
推荐理由:官方给出新 MoE 架构、1M 上下文与定价对比,可据此判断任务成本与工具调用能力的变化。

推荐理由:官方给出新 MoE 架构、1M 上下文与定价对比,可据此判断任务成本与工具调用能力的变化。
华为云 11 月 15 日宣布,开源盘古模型 openPangu-2.1-Pro 正式上线华为云 MaaS 模型即服务平台,围绕 Agent 开发、AI 编码和推理优化三大方向升级。

无界前沿开源生物信息大模型 Fx-Bio-1031,开放完整模型权重,基于 Qwen3.8-Flash-Next 进行 RSI 后训练,原生支持 512K 上下文。

阿里发布Qwen4-Max预览版,官方称其在知识理解、世界感知、Coding与Agentic能力上持续进阶,擅长复杂编程、专业办公、前端设计和专业软件操作。预览版首发上线阿里TokenPlan,限时最低1折,千问办公、Qoder、千问APP、QwenStudio等渠道也可体验。
推荐理由:文章展示了Qwen4-Max预览版在3D场景与交互生成上的实测效果,可据此观察其编程与Agentic能力。
面壁发布 MiniCPM-V 4.6 的 GGUF(llama.cpp)量化版本,原始 BF16 权重见 openbmb/MiniCPM-V-4.6。该模型基于 SigLIP2-400M 与 Qwen3.5-0.8B 构建,引入 4x/16x 混合视觉 token 压缩,视觉编码 FLOPs 降低 50% 以上,token 吞吐约为 Qwen3.5-0.8B 的 1.5 倍。

面壁开源 MiniCPM-V 4.6,基于 SigLIP2-400M 与 Qwen3.5-0.8B 构建,主打手机端图像与视频理解。

腾讯发布 KaLM-Embedding-Gemma3-12B-2511 嵌入模型,在 MMTEB 榜单以 72.32 的 Mean (Task) 得分排名第一,超过 llama-embed-nemotron-8b 和 Qwen3-Embedding-8B。

Qwen4 is coming. Deeper knowledge. Richer world understanding. Stronger coding and agentic capabilities. Built for real-world tasks — from complex coding and knowledge work to front-end builds and professional software workflows. Qwen4-Max is now in preview on Alibaba’s Token Plan. You can also get early access to the new model on QwenWork, Qoder, Qwen APP, and QwenStudio. Put it to the test on a real problem. Show us what you build. 👀 Token Plan: http://qwencloud.com/pricing/token-plan
同一件事,精选收录的是《阿里发布Qwen4-Max预览版,全球开发者抢先实测》
MiniMax 发布 MiniMax-H3-Image-PE,为 MiniMax-H3-Image 提供提示词扩展,把简短请求转成详细图像描述并给出宽高比建议。该模型由 Qwen3.8-27B 微调而来,采用 FP4 精度,可通过 SGLang(sglang>=0.5.23、xgrammar>=0.2.7)部署,支持在线 API 调用。图像编辑 PE 仍在开发中,本次仅提供其任务提示词。

阿里巴巴 11 月 11 日官宣全新一代千问大模型 Qwen4 即将发布,称其在知识理解、世界感知以及 Coding 与 Agentic 能力上持续进阶。Qwen4-Max 预览版已首发上线阿里 Token Plan,限时最低 1 折可体验,千问办公、Qoder、千问 App、QwenStudio 等产品也已接入新模型。

基元律动 11 月 5 日发布 Agent 原生模型 NeoHorse-1.5-Flash Preview,基于 Qwen3.8-Flash 训练,总参数 180B、激活参数 6B,目前开放限量内测。

基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash Preview,基于 Qwen3.8-Flash 训练,总参数 180B、激活参数 6B,目前开放限量内测。
Nous Research 发布 Arete-27B,这是一个基于 Qwen3.8-27B 后训练得到的模型,主打强化西方价值观。Nous Research 称,该中国基础模型的偏见层较浅,因此易于通过后训练调整。

Nous Research 发布 Arete-27B,这是对阿里 Qwen3.8-27B 的监督微调版本,在自建 803 条提示的评测中,含宣传性表述的回答从 22% 降至 0.9%。
Qwen 团队发布 Qwen3.6 系列首个开源权重版本 Qwen3.6-27B,这是一个 27B 稠密因果语言模型,带视觉编码器,原生上下文 262,144 tokens,可扩展至 1,010,000 tokens。

推荐理由:27B 稠密模型在 SWE-bench Verified 等编码智能体基准上给出与更大模型对照的分数,可据此判断小尺寸开源模型的编码能力位置。
Qwen 团队发布 Qwen3.6 系列首个开放权重版本 Qwen3.6-27B-FP8,采用 block size 为 128 的细粒度 FP8 量化,性能与原模型接近,兼容 Transformers、vLLM、SGLang、KTransformers 等框架。

同一件事,精选收录的是《Qwen 开源 Qwen3.6-27B 模型权重》
Qwen 团队发布 Qwen3.6 系列首个开源权重版本 Qwen3.6-35B-A3B,总参数 35B、激活 3B,原生上下文 262,144 tokens 并可扩展至 1,010,000 tokens。

同一件事,精选收录的是《Qwen 发布 Qwen3.6-35B-A3B-FP8 开源权重》
Qwen 发布 Qwen3.6 系列首个开源权重版本 Qwen3.6-35B-A3B-FP8,采用 block size 128 的细粒度 FP8 量化,性能与原模型接近。

推荐理由:官方模型卡给出 FP8 权重、完整基准对比和部署命令,可据此判断开源小激活模型的编码与智能体能力。
Qwen 发布实验性架构模型 Qwen3.8-Flash-Next,并开源其 FP8 量化权重,该架构将用于支撑 Qwen4。

同一件事,精选收录的是《阿里 Qwen 发布 Qwen3.8-Flash-Next 开源权重模型》
Qwen 发布 Qwen3.8-2.4T-A95B 的 FP8 量化权重与配置文件,这是 Qwen 首次将 Max 级模型开放发布,总参数 2.4T、激活 95B,原生上下文 262,144 tokens 并可扩展至 1,010,000 tokens。
推荐理由:Qwen 首次把 Max 级模型开放权重,2.4T 总参数、95B 激活,并给出与闭源前沿模型的逐项基准对照。
Hy4 from @TencentHunyuan is the new #1 open-weights model on APEX-Agents. 77.6% Pass@1 (#3 of 69) 85.1% mean score (#3 of 69) Here’s the updated APEX-Agents open-weights top 5 (Pass@1): 1. Hy4: 77.6% 2. DeepSeek-V4.1-Flash-1017: 69.8% 3. Kimi K3.1 Pro: 65.5% 4. Qwen3.8-Max: 63.3% 5. MiMo V2.6 Flash RL: 57.4% Hy 4 is also the top open-weights model in every APEX-Agents domain: Management Consultant: 85.6% Investment Banking Analyst: 75.3% Corporate Lawyer: 71.9% Congrats to @TencentHunyuan. See the full leaderboard: https://www.mercor.com/apex/
阿里 Qwen 团队发布 Qwen3.8-Flash-Next 开源权重模型,采用 Gated DeltaNet 与 Qwen Sparse Attention 混合注意力、Gated Residual 和 n-gram 嵌入,总参数 125B、激活 6B,另有 51B n-gram 嵌入参数。

推荐理由:原文给出新架构的组件设计与多基准对比,可据此判断稀疏注意力与 n-gram 嵌入在长上下文场景的取舍。
Qwen 发布 Qwen3.8-27B,这是 Qwen3.8 系列中面向部署的 27B 稠密模型,原生支持图像与视频理解,上下文长度 262,144 tokens 并可扩展至 1,000,000。
推荐理由:27B 稠密模型给出原生 262K 上下文与多项智能体基准对比,可据此判断小尺寸模型的部署取舍。

Modest intelligence is arriving faster than most people realize. Today, we're open-sourcing TwIL-8B. Just 8.8 billion parameters, yet approaching frontier-model scores on several difficult benchmarks: • 93% of frontier performance on coding • 92% on instruction following • 90% on contest mathematics All from a model small enough to run on your own hardware. But the benchmarks aren't the most important part of this announcement. For years, the AI industry has focused on building the most capable model, regardless of the cost required to run it. I believe that equation is changing. The next era of AI will be defined by the cost of completing work. Not simply the intelligence of the model, but how efficiently that intelligence can accomplish the task. If a model with 8 billion parameters can reliably complete the same work as one with hundreds of billions, why pay for the larger model? As smaller models become more capable, intelligence becomes something we can distribute, specialize, and run across the hardware we already own. That's the future we're building at @thewebAI TwIL-8B is available today. Open weights. And this is just the first of several announcements we're making today. HF Link: https://huggingface.co/webAI-Official/TwIL-8B
推荐理由:8.8B 小模型在编码与数学基准上逼近前沿模型,并给出量化后可在本地运行的体积。
米哈游联合清华大学、香港大学、新加坡国立大学等机构开源 GameScaling 系列通用游戏模型,覆盖 0.8B、2B、9B、27B 四档规模共八个模型,权重与推理代码以 Apache 2.0 协议发布。
基元律动11月5日发布面向智能体任务的大模型NeoHorse-1.5-Flash Preview并开放内测,该模型基于Qwen3.8-Flash做递归自我改进迭代,主模型参数1250亿、激活参数60亿。

百度发布并开源文心5.5 Flash Base(ERNIE-5.5-Flash-Base),采用稀疏MoE架构,总参数280B、每token激活14B,在33.5T tokens上从零预训练,微调与推理支持1M tokens上下文。

同一件事,精选收录的是《百度开源文心 5.5 Flash Base 预训练基座模型》
小米发布并开源轻量级文档理解模型 Xiaomi-OCR-0,仅 0.8B 参数,将文档解析、关键信息抽取与视觉问答三类能力融于一体。该模型在 OmniDocBench v1.6 取得 96.83 分,为 1B 以下模型第一,五项文档 VQA 平均分 83.2,逼近 Qwen3.5-4B。小米同步公开模型权重、推理代码,并提供浏览器 Demo、MCP 服务与 Agent Skill 工具包。

同一件事,精选收录的是《小米开源 0.8B 文档理解模型 Xiaomi-OCR-0,支持 Markdown 与 JSON 输出》
面壁开源 Trident-Qwen3VL-2B 多模态嵌入模型,可将文本、图像及图文融合输入映射到同一空间,实现单一列表内的混合模态检索。该模型基于 Qwen3-VL-2B-Instruct 微调,LoRA 适配器已合并,无需基座模型或 PEFT,输出 2048 维嵌入。通用版在视觉文档基准上比论文结果低约 2–3 分,自然图像基准下降更明显。
小米开源轻量级文档理解模型 Xiaomi-OCR-0,参数规模 0.8B,权重与推理代码已上线 Hugging Face 和 GitHub。该模型基于 Qwen3.5-0.8B-Base 构建,用约 1.7 亿条 OCR 与文档理解样本训练,单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。

推荐理由:小米公开 0.8B 文档理解模型的权重与推理代码,并给出多项基准对比,便于判断小参数模型在 OCR 任务上的位置。
腾讯发布 WeVisCut,这是一个基于 Qwen3.5-9B 的 9B 工具调用智能体,可将知识文章或旁白脚本转化为数分钟长的剪辑视频。该模型在每一步读取当前剪辑状态,并从规划、旁白、素材检索、合成、检查、修复等 12 个工具中选择一个执行,需配合 WeVisCut runtime 使用。
推荐理由:腾讯开源 9B 视频剪辑智能体,读者可了解其工具调用流程与部署门槛。
开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer,基于阿里 Qwen3.5-4B 构建,在神经网络内部实现 32 位 RISC-V CPU 与内存功能,无需调用 Python 等外部工具即可执行程序和精确计算。

Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1,直接返回标签和校准概率而非生成文本,面向高并发路由、分类与护栏检查。该模型由 Qwen3.5-2B 后训练而来,Model APIs 定价为每百万输入 token 0.01 美元,权重以 MIT 协议开源在 Hugging Face,可单张 CUDA GPU 自托管。
人工智能实验室 DiffuSpace 发布 Clover 系列首个成员 Clover-35B-A3B-Preview,以 Apache 许可开源。该模型采用 MoE 架构的扩散语言模型,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 Qwen3.6-35B-A3B,并保持更快生成速度,尤其擅长智能体编程与工具使用任务。

同一件事,精选收录的是《扩散智能发布扩散语言模型Clover-35B-A3B-Preview,主打Agent与代码任务》
英伟达发布并开源语音模型Nemotron 3.5 Transcribe,总参数量约340亿、每次推理激活约43亿,整合语音转写、多人发言识别与多语言处理能力。该模型支持40种语言、最长可处理1小时录音,在英文语音识别9个公开测试集上平均WER为4.71%,优于Qwen3-ASR-1.7B的4.94%。

同一件事,精选收录的是《NVIDIA 发布开源语音模型 Nemotron 3.5 Transcribe,支持 40 种语言转写》
超衍智能发布并开源首款大模型Apex-35B-V1.0,总参数量350亿,每个Token激活约30亿参数,支持26.2万Token上下文窗口,以Qwen3.6-35B-A3B为基础经中训练和后训练优化。

推荐理由:原文给出开源权重、许可证与多项基准对比,可据此判断AI参与模型研发的实际水平。
深圳大模型厂商扩散智能发布并开源扩散语言模型Clover-35B-A3B-Preview,采用MoE架构,总参数350亿、激活参数30亿,支持思考模式。官方基准显示其在SWE-bench Verified、Terminal-Bench2.1等6项智能体编程及工具使用评测中排名同级别第一,超过同规模自回归模型Qwen3.6-35B-A3B。
