智谱开源 GLM-OCR 多模态文档理解模型
智谱发布并开源 GLM-OCR 多模态 OCR 模型,基于 GLM-V 编码器-解码器架构,采用多 Token 预测(MTP)损失和全任务强化学习,在 OmniDocBench V1.5 上得分 94.62,排名第一。
推荐理由:官方给出 0.9B 参数、OmniDocBench V1.5 得分与多框架部署方式,可据此判断轻量 OCR 的落地成本。
智谱发布并开源 GLM-OCR 多模态 OCR 模型,基于 GLM-V 编码器-解码器架构,采用多 Token 预测(MTP)损失和全任务强化学习,在 OmniDocBench V1.5 上得分 94.62,排名第一。
推荐理由:官方给出 0.9B 参数、OmniDocBench V1.5 得分与多框架部署方式,可据此判断轻量 OCR 的落地成本。
AI 初创公司 Recursive 发布首个语言模型 Flint,开发过程几乎每一步都有名为 Eureka Machine 的 AI 系统参与,由它提出想法、实现、测试并规划后续实验。
同一件事,精选收录的是《Recursive 发布笔记本端编码模型 Flint,称主要由 AI 参与构建》
田渊栋参与创办的 Recursive Superintelligence 推出首款本地编程模型 Flint,总参数量 398 亿、每 Token 约激活 25 亿参数,已按 Apache 2.0 开源。
同一件事,精选收录的是《Recursive 发布笔记本端编码模型 Flint,称主要由 AI 参与构建》
Recursive Superintelligence 发布首个模型 Flint,这是一个面向编码智能体的开源权重 MoE 模型,总参数 39.8B、每 token 激活约 2.5B,权重以 Apache 2.0 协议放在 Hugging Face。
Gradium 开源端侧文本转语音模型系列 Phonon,其中英文版 Phonon 31m 为 31M 参数、64.5 MB q8 GGUF 文件,采用 Apache 2.0 许可。
面壁智能发布 MiniCPM-V 4.7 的 1B 版本,并上线 GGUF 量化权重,支持单图、多图与视频理解。官方称该版本在 Instruct 模式下整体得分和推理效率均明显优于 Qwen3.5 0.8B,并采用 intra-ViT 早期视觉 token 压缩与 4x/16x 混合压缩。