开源模型相关 AI 资讯

7月16日

05:09

官方一手marktechpost@Asif Razzaq

Soofi Consortium 发布开源混合 Mamba-Transformer 混合专家模型 Soofi S 30B-A3B，总参数量 31.6B，每次推理仅激活 3.2B 参数。该模型专为德语和英语双语言优化，采用 Mamba 状态空间模型与 Transformer 注意力机制的混合架构。模型权重与训练代码已开源，研究者和开发者可直接下载使用。

推荐理由：Soofi 出了一款开源模型，31.6B参数只激活3.2B，混合Mamba+Transformer架构，支持德语和英语，适合多语言场景。

原文

04:51

Fireworks AI@FireworksAI_HQ

根据@tryramp 2026年7月企业SaaS支出数据，AI支持机器人（如PolyAI、Sierra）成为最清晰的企业AI用例之一。开源模型（DeepSeek、Fireworks AI、Baseten、Together、OpenRouter）的使用量也在快速增长。Fireworks AI确认开源推理和训练需求旺盛，且@HiggsField_AI同时登上趋势榜和增长榜。这些趋势反映了企业对特定AI工具（如客服机器人）和开放模型的偏好。

行业 DeepSeek Fireworks AI 智能体

推荐理由：Fireworks AI说开源模型需求火，AI客服机器人特别火，看看趋势榜都有谁。

原文

04:27

lmarena.ai@lmarena_ai

精选

Thinking Machines 发布 Inkling，支持文本、图像和音频三种模态。Inkling 已加入 Agent Arena，该基准使用数百万全球用户的长时任务评估智能体，任务涉及网络搜索、文件系统和终端操作。Inkling 也参与文本、视觉和代码竞技场。Inkling 完整权重开放，可在 Tinker 平台进行微调。

AI模型 Inkling Thinking Machines Agent Arena

事件专题

推荐理由：Thinking Machines 出了个新模型 Inkling，能同时处理文字、图片和音频，还在 Agent Arena 上测了长期任务能力。现在能免费下载权重自己微调，可以试试。

原文

03:57

The Rundown AI@therundownai

精选

Thinking Machines 推出了其首个模型 Inkling，这是一个开源权重的多模态系统。Inkling 拥有高达 100 万 token 的上下文窗口，能够原生处理文本、图像和音频，并支持可控思考努力。完整权重已在 Hugging Face 上公开，并可通过 Tinker 平台进行微调。团队表示 Inkling 不是整体最强的模型，但专为定制化而设计。

AI模型 Thinking Machines Inkling 多模态

事件专题

推荐理由：想找个能处理百万 token 多模态、还能自己微调的开源模型？Inkling 刚上线，权重直接开放，值得试试。

原文

03:46

Suhail@Suhail

精选

Thinking Machines 今日推出多模态模型 Inkling，支持文本、图像和音频三种模态的高效推理。该模型完全权重开放，允许用户在 Tinker 平台上进行微调。官方同时提供 Inkling Playground 供用户体验。这一发布标志着后训练基础设施即服务的垂直整合进入新阶段。

AI模型 Inkling Thinking Machines 多模态

事件专题

推荐理由：Inkling 能同时处理文本、图像和音频，权重全开放还能自己微调，去 Playground 玩一把就知道了。

原文

03:42

Paul Couvert@itsPaulAi

Thinking Machines发布了开源模型Inkling，采用Apache 2.0许可。Inkling为多模态模型，支持文本、图像和音频，拥有41B活跃参数。在Design Arena上其性能与GPT-5.6 Sol相当。公司还计划推出12B参数的Inkling-Small版本。Inkling提供完整权重，并可在Tinker平台微调。

AI模型 Inkling Thinking Machines GPT-5.6 Sol

事件专题

推荐理由：Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。

原文

03:40

elvis@omarsar0

精选

Thinking Machines推出Inkling，一个975B参数（41B活跃）的MoE Transformer模型。它原生支持文本、图像和音频多模态处理。上下文长度提供64K和256K两种版本。完整权重已开放，可在Tinker平台进行微调。用户还能通过Inkling Playground直接体验。

AI模型 Inkling Thinking Machines MoE

事件专题

推荐理由：Thinking Machines开源了975B参数的MoE模型Inkling，支持多模态和64K/256K长上下文，还能在Tinker上微调，值得试试。

原文

03:39

Lilian Weng@lilianweng

Thinking Machines 发布 Inkling 模型，提供完整开源权重。该模型在文本、图像、音频三种模态上均具备高效推理能力。用户可在 Tinker 平台上直接进行微调。基准性能覆盖广泛能力类别，适合实际应用与定制开发。

AI模型 Inkling Thinking Machines 多模态

事件专题

推荐理由：Thinking Machines 开源了 Inkling，能同时处理文本、图像和音频，还能在 Tinker 上微调，挺实用的。

原文

03:13

lmarena.ai@lmarena_ai

中国开源权重模型Kimi K3已在lmarena平台以'KIVINE'名称上线，官方发布在即。该模型由AI创作者进行初步测试，展示了包括赛车游戏在内的多个基准结果。Kimi K3在Hugging Face和lmarena上的表现吸引了社区关注，具体基准分数尚未完整公布。

AI模型 Kimi K3 KIVINE lmarena

事件专题

推荐理由：Kimi K3是国产开源新秀，已经在lmarena上跑分了，代号KIVINE，想看看它和开源模型比怎么样？

原文

03:02

官方账号vLLM@vllm_project

84°

Thinking Machines Lab发布了TML Inkling，一个1T参数的开源权重模型，支持文本、图像和音频多模态输入。其上下文窗口高达100万token，采用相对注意力、短卷积和MoE专家汇聚的新架构，并配备8个MTP头用于推测解码。vLLM已从首日支持该模型，在NVIDIA Blackwell和Hopper上运行，4×GB200 MTP可达380 tok/s/user。

AI模型 TML Inkling Thinking Machines Lab vLLM

事件专题

推荐理由：1T参数的开源多模态模型，百万token上下文，vLLM直接跑，4×GB200飙到380 tok/s，值得试试。

原文

03:00

官方账号NVIDIA AI@NVIDIAAI

精选

Thinking Machines 推出开源模型 Inkling，支持文本、图像和音频三模态推理。模型基于 NVIDIA GB300 NVL72 训练，NVFP4 检查点已在 Hugging Face 开放下载。官方提供完整权重，并支持通过 Tinker 平台进行微调，用户也可在 Inkling Playground 直接体验。

AI模型 Inkling Thinking Machines NVIDIA

事件专题

推荐理由：Thinking Machines 刚发了 Inkling，一个开源的多模态推理模型，能处理文本、图像、音频，还给了完整权重可以微调，NVFP4 检查点直接下。

原文

7月15日

23:55

elvis@omarsar0

精选

Robbyant 开源了 LingBot-VLA 2.0 的训练后代码。在单张 NVIDIA GeForce RTX 4090D 上，仅需 10 步去噪，推理耗时约 130 毫秒。这意味着用户无需集群即可进行适配和测试，大幅降低了部署门槛。

AI模型 LingBot-VLA 2.0 Robbyant RTX 4090D

事件专题

推荐理由：Robbyant 把 LingBot-VLA 2.0 的训练后代码开源了，单张 RTX 4090D 跑出 130 毫秒推理，不用集群就能自己玩。

原文

23:24

elvis@omarsar0

LingBot-VLA 2.0 是全新开源具身模型，在单臂机器人到人形平台等多样化配置上训练。模型整合了60K小时精选机器人与人类数据，形成通用策略。在复杂长周期任务中显著提升机器人性能。由 @robbyant_brain 团队发布。

AI模型 LingBot-VLA 2.0 开源模型具身智能

推荐理由：开源、60K小时数据、覆盖多种机器人，LingBot-VLA 2.0 在长周期任务上表现出色，值得研究具身智能的你看一看。

原文

14:09

14:09IT之家（博客/媒体）

精选

Mozilla发布2026年《开源AI现状报告》，基于Chatbot Arena数据显示开源与闭源模型平均差距为3.3%。GPT-4级模型每100万Token价格从2022年末的20美元降至2025年12月的0.40美元，36个月内下降至50分之一。基于OpenRouter数据，DeepSeek V4 Flash以月消耗18.4T Tokens位居API调用量榜首，小米Mimo-V2.5和腾讯Hy3 Preview紧随其后。调查显示79%开发者采用开放模型，但仅51%能成功部署至生产环境，低于闭源模型的63%。

行业 Mozilla DeepSeek V4 Flash OpenRouter

事件专题

推荐理由：Mozilla报告用数据告诉你开源模型有多猛：DeepSeek V4 Flash月用量18.4T Tokens碾压闭源，价格还暴跌50倍。

原文

12:45

Hunyuan@TXhunyuan

腾讯混元发布了Hy3的1-bit和4-bit量化版本，该模型拥有295B参数。通过1-bit和4-bit量化，模型可在单张GPU上运行，大幅降低硬件门槛。支持使用llama.cpp进行推理，并启用MTP（多token预测）功能。模型以GGUF格式提供下载，用户可快速体验。

AI模型 Hy3 TencentHunyuan 量化模型

推荐理由：腾讯把295B的模型压到1-bit和4-bit，单卡就能跑，用llama.cpp就能玩，赶快试试。

原文

11:48

小互@imxiaohu

PrismML 基于 Qwen3.6-27B 模型，将原本 54GB 的 27B 参数模型压缩至 3.9–5.9GB，使其能在 iPhone 上运行。在 15 项测试中，5.9GB 的 Ternary 版本保留原版 95% 性能，3.9GB 的 1-bit 版本保留 90% 性能。在 RTX 5090 上推理速度达 163 token/s，在苹果 M5 Max 上达 87 token/s。

AI模型 Qwen3.6-27B PrismML iPhone

推荐理由：PrismML 把 27B 大模型压到几 GB 还能在手机上跑，性能几乎没缩水，iPhone 用户也能本地跑大模型了。

原文

08:53

Paul Couvert@itsPaulAi

PrismML今天推出Bonsai 27B，首个能在手机上运行的27B参数多模态模型。基于Qwen3.6 27B，提供两个变体：三元版5.9GB（1.71位/权重）和1-bit版3.9GB（1.125位/权重）。该模型支持多步推理、结构化工具使用和长上下文智能体循环。全部代码和权重已开源（Apache 2.0），此前运行类似模型需要千美元级电脑。

AI模型 Bonsai 27B PrismML Qwen3.6

推荐理由：27B模型能塞进手机，3.9GB就跑得动，还完全开源。手机党不用再羡慕桌机了。

原文

08:41

berryxia@berryxia

精选72°

OpenMOSS 发布 MOSS-VL-Realtime，一个 11B 参数的多模态模型，支持实时视频流交互，可边接收视频边生成回复。采用 Cross-Attention 架构和 XRoPE 位置编码，支持 256K 上下文窗口，兼容文本、单图/多图、视频及图文交错输入。在流式视频理解基准上达到开源模型领先水平，主动预警和及时响应能力突出。同时开源 MOSS-VL-0708 Instruct，在细粒度感知和长视频理解任务上有明显提升。所有模型以 Apache-2.0 协议开源，支持本地部署和实时推理。

AI模型 OpenMOSS MOSS-VL-Realtime 多模态

推荐理由：OpenMOSS 发了能边看视频边聊天的实时多模态模型，11B 参数开源可部署，适合做监控、直播等持续视频理解应用。

原文

08:37

berryxia@berryxia

PrismML发布Bonsai 27B，这是首个能在手机上本地运行的27B级多模态模型。该模型通过端到端低比特技术，1-bit版本仅3.9GB，可在iPhone 17 Pro上运行；Ternary版本5.9GB，适合笔记本。其智能密度达0.53 per GB，比全精度基线高约10倍，比现有最佳低比特方案高2.7倍。在15个基准测试中，Ternary版平均保留95%性能，1-bit版保留90%，数学、编码和工具调用能力接近原版Qwen3.6 27B。模型已开源（Apache 2.0），支持GGUF格式，提供一键运行Demo和免费开发者预览API。

AI模型 Bonsai 27B PrismML 多模态

推荐理由：PrismML搞了个Bonsai 27B，在手机上就能跑27B多模态模型，压缩到3.9GB性能还能保留90%，挺牛的，还开源了，可以试试。

原文

08:03

berryxia@berryxia

73°

阿里巴巴开源了Wan-Dancer-14B模型，这是一个14B参数的模型，可以根据音乐生成与节拍同步的舞蹈视频。该模型支持街舞、踢踏、拉丁、K-Pop、中式古典等多种舞蹈风格，并能实现较长时间连贯输出。用户可在本地运行该模型，不再依赖云端服务，大幅降低了音乐驱动舞蹈生成的门槛。此前类似能力多依赖闭源模型或效果不佳，此次开源权重让本地部署成为现实。

AI模型 Wan-Dancer-14B Alibaba 视频生成

推荐理由：阿里开源了Wan-Dancer-14B，能根据音乐生成同步舞蹈视频，支持多种风格，本地就能跑，比闭源模型门槛低得多。

原文

04:39

elvis@omarsar0

精选

PrismML 今日发布 Bonsai 27B，这是首个可在手机上本地运行的 27B 参数多模态模型。基于 Qwen3.6 27B，Bonsai 27B 支持多步推理、结构化工具使用、长上下文和智能体循环。Ternary 变体仅 5.9 GB（1.71 有效比特/权重），1-bit 变体仅 3.9 GB（1.125 有效比特/权重），大幅降低本地部署门槛。在 RTX 5090 上，1-bit 版本达到 163 tok/s，Ternary 版本达到 134 tok/s；在 M5 Max 上分别为 87 tok/s 和 58 tok/s。模型以 Apache 2.0 许可证开源。

AI模型 Bonsai 27B PrismML Qwen3.6

推荐理由：手机能跑 27B 模型了？PrismML 的 Bonsai 27B 实际做到了——体积最小 3.9GB，速度还不慢，开源免费。想本地用大模型又嫌大的可以看。

原文

02:42

The Rundown AI@therundownai

精选

斯坦福大学与Arc Institute联合实验室发布开源框架Proto，整合了120多个AI生物学模型，这些模型能设计蛋白质、DNA和RNA。此前因软件和数据格式不兼容，整合需耗时数周，Proto通过共享语言解决了这一问题。例如，设计细胞特异性基因开关，传统方法需筛选数千个候选，而Proto仅测试几十个。AI智能体也能直接编写Proto程序。Proto提供了一个通用接口，让新模型可以即插即用。

AI模型 Proto Stanford Arc Institute

推荐理由：斯坦福实验室搞了个Proto框架，能把120多个AI生物学模型串起来用，以前要几周，现在快多了，AI agent还能自己写程序，挺有意思。

原文

7月14日

23:05

techcrunch@Rebecca Bellan

Reflection AI与云服务商Nebius签署了一项价值10亿美元的多年计算协议，用于支持其开源AI技术研发。这家2024年成立的初创公司将获得Nebius提供的GPU集群等算力资源。该交易是2026年AI基础设施领域金额最大的合作之一。

行业 Reflection AI Nebius 算力交易

推荐理由：成立不到两年就砸10亿美元买算力，Reflection AI押注开源路线，和Nebius合作值得关注。

原文

22:27

techcrunch@Rebecca Bellan

Hugging Face CEO Clem Delangue指出企业越来越倾向于使用开源模型，主要原因是成本、可访问性和所有权。他认为如果大部分生产级AI最终运行在开源模型上，前沿模型的重要性可能被高估。这一观点反映了行业从追求最大模型向实用、可控的开放模型转变的趋势。

行业 Hugging Face 开源模型企业AI

推荐理由：Hugging Face CEO说企业都转向开源模型了，因为便宜又可控，前沿模型可能没那么重要了。

原文

22:24

22:24IT之家（博客/媒体）

中国“妈祖”城市多灾种早期预警智能体已在巴基斯坦季风雨季成功预警，并在全球35个国家和地区试用。在津巴布韦，中国援建的超算中心接入15所高校，研究计算速度提升40%，干旱预警模型使水资源利用率提高15%。我国人工智能开源大模型累计下载量突破100亿次，居全球首位，单一模型衍生数量超20万，几乎等于其他主要开源模型总和。

行业妈祖大模型开源模型灾害预警

推荐理由：妈祖大模型已经帮35个国家预警灾害，干旱模型让水资源效率提升15%，中国开源模型下载量破百亿，来了解下怎么做到的。

原文

22:08

量子位@一水

DeepSeek-Coder-V2在SWE-bench Verified上以67.3%的成绩超越GPT-4o和Claude 3.5 Sonnet，成为首个免费开源的编码模型达到该水平。该模型在HumanEval上得分92.1%，在MBPP上得分90.5%。开发者可通过Hugging Face免费下载使用。

AI模型 DeepSeek-Coder-V2 DeepSeek 开源模型

推荐理由：DeepSeek-Coder-V2免费开源，性能还超过了GPT-4o和Claude，写代码直接省钱了。

原文

17:45

17:45IT之家（博客/媒体）

71°

腾讯混元将295B参数的Hy3模型权重量化至1bit和4bit，1bit版本体积从598GB压缩至85.5GiB，单张96GB显卡即可运行；4bit版本体积169.9GiB需两张显卡。量化后性能接近原始BF16模型，长文理解几乎持平，Agent和代码能力仅小幅回落。配合llama.cpp和MTP投机解码，开启后解码速度提升约50%-60%。

AI模型 Hy3 腾讯混元 1bit量化

推荐理由：想用295B的旗舰模型又没多卡？腾讯混元把Hy3压到1bit，一张显卡就能跑，效果还挺稳。

原文

15:50

15:50IT之家（博客/媒体）

精选

高德推出的 ABot-WorldStudio 将交互式视频生成与 3DGS 场景生成统一在同一产品中，用户输入文字或图片即可生成可实时交互的 AI 世界。该工坊在单张 RTX 5090 上即可本地部署，连续推理已稳定超过 1 小时，而同类模型生成上限大多仅为 1 分钟。工坊内置了“时空任意门”机制，允许用户在不同 3D 世界间跃迁，探索范围不受场景限制。底层模型 ABot-World0 和 ABot-3DWorld0 已全面开源，支持室内、街景与城市航拍全尺度空间生成。

AI产品高德 ABot-WorldStudio 世界模型

推荐理由：高德开源的 AI 工坊，输文字或图片就能生成可实时交互的 3D 世界，还能连续跑 1 小时不崩，比同类 1 分钟长得多，且内置任意门随便穿梭。

原文

12:09

OpenRouter@OpenRouterAI

OpenRouter 在 openrouter.ai/rankings 上新增独立榜单，分别展示开源权重模型和闭源权重模型的性能排名。该排行榜允许用户按不同类别筛选模型，并查看评分和对比数据。这一功能为开发者选择模型提供了更细粒度的参考依据。

AI产品 OpenRouter 开源模型闭源模型

推荐理由：OpenRouter 把开源和闭源模型分开排名了，选模型时看排行榜更直观。

原文

10:27

ollama@ollama

Nvidia新开源模型Nemotron Ultra在Ollama平台上快速增长。该模型专为开发者设计，可处理复杂且长时间运行的任务。Ollama的集成使得开发者能更便捷地使用这一模型。目前Nemotron Ultra在社区中热度持续上升。

AI模型 Nvidia Nemotron Ultra Ollama

事件专题

推荐理由：Nvidia新出的Nemotron Ultra开源模型在Ollama上很火，能搞定复杂长流程任务，适合做深度开发。

原文

10:16

官方账号NVIDIA AI@NVIDIAAI

NVIDIA 在社交平台感谢开源社区，并回应了关于 Nemotron 的提及。NVIDIA 最新的开源模型 Nemotron Ultra 在 Ollama 平台上的使用量迅速增长，为开发者解锁了更复杂、更长时间运行的任务执行能力。该模型是 NVIDIA 支持开源生态的又一举措，目前已被越来越多的开发者采用。

AI模型 NVIDIA Nemotron Ultra Ollama

事件专题

推荐理由：NVIDIA 发了新开源模型 Nemotron Ultra，在 Ollama 上跑得很火，专门搞定复杂长任务，比之前的版本更强。

原文

06:23

Ate-a-Pi@svpino

76°

LingBot-World-Infinity 是一个开权重世界模型，参数规模14B，另有1.3B变体可在单消费级GPU运行。该模型通过让自身在训练时主动进入错误状态，再学习如何恢复，从而生成长达1小时以上且跨场景连贯的视频，克服了传统逐帧模型误差累积的问题。论文详细描述了其自我纠错训练方法，并已公开GitHub仓库和模型权重。

AI模型 LingBot-World-Infinity 视频生成开源模型

推荐理由：开源权重模型，14B参数就能生成1小时连贯视频，还带1.3B小版本跑在单显卡上，长视频生成终于不崩了。

原文

06:00

官方账号Clement Delangue@ClementDelangue

77°

Hugging Face 宣布 Transformers 模型现在可以直接在 vLLM 推理引擎中运行，达到原生速度，部分场景超越手写实现。此前，新模型架构需要在 Transformers（训练/研究）和 vLLM（生产推理）中分别实现，导致重复工作与维护成本。现在，模型作者只需在 Transformers 中实现一次，即可自动兼容 vLLM 的优化栈。在 4B 到 235B 参数模型的基准测试中，包括张量并行和 MoE 设置，Transformers 后端吞吐量匹配或超过原生 vLLM。

AI模型 Hugging Face Transformers vLLM

推荐理由：Hugging Face 把 Transformers 模型直接跑进 vLLM，性能不输手写，以后搞推理不用重复造轮子了。

原文

05:14

Ethan Mollick@emollick

Ethan Mollick指出OpenRouter可能无法准确反映实际模型使用情况，特别是在智能体工具环境中。他提到中国开源模型使用量虽在增长，但可能也反映了向Codex/Code/Cowork的转移。Mollick呼吁业界需要更好的AI数据指标来衡量真实使用模式。

行业 OpenRouter Codex 智能体

推荐理由：Ethan Mollick说OpenRouter的数字可能有误导，因为大家可能都在转向Codex这种编程助手。想了解AI使用数据怎么失真就看这个。

原文

05:03

techcrunch@Julie Bort

微软CEO萨提亚·纳德拉在7月13日的博客中警告企业，过度依赖Anthropic和OpenAI等公司的专有模型可能带来安全与控制风险。他建议企业转向开源模型以提高透明度和可控性。纳德拉未点名具体风险案例，但强调企业应避免锁定于单一供应商。

行业微软 Anthropic OpenAI

事件专题

推荐理由：微软老大亲自喊话，提醒别把所有AI押注在封闭模型上。想了解企业AI部署的新风向？看这篇。

原文

7月13日

19:46

官方账号Decoder@Jonathan Kemper

精选

德国研究联盟发布开源语言模型Soofi S 30B-A3B，基于德国电信慕尼黑云基础设施训练。该模型采用高效混合架构，每次调用仅激活316亿参数中的部分，长文本下保持稳定吞吐量。训练数据刻意偏向德语，在德语和英语基准测试中均超越所有完全开源竞品。

AI模型 Soofi S 开源模型德语

推荐理由：德国团队搞了个30B开源模型，英德双语都很强，还只用了德国电信的本地云算力，跑长文本也不掉速。

原文

14:41

官方账号vLLM@vllm_project

精选

PrimeIntellect推出Verifiers v1，使用vLLM进行训练rollouts，确保精确的token IDs和logprobs。该方法消除了tokenization漂移，使rollouts与训练保持同步。vLLM还支持开源RL基础设施如prime-rl。这一发布提升了强化学习训练的稳定性和效率。

AI模型 PrimeIntellect Verifiers vLLM

推荐理由：PrimeIntellect发了Verifiers v1，用vLLM做强化学习rollout，token精度更高，训练更稳定。搞开源RL的可以看看。

原文

12:43

12:43IT之家（博客/媒体）

精选

商汤科技发布并开源SenseNova-Vision理解生成统一视觉大模型，在目标检测、图像分割、深度预测、3D重建等任务上实现原生统一。该模型在多项权威评测中全面领先，比肩甚至超越各领域专用专家模型。相比仅能处理两类问题的Vision Banana，SenseNova-Vision能同时覆盖结构化理解、稠密几何、全景分割和多视角3D四类核心视觉任务。商汤还同步开源了包含5000万条样本的视觉指令语料库SenseNova-Vision Corpus-50M。

AI模型 SenseNova-Vision 商汤 Vision Banana

推荐理由：商汤刚开源了SenseNova-Vision，统一四大视觉任务还比Vision Banana强，附带5000万条数据，快试试吧

原文

12:22

Hunyuan@TXhunyuan

腾讯混元发布Hy3模型，以295B参数MoE架构在OpenRouter LLM排行榜上获得第一。该模型在同参数规模中表现最优，性能可媲美万亿参数级旗舰模型。Hy3采用Apache 2.0开源协议，适合商业使用，并提供为期两周的免费API体验。

AI模型 Hy3 Tencent Hunyuan OpenRouter

推荐理由：腾讯混元的Hy3，295B MoE模型，登顶OpenRouter第一，性能比肩万亿参数大模型，还免费试用两周，赶紧去试试。

原文

11:26

官方账号Together AI@togethercompute

Together Compute 发推祝贺 Ollama 完成融资，并称其活跃开发者已超过 900 万。推文指出开源模型正成为开发者构建、运行并拥有 AI 栈的默认路径。Together Compute 表示将支持该生态持续扩展。

行业 Ollama Together Compute 开源模型

推荐理由：Ollama 拿到融资了，现在有 900 多万人在用它跑本地模型。开源路线越来越主流，想自己掌控 AI 栈的开发者可以关注。

原文