@Phoenixyin13: 这是全新的最佳美国开源模型。 Thinking Machines Lab 直接放出一个 975B 参数MoE 多模态巨兽，Apache-2.0 完全开源！在常规基准上，它甚至干掉了 NVIDIA 的 Nemotron 强项模型。 它的核心…
摘要
Thinking Machines Lab 发布了全新的 975B 参数 MoE 多模态开源模型，Apache-2.0 许可，在常规基准上超越 NVIDIA Nemotron，支持文本、图像、音频全模态，激活参数仅 41B，高效且友好部署。
查看缓存全文
缓存时间: 2026/07/16 06:05
这是全新的最佳美国开源模型。
Thinking Machines Lab 直接放出一个 975B 参数MoE 多模态巨兽，Apache-2.0 完全开源！在常规基准上，它甚至干掉了 NVIDIA 的 Nemotron 强项模型。
它的核心杀手锏： 原生支持文本、图像、音频全模态 Agent 能力接近 GLM 5.2 多模态直逼 Kimi K 2.6 1M 上下文，高性价比 MoE，实际部署友好
这是一个非常庞大的稀疏模型，总参数量达到了万亿级别。 虽然总参数量巨大，但每次前向传播只激活 41B，这在保证模型容量的同时，极大地优化了推理计算成本。
这是开源社区的狂欢时刻！感谢 @johnschulman2 相关团队，这一步开源天花板又更上层楼，注入新鲜的血液。
Nathan Lambert (@natolambert): Thinky with a ~1T param, 41B active, apache-2 model Benchmarks are a clear step up from Nemotron Ultra (55B active), new best American model, and omni input. A bit behind GLM 5.2 on agentic benchies, and Kimi K 2.6 on multi modal Super exciting! Thank you @johnschulman2 & team
相似文章
@indigox: 终于，美国也有了完全开放权重的大模型，在 Llama 失败之后 。。。Thinking Machines 的首个 OpenWeight Model - Inkling，从零开始完全在 GB300s 上训练，9750 亿参数，410 亿活跃…
Thinking Machines发布了Inkling，一个完全开放权重的9750亿参数多模态大模型，支持文本、图像和音频，具有410亿活跃参数和100万上下文窗口，可在Tinker上进行微调。
Nvidia 发布 Nemotron 3.5 Super VL（5 分钟阅读）
NVIDIA 发布 Nemotron 3.5 Super VL，一款 120B 参数的多模态混合专家（MoE）模型，每 token 激活 12B 参数，面向企业级智能体工作流，支持文本、图像、文档和视频理解，单 GPU 上吞吐量较同类开源模型提升高达 5 倍，并可通过 NeMo 进行后训练定制。
@MaxForAI: 卧槽，这个项目可以让你的4060跑大模型？？？？ 来自 UC Berkeley、 MIT、UT Austin 的研究者，刚刚开源了 FreeToken：专门解决超大 MoE 模型在个人电脑上的推理框架。 根据官方的论文，目前已经跑出了几组…
FreeToken是一个开源推理框架，由UC Berkeley、MIT和UT Austin的研究者开发，专门用于在个人电脑上运行超大MoE模型，通过动态分配GPU、CPU和内存资源实现高效推理。
@cuisitekp: 9B 的模型，把比它大好几倍的模型干下去了。 Ai2 和华盛顿大学那拨做 OLMo / Tülu 的人，放出一篇新论文叫 Tmax，自称是目前最强的开源「终端 agent」RL 训练配方。 成绩：一个 9B 模型在 Terminal-Be…
Ai2和华盛顿大学发布论文Tmax，提出目前最强的开源终端智能体RL训练配方。仅用9B参数模型在Terminal-Bench 2.0上击败更大模型，关键在于低成本生成大量可验证训练数据，而非模型规模或算法。
@MaxForAI: hey！居然有这么一个nb的模型？？ Ornith @ornith_ 刚刚开源了一个新的开源模型家族。 包含9BDense、31BDense、和35BMoE以及397B的MoE 而且官方的Benchmark令人印象深刻，甚至可以与 GLM…
Ornith开源了Ornith-1.0模型家族，包含9B Dense、31B Dense、35B MoE和397B MoE多个尺寸，在编码任务上取得领先性能，甚至能与GLM5.2媲美。