标签
一位开发者分享了FreeToken的分支版本，这是一个边缘原生的MoE服务引擎，新增了DeepSeek-V4.1支持、Qwen模型的视觉功能以及推测解码，包括在双RTX 3090硬件上的基准测试数据。
本文通过分析Anthropic首席执行官Dario Amodei的著作，探讨他在AI行业的愿景和影响力。
DeepSeek-V4.1-Flash的永久修改版本，彻底移除安全护栏，保留完整功能，包括视觉、推理和工具，并在HarmBench评估中实现100%合规。
用户 @ViC305 成功在单个 DGX Spark 上运行 DeepSeek-V4-Flash-Vision，结合 EXL3 MixedK 和 DSpark 推测解码，提升了性能并解决了多模态 AI 部署的技术问题。
DeepSeek 已开源 DeepSeek-V4-Flash-Vision-Exp 模型的权重，使其可供公众使用和研究。
本文发布未经审查的 Qwen3.8-Flash-Next 模型的 GGUF 量化版本，这是 Qwen4 架构的混合专家模型预览版，专为支持视觉功能的 llama.cpp 设计，需要自定义构建以确保兼容性。
Meta 发布了 Muse Glimmer 30B，一个开放的代理模型，专为规划、工具使用和视觉，并计划对其进行微调以用于国际象棋相关任务。
DeepSeek为其V4 Flash AI模型发布了视觉功能，通过DeepInfra提供了相比官方API更具成本效益的推理方案。
DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek 推出的一个专注于视觉能力的实验性或更新版 AI 模型。
Flexport CEO Ryan Petersen 与 Y Combinator CEO Garry Tan 探讨了创业者的初始愿景如何随着向客户学习而不断演变和扩展，并认为对愿景太过笃定很可能是错误的。
作者为 Nvidia 的 Nemotron Omni 模型的视觉和音频塔编写了一个纯 MLX 运行时，使完整的多模态模型能够在 Apple Silicon Mac 上本地运行。所有 23 项测试均通过 PyTorch 参考验证，在 M5 Max 上实现了 67-152 tok/s 的速度。
Kimi K3 是一款开源模型，在智能体编码基准测试中领先，具备原生视觉和 100 万 token 的上下文窗口，现在可以通过 Modal 的 Shared Endpoint 在 Codex 中运行。
Paul Graham 解释了为什么创始人不应试图成为远见者，他认为大事从小事开始，而像哥伦布那样模糊的愿景胜过精确的愿景。
Gemini Live API 支持与 Gemini 进行低延迟、实时的语音和视觉交互，处理连续的音频、图像和文本流，用于构建自然的对话代理。
Baseten 在 Hugging Face 上发布了 GLM 5.2 Vision，将 Kimi k2.6 的视觉编码器集成到 GLM 5.2 模型中，解决了缺乏视觉能力的问题。
Kimi K3 是一个2.8万亿参数的混合专家模型，具有1040亿活跃参数、原生视觉能力和100万token的上下文窗口，在多个领域达到前沿性能，并以开放权重形式发布。
本文回顾了苹果1987年发布的《Knowledge Navigator》概念视频，展示其对AI Agent的早期构想，感叹苹果的预见能力。
一位开发者演示了为GLM语言模型添加视觉能力，展示了重要的多模态扩展。
InvincibleHunter 声称 GPT-5.6 Sol 是有史以来最令人印象深刻的模型，在数学和视觉能力上有巨大改进，超越了其他模型。
商汤科技发布了SenseNova-Vision-7B-MoT，一个完全开源的多模态统一模型，能够通过自然语言指令处理多种视觉任务，支持检测、OCR、深度估计、分割等。