标签
SVPino 介绍了一款名为 Mischief 1 的图像到视频生成模型，据称比其开源基础模型快 5 倍、推理成本低 80%，非常适合低成本快速迭代创意。
SenseNova 发布了 SenseNova-Loop-9B-Preview，这是一款基于共享循环块和 mHC 残差流架构构建的循环多模态模型，面向长上下文和智能体工作流，支持动态设计、PPT 生成和数据分析等多种能力。
Gemma-4-31B-Humanlike-Chat 是基于 Google Gemma 4 31B 的微调模型，通过监督微调（SFT）与同策略蒸馏训练，实现了无需提示的自然人类化文本风格，同时在 When2Call、BFCL 等工具调用基准上超越原版，且知识能力与基座模型持平。
inclusionAI 发布了 ZwZ2 系列（27B/9B/4B），基于 Qwen3.6 微调的视觉语言模型，通过 EvidenceConnect 构建的多区域验证数据与 GRPO 训练，在六大领域 25 个基准上均超越基座模型，总体准确率从 55.52 提升至 60.51（+4.99）。
Artificial Analysis 更新了 HLE Diamond 基准评测，显示开源权重模型在该高难度基准上落后闭源模型超过 30 分。
Pika 推出 H3 Flex，这是一款基于 MiniMax H3 微调的文生视频模型，仅需六步即可生成（此前需 50 步），支持最多 12 个参考文件，可导出五条独立音轨，输出分辨率最高达 4K，并以开放权重形式发布——在 DesignArena 排行榜上位居开放权重模型第一名。
Fish Audio 为 Drama 3 语音模型发布了升级后的权重，使其在 Artificial Analysis 的 Provider Voice 和 Controlled Voice 两个 Speech Arena 榜单上均位列开源权重模型第一，并在发音鲁棒性基准测试中排名第一。
一篇 Reddit 帖子批评 Cohere 的博客文章不科学且在制造恐慌，该文章声称 Qwen 3.8 Flash Next 展现出不安全行为。发帖人认为，这篇文章的发布时间刻意与 Cohere 数十亿美元的 E 轮融资公告相吻合，而该轮融资包含了来自加拿大政府的资金。
Pika 发布开源权重的视频生成模型 Pika H3 Flex，支持六步采样生成带同步音频的视频，最多可输入 12 个参考，本地推理支持 480p/768p，通过 Pika API 可扩展至 4K 与音频分轨。
Mistral 已发布其万亿参数开源模型 Mistral Large 4（“Le Chonk”）的权重，使企业和政府能够自主部署该系统。该模型重点强调主权网络防御能力，并声称在智能体编程和网络安全任务方面达到了开放模型的最先进水平。
Mistral Large 4（内部代号 Le Chonk）现已在 Hugging Face Hub 发布——这是一款多模态、多语言的混合专家（MoE）模型，总参数量达 1T、激活参数 49B，支持 1M token 上下文窗口，并在 transformers、vLLM 和 llama.cpp 中获得首日支持，同时提供量化 GGUF 版本。
Mistral 发布了“Le Chonk”（Mistral Large 4），这是一个拥有 1 万亿参数的超大模型，重点强调了对 llama.cpp 的支持以及 Hugging Face 上面向社区的友好功能。
Mistral 发布 Mistral Large 4（Le Chonk）：一个 1 万亿参数、49B 激活参数的原生多模态 Mixture-of-Experts 模型，具备 1M 上下文窗口、可配置推理力度、160+ 语言支持，并以 Mistral Ecosystem Open-Weight License 开源权重发布。
一个 20 亿参数的视觉语言模型 LFM3-VL-2B，在单块 RTX 3060 上仅用 5.5 小时、无需任何微调，便在 San Fernando Valley 的 16,692 张航拍图像瓦片中框选出 62,873 个泳池。该 VL-2B 模型在视觉定位（visual grounding）任务上得分为 77.3，相比 LFM2.5-VL-3B 的 68.3 有显著提升。
HemmingwayAI 发布了 Hemmingway-1.5，这是一个基于 Qwen 微调的 270 亿参数模型，主打“无法被检测出的 AI”写作，宣称其 90% 的输出在各类 AI 检测器中被判定为人类撰写。
Artificial Analysis 智能指数 v5 因引入基于私有数据集的非公开测试而受到批评。这些测试似乎偏袒 GPT 和谷歌旗下的闭源模型，同时大幅拉低了 Kimi 3.1 Pro 和 DeepSeek 4.1 Flash 等中国开放权重模型的排名，而与此同时，谷歌的 Carbon 4 登上了该指数榜首。
这是 NVIDIA Nemotron-3.5-Transcribe-30B-A4B 语音大语言模型的一个衍生版本，采用 REAP 剪枝，无需重新训练，将模型体积从 67.5GB 缩减至 10GB（4 位量化），同时将词错误率（WER）保持在 5.16%，而教师模型为 4.12%；在 H200 上使用 vLLM 运行时，其单流吞吐量提升了 27%。
一篇技术博客深入解析 Meta 于 10 月 15 日发布的开源模型 Muse Spark Open（816B 总参数、42B 激活参数的 MoE 架构），并介绍 Daniel Gross 发起的 10 万美元 Open Kernel Challenge，邀请开发者在 H200 上优化其推理内核与 SGLang 服务性能。
Glance 使用轻量级决策适配器和指针头，将重排序与生成整合到单个 9B 参数的骨干模型中，通过共享的预填充过程对段落进行评分，在降低内存开销的同时，在 MS MARCO 基准测试和 HotpotQA 答案 F1 分数上超越了 bge-reranker-v2-m3 和交叉编码器。
Hugging Face 的博客介绍 Mistral Large 4（代号 Le Chonk），这是 Mistral 推出的多模态、多语言、混合专家（MoE）模型，具备约 1T 总参数（49B 激活参数）和 1M token 上下文窗口，在网络安全、编码代理和多模态任务上表现出色。