Thinking Machines 发布 Inkling 2 Small:68 小时预训练,号称美国最强开源权重模型
Thinking Machines 发布多模态 MoE 模型 Inkling 2 Small,总参数 594B、激活 17B,在 GB300 上用 68小时完成主预训练 8.4T token,全流程原生 NVFP4,后训练为 9 天 1700 万次 rollout,支持 1M 上下文。
Thinking Machines 发布多模态 MoE 模型 Inkling 2 Small,总参数 594B、激活 17B,在 GB300 上用 68小时完成主预训练 8.4T token,全流程原生 NVFP4,后训练为 9 天 1700 万次 rollout,支持 1M 上下文。
NVIDIA 为 Cosmos 世界模型开发平台新增四个 Cosmos 3 Nano 开放权重检查点,均含 16B 可训练参数并采用 OpenMDW1.1 许可。四个模型分别覆盖自动驾驶多视角数据生成、同步相机与 LiDAR 流式仿真、模拟器控制转真实感视频,以及双臂机器人动作到视频预测,并开放后训练配方与推理技能。
推荐理由:NVIDIA 开放四个 Cosmos 3 Nano 后训练检查点及配方,为机器人与自动驾驶仿真提供可商用起点。
Hugging Face 发布 Dharma Field Extractor,基于 20 亿参数的 DharmaOCR-LITE v1.1 加 LoRA 适配器训练,可从任意文档图像按开放或指定 schema 提取字段并输出结构化 JSON。
Google DeepMind 宣布推出前沿模型 Gemini 4 Carbon,称其为最强模型,在网络安全与长程任务上达到 state-of-the-art。
推荐理由:Gemini 4 Carbon 在网络安全与长程任务上给出具体基准提升,并说明分阶段开放与安全措施。
Google DeepMind 发布新一代世界模型 Genie 4,支持实时交互式模拟,并原生生成音频、音乐、环境声与互动对话。Genie 4 融合 Gemini 家族能力,由 Gemini Omni 锚定真实外观与行为,其他 Gemini 模型提供复杂推理以维持模拟连贯性;Gemini 3.8 Flash 在环中担任引导代理,将目标拆解为步骤并校验进度。
推荐理由:Genie 4 将实时世界模拟与原声音频生成结合,为机器人训练和交互体验提供新的模拟基础。
Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK,覆盖转写、语音合成和实时语音智能体,支持 50+ 语言转写和 35+ 语言、50+ 方言的语音合成。
推荐理由:原文给出转写、语音合成与智能体 SDK 的能力、基准和价格,读者可据此评估实时语音工作流的替换成本。
Mistral AI 发布万亿参数原生多模态模型 Mistral Large 4(ML4,昵称 le Chonk)的公开预览,API 已在 Mistral Studio 开放,权重将于本月底发布。
推荐理由:Mistral Large 4 以万亿参数开放权重模型定位网络安全与主权部署,读者可对照其基准数据评估它对现有开源模型格局的影响。