刻意不做微调或后训练,后续将推出后训练版本。
gradium 团队发布端侧文本转语音模型 Phonon,两个版本约 65 MB 和 75 MB,覆盖英语、法语、德语、西班牙语和葡萄牙语,无需服务器和网络即可运行。
推荐理由:原文交代了 Phonon 的端侧运行方式、开源许可和榜单表现,读者可据此判断小模型语音合成的可用边界。
Dharma-AI 发布 Dharma Field Extractor,一个 20 亿参数模型,输入文档图像后按开放模式或指定 schema 输出结构化 JSON,同一 checkpoint 无需按文档类型微调。
Mistral 发布多模态 MoE 模型 Mistral Large 4(Le Chonk),约 1T 总参数、49B 激活参数,上下文窗口 1M tokens,提供 FP8 与 NVFP4 两个官方版本。
推荐理由:原文给出 MoE 架构、稀疏注意力与安全基准细节,可据此判断开源权重模型在编码与网络安全场景的可用性。
Mistral 发布万亿参数开源模型 Mistral Large 4(ML4)的权重,企业与政府可自行下载部署,权重已在 Hugging Face 和其 API 上提供。
推荐理由:读者可了解 Mistral 开放万亿参数模型权重的具体方式,以及它与 GLM-5.3 在网络安全任务上的成本对比。
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint,支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由:原文给出多语言转写、说话人分离与翻译的统一模型,并附开放数据管线和微调配方,可据此判断落地方式。
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,可用文本指令在单一模型中完成转写、翻译和说话人识别,并支持就录音内容提问。该模型支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别,可处理最长 1 小时、最多 8 名说话人的录音;模型总参数 30B、每步约 4B 激活,可在单张 Nvidia GPU 上运行。
推荐理由:读者可了解这款开源语音模型在转写、翻译与说话人识别上的能力边界,以及配套数据集和微调流程。
LiquidAI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、omni 及两个 d1 决策模型)全部从 LFM3-1.7B-Base 分支而来,覆盖文本、图像、视频和音频输入。
推荐理由:LiquidAI 公布了 LFM3 的架构改动与六个 2B 级模型的实测对比,可据此判断端侧多模态选型。
Nvidia 开源数据引擎 Flora,用于机器人视频标注,称标注一小时视频约 0.72 美元,而 GPT-6 Astra 约 88.49 美元。Flora 由三个微调的 Qwen3.5 模型组成,分别负责动作分段、描述和奖励评分,已在 GR00T 模型训练中每天标注最多 20 万小时视频,模型已上线 Hugging Face。
Ai2 发布 OlmoEarth v1.3 卫星嵌入模型,为全球每 10 米像素生成 128 维向量,前 64 维可单独使用。团队同时公开全行星预计算年度嵌入(10m、64 与 128 维)和无需登录的 OlmoEarth Embeddings Explorer 浏览器工具,模型权重、预训练数据和代码全部开放。
AI 创业公司 Recursive 发布首个语言模型 Flint,其开发过程几乎每一步都有名为 Eureka Machine 的 AI 系统参与,由该系统提出想法、实现、测试并规划后续实验。
推荐理由:读者可以看到一个由自动化研究系统参与开发的编码模型,以及它在本地硬件上的速度与开源权重细节。
IBM 在 Hugging Face 发布 Granite Timeseries Ensemble,用一套可扩展接口组合四个 Granite 时序模型,无需重训、无需拟合集成权重即可输出中位数与分位数预测。
AI 初创公司 Recursive 发布首个模型 Flint,这是一个可在笔记本上运行的免费编码模型,以 Apache 2.0 许可证在 Hugging Face 开放下载。
IBM 发布 Granite Speech 5.0 系列三项更新:新模型 granite-speech-5.0-2b 支持英法德西葡日六种语言转写及与英语互译。
NVIDIA 发布预训练关系基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测能否替代现有 XGBoost 流水线。
NVIDIA 扩展其开源模型家族,覆盖语言、机器人、生物和量子计算,包括新的 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、面向结构化业务数据的 Kumo 系列、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 蛋白质设计模型和量子计算模型 Ising。
推荐理由:原文一次性列出语言、机器人、生物、量子等多条开源模型线的能力与开放渠道,便于读者对照自身场景判断可复用范围。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,已在官网、App 和 API 上线,并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由:读者可了解 DeepSeek 新 Flash 模型在智能体与编码任务上的提升,以及每任务成本降至约 0.2 美元的变化。
Reflection AI 推出开源权重模型 Beam,面向智能体编码与长周期任务,可维护代码、调用工具并完成多步工作流。
推荐理由:文章给出 Beam 在 AWS 上的两条部署路径与显存、并行配置要点,可供工程团队评估落地成本。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam,采用 MoE 架构,总参数 501B、每 token 激活 23B,支持 1M token 上下文,以 Apache 2.0 许可开放。
推荐理由:文章给出 Beam 的架构细节、多精度基准与部署配置,可据此判断自托管前沿模型的门槛。
IBM 发布 Granite Switch 4.1,提供 8B 和 30B 两个版本,把对话、通用与专用决策、语音转写整合进一个托管端点。
推荐理由:原文说明了多个适配器如何共享同一基座与 KV cache,读者可据此判断单端点多任务的部署成本。
Black Forest Labs 发布 FLUX 3 Image Klein,这是一个 56 亿参数的开源权重模型,支持文生图、图像编辑以及最多十张参考图生成,原生支持 4K 输出、像素级精确编辑和用于元素定位的边界框。
推荐理由:FLUX 3 Image Klein 以 56 亿参数开源并支持 8 GB 显存本地运行,可对照其与闭源模型的 Elo 差距。
Black Forest Labs 发布开源图像生成模型 FLUX.3 Image Klein,首日即在 Diffusers 中运行,单个模型同时支持文生图、多参考图生图和用边界框指定布局的布局控制。
推荐理由:原文给出两个开放 checkpoint 的默认步数、显存占用与 H100 实测耗时,可据此判断本地部署成本。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口、更强的指令遵循和工具调用能力,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:Apertus 1.5 的发布说明完整披露了多模态早融合、训练阶段与评测口径,可据此判断开源多模态模型的工程取舍。
Nvidia 发布 Nemotron 3.5 Super VL,一个 120B 参数的开源多模态模型,采用 MoE 架构,每个 token 仅激活 12B 参数,面向持续在后台运行的企业智能体。
推荐理由:原文给出 Nemotron 3.5 Super VL 的架构、压缩与缓存细节,可据此判断开源多模态模型在企业智能体场景的落地边界。
Ai2 发布 HiRO-ACE 系统更新 HiRO-ACEv2,其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场,并提升极端事件模拟能力。在输入粗化的 X-SHiELD 数据时,HiROv2 对目标模拟的高分辨率统计量误差在 3% 以内,包括百万分之一的稀有事件。
LiquidAI 发布 LFM2.5-24B-A2B,一个 24B 参数、每 token 仅 2B 激活参数的推理模型,面向端侧私有智能体。它基于 LFM2-24B-A2B 架构,上下文窗口从 32K 扩至 131K,词表从 65K 扩至 128K,预训练数据从约 17T 扩至约 33T token,并改为先输出思维链再作答的纯推理模型。
推荐理由:LiquidAI 公布新模型的架构、训练流程与 16 项基准对比,可据此判断端侧智能体的能力边界。
阿布扎比技术创新研究院(TII)发布 Falcon-ASR,一款 1.6B 参数的语音识别模型,重点覆盖阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%,优于所用榜单快照中最佳公开结果 23.17%;内部阿联酋方言评测 WER 22.73%、CER 10.19%,比次优的 Qwen3-Omni 低 4.07 个百分点。
LiquidAI 发布 d1 决策模型家族的两款开源模型 d1-3B 和实验性的 d1-omni-600M,前者支持文本与图像,后者支持文本配图像或音频。
推荐理由:LiquidAI 开源两款端侧决策模型,给出决策指数排名与 Jetson 实测延迟,可据此判断端侧多模态决策的可用性。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为向量,参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品,在 Massive Text Embedding Benchmark(Code)上得分 78.68,较前代 68.76 提升近 10 分。
阿联酋 TII 发布 Falcon-Emirati-7B,一个基于 Falcon-H1-Arabic 的方言专用模型,专注理解与生成阿联酋阿拉伯语。该模型采用 Falcon-H1 混合架构(Mamba 与 Transformer 注意力并行),训练数据来自阿联酋方言网页、关于阿联酋文化的 MSA 语料,以及受词汇表和风格规则约束的合成数据。
Reflection 发布 Beam,一个总参数 501B、激活 23B 的 MoE 文本模型,面向编码、智能体与科研任务,从零训练,Apache 2.0 全量权重预计本月发布。
Aleph Alpha 发布德英双语模型 Kolibri,总参数 78B,采用 MoE 架构,每 token 约激活 3B 参数。该模型在德语基准上得分 71%,解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B 等对比模型,训练数据中德语占 21.3%,并使用中文模型生成合成训练数据。
NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model,称其为最早的开源月球科学基础模型之一。
Ai2 开源 AstaBrief 8B,一个把研究问题和检索到的文献片段转成带引用报告的模型,已在 Asta 的 Generate a report 功能中作为 Fast 模式上线,同时开放模型权重和训练数据。
推荐理由:Ai2 公开了 AstaBrief 的训练数据构造、引用过滤与评测细节,可了解小模型做科研报告生成的取舍。
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型,返回带概率的简短分类而非长文本,并称智能体决策不再必须有人类在环。
Ai2 发布 Olmo-core 3,这是其大语言模型开发框架的一次重大升级,重新设计了开源 MoE 训练系统,目标是把 MoE 训练扩展到万亿参数级别并保持计算效率。
推荐理由:原文给出 MoE 训练栈的吞吐与显存对比数据,可据此判断大规模 MoE 训练的开源方案现状。