AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- IT之家·开源模型发布
小米开源 0.8B 文档理解模型 Xiaomi-OCR-0
小米开源 0.8B 参数的轻量文档理解模型 Xiaomi-OCR-0,权重与推理代码已上线 Hugging Face 和 GitHub。单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答,原生支持 Markdown、LaTeX 与 JSON 输出。
阅读原文 → - The Decoder·研究进展开源
GLM 5.3可自动生成浏览器攻击链
Epoch AI 研究人员称,开源权重模型 GLM 5.3 在无人干预下,于 48 小时内把公开的安全修复信息转化为可用的 Firefox 漏洞利用链,在补丁推送前攻破六个 Firefox 版本,每次 API 费用约 1000 美元。
阅读原文 →
- 量子位·开源研究进展
英伟达联合 MIT 开源视频增强方案 Open-H3
英伟达与麻省理工学院团队在 Hugging Face 发布了视频增强项目 Open-H3-Regenerate-2K 的模型权重。该方案基于 MiniMax H3 开源模型,最高支持 4K 重生成,可供开发者直接下载使用。
阅读原文 → - IT之家·开源模型发布
百度开源文心 Unlimited OCR 2 文档解析模型
百度发布并开源文心 Unlimited OCR 2 文档解析模型,将解析上限从数十页推向“无限”,可一次性处理累计超 3600 页的文档,并支持跨页文案合并与表格识别合并。官方称其在两个多页文档基准测试上取得端到端 SOTA。
阅读原文 → - IT之家·研究进展开源
Qwenputer:把 RISC-V 指令集塞进模型做计算
开发者基于阿里 Qwen3.5-4B 发布实验性模型 Qwenputer,将 RISC-V 的 RV32IM 指令集编译进模型权重,让大模型无需调用外部工具也能执行程序与精确计算。测试中大整数乘法准确率从 55% 提升至 97.5%,代价是模型体积增大。
阅读原文 → - 量子位·开源模型发布
国产开源 OCR 模型 OXR 登顶全球第一
据量子位消息,一款参数量 1.3B 的国产开源 OCR 模型 OXR 登顶全球第一,主打“解析一切”的通用文档解析能力,具体评测细节与发布信息尚待官方披露。
阅读原文 → - IT之家·开源模型发布
Mistral AI 开放 Large 4 模型权重
Mistral AI 开放 Mistral Large 4 模型权重,该模型总参数 1 万亿、激活参数 490 亿,为原生多模态模型,在欧洲自有数据中心用 3800 块英伟达 Grace Blackwell GPU 训练。官方称其编程智能体任务得分 48%,单任务 Token 消耗明显减少。
阅读原文 → - The Decoder·模型发布开源
Mistral 发布万亿参数模型 Le Chonk
Mistral 公开万亿参数模型 Large 4(代号 Le Chonk)的权重,称其编程能力领先同级开源模型,独立测试显示其速度较快、成本较低。但整体评测仍落后于 DeepSeek、GLM 等中国头部模型。
阅读原文 →
- IT之家·开源模型发布
DiffuSpace 开源 Clover 扩散语言模型
DiffuSpace 发布 Clover 系列首个成员 Clover-35B-A3B-Preview,采用 MoE 架构,并以 Apache 许可开源。该模型通过多轮迭代从模糊到具体生成结果,官方称其在多项基准上超过同规模自回归模型,生成速度更快。
阅读原文 → - WIRED AI·模型发布开源
Mistral 发布 Le Chonk 开源权重模型
法国 AI 公司 Mistral 发布新模型 Le Chonk,称其在编程与网络安全任务上追平甚至超过 DeepSeek、Z.ai 的顶尖模型。这意味着开源权重模型的竞争进一步升温。
阅读原文 →
- TechCrunch AI·模型发布开源
Mistral 开源万亿参数模型,主打网络安全
Mistral 公布了其万亿参数模型的权重,称相比闭源模型,该模型能让组织对自身网络防御拥有更强控制力,主要面向网络安全场景。
阅读原文 → - TechCrunch AI·融资并购开源
Deepgram 收购 Pipecat 开发商 Daily
语音 AI 公司 Deepgram 宣布收购 Pipecat 背后的开发商 Daily,以加强自身语音 AI 基础设施能力。Deepgram 表示,将继续保持 Pipecat 开源。
阅读原文 → - IT之家·开源模型发布
英伟达开源 Nemotron 3.5 Transcribe
英伟达推出开放权重语音转录模型 Nemotron 3.5 Transcribe,整合转录、说话人归属、翻译与音频问答,支持 40 种语言转录、最多区分 8 名说话人,可处理最长 1 小时录音。模型已在 Hugging Face 与 ModelScope 免费开放。
阅读原文 → - Hugging Face·开源模型发布
AnySpeechRecognizer 与 AnyDecisionModel 开源
Hugging Face 上发布 AnySpeechRecognizer 与 AnyDecisionModel 两个开源模型,面向 Apple 平台的语音与决策任务,为在苹果设备上运行相关 AI 能力提供可选方案。
阅读原文 → - The Verge AI·开源产品更新
Akai 推开源固件 MPC,拥抱社区改机
Akai 尚未正式发布 MPC Sample Key,但已向改机社区提前开放这款采用开源固件的设备。官方展示了社区用氛围编程做出的自定义模组,意在拉拢黑客与第三方固件开发者。
阅读原文 →
- The Decoder·开源模型发布
英伟达开源 Nemotron 3.5 Transcribe
英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe,可同时完成转写、说话人识别和翻译,并以文本提示接收指令。官方还提供超过 80 万小时语音数据集与微调工具。
阅读原文 →
- TechCrunch AI·开源模型发布
英伟达发布开源语音转录模型
英伟达推出一款免费开源的语音转文字模型,可转写最多 40 种语言,但目前仅支持录音文件,无法处理实时音频。这使其更适合会议与医疗记录类工具,实时转写场景仍由 ElevenLabs 等厂商占据。
阅读原文 → - IT之家·开源研究进展
摩尔线程开源万亿参数MoE训练框架
摩尔线程开源大模型训练基础设施项目Megatron-MUSA-Titan,基于其全功能GPU,面向万卡级集群的万亿参数MoE模型训练,覆盖预训练与强化学习场景。项目支持blockwise FP8训练,并可结合异步通信引擎提升端到端训练效率。
阅读原文 → - 量子位·开源模型发布
蚂蚁百灵开源Ling-3.1-flash-1019模型
10月28日,蚂蚁集团旗下百灵大模型正式开源Ling-3.1-flash-1019,定位面向真实任务的Personal Agent。开发者可直接获取该模型用于智能体相关开发。
阅读原文 → - 量子位·开源研究进展
人形机器人全套图纸与算法开源
有人形机器人项目将机械结构图纸到运动算法的全套资料开源,下载后即可自行制造。这意味着开发者和爱好者能以更低门槛上手人形机器人研发。
阅读原文 →