开源
-
Reson8开源Rumble-2-Flash:0.5B语音识别模型覆盖40余种语言,电话场景接近30B量级模型
总部位于阿姆斯特丹的Reson8以Apache 2.0开源0.5B参数语音识别模型Rumble-2-Flash。它覆盖40余种语言,在Open ASR多语言赛道平均错误率约6.96%,并在302小时呼叫中心基准上接近约30B参数的Nemotron 3.5 Transcribe。
-
蚂蚁与西湖心辰开源双向世界模型Duo:角色能自己决定何时开口,768×576下生成约200到450毫秒
蚂蚁技术研究院与西湖心辰11月17日发布并开源Duo v1,这是双向世界模型(RWM)的首个实现。它把意图模块和实现模块耦合在同一时间线上,可在全双工音视频中决定开口或倾听。
-
苹果发布FastFrames视频生成模型:小模型单卡一帧约35.4毫秒,大模型由Wan2.1-14B蒸馏而来
苹果在Hugging Face发布FastFrames-S和FastFrames-L两款视频生成模型,均为自回归、两步扩散,输出832×480、81帧、16帧/秒的视频。官方示例显示,13亿参数的S模型在单卡、满KV缓存时总延迟约35.4毫秒;14B的L模型由Wan2.1-14B蒸馏而来。
-
Hugging Face把语言模型推理路由交给OpenRouter:容量错误降46%,开源权重模型已占七成流量
Hugging Face把语言模型推理路由切换到OpenRouter,现有代码和令牌不用改,失败会在同一次调用内自动换源。官方称容量错误下降46%,开源权重模型已占约七成流量;自定义提供商密钥对语言模型不再可用。
-
llama.cpp迈入1.0时代:本地大模型推理引擎正式承诺API稳定,已支持150多种模型架构
诞生三年半的llama.cpp与ggml同步发布1.0.0库版本。团队表示,今后公共C API一旦出现破坏性变更就会升级主版本号,为越来越多依赖它的下游应用提供可预期的升级边界。
-
1450亿参数大模型装进笔记本:Edge0开源端侧模型Edge0-145B,峰值内存约28GB、每秒生成80多个token
端侧AI团队Edge0开源了1450亿参数的Edge0-145B和Edge0-120B,并同步放出推理框架与部署工具。官方称这是首个参数规模过千亿的开源端侧模型,在48GB内存的笔记本上即可本地运行。
-
MiniMax开源图像模型H3-Image:10秒内生成4096×4096原生4K大图,最多可参考16张图
MiniMax于11月11日发布基于H3的图像模型H3-Image,并开放模型权重。它原生输出约1600万像素的4K图像,官方称生成一张4096×4096图片不到10秒,同时支持最多16张参考图的生成与编辑。
-
百度发布ERNIE 5.5 Flash Preview:280B总参数只激活14B、支持百万上下文,权重11月25日前开源
百度在开源ERNIE 5.5 Flash基座模型后不到一周,又推出了首个后训练版本ERNIE 5.5 Flash Preview:280B总参数、14B激活、百万上下文,API已上线千帆,权重将在11月25日前开源。官方坦言这仍是中间版本。
-
美团开源1.6万亿参数LongCat-2.5:MIT协议可商用,W4A4量化专为国产算力优化
美团在发布一周后正式开源LongCat-2.5。这是一款面向长程智能体任务的原生多模态MoE模型,总参数1.6万亿、每token激活约480亿,支持一百万token上下文,以MIT协议开放商用与二次训练,并针对国产AI加速器做了W4A4量化与部署优化。