开源模型相关 AI 资讯

6月23日

14:46

向阳乔木@vista8

76°

百度发布Unlimited OCR，模拟人类抄书注意力模式，每生成一个token时参考完整图像和提示词，但输出侧仅回看前128个token。KV缓存固定为128长度，避免长文档推理时内存爆炸。在超长文档OCR任务上效果显著，已在GitHub和Hugging Face开源。

AI模型 UnlimitedOCR 百度 OCR

事件专题

推荐理由：百度开源了一个超聪明的OCR方案，用固定128 token缓存模拟人眼抄书，长文档不爆内存，快去试试！

原文

14:45

向阳乔木@vista8

百度近日开源了Unlimited OCR模型，参数量3B但仅需500M激活参数。该模型参考了滑动注意力窗口技术，在OCR任务上取得了出乎意料的好效果。轻量级设计使其更易于部署。

AI模型百度 Unlimited OCR OCR

事件专题

推荐理由：百度刚开源的Unlimited OCR，3B参数只激活500M，效果居然这么强，做OCR的赶紧看看。

原文

14:06

lmarena.ai@lmarena_ai

NVIDIA 的 Cosmos 3 Super 在 Text-to-Image Arena 开放模型排名中位列第8和第11（两个变体），整体排名第49和第54。其中 #8 的 Cosmos-3-Super-Text2Image 与 Flux-2-Klein-9B 和 Qwen Image Prompt Extend 持平。#11 的 Cosmos-3-Super-Text2Image (Agentic) 与 Qwen-Image 和 Ideogram-v3-Quality 等模型持平。这些排名体现了 NVIDIA 对开源生态的贡献。

AI模型 Cosmos-3-Super NVIDIA Text-to-Image Arena

事件专题

推荐理由：NVIDIA 这个开源文生图模型在排行榜上跟 Flux、Qwen 差不多水平，想试试免费好用的生成工具可以关注它。

原文

14:03

OpenRouter@OpenRouterAI

GLM 5.2 自发布以来在 OpenRouter 平台上的 token 消耗占比迅速上升，与早先发布的 DeepSeek V4 形成竞争。OpenRouter 数据显示，GLM 5.2 的开源模型采纳速度超过多数同类产品。目前两者在 token 份额上差距缩小，但 DeepSeek V4 仍占一定优势。

行业 GLM 5.2 DeepSeek V4 OpenRouter

推荐理由：OpenRouter晒出了GLM 5.2和DeepSeek V4的token份额对比，GLM 5.2涨得真快，开源模型里能跟DeepSeek掰手腕了。

原文

13:55

Geek@geekbb

精选

百度开源了一个基于DeepSeek-OCR升级的视觉语言模型OCR项目，支持一次性解析超长文档。该模型提供两种推理模式：gundam模式用于处理单张图片中的密集文字，base模式适用于多页文档或PDF。项目代码已在GitHub上发布，允许开发者直接使用。

AI模型百度 DeepSeek-OCR 视觉语言模型

推荐理由：百度开源的OCR模型，在DeepSeek-OCR上做了升级，能一次性处理超长文档和密集文字，两种模式很实用。

原文

10:33

berryxia@berryxia

百度开源的 Unlimited OCR 模型采用 R-SWA 注意力机制，支持 32K 上下文窗口，一次前向推理即可完成几十页文档的转录。其核心卖点是 One-Shot Long-Horizon Parsing，无需分页处理，KV Cache 大小恒定。技术报告提到该模型融合了来自 DeepSeek-OCR 的高压缩编码器，且部分核心贡献者与 DeepSeek 有渊源。

AI模型 Unlimited OCR 百度 R-SWA

事件专题

推荐理由：百度搞了个挺牛的 OCR 模型，能一口气读几十页，不像以前那样一页一页循环。开源了，谁都能试试。

原文

02:26

官方账号LangChain@LangChainAI

LangChain 宣布其通用开发者工具 dcode 现已支持 GLM 5.2 模型。用户可直接在 dcode 中运行该开源模型，无需额外配置。dcode 是提供商无关的工具，也兼容其他最新的开源模型。详情可查阅 LangChain 文档。

AI模型 GLM 5.2 dcode LangChain

推荐理由：LangChain 出了个叫 dcode 的工具，现在能跑 GLM 5.2 模型了，而且是开源的，想尝鲜直接上手。

原文

01:03

官方账号Clement Delangue@ClementDelangue

HuggingFace 平台上的公开模型数量即将突破300万个，公开数据集也即将达到100万个。该平台已成为开源AI社区的核心枢纽，模型和数据集数量在过去一年快速翻倍。这一里程碑反映了开源AI生态的持续繁荣。

行业 HuggingFace 开源模型数据集

推荐理由：HuggingFace 马上要突破300万模型和100万数据集了，这说明开源AI有多火。看看这个数字，社区力量真强。

原文

6月22日

23:55

elvis@omarsar0

精选

该报告构建了五维分类法（对手方、载荷、交互状态、发现机制、模式灵活性），分析了九个活跃维护的开源智能体协议，包括MCP和A2A。报告发现每个智能体间协议都采用混合载荷与会话状态持久化组合，而去中心化发现机制仍属罕见。该研究映射了当前LLM agent通信层的标准化趋势，为选择通信层提供依据。论文地址：arxiv.org/abs/2606.19135。

论文 MCP A2A 智能体

推荐理由：如果你在选agent通信协议，这篇把MCP、A2A等9个协议的底层模式画清楚了，指出状态化会话是共识，去中心化发现还缺。

原文

23:24

23:24IT之家（博客/媒体）

SpaceX与开源AI初创公司Reflection AI签署算力合作协议，最高价值63亿美元（约427.71亿元人民币）。根据协议，Reflection将立即获得英伟达GB300 AI芯片使用权，用于训练和运行高级模型。Reflection同意从2026年7月1日至2029年底每月向SpaceX支付1.5亿美元（约10.18亿元人民币）。合约生效满三个月后，任意一方可提前90天终止。Reflection是开源AI企业，尚未发布前沿级模型，但参与美国能源部创世纪计划和五角大楼AI计划。

行业 SpaceX Reflection AI GB300

事件专题

推荐理由：SpaceX签了个63亿美元的大单，和开源AI公司Reflection合作，对方能用上英伟达GB300芯片，行业风向标啊。

原文

16:45

16:45IT之家（博客/媒体）

71°

京东发布并开源了实时视频视觉语言交互模型JoyAI-VL-Interaction，这是全球首个全栈开源的interaction模型和系统，获得vLLM-Omni的day-0原生支持。该模型能持续观察视频流，自主判断何时响应，而非被动等待用户提问。在58个真人盲评案例中，JoyAI-VL-Interaction对比豆包视频通话助手胜率77.6%，对比Gemini视频通话助手胜率87.9%。它支持摄像头、直播流、监控流等多种视频输入，并具备后台智能体委托能力。

AI模型 JoyAI-VL-Interaction 京东多模态

推荐理由：京东开源了JoyAI-VL-Interaction，能实时看视频主动说话，安防、直播都能用，盲评胜率比豆包和Gemini高一大截。

原文

12:54

量子位@思邈

清华大学团队开源的空间智能模型被ECCV 2026接收。该模型在空间理解基准上得分超过Gemini。它能够处理120分钟的长视频并保持上下文。模型权重和代码已开源。

AI模型空间模型 ECCV2026 清华

推荐理由：清华这套空间模型在ECCV 2026上把Gemini比下去了，还能边看两小时长视频边记，玩空间理解的同学可以试试。

原文

12:26

shao__meng@shao__meng

GLM-5.2 在 X 平台被广泛讨论，声称是最强开源模型且接近 Claude Fable 5。作者下载了 Zcode 平台并发现可以免费试用。但第二条消息即遇到使用限制，未充值 Coding Plan 可能无法正常使用。

技巧 GLM-5.2 Zcode 开源模型

推荐理由：想了解 GLM-5.2 和 Zcode 的实际体验？这篇分享告诉你免费试用背后的限制

原文

12:24

官方一手歸藏(guizang.ai)@op7418

Anthropic已训练完成更强版本的Mythos模型，可能命名为Mythos 5.1或Mythos 6。目前不确定是否会公开发布或仅用于内部加速开发。消息称停止发布Fable 5或Mythos 5不会减慢进展，反而释放资源。竞争压力来自开源模型如GLM-5.2，迫使前沿实验室持续训练更强系统。

AI模型 Anthropic Mythos GLM-5.2

事件专题

推荐理由：有人说Anthropic偷偷训了个更强的Mythos，但可能不对外放。想了解AI前沿动态可以看看。

原文

10:43

官方一手pandaily@contact@pandaily.com (Pandaily)

微软因AI推理token成本飙升，宣布Copilot Cowork产品改为基于使用量的定价模式。为控制成本，微软选择整合开源模型DeepSeek V4作为替代方案。这一决策反映了大型企业在大规模AI部署中面临的经济压力，以及开源模型在成本效率上的竞争力。DeepSeek V4的参数量与性能表现接近GPT-4级别，但推理成本可降低80%以上。

AI产品微软 DeepSeek V4 定价策略

推荐理由：微软的Copilot因为Token太贵改用DeepSeek了，以后按用量计费，用多少付多少。想省钱的话可以关注这个开源模型。

原文

6月21日

23:28

Harrison Chase@hwchase17

社区文章演示了如何借助Deep Agents框架构建一个类似Claude Code的编程智能体。文章特别提到GLM-5.2模型表现强劲，可作为该智能体的底层推理引擎。通过3个步骤即可完成部署，无需从头开发复杂Agent系统。

技巧 Deep Agents Claude Code GLM-5.2

推荐理由：教你用Deep Agents自己搭一个Claude Code同款智能体，还顺带体验GLM-5.2的威力，实操性很强。

原文

15:25

@koltregaskes@koltregaskes

GLM-5.2 在 DeepSWE 编程基准上取得 44% 的得分，超过 Kimi-K2.7 Code，成为目前最强的开源模型。不过它的运行成本更高，且每次输出更多 tokens。与封闭模型相比，Claude Fable 5 以 70% 的得分领先，差距明显。

AI模型 GLM-5.2 Kimi-K2.7 DeepSWE

推荐理由：智谱的 GLM-5.2 代码上刚赢了 Kimi 的 K2.7，但更贵输出也更多，离顶级闭源还有距离。

原文

06:55

ollama@ollama

Ollama 转发了 Aaron Levie 的观点，指出开放权重模型在特定任务上已取得 SOTA 结果，并在编码等部分领域接近前沿水平。Levie 强调，开放权重模型与前沿模型之间的边际差距若能保持而非扩大，将创造更多 AI 应用价值。他还提到，使用更便宜或针对特定任务微调的开放模型可优化成本，同时前沿模型仍可用于规划、编排等复杂工作。

行业 Ollama open weights 开源模型

推荐理由：Ollama 分享了 Levie 对开放权重模型的乐观看法：这些模型成本更低、表现接近前沿，还能针对性微调，对 AI 应用层是大利好。

原文

05:58

官方一手marktechpost@Michal Sutter

Nous Research为其开源智能体框架Hermes Agent新增了Blank Slate模式。该模式默认仅启用provider、model、File Operations和Terminal四项基础功能。用户通过platform_toolsets.cli和disabled_toolsets命令行接口手动添加其他工具集，实现从零开始配置。这种设计避免了预装过多工具，提升了Agent的灵活性和可控性。

AI模型 Hermes Agent Nous Research 智能体

推荐理由：想精细控制Agent工具？Nous Research给Hermes Agent加了Blank Slate模式，从零选工具，不预装一堆，清爽又可控。

原文

03:54

Suhail@Suhail

精选

Z.ai推出GLM-5.2开源模型，采用MIT开放权重。该模型支持1M上下文窗口，在Terminal-Bench 2.1基准上得分81.0，仅比Claude Opus 4.8低几分。Perplexity CEO此前指出，中国已拥有最强开源模型DeepSeek，且美国开发者正基于其构建应用。GLM-5.2的发布进一步表明开源AI竞赛已非理论。

AI模型 GLM-5.2 Z.ai DeepSeek

推荐理由：Z.ai刚刚放出了GLM-5.2，MIT开源、100万上下文、跑分81.0，跟Claude Opus 4.8差距很小，做开源模型的得看看。

原文

00:53

elvis@omarsar0

精选

GLM-5.2 在图形设计能力上据称达到 Opus 级别，同时在长期运行任务中表现良好。其训练引入了反奖励破解模块，用于解决强化学习中常见的奖励破解问题，例如模型走捷径、变懒、意图偏差等。该模块有助于提升编码代理在长周期任务中的可靠性与效果。GLM-5.2 是一个开源开放权重模型。

AI模型 GLM-5.2 奖励破解开源模型

推荐理由：GLM-5.2 据称设计和长任务都接近 Opus，关键是加了个反奖励破解机制，让模型更靠谱。

原文

6月20日

10:54

shao__meng@shao__meng

GLM 5.2 开源后在 X 平台获得多位国外 AI 博主称赞。智谱港股股价近期飙升，市值已超过 MiniMax 并接近小米。作者提到智谱内部运营问题和自身充值体验，但认为模型够强仍是核心。

AI模型 GLM 5.2 智谱开源模型

推荐理由：智谱开源了 GLM 5.2，国外博主都在夸，股价还涨到快赶上小米了，模型实力真的能打。

原文

10:18

官方一手pandaily@contact@pandaily.com (Pandaily)

小米发布并开源了Miloco 2.0全屋AI系统，具备多模态感知能力，可识别用户行为和场景。该系统支持主动智能，能预测需求并执行持续任务，如自动调节灯光温度。Miloco 2.0拥有家庭记忆功能，可记住家庭成员的偏好和习惯。该系统被比作钢铁侠的JARVIS管家，面向中国家庭提供个性化服务。

AI模型小米 Miloco 2.0 智能家居

推荐理由：小米开源了Miloco 2.0，一个像JARVIS一样有记忆能主动帮忙的智能家居AI，多模态和家庭记忆功能很实用。

原文

03:36

官方账号Andrew Ng@AndrewYNg

精选73°

Anthropic发布了其Mythos模型的变体Claude Fable 5，并施加了包括禁止用于构建竞争LLM技术在内的额外限制。Anthropic还曾暗中降低Fable 5对LLM研究者的性能，在争议后改为透明执行，但仍拒绝用最新能力帮助AI研究者。随后美国政府利用商务部权力对Mythos和Fable实施出口管制，要求任何外国国民使用需许可证，导致Anthropic全球禁用Fable。Andrew Ng评论称Anthropic利用安全论调阻碍竞争者，而恐惧营销反而促使政府加强管制。

行业 Anthropic Claude Fable 5 出口管制

事件专题

推荐理由：Anthropic一边用Claude Fable 5的“安全”理由限制开发者，一边被美国政府反手出口管制，Andrew Ng分析这暴露了封闭平台的不可靠性。

原文

02:37

官方账号Allen AI (Ai2)@allen_ai

AI Squared 和 Domyn 两家公司利用 Allen AI 完全开源的 Olmo 语言模型系列，在金融、医疗和公共部门等受监管行业构建自定义模型。Olmo 模型提供完整开放性，允许企业根据行业法规进行合规微调和使用。该案例展示了开源模型在敏感领域实现私有化部署的具体路径。

技巧 Olmo AI Squared Domyn

推荐理由：金融医疗这种严监管行业，看看两家公司怎么直接拿开源模型Olmo改造成自己的，挺有参考价值。

原文

01:34

@atomic_chat_hq@atomic_chat_hq

KiloCode是一款被300万以上开发者使用的代码助手，现在可通过Atomic Chat在开源模型上本地运行。所有操作均在设备端完成，无需云端依赖，保证完全隐私。该服务免费且开源，支持代码编写、调试和构建。

AI产品 KiloCode Atomic Chat 开源模型

推荐理由：KiloCode现在能直接用本地开源模型跑了，完全免费还保护隐私，3M+开发者都在用。

原文

6月19日

23:57

Thomas Wolf@Thom_Wolf

开源模型生态欢迎新手尝试Opus 4.8级别的模型。GLM-5.2是ZAI org发布的开放权重模型，可通过Hugging Face页面使用。多个供应商竞争价格，智能体价格便宜。模型可本地运行、微调并构建商业应用，无需许可。HuggingChat提供免费聊天界面。

AI模型 GLM-5.2 Hugging Face 开源模型

推荐理由：GLM-5.2达到Opus 4.8水平，免费、可本地跑、可微调，比闭源灵活还便宜，快试试！

原文

18:40

官方账号Together AI@togethercompute

TogetherAI用Kimi K2.7 Code和Claude Fable 5各生成12个落地页。Kimi的成本仅为Claude的1/16，质量表现接近。通过设计MCP服务器提供视觉上下文后，Kimi效果更佳。这表明开源模型在落地页生成工作流中已是高性价比的实用选择。

AI模型 Kimi K2.7 Code Claude Fable 5 开源模型

事件专题

推荐理由：想低预算做落地页？试试Kimi K2.7 Code，便宜16倍效果不输Claude Fable 5，尤其配合MCP服务器更稳。

原文

18:39

官方账号Together AI@togethercompute

Together Compute 测试了闭源和开源模型构建小型可玩游戏的能力。结果显示，开源模型成本更低、速度更快，生成游戏质量接近闭源模型。例如，Opus 4.8 成本是 MiniMax M3 的 15 倍，GPT-5.5 是 Nemotron Ultra 的 10 倍，而 Kimi K2.7 Code 比 Opus 4.8 便宜 7 倍。

AI模型 Opus 4.8 MiniMax M3 GPT-5.5

事件专题

推荐理由：Together Compute 实测：闭源模型贵几倍，开源做小游戏又快又便宜，质量还接近，想省钱就选开源。

原文

18:38

官方账号Together AI@togethercompute

DecagonAI 通过与 Together AI 合作，将语音代理每轮对话成本降低近6倍，同时保持实时语音所需的低延迟。他们从闭源模型迁移到微调的开源模型，实现 p95 模型延迟低于400ms。采用自定义投机解码和提示缓存技术，并在 NVIDIA Blackwell 上优化服务部署。模型更新频率达到每周甚至每日，体现了从封闭 API 到开放模型的转变。

行业 DecagonAI Together AI NVIDIA Blackwell

事件专题

推荐理由：DecagonAI 把语音成本砍到原来的1/6，延迟还压到400ms以下，实时语音项目可以参考他们迁移开源模型的做法。

原文

16:39

官方一手歸藏(guizang.ai)@op7418

唐老师与马斯克在推特上讨论国内开源版本何时能达到Fable 5级别模型的标准。马斯克回应称“不会那么久”，暗示可能早于2027年。该对话引发对国内开源模型进展加速的预期。目前尚无具体时间表或模型细节。

行业 Fable 5 马斯克开源模型

事件专题

推荐理由：马斯克说国内开源Fable 5级别模型不用等到2027年，唐老师跟进爆料，这波节奏值得盯一下。

原文

14:30

14:30官方账号Latent Space (swyx)（博客/媒体）

GLM-5.2在主观体验测试中表现优异，得到社区好评。Z.ai 预测开源项目 Open Fable 将于12月推出。这标志着开源模型在性能上逐步接近前沿水平。

AI模型 GLM-5.2 Z.ai Open Fable

推荐理由：GLM-5.2这次主观评价不错，开源模型终于开始追上GPT了。Z.ai预测年底会有新开源项目，值得关注。

原文

12:51

官方账号Cohere@cohere

精选

Cohere宣布其首个开源智能体编码模型的4-bit量化版本已可用。该量化版模型体积显著缩小，可在Mac上本地运行。用户可通过链接获取模型权重。此次发布使得开发者能够更便捷地在个人设备上运行智能体编码模型。

AI模型 Cohere 4-bit量化智能体

推荐理由：Cohere把自己最新的编程智能体模型压缩到4-bit，Mac上就能跑，本地开发效率直接拉满！

原文

12:42

Fireworks AI@FireworksAI_HQ

Jeremy Howard在X平台上称赞Zai_org的GLM 5.2模型，称其至少与Opus 4.8和GPT 5.5一样优秀。他指出该模型速度极快、成本低廉且回答不冗长，在处理长上下文时表现非常出色。Howard表示从未见过如此优秀的开源权重模型。

AI模型 GLM 5.2 Zai_org Opus 4.8

事件专题

推荐理由：想试试媲美顶级闭源模型的开源模型吗？GLM 5.2又快又便宜，长上下文超强，看看Jeremy Howard怎么夸的。

原文

11:27

11:27IT之家（博客/媒体）

阿里巴巴集团主席蔡崇信在VivaTech 2026上表示，AI总潜在市场规模对标人类生产力，全球GDP超100万亿美元中至少50万亿美元来自人类生产力，这是阿里的目标。阿里全面投入AI，全栈覆盖能源、基础设施、模型和应用层，拥有开源模型千问（Qwen）。蔡崇信指出当前全球AI开源主要推动力量来自中国企业，阿里团队持续贡献前沿模型开源。

行业阿里巴巴 Qwen 开源模型

推荐理由：阿里主席亲口说了：AI市场对标50万亿美元，全栈押注，千问开源是全球主力。想看清阿里AI战略的必看。

原文

11:04

官方账号arXiv cs.LG@Haw-Shiuan Chang, Jeffrey Gomez, Mehul Patwari, Aryan Sajith, Hamed Zamani

这篇论文提出利用用户与LLM交互时的鼠标轨迹和眼动数据作为隐式反馈来替代昂贵的显式偏好标注。他们构建了IFLLM数据集，包含59名用户的1336个多轮问答，并记录了鼠标和眼动数据。基于这些隐式反馈训练的奖励模型将文本奖励模型的准确率从55%提升到64%。对8个LLM应用DPO后，响应质量相对提升近3倍，证明了隐式反馈在真实场景中的价值。数据集和代码已开源。

论文 IFLLM LLM 隐式反馈

推荐理由：别光看用户点了什么赞，鼠标和眼睛动的方向才是真心话。这篇论文用59人的眼动和鼠标轨迹数据训练奖励模型，准确率从55%飙到64，还开源了数据集。

原文

06:25

官方账号Clement Delangue@ClementDelangue

Hugging Face CEO Clement Delangue认为，事后API护栏无法消除模型的危险能力，只能隐藏在脆弱的接口后面，容易被越狱（jailbroken）。他建议不要训练高风险能力，除非有强评估、理由和遏制措施；采用分阶段发布（staged release），从可信测试者到更广泛访问，并开放发布以透明和问责。他呼吁大力支持开源AI，缩小封闭实验室和政府之间的能力差距；推动独立评估，而非信任黑盒API；赋予执法、法院、监管者、审计员、记者和公民社会强大的AI工具来检测和追究非法使用。

行业 AI安全开源模型独立评估

推荐理由：Hugging Face CEO提出一个务实的AI安全路线：别只靠事后护栏，要加强独立评估、分阶段发布和开源生态。

原文

04:25

官方账号Clement Delangue@ClementDelangue

精选

AI模型 Poolside Laguna M.1 Hugging Face

事件专题

推荐理由：Poolside 把最强的 Laguna M.1 模型完全开放了，256K 上下文，Apache 2.0 许可，直接去 Hugging Face 下载权重用。

原文

03:09

官方账号Sebastian Raschka@rasbt

73°

AI模型 GLM-5.2 DeepSeek V3.2 IndexShare

事件专题

推荐理由：智谱的GLM-5.2开放权重模型，用DeepSeek V3.2的注意力机制加上自己的IndexShare，把1M长上下文推理搞便宜了，值得看看。

原文

03:04

官方账号vLLM@vllm_project

精选

Poolside 发布开源智能体编程模型 Laguna M.1，采用 70 层稀疏 MoE 架构，总参数量 225B，每 token 激活 23B，支持 256K 上下文。模型使用 256 个专家，top-k=16 路由，专为长程智能体编程设计。支持工具调用间交错推理，可每请求切换，采用 Apache 2.0 许可。vLLM v0.21.0 已提供 Day-0 支持。

AI模型 Laguna M.1 Poolside 开源模型

事件专题

推荐理由：Poolside 刚开源了 Laguna M.1，225B 参数的智能体编程模型，256K 上下文，vLLM 已原生支持，想玩 agentic coding 的可以试试。

原文