Mistral AI 发布首个语音合成模型 Voxtral TTS
Mistral AI 发布首个文本转语音模型 Voxtral TTS，参数量 4B，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言。
推荐理由：官方给出与 ElevenLabs 的对比数据、延迟指标和开源入口，读者可以据此评估它对语音智能体工作流的适配度。
#开源生态
#开源生态
今日 16 条Mistral AI：News（网页）精选AI 评分6666
美团 LongCat：HuggingFace 新模型AI 评分5454 美团 LongCat 发布开源 560B 参数 MoE 模型 LongCat-Flash-Prover，主攻 Lean4 形式化推理
美团 LongCat 在 HuggingFace 发布 560B 参数开源 MoE 模型 LongCat-Flash-Prover，通过智能体工具集成推理（TIR）推进 Lean4 原生形式化推理，将任务拆解为自动形式化、sketching 和证明三项能力，并提出 HisPO 算法稳定 MoE 长程训练。
Together AI 研究与产品博客（RSS）AI 评分5454 Mamba-3 状态空间模型发布：以推理效率为核心目标并开源内核
Together AI 与 CMU、普林斯顿、Cartesia AI 等机构合作推出 Mamba-3，一个以推理效率为首要目标的状态空间模型。
Mistral AI：News（网页）精选AI 评分7070 Mistral 发布开源模型 Mistral Small 4，统一推理、多模态与编码能力
Mistral 发布 Mistral Small 4，首个将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型的开源版本，采用 Apache 2.0 许可证。
推荐理由：官方发布文给出完整架构参数、性能对比和部署门槛，可以了解这款统一推理与多模态的开源模型是否适配自己的场景。
Mistral AI：News（网页）精选AI 评分6262 Mistral AI 与 NVIDIA 合作推进开源前沿模型，并发布 Mistral Small 4
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并与 NVIDIA 计划共同开发开源前沿模型，结合 Mistral AI 的模型架构与 NVIDIA 的算力、工具和合成数据管线。
推荐理由：官方宣布双方将共同开发开源前沿模型并开放首个基础模型，读者可以据此了解开放模型生态的协作方向。
Mistral AI：News（网页）精选AI 评分6161 Mistral 发布开源 Lean 4 证明代码智能体 Leanstral
Mistral 发布 Leanstral，一个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，同时在 Mistral Vibe 中以 agent 模式提供，并通过免费 API 端点 labs-leanstral-2603 开放。
推荐理由：原文给出 FLTEval 分数和与 Claude 系列的成本对比，读者可据此评估它在形式化证明工程中的性价比。
Together AI 研究与产品博客（RSS）AI 评分3232 Together AI 在 NVIDIA GTC 2026 发布多项研究与产品创新
Together AI 在 NVIDIA GTC 2026 上宣布多项进展：其推理栈已采用 NVIDIA Dynamo 1.0，并与 NVIDIA 合作推出基于 NemoClaw 和 OpenShell 运行时的智能体部署方案。
Steve Yegge：Medium（RSS）AI 评分6060 Steve Yegge 发布 Wasteland：用 Dolt 联邦化 Gas Town 的协作信任网络
Steve Yegge 宣布推出 Wasteland，一个把数千个 Gas Town 通过信任网络连接起来的联邦化协作系统，核心是共享的 wanted board 和基于 Git fork/merge 模型的 stamp 认证协议。
通义 QwenAudio：原创语音项目AI 评分5555 QwenLM 开源 WebWorld 网页世界模型
QwenLM 在 GitHub 开源 WebWorld，一个大规模网页世界模型，用于在模拟浏览器环境中训练 web agent。该方式可避开真实网页带来的延迟和安全问题。原文仅提供简要介绍，更多细节见 https://github.com/QwenLM/WebWorld。
browser-use：GitHub 新仓库AI 评分2626 browser-use 发布 mix-eval-go：基于 Go 的 Mix Eval 评测编排器
browser-use 在 GitHub 上线 mix-eval-go，一个用 Go 编写的评测编排器，用于通过浏览器自动化智能体运行 Mix Eval 任务。该仓库目前仅给出这一句功能定位，未披露支持的模型、任务规模或性能数据。
FireRedTeam：原创语音与多模态项目AI 评分5050 FireRedTeam 开源工业级一体化语音识别系统 FireRedASR2
FireRedTeam 发布 FireRedASR2，一个集 ASR、VAD、LID 和标点模块于一体的工业级语音识别系统。
FireRedTeam：原创语音与多模态项目AI 评分4545 FireRedTeam 开源 FireRed-Image-Edit 图像编辑基础模型
FireRedTeam 开源图像编辑基础模型 FireRed-Image-Edit，宣称达到开源 SOTA 水平。该模型具备精准指令跟随、高保真生成、优异的身份一致性和多元素无缝融合能力。
Baichuan AI@BaichuanAIAI 评分4949引用Baichuan AI@BaichuanAIBaichuan-M3 Technical Report is live. 🚀 Report：https://arxiv.org/abs/2602.06570 Models: https://hf.co/collections/baichuan-inc/baichuan-m3 Try: https://ying.ai Built for clinical decision support, not trivia QA, optimized on the real outpatient workflow: Inquiry → Lab Testing → Diagnosis 🧑⚕️→🔬→🧾
美团 LongCat：HuggingFace 新模型AI 评分5555 美团开源 LongCat-Flash-Lite：68.5B 参数 MoE 模型，主打 N-gram 嵌入与推理效率
美团发布 LongCat-Flash-Lite，非思考型 68.5B 参数 MoE 模型，激活参数约 3B，支持 256k 上下文，权重以 MIT 协议开源在 HuggingFace。模型集成 N-gram 嵌入表提升性能与推理速度，官方评测显示其 SWE-Bench 达 54.40，agentic 与编码能力在同规模模型中具竞争力，并给出 transformers 与 SGLang 部署方案。
Mistral AI：News（网页）精选AI 评分6464 Mistral 发布 Voxtral Transcribe 2 语音转写模型，实时版开放权重
Mistral 发布 Voxtral Transcribe 2 系列语音转写模型，含 Voxtral Mini Transcribe V2 批量转写和 Voxtral Realtime 实时转写两款。
推荐理由：官方给出了两个语音转写模型的能力、延迟配置和 API 定价，其中实时版以 Apache 2.0 开放权重，便于评估落地成本。
美团 LongCat：HuggingFace 新模型AI 评分5151 美团发布 LongCat-Image-Edit-Turbo 蒸馏版图像编辑模型
美团 LongCat 在 HuggingFace 发布 LongCat-Image-Edit-Turbo，是 LongCat-Image-Edit 的蒸馏版本，仅需 8 次 NFE 即可实现高质量图像编辑，推理延迟极低。
通义 QwenAudio：原创语音项目AI 评分5858 阿里云 Qwen 团队开源 Qwen3-ASR 语音识别模型系列
阿里云 Qwen 团队在 GitHub 开源 Qwen3-ASR 系列 ASR 模型，支持多语言语音、音乐和歌曲识别，并提供语言检测与时间戳预测功能。仓库地址：https://github.com/QwenLM/Qwen3-ASR。
美团 LongCat：HuggingFace 新模型AI 评分5757 美团 LongCat 发布 LongCat-Flash-Lite：68.5B 参数 MoE 模型，引入 N-gram 嵌入
美团 LongCat 发布 LongCat-Flash-Lite，一个非思考型 68.5B 参数 MoE 模型，激活参数约 3B，通过 YaRN 支持 256k 上下文，MIT 许可开源。
美团 LongCat：HuggingFace 新模型AI 评分5656 美团 LongCat 发布 LongCat-Flash-Thinking-ZigZag 稀疏注意力长上下文模型
美团 LongCat 基于长上下文基础模型 LongCat-Flash-Thinking-2601，通过 LoZA 稀疏注意力方案推出 LongCat-Flash-Thinking-ZigZag。
通义 QwenAudio：原创语音项目AI 评分6464 阿里云通义团队开源 Qwen3-TTS 语音合成模型系列
阿里云通义团队开源 Qwen3-TTS 语音合成模型系列，支持稳定且富有表现力的流式语音生成、自由音色设计和逼真的声音克隆。
- Baichuan AI@BaichuanAIAI 评分5555
美团 LongCat：HuggingFace 新模型AI 评分6868 美团发布 LongCat-Flash-Thinking-2601：560B 参数 MoE 推理模型，强化智能体能力并开源 FP8 权重
美团 LongCat 团队发布更新版 LongCat-Flash-Thinking-2601，总参数 560B（激活 27B）的 MoE 大推理模型，FP8 权重以 MIT 许可开源在 HuggingFace。
通义 QwenAudio：原创语音项目AI 评分3737 Qwen-Image-Layered：面向内在可编辑性的分层分解
QwenLM 推出 Qwen-Image-Layered，通过分层分解让图像具备内在可编辑性。该模型将图像拆解为多个图层，使各元素可独立编辑，而非在单一平面上修改。
美团 LongCat：HuggingFace 新模型AI 评分5555 美团 LongCat 发布开源音频驱动角色动画模型 LongCat-Video-Avatar
美团 LongCat 团队发布开源模型 LongCat-Video-Avatar，统一支持 Audio-Text-to-Video、Audio-Text-Image-to-Video 和 Video Continuation 三种生成模式，兼容单流与多流音频输入，提供单人与多人角色动画生成。
Mistral AI：News（网页）精选AI 评分7272 Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型及 Mistral Vibe CLI
Mistral AI 发布开源编码模型 Devstral 2（123B，修改版 MIT 许可）和 Devstral Small 2（24B，Apache 2.0），并推出开源命令行编码助手 Mistral Vibe CLI。
推荐理由：官方公布了两档开源编码模型的参数规模、SWE-bench Verified 成绩和定价，并说明各自部署门槛，可据此评估实际选用成本。
美团 LongCat：HuggingFace 新模型AI 评分5454 美团 LongCat 发布图像编辑模型 LongCat-Image-Edit
美团 LongCat 发布图像编辑模型 LongCat-Image-Edit，为 Longcat-Image 的编辑版本，支持中英双语编辑。官方称其在开源图像编辑模型中达到 SOTA，支持全局编辑、局部编辑、文本修改和参考引导编辑，能保持未编辑区域的布局、纹理、色调和主体身份一致，适合多轮编辑。
美团 LongCat：HuggingFace 新模型AI 评分4848 美团 LongCat 发布 LongCat-Image-Dev 开发版图像模型
美团 LongCat 在 HuggingFace 发布 LongCat-Image-Dev，这是 LongCat-Image 的中期训练检查点，供社区做 SFT、LoRA 等二次微调。官方称该版本保留高可塑性、未受 RL 约束的参数状态，并配套提供 SFT、LoRA 微调、DPO/GRPO/MPO 对齐及 Edit 训练的全流程代码。
美团 LongCat：HuggingFace 新模型AI 评分5757 美团 LongCat 发布开源双语图像生成模型 LongCat-Image
美团 LongCat 发布开源中英双语图像生成基础模型 LongCat-Image，仅 6B 参数，在多个基准上超越数倍于其规模的开源模型。
Ahead of AI（RSS）AI 评分7272 Sebastian Raschka 深入解读 DeepSeek V3 到 V3.2 的架构、稀疏注意力与强化学习更新
Sebastian Raschka 在 Ahead of AI 发表长文，解读 DeepSeek V3.2 相比 V3/R1 的主要变化。
Mistral AI：News（网页）精选AI 评分8080 Mistral 发布 Mistral 3 系列：含 Mistral Large 3 与 Ministral 3 小模型，全部 Apache 2.0 开源
Mistral 发布新一代模型系列 Mistral 3，包括 Mistral Large 3（41B 激活、675B 总参数的 MoE 模型）和 Ministral 3 的 3B、8B、14B 三种小模型，全部以 Apache 2.0 许可开源。
推荐理由：官方发布了完整模型规格、开源许可和部署路径，读者可以据此评估这批开源模型在自己的场景中是否可用。
Mistral AI：News（网页）AI 评分5656 Mistral AI 宣布多项在德战略承诺，与 SAP 和 Helsing 达成合作
Mistral AI 宣布与德国企业和机构的多项长期战略承诺。与 SAP 建立多年期合作，将 Mistral 模型集成进 SAP AI Foundation，为德国和欧洲提供全主权 AI 技术栈，并共同开发面向复杂行业和行政机构的行业方案；同时与 Helsing 加速开发面向国防和安全应用的视觉-语言-动作模型。Mistral 还将大幅扩充德国本地团队，并在未来数月开设德国办公室。
美团 LongCat：HuggingFace 新模型AI 评分6161 美团 LongCat 发布 13.6B 开源视频生成模型 LongCat-Video
美团 LongCat 团队发布 13.6B 参数的开源视频生成基础模型 LongCat-Video，统一支持文生视频、图生视频和视频续写三类任务。模型在 Video-Continuation 上预训练，可生成长达数分钟的视频而不出现色彩漂移或质量下降，并通过粗到细策略和 Block Sparse Attention 在数分钟内生成 720p、30fps 视频。
美团 LongCat：HuggingFace 新模型AI 评分6060 美团 LongCat 发布开源全模态模型 LongCat-Flash-Omni（560B 参数、FP8）
美团 LongCat 团队开源全模态模型 LongCat-Flash-Omni，共 560B 参数、激活 27B，主打实时音视频交互，权重采用 MIT License 发布。
美团 LongCat：HuggingFace 新模型AI 评分6565 美团 LongCat 开源全模态模型 LongCat-Flash-Omni，560B 参数激活 27B
美团 LongCat 团队开源全模态模型 LongCat-Flash-Omni，总参数 560B、激活 27B，基于 Shortcut-connected MoE 架构，支持实时音视频交互与最长 128K token 上下文。
OpenAI Developers（RSS）AI 评分3939 OpenAI 如何用 gpt-oss 与 GPT-5 构建开放模型应用
OpenAI 发布视频介绍其最新开放模型系列 gpt-oss，支持开发者对模型进行适配、扩展和微调，并可与 GPT-5 结合使用以构建灵活的高影响力应用。视频还展示了 NVIDIA DGX Spark AI 计算机的现场演示。
DeepSeek：GitHub 新仓库AI 评分6161 DeepSeek 开源 DeepSeek-OCR 仓库，探索上下文光学压缩
DeepSeek 在 GitHub 开源 DeepSeek-OCR 仓库（https://github.com/deepseek-ai/DeepSeek-OCR），核心思路为 Contexts Optical Compression（上下文光学压缩）。
美团 LongCat：HuggingFace 新模型AI 评分4343 美团 LongCat 开源 LongCat-Audio-Codec：面向语音大模型的音频编解码方案
美团 LongCat 团队开源 LongCat-Audio-Codec，一套面向语音大语言模型的音频 tokenizer 与 detokenizer 方案，并行生成语义与声学 token，可在极低码率下高保真重建音频。
OpenBMB（清华 NLP）：GitHub 新仓库AI 评分2525 OpenBMB 发布 SciCore-Omics：首个连接组织学图像、空间转录组与生物语言的三模态基础模型
OpenBMB 发布 SciCore-Omics，称其为首个连接组织学图像、空间转录组学和生物语言的三模态基础模型。该模型将三类生物医学数据模态统一到同一基础模型中。
上海人工智能实验室 InternLM：原创项目AI 评分3939 InternLM 发布 Spark：策略与奖励协同演化框架官方实现
上海人工智能实验室 InternLM 项目开源了 Spark，这是论文《SPARK: Synergistic Policy And Reward Co-Evolving Framework》的官方实现，将策略与奖励的协同演化整合进同一框架。
通义 QwenAudio：原创语音项目AI 评分3434 阿里云千问团队发布 Qwen3Guard 多语言安全护栏模型系列
阿里云千问团队推出 Qwen3Guard 多语言护栏模型系列。该系列模型用于内容安全审核，支持多语言场景。