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。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
160条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 141–160 条 · 共 160 条Mistral AI：News（网页）精选AI 评分6262 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。
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。
Modal 官方工程博客（RSS）精选AI 评分7272 Modal 上线 GLM-5 免费端点并发布部署指南
Modal 与 Z.ai 合作，为开源权重模型 GLM-5 提供免费端点（限单并发请求，开放至 4 月底），并给出可复现的自部署代码。
推荐理由：Modal 官方给出 GLM-5 的部署细节和免费端点，读者可以据此了解开源前沿模型的自托管方案。
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。
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。
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。
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。
Answer.AI 官方研发博客（RSS）精选AI 评分6565 Answer.AI 开源 cachy：缓存 LLM 响应让 notebook 测试提速 60 倍
Answer.AI 开源 cachy 包，通过修改 httpx 的 send 方法把 LLM 响应缓存到本地文件，无需手写 mock。测试运行从 2 分钟缩短到约 2 秒，并让 CI/CD 测试和 notebook diff 更干净。
推荐理由：开源工具 cachy 通过拦截 httpx 缓存 LLM 响应，测试从 2 分钟降到约 2 秒，方法可直接迁移到自己的项目。
Sakana AI：Blog（网页）精选AI 评分7878 Sakana AI 发布 ShinkaEvolve：用 LLM 高效进化新算法并开源
Sakana AI 发布开源进化式代码优化框架 ShinkaEvolve（Apache 2.0），用 LLM 进化程序并大幅提升样本效率，技术报告见 https://arxiv.org/abs/2509.19349 。
推荐理由：原文给出四个领域的实测结果和样本效率对比，读者可以据此评估它在自己的研发流程里能替代什么。
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。
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。
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。
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。
Mistral AI：News（网页）精选AI 评分6969 Mistral AI 联合 All Hands AI 发布软件工程智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布软件工程智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：Mistral 自家发布，给出 SWE-Bench Verified 具体分数、开源许可和部署门槛，读者可据此评估其在本地或企业编码场景的可用性。
Mistral AI：News（网页）精选AI 评分6161 Mistral 发布 Mistral Small 3.1：24B 多模态开源模型，支持 128k 上下文
Mistral AI 发布 Mistral Small 3.1，改进文本性能、新增多模态理解，上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens，并以 Apache 2.0 许可开源。
推荐理由：官方给出基准对比与部署门槛，读者可以据此评估它在小参数量开源模型中的实际位置。
Answer.AI 官方研发博客（RSS）精选AI 评分7676 Answer.AI 与 LightOn 发布 ModernBERT 编码器模型家族
Answer.AI 与 LightOn 发布 ModernBERT，一个替换 BERT 的 encoder-only 模型家族，含 base（149M 参数）和 large（395M 参数）两个尺寸，上下文长度达 8192 tokens。
推荐理由：发布方给出了速度、上下文长度和训练数据的具体改进点，读者可以据此评估它能否替换现有 BERT 类工作流。
Answer.AI 官方研发博客（RSS）精选AI 评分6868 fastai 团队发布 nbsanity，一行 URL 即可将 GitHub 上的 Jupyter Notebook 渲染为精美网页
fastai 团队发布免费服务 nbsanity，将 GitHub 仓库或 Gist 中的公开 Jupyter Notebook 渲染为精美网页，只需把 URL 中的 github.com 替换为 nbsanity.com，或使用提供的书签工具。
推荐理由：原文来自开发团队，说明工具的用法、基于 Quarto 的能力边界和限制，读者可据此判断是否适合分享自己的 notebook。
Hugging Face：Blog（RSS）精选AI 评分6464 如何用 Sentence Transformers 训练和微调嵌入模型
Hugging Face 的 Sentence Transformers 维护者 Tom Aarsen 发布教程，讲解如何用该库微调嵌入模型以提升特定任务表现，也可从零训练新模型。
推荐理由：作者逐项拆解数据集、损失函数、评估器与 Trainer 的配合方式，并给出可复现的微调示例与效果数字。