腾讯 Hy4 preview 770B 以 Apache 2.0 开源，IQuest-Q1 320B MoE 每token仅激活 15B
腾讯于 8 月 28 日发布 Hy4 preview 并以 Apache 2.0 开源，总参数 770B、每 token 激活 49B，78 层 MoE（256 个路由专家+1 个共享专家。
推荐理由：原文把两个开源 MoE 模型的架构、许可和部署门槛并列对比，还提醒读者先看官方自述的已知限制再看跑分。
#开源生态
#开源生态
今日 4 条Google AI：DEV 作者专属（RSS）精选AI 评分7777 
Runway@runwaymlAI 评分4343
- Runway@runwaymlAI 评分3636
Ant Ling@AntLingAGIAI 评分4444
Sarvam AI（网页）AI 评分5252 Sarvam AI 发布开源混合推理模型 Sarvam-M，基于 Mistral Small 24B 强化印度语言能力
Sarvam AI 发布开源模型 Sarvam-M，基于 24B 的 Apache 2.0 模型 Mistral Small，经 SFT 和 RLVR 后训练而成，支持 think 与 non-think 两种模式。
Sarvam AI（网页）AI 评分4646 Sarvam Audio：超越转录的语音识别
Sarvam AI 发布 Sarvam Audio，这是 30 亿参数语言模型 Sarvam 3B 的音频扩展，支持五种转录格式并实现最长 60 分钟音频的说话人分离识别。
Prime Intellect（网页）精选AI 评分6565 Prime Intellect 发布 INTELLECT-1：首次全球分布式训练 10B 参数模型
Prime Intellect 启动 INTELLECT-1，称其为首个全球分布式训练的 10B 参数模型，基于 Llama-3 架构，使用超过 6 万亿 token 的数据混合（55% Fineweb-Edu、20% DLCM、20% Stack v2、5% OpenWebMath），并邀请任何人贡献算力。
推荐理由：原文给出INTELLECT-1的训练规模、数据配比和通信优化细节，读者可据此了解全球分布式训练10B模型的可行路径。
Prime Intellect（网页）精选AI 评分6767 Prime Intellect 发布全球分布式协作训练的 10B 模型 INTELLECT-1
Prime Intellect 发布 INTELLECT-1，一个在五大国家、三大洲用最多 112 张 H100 协作训练的 10B 参数语言模型，训练 1T tokens 历时 42 天，基于 Llama-3 架构。
推荐理由：原文给出分布式训练的关键数字与方法细节，读者可以了解社区协作训练大模型的可行路径。
Prime Intellect（网页）AI 评分6060 Prime Intellect 发布 INTELLECT-2：首个全球分布式强化学习训练的 32B 推理模型
Prime Intellect 发布 INTELLECT-2，以 QwQ-32B 为基座，用 GRPO 和可验证奖励进行全球首个 32B 参数的无许可分布式强化学习训练，任何人可贡献异构算力。
Prime Intellect（网页）精选AI 评分6666 Prime Intellect 发布 INTELLECT-2：首个通过全球分布式强化学习训练的 32B 模型
Prime Intellect 发布 INTELLECT-2，称其为首个通过全球分布式强化学习训练的 32B 参数推理模型，在异步、异构的分布式算力网络上训练，性能较 QwQ-32B 在数学与编码基准上有提升。
推荐理由：官方发布首个通过全球分布式强化学习训练的 32B 推理模型，并开源训练框架、代码和数据，适合关注开源分布式训练路线的读者。
Prime Intellect（网页）精选AI 评分7171 Prime Intellect 发布 106B MoE 模型 INTELLECT-3 并开源完整训练配方
Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM 4.5 Air 基座上经过 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平，超越许多更大的前沿模型，如 AIME24 90.8 分、AIME25 88.0 分、GPQA-Diamond 74.4 分。
推荐理由：原文同时放出模型权重、训练框架和全部环境，读者可以看到大规模 RL 后训练的完整可复用配方。
MiniMax：Blog（网页）精选AI 评分7272 MiniMax 发布 M2.7：SWE-Pro 得分 56.22%，展示模型自进化工作流
MiniMax 发布 M2.7 模型，已在 MiniMax Agent 和 API 平台全面可用。该模型在 SWE-Pro 得分 56.22%（接近 Opus 4.6），VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高，MM Claw 准确率 62.7%。
推荐理由：官方给出了各基准的具体分数和自进化工作流细节，读者可以据此与同档模型做直接比较。
LMSYS：Blog（Chatbot Arena 团队）AI 评分5959 LMSYS SpecForge 团队联合 Ant、Meituan 等发布 SpecBundle Phase 1 及 SpecForge v0.2
LMSYS SpecForge 团队与 Ant、Meituan、Nex-AGI、EigenAI 合作发布 SpecBundle Phase 1，为 Llama。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分7272 SGLang 和 Miles 实现 NVIDIA Nemotron 3 Ultra Day-0 支持
SGLang 和 Miles 宣布对 NVIDIA Nemotron 3 Ultra 提供 Day-0 支持。该模型为开源 MoE 混合 Transformer-Mamba 架构，总参数 550B、激活 55B，上下文最长 1M tokens，支持 NVFP4 与 BF16 权重，面向长程自主智能体优化。
推荐理由：原文给出架构、部署配置和 RL 训练细节，读者可以据此评估该模型在长程智能体场景的可用性。
LMSYS：Blog（Chatbot Arena 团队）AI 评分5858 SGLang 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning
SGLang 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning，这是一款可定制的开源模型，总参数 30B、每 token 仅激活 3B，上下文最长 100 万 token，由 Nemotron 3 Ultra 蒸馏而来。
Liquid AI 模型与工程博客（网页）精选AI 评分6565 Liquid AI 发布端侧基础模型 LFM2，含 0.35B、0.7B 和 1.2B 三个版本
Liquid AI 发布新一代 Liquid Foundation Models（LFM2），定位市场上最快的端侧生成式 AI 基础模型，采用混合架构，包含 10 个双门控短程卷积块和 6 个分组查询注意力块。
推荐理由：官方博客给出了 LFM2 的架构细节、CPU 推理对比和训练方法，读者可以据此评估它在端侧部署中的实际取舍。
Liquid AI 模型与工程博客（网页）精选AI 评分6767 Liquid AI 发布端侧 MoE 模型 LFM2-8B-A1B：8.3B 总参数、1.5B 激活
Liquid AI 发布 LFM2-8B-A1B，这是其首个端侧 MoE 模型，总参数 8.3B、每 token 激活 1.5B，以约 1.5B 级模型的计算量获得更高的模型质量。
推荐理由：官方详细给出 MoE 架构参数、多基准评测和 CPU/GPU 推理数据，读者可据此评估端侧部署的实际表现。
Liquid AI 模型与工程博客（网页）AI 评分5353 Liquid AI 发布 LFM2-ColBERT-350M 多语言晚交互检索模型
Liquid AI 发布 LFM2-ColBERT-350M，一个基于 LFM2 骨干的晚交互检索模型，支持用一种语言存储文档、用其他语言查询检索。在扩展的 NanoBEIR 多语言基准上，其跨语言检索能力显著优于 150M 参数的 GTE-ModernColBERT-v1，尤其在德语、阿拉伯语、韩语和日语上；尽管模型体积更大，查询和文档编码吞吐与对方相当。
Liquid AI 模型与工程博客（网页）AI 评分6464 Liquid AI 发布 LFM2.5 端侧模型家族
Liquid AI 发布 LFM2.5-1.2B 模型家族，称其为迄今最强的边缘 AI 版本，预训练从 10T 扩展到 28T tokens，并大规模引入强化学习后训练。
Liquid AI 模型与工程博客（网页）AI 评分6161 Liquid AI 发布 LFM2-24B-A2B 开放权重 MoE 模型
Liquid AI 发布 LFM2-24B-A2B 的早期 checkpoint，总参数 24B、每 token 激活约 2.3B，是迄今最大的 LFM2 模型，开放权重已上线 Hugging Face。
Liquid AI 模型与工程博客（网页）精选AI 评分6666 Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型，128K 上下文主打工具调用
Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型，上下文窗口从 32,768 扩展到 128K tokens，预训练从 12T 增至 38T tokens，词表翻倍到 128,000 以提升非拉丁文字的编码效率。
推荐理由：官方详细给出上下文、训练管线和实测基准，读者可以据此评估这款端侧 MoE 模型是否适合本地 Agent 工作流。
Liquid AI 模型与工程博客（网页）AI 评分5353 Liquid AI 发布 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M 双向检索模型
Liquid AI 发布两款 350M 参数多语言检索模型 LFM2.5-ColBERT-350M 和 LFM2.5-Embedding-350M，是 LFM 家族首批双向模型，支持 11 种语言的跨语言搜索。
Liquid AI 模型与工程博客（网页）AI 评分5454 Liquid AI 发布 LFM2.5-Encoder-230M 与 350M 双向编码器，长上下文 CPU 推理提速
Liquid AI 发布基于 LFM2 混合架构的双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，支持 8,192 token 上下文，面向分类、自然语言理解和 token 级任务微调，模型已上线 Hugging Face。
Fireworks AI（网页）精选AI 评分6565 Meta Muse Glimmer 30B 上线 Fireworks，面向常驻 Agent 场景
Meta 发布 Muse Glimmer 30B 开源模型（Apache 2.0），并已在 Fireworks 提供 serverless 和按需部署。
推荐理由：原文给出 Muse Glimmer 的架构细节、基准对比和推荐参数，读者可据此评估它是否适合长期运行的多轮 Agent 工作流。
Artificial Analysis 完整文章（网页）AI 评分6363 OpenBMB 发布 MiniCPM5-2B，登顶 4B 以下开源权重模型 Artificial Analysis 智能指数
OpenBMB 发布 2.6B 参数稠密推理模型 MiniCPM5-2B，以 Apache 2.0 协议开放权重，在 Artificial Analysis Intelligence Index v4.2 得分 15，为 4B 以下总参数开源权重模型最高。
Baseten Base Labs：模型研究AI 评分6868 Baseten 上线 DeepSeek V4 Pro 0813，1.7T 参数开放权重模型
Baseten 上线 DeepSeek V4 Pro 0813，一个 1.7T 参数的前沿开放权重模型。它可与较小的 V4 Flash 0731 搭配用于 coding agent，由 Pro 驱动主 agent、Flash 运行子 agent，使整个编码栈跑在开放权重模型上。
IT之家（RSS）AI 评分5858 B站开源 Index-Translate 多语言翻译模型家族，文本模型支持 150 种语言
哔哩哔哩 Index LLM 团队发布基于 Qwen3.5 的 Index-Translate 多语言翻译模型家族，2B / 9B / 35B-A3B（preview）权重已在 Hugging Face 与 ModelScope 开放。
Sarvam AI（网页）精选AI 评分6565 Sarvam 开源 30B 与 105B 推理模型
Sarvam AI 于 2026 年 3 月 6 日开源 Sarvam 30B 和 Sarvam 105B 两个从零训练的 MoE 推理模型，训练完全在 IndiaAI 任务的算力上于印度完成，权重可从 AI Kosh 和 Hugging Face 下载。
推荐理由：官方发布开源推理模型，给出完整训练与推理细节和基准对比，可了解印度本土全栈模型的做法。
MiniMax：Blog（网页）精选AI 评分7171 MiniMax 开源 H3 通用视频生成模型，支持 2K 分辨率与原生立体声音频
MiniMax 正式开源下一代通用视频模型 MiniMax H3，支持文本、图像、视频、音频的多模态统一理解，可生成最长 15 秒、768p（经 H3-Regenerate-2K 可达 2K）、24 FPS 并带 32 kHz 立体声音频的视频。
推荐理由：官方开源公告给出了完整的三模块系统结构、模型规格和本地部署方式，读者可以据此评估在自己的视频生成流程中如何接入。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分7676 千问团队开源 Qwen3.8-Flash-Next，SGLang 提供 day-0 支持
千问（Qwen）团队开源 Qwen3.8-Flash-Next，一个多模态 MoE 模型，被视为 Qwen4 架构的早期预览。模型总参数 125B 加 51B N-gram Embedding，每 token 激活 6B，48 层中含 36 层 GDN 线性注意力和 12 层 QSA 稀疏注意力，MoE 使用 512 专家 top-10 路由。
推荐理由：原文给出该模型混合架构细节和 SGLang 的 day-0 推理支持数据，读者可以据此评估长上下文部署的实际收益。
Liquid AI 模型与工程博客（网页）AI 评分5454 Liquid AI 发布 LFM2.5 系列 DSpot 投机解码草稿模型，GPU 推理最高提速 3.2x
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型发布 DSpot 草稿模型权重，通过投机解码在不改变输出质量的前提下大幅提升解码速度，草稿模型约为 3 亿参数。
Black Forest Labs：Blog（网页）精选AI 评分7171 Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access
Black Forest Labs 发布多模态基础模型 FLUX 3，基于 Self-Flow 方法在统一架构内联合学习图像、视频和音频，现已开放 Early Access。
推荐理由：原文给出 FLUX 3 的多模态架构、早期对比评测数字和分阶段开放计划，读者可据此评估其对创作与具身场景的适用性。
Artificial Analysis 完整文章（网页）AI 评分5151 Ant Group 发布金融开源权重模型 Ling-3.0-flash-Fin
Ant Group 发布基于 Ling-3.0-flash 的金融开源权重模型 Ling-3.0-flash-Fin，MIT 协议，124B 总参数、每 token 激活 5.1B（MoE），256K 上下文，纯文本输入输出，可经 OpenRouter 调用。
Hugging Face：Blog（RSS）AI 评分5353 NVIDIA 发布开源表格基础模型 Kumo Tabular，单次前向即可预测
NVIDIA 发布开源表格基础模型 Kumo Tabular，权重已上架 Hugging Face，给定带标签表格后单次前向即可完成分类或回归，无需训练、调参或特征工程。
ModelScope@ModelScope2022AI 评分5555IndexTeam 在 ModelScope 发布 Index-Translate 多语言翻译模型家族，覆盖文本、语音、配音和长文档翻译。
NVIDIA AI@NVIDIAAIAI 评分5858引用Jure Leskovec@jureI’m very excited to share @nvidia Kumo Tabular, a new family of foundation models for tabular data. Kumo Tabular establishes the new Pareto frontier across the entire accuracy–inference-time tradeoff. Just as importantly, we are releasing it openly: open weights, open-source software, and a permissive license for commercial use. HuggingFace: https://huggingface.co/nvidia/Kumo-Tabular GitHub: https://github.com/NVIDIA/structured-data-models
Latent Space（RSS）AI 评分7575 AINews：Opus 5.5 擅长生成讲解视频
Latent Space 的 AINews 汇总 9/24-9/25 动态，指出本周发布的 Claude Opus 5.5 在讲解视频生成上表现突出，并以 88.4% 领跑 SimpleBench，在 Terminal-Bench-Science 上从低推理强度的 24% 升至 xhigh 的 62%。
- ModelScope@ModelScope2022AI 评分4949
X.PIN@thexpinAI 评分5858华为发布 openPangu 2.0 代码，覆盖预训练、监督微调和强化学习后训练。此次发布扩展了其开放 AI 模型计划，该计划围绕昇腾硬件上的原生训练与推理构建，相关模型组件正逐步添加到开源平台。
- ModelScope@ModelScope2022AI 评分5959
ModelScope 发布 DiffSynth-Studio 下的 Qwen-Image-2.1 LayerExtract 和 LayerRemove 两个 LoRA，组成图层编辑工作流。