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。
#模型发布
#模型发布
今日 43 条通义 QwenAudio：原创语音项目AI 评分5858
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。
美团 LongCat：HuggingFace 新模型AI 评分5050 美团 LongCat 发布 LongCat-HeavyMode-Summary 模型并上线 Heavy Thinking Mode
美团 LongCat 发布 LongCat-HeavyMode-Summary，该模型在 LongCat-Flash-Thinking-2601 基础上进一步训练，后者为 5600 亿参数的 MoE 架构大推理模型。
美团 LongCat：HuggingFace 新模型AI 评分6666 美团 LongCat 发布 LongCat-Flash-Thinking-2601 推理模型
美团发布 LongCat-Flash-Thinking-2601，总参数 560B、激活 27B 的 MoE 大推理模型，权重以 MIT License 开源。更新通过环境扩展与多环境强化学习、噪声课程训练强化智能体能力，并新增 Heavy Thinking Mode，在智能体搜索、工具调用等基准上取得有竞争力的成绩，已在 SGLang、vLLM 支持部署并上线 longcat.ai。
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。
Noam Shazeer@NoamShazeer精选AI 评分7676推荐理由：作者本人官宣发布，说明新模型如何在更低延迟和成本下保留 Pro 级推理能力及可用入口。
Mistral AI：News（网页）AI 评分5555 Mistral 发布 Mistral OCR 3，整体对 Mistral OCR 2 达到 74% 胜率
Mistral 发布 Mistral OCR 3，整体在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 达到 74% 胜率。
小米 MiMo：GitHub 新仓库（模型发布）AI 评分4949 小米 MiMo-V2-Flash 发布：高效推理、编码与智能体基础模型
小米发布 MiMo-V2-Flash 基础模型，主打高效推理、编码与智能体能力。该模型以 MiMo-V2-Flash 为名在 GitHub 新仓库开源，具体参数规模、benchmark 分数与上下文长度尚未在现有信息中披露。
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。
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。
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。
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。
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。
通义 QwenAudio：原创语音项目精选AI 评分6868 阿里云 Qwen 团队发布全模态模型 Qwen3-Omni
阿里云 Qwen 团队发布端到端全模态大语言模型 Qwen3-Omni，可理解文本、音频、图像和视频，并能实时生成语音。项目链接：https://github.com/QwenLM/Qwen3-Omni
推荐理由：作者以官方身份说明 Qwen3-Omni 的模态覆盖和实时语音生成能力，可帮助读者判断其适用场景。
美团 LongCat：HuggingFace 新模型AI 评分6262 美团发布 560B 参数推理模型 LongCat-Flash-Thinking，权重采用 MIT License
美团 LongCat 团队发布并开源 LongCat-Flash-Thinking，总参数 560B 的 MoE 大推理模型，按上下文动态激活 18.6B～31.3B 参数（平均约 27B）。
美团 LongCat：HuggingFace 新模型AI 评分6464 美团发布 LongCat-Flash-Thinking 大推理模型，560B 参数 MoE 架构并以 MIT 协议开源
美团发布并开源 LongCat-Flash-Thinking，总参数 560B 的 MoE 大推理模型，按上下文动态激活 18.6B~31.3B（平均约 27B）参数，权重采用 MIT License。
小米 MiMo：GitHub 新仓库（模型发布）AI 评分4848 小米 MiMo-Audio：音频语言模型是少样本学习者
小米发布 MiMo-Audio 音频语言模型，提出音频语言模型是少样本学习者。该模型以 MiMo 命名，已在 GitHub 开源，具体参数规模与评测数据尚未在现有信息中披露。
小米 MiMo：GitHub 新仓库（模型发布）AI 评分2929 小米 MiMo 发布 MiMo-Audio-Tokenizer 音频分词器
小米 MiMo 团队发布 MiMo-Audio-Tokenizer，一个统一音频分词器，可同时提取语义信息并实现高保真音频重建。该模型已在 GitHub 开源。
通义 QwenAudio：原创语音项目AI 评分3030 通义千问 Qwen3.8 大语言模型系列
通义千问（Qwen）团队发布 Qwen3.8 大语言模型系列，由阿里巴巴集团开发。该系列为 Qwen 团队自研的大语言模型产品线，具体参数规模、上下文长度与可用性信息尚未在原文中披露。
美团 LongCat：HuggingFace 新模型AI 评分6868 美团发布开源大模型 LongCat-Flash-Chat，总参数 560B 平均激活 27B
美团 LongCat 团队发布 LongCat-Flash-Chat，一款总参数 560B 的 MoE 非思考基础模型，按上下文动态激活 18.6B∼31.3B 参数，平均约 27B。
美团 LongCat：HuggingFace 新模型AI 评分7171 美团 LongCat 发布 LongCat-Flash-Chat：560B 参数 MoE 非思考基础模型
美团 LongCat 团队发布 LongCat-Flash-Chat，总参数 560B 的 MoE 模型，按上下文动态激活 18.6B∼31.3B 参数（平均约 27B），通过 Shortcut-connected MoE 扩大计算通信重叠窗口，推理吞吐超 100 tokens 每秒。
上海人工智能实验室 InternLM：原创项目AI 评分4646 InternLM 发布科学多模态基础模型 Intern-S1
上海人工智能实验室 InternLM 团队发布科学多模态基础模型 Intern-S1，定位为面向科学领域的多模态基础模型。原文未披露参数规模、benchmark 分数及开放方式等具体细节。
Mistral AI：News（网页）精选AI 评分7575 Mistral 发布开源语音理解模型 Voxtral（24B 与 3B）
Mistral 发布语音理解模型 Voxtral，提供 24B 和 3B 两个版本，采用 Apache 2.0 许可证开源，并可经其 API 调用，价格起价为每分钟 $0.001。
推荐理由：官方发布两款开源语音理解模型，给出了尺寸、许可证、价格和多语言基准对比，可评估其在语音转写工作流中的位置。
Mistral AI：News（网页）精选AI 评分7070 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：原文给出两个模型的 SWE-Bench Verified 成绩、许可证和 API 定价，读者可据此评估在编码智能体工作流中的成本与部署选择。
上海人工智能实验室 InternLM：原创项目AI 评分3535 InternLM 推出 POLAR：基于策略判别学习的预训练可扩展高性能奖励模型
上海人工智能实验室 InternLM 项目发布 POLAR，一种通过策略判别学习（Policy Discriminative Learning）训练的奖励模型，具备预训练、可扩展、高性能特性。该方法将奖励建模转化为区分不同策略的判别任务，以支撑大规模强化学习训练。
Mistral AI：News（网页）精选AI 评分7171 Mistral AI 发布首个推理模型 Magistral，含开源 24B 版本
Mistral AI 发布首个推理模型 Magistral，分为 Magistral Small（24B 参数，Apache 2.0 开源）和 Magistral Medium（企业版）两个版本。
推荐理由：官方发布同时给出开源小模型和 AIME 等基准分数，读者可以据此比较两个版本的能力与部署选择。
小米 MiMo：GitHub 新仓库（模型发布）AI 评分2626 小米 MiMo 发布 lmms-eval：一键评估加速 LMM 开发
小米 MiMo 推出 lmms-eval，一个面向大型多模态模型（LMM）的一键式评估模块，用于加速 LMM 开发。该工具以评估模块形式提供，具体支持的模型、基准与使用方式未在原文中说明。
Mistral AI：News（网页）AI 评分4949 Mistral AI 发布代码专用嵌入模型 Codestral Embed
Mistral AI 发布首个代码专用嵌入模型 Codestral Embed，在真实代码检索任务上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。