Block 发布语音模型 Dessa,可本地运行并带笑声与停顿
Block 研究实验室发布语音模型 Dessa,完全基于人类语音训练,可在单张 NVIDIA GPU 上运行,并支持全双工对话,即边听边说。该模型能表现笑声、停顿和哭腔等情绪,官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放,Block 正在招募安全研究人员进行测试。
Block 研究实验室发布语音模型 Dessa,完全基于人类语音训练,可在单张 NVIDIA GPU 上运行,并支持全双工对话,即边听边说。该模型能表现笑声、停顿和哭腔等情绪,官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放,Block 正在招募安全研究人员进行测试。
月之暗面发布 Kimi K3.1 Pro,这是一款 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型,支持 100 万 token 上下文,标准版与 Highspeed 版已上线网站、App、Kimi Work、Kimi Code 和 API,Highspeed 号称输出速度提升 2–3 倍、价格为标准版两倍。
推荐理由:汇总了 Kimi K3.1 Pro 的独立评测、定价与开源承诺,也保留了围绕推理成本和推广合规的争议。
NVIDIA 在欧洲推出 Earth-2 系列开放模型的区域新成员 StormScope EU,基于 EUMETSAT 卫星观测,以 10 分钟间隔预测 16 个 Meteosat 通道的云况变化。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
Nvidia 发布面向常驻智能体和边缘计算的开放权重模型,包括 1200 亿参数的 Nemotron 3.5 Super VL,以及面向本地 AI PC 和 DGX Spark 工作站的轻量 Bolt 系列。
Meta 发布开源权重模型 Muse Spark Open,采用 MoE 架构,总参数约 816B、每 token 激活约 42B,支持文本、图像、音频和视频输入,上下文窗口最高 1M tokens。
推荐理由:Meta 开源 816B 参数 MoE 多模态模型,给出完整部署、微调与量化运行配方,可据此评估自托管成本。
英伟达发布 Nemotron 3.5 Super VL,这是一个 120B 参数的开源多模态模型,面向持续在后台运行的企业智能体,处理文本、图像、文档和视频。
Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens,为 1.0 的 4 倍,并改进指令遵循与工具调用。
推荐理由:Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式,并公开训练数据与中间检查点,可据此判断开源多模态模型的开放程度。
Mistral 表示其新模型 Le Chonk 能够与顶级闭源模型竞争,同时保持开放权重。该说法来自 Ars Technica 转引的报道,原文未给出具体参数、评测数据或发布时间。
Google DeepMind 发布 EmbeddingGemma 2,这是基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型,参数量 740M,可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由:官方给出参数规模、分模块编码器与端侧内存占用,可据此判断本地多模态检索的落地成本。
Mistral 发布迄今最大模型 Mistral Large 4,总参数 1 万亿、激活 49 亿,原生多模态,已在 Mistral Studio 开放 API 预览,权重预计 10 月底发布。
法国 AI 实验室 Mistral AI 发布 Mistral Large 4(昵称 Le Chonk),一个 1T 参数的大规模多模态模型,定位为美国闭源模型与中国开源模型之外的替代方案。
NVIDIA 发布开源表格基础模型 Kumo Tabular,属于 Kumo Structured 模型系列,已在 Hugging Face 上线。给定带标签的表格行,它无需训练、调参和特征工程,单次前向即可预测新行的标签,支持分类与回归,提供 28M 到 215M 三档参数,采用 OpenMDW-1.1 许可可商用。
推荐理由:NVIDIA 开源表格基础模型,给出三档参数、单次前向预测流程与四个基准排名,可据此判断表格任务是否值得换用。