开源模型相关 AI 资讯

8月13日

18:04

官方账号NVIDIA AI@NVIDIAAI

Fastino Labs与NVIDIA合作发布两款开源模型Fastino-Nemotron-3.5-Lightning-Finance和Fastino-Nemotron-3.5-Lightning-Healthcare，均基于Nemotron 3.5 Lightning微调。金融模型在FinQA基准上执行准确率从15.86%提升至59.23%，增幅43.37个百分点；在BizFinBench上从49.65%升至57.46%。医疗模型在HealthAdminBench上从25.67%升至29.95%，在MedCalc-Bench上从49.09%升至54.18%。两款模型均以Apache 2.0许可发布在Hugging Face上。同时，Fastino还发布了自动微调工具Fastino Fine-Tuning Agent的私人预览版。

事件专题

推荐理由：Fastino跟NVIDIA合作，用自动微调Agent搞出了金融和医疗两个开源模型，FinQA涨了43个点，Apache 2.0随便用。

原文

18:02

18:02官方账号Simon Willison’s Weblog（博客/媒体）

DeepSeek V4 Pro 0813 已通过 OpenRouter 以 API 形式上线，官方没有专门公告页。新模型提供低、中、高三档推理等级，作者测试同一提示词时三档输出差异明显。截至发稿，DeepSeek 未确认是否开放权重，但 4 月的 V4 Pro 和 7 月的 V4 Flash 0731 均已开源，因此概率较高。基准数据先出现在官方微信群，被转载到 Reddit 后因“低质量”删除，现以 ASCII 表格形式流传于 Hacker News。

AI模型 DeepSeek V4 Pro 0813 OpenRouter

推荐理由：DeepSeek 新模型只走 API，OpenRouter 上能直接试。三档推理等级画出来的鹈鹕都不一样，想玩可以拿同一道题对比看看。

原文

18:01

18:01IT之家（博客/媒体）

外媒《连线》援引消息人士称，美国前沿AI模型网络安全审查机制“几乎肯定”会在未来数月扩展至开源（开放权重）模型。该机制目前仅覆盖性能与Anthropic Claude Mythos或OpenAI GPT-5.6相当的闭源模型，且仍属自愿性质。有美国官员认为强制审查可能抑制AI发展。白宫也在考虑，若闭源模型过审，企业可能降低对未审开源模型的兴趣，进而抑制开源模型推出。

行业开源模型 AI安全 Anthropic

事件专题

推荐理由：美国可能要把开源模型也纳入AI安全审查了，现在只查闭源，但风向在变。做开源模型的团队得留意政策风险。

原文

17:59

量子位@Jay

DeepSeek V4 Pro正式版已经发布。它在多项能力上对标Fable 5。开发者现在调用V4 Pro，能直接用上完全体。

AI模型 DeepSeek V4 Pro Fable 5

事件专题

推荐理由：DeepSeek的V4 Pro正式版出来了，好几项直接对标Fable 5，现在开发者调用就能用上完全体，想试的赶紧上手。

原文

17:55

官方账号NVIDIA AI@NVIDIAAI

72°

英伟达宣布推出开源权重模型 Nemotron 3.5 Lightning。Deep Cogito 表示该模型继续推动开放模型生态，并宣布加入英伟达后训练合作伙伴生态。此次合作聚焦开源权重与可定制模型，旨在让前沿智能更易获取。

AI模型 Nemotron 3.5 Lightning NVIDIA DeepCogito

事件专题

推荐理由：英伟达出了开源版 Nemotron 3.5 Lightning，Deep Cogito 马上加入了它的后训练伙伴计划。想搞开源模型定制化的，这条有信息量。

原文

17:54

techcrunch@Kate Park

82°

Geoffrey Hinton、李飞飞和Andrew Ng在Ai4会议上就能AI监管展开辩论。三位专家认为，过度监管会阻碍美国与中国在AI领域的竞争。他们主张保持开源模型访问，以推动创新和安全研究。会议还讨论了如何在开放与安全之间找到平衡。

行业 AI安全开源模型 AI监管

推荐理由：三位顶级AI专家在Ai4公开辩论开源和监管，观点直接对立，看完能搞懂AI圈在吵什么。

原文

17:50

lmarena.ai@lmarena_ai

DeepSeek-V4-Pro (Max)在Text Arena开源模型榜单中位列第五，AutoEval得分为1465。该分数与GLM-5.1的1467分、GPT-5.6 Terra (xHigh)的1464分以及Grok 4.6 (High)的1464分基本持平。该排名来自@deepseek_ai的官方发布，针对的是文本竞技场中的开源模型。

AI模型 DeepSeek DeepSeek-V4-Pro Text Arena

事件专题

推荐理由：DeepSeek新模型在Text Arena拿1465分，和GLM-5.1、GPT-5.6 Terra一个水平，开源阵营排第五。

原文

17:42

lmarena.ai@lmarena_ai

精选

DeepSeek-V4-Pro (Max) 在 Code Arena: WebDev 的 AutoEval 中获得 1607 分，总分第 8，开放权重模型中排第 2。该成绩仅次于 GPT-5.6 Sol 的 1622 分和 Kimi K3 (Max) 的 1674 分。其定价为每百万 tokens 输入 $0.435、输出 $0.87，低于 Opus-4.8 的 $5/$25 和 GLM-5.2 的 $1.4/$4.4。目前该分数为早期 AutoEval 结果，后续会随真人投票收敛。

AI模型 DeepSeek V4-Pro Code Arena

事件专题

推荐理由：DeepSeek 又发新模型了，V4-Pro (Max) 在编码榜上排开源第二，比贵得多的 Opus-4.8 还强，价格只要零头。

原文

04:58

Julien Chaumond@julien_c

精选73°

开源社区迎来开放权重模型密集发布潮。DeepSeek-V4-Flash-0731（304B MoE）在Terminal-Bench 2.1上从61.8升至82.7，逼近Opus-4.8。Meta发布首个开放智能体模型Muse-Glimmer-30B，支持完全本地运行，采用Apache 2.0。Liquid AI LFM2.5-2.6B以2.69B参数在M5 Max上达220 tok/s，内存占用低于2.5GB。MiniMax-H3支持原生立体声音频，可生成2K/15秒视频。Mistral Shieldstral-1.0-3B在HarmBench上得分99.4，超过LlamaGuard-4-12B和ShieldGemma-9B。

AI模型 DeepSeek Meta NVIDIA

事件专题

推荐理由：开源模型大爆炸！DeepSeek、Meta、NVIDIA一口气发了十几个新模型，从推理到视频到语音都有，性能还紧追闭源。

原文

01:28

01:28IT之家（博客/媒体）

86°

阿里云魔搭社区宣布开源Qwen3.8-2.4T-A95B模型权重，总参数2.4T，每个Token激活95B参数。该模型原生支持262,144 Token上下文，可扩展至1,010,000 Token。模型每个MoE层包含512个专家，每个Token选择10个路由专家并激活1个共享专家。官方评测显示，它在PaperBench、IFBench等基准上取得较高成绩，与Opus 4.8、Fable 5、GPT 5.6 Sol相比互有高低。Qwen3.8重点提升编程、办公、科研和长周期Agent任务的端到端完成能力。

AI模型 Qwen3.8-2.4T-A95B Qwen 阿里云

推荐理由：阿里开源了Qwen3.8-2.4T-A95B，2.4T参数激活95B，原生256K上下文，编程和Agent能力对标GPT 5.6 Sol和Opus 4.8。

原文

8月12日

22:19

小互@imxiaohu

83°

微信正式官宣自研模型WeLM，包含WeLM-80B和WeLM-617B两款。WeLM-80B总参数量800亿，每次推理激活30亿参数，已部署到微信原生AI助手小微中。小微助手可调用微信原生功能和小程序，用户说一句话，WeLM理解需求后自动完成操作。WeLM-617B总参数量6170亿，每次推理激活230亿参数。

AI模型 WeLM 微信小微助手

推荐理由：微信终于亮出自家模型了，80B和617B两个版本，已经跑在小微助手里，能直接帮你调微信功能和小程序，挺实在的。

原文

21:25

OpenRouter@OpenRouterAI

精选73°

Meta Superintelligence Labs 推出首个开源权重模型 Muse Glimmer，已在 OpenRouter 上线。该模型为 30B 参数稠密文本+图像模型，采用 Apache 2.0 许可证。Muse Glimmer 在 MCP Atlas 基准上得分 75.5，在 SWE-Bench Pro 上得分 51.2，定位为可靠的本地智能体。

AI模型 Muse Glimmer Meta OpenRouter

推荐理由：Meta 新出的开源模型 Muse Glimmer，30B 参数，Apache 2.0 随便用，本地跑智能体挺靠谱，MCP Atlas 和 SWE-Bench Pro 分数都不错，想玩本地 AI 的可以试试。

原文

20:49

官方账号Decoder@Jonathan Kemper

Nvidia正在开发开源权重模型Nemotron 4，目标参数规模达一万亿，旨在与全球最佳免费模型竞争。然而，中国实验室如DeepSeek和Qwen已在更大规模上取得进展。Nemotron 4的发布将加剧开源模型领域的竞争。

AI模型 Nemotron 4 Nvidia 万亿参数

事件专题

推荐理由：Nvidia要出万亿参数开源模型了，但中国实验室已经跑在前面，看看这场竞赛怎么打。

原文

18:51

Fireworks AI@FireworksAI_HQ

精选

Meta Superintelligence Labs 推出开源权重模型 Muse Glimmer，已上线 Fireworks 平台。该模型为 30B 稠密模型，专为持续运行的智能体设计，支持跨多次顺序工具调用进行推理并可从失败中恢复。Muse Glimmer 支持 128K+ 上下文，原生支持图像和文本输入。开发者可通过 Fireworks 平台开始构建应用。

AI模型 Muse Glimmer Meta Fireworks

推荐理由：Meta 新开源了个 30B 模型，专为智能体连续调用工具设计的，还能从报错里恢复，128K 上下文，想玩智能体的可以试试。

原文

17:54

17:54IT之家（博客/媒体）

IBM与AI云平台Together AI达成多年期2.4亿美元协议，将在IBM Cloud部署NVIDIA HGX B300集群，支持开源模型推理服务，系统预计2027年Q1上线。该集群是首个基于IBM Cloud、采用HGX B300与Spectrum-X以太网技术的大规模推理专用集群。Together AI近期完成8亿美元C轮融资，估值83亿美元，月处理Token达400T。

行业 IBM Together AI NVIDIA HGX B300

事件专题

推荐理由：IBM给Together AI搭了个2.4亿美元的HGX B300大集群，专门跑开源模型推理，2027年上线，想省钱又想要性能的可以关注。

原文

16:52

AI Will@FinanceYF5

a16z 发布数据称，电脑使用 Agent 每小时成本为 6–8 美元，已低于离岸外包人才的约 10 美元，更远低于美国本土人才的 30–45 美元。a16z 认为，随着推理成本持续下降和开源模型能力提升，这一成本优势将进一步扩大。该数据基于当前主流 Agent 工作流的实际运行成本估算。

行业 a16z 智能体成本对比

推荐理由：a16z 算了笔账：电脑 Agent 一小时 6-8 美元，比请外包还便宜，这趋势值得关注。

原文

16:04

AI Will@FinanceYF5

精选

NVIDIA推出Nemotron 3.5 Lightning，专为长时运行的智能体任务设计。该模型总参数量30B，激活参数3B，支持高达1M token的上下文，并已开放商用。NVIDIA提供BF16和更小的NVFP4量化检查点，支持在单张H100或DGX Spark上部署，也兼容RTX 5090。通过多token预测、DSpark和DFlash投机解码以及NVFP4量化，生成速度最高提升4倍。在PinchBench基准上，其准确率达86%，完成速度比Qwen3.6 35B快30%。

AI模型 Nemotron 3.5 Lightning NVIDIA 智能体

事件专题

推荐理由：NVIDIA出了个轻量模型，30B参数但只激活3B，跑长任务上下文能到1M，单卡就能部署，速度还快4倍。

原文

16:01

宝玉@dotey

宝玉在X平台分享了对Agent Harness代码演进的观察。他指出，这类框架代码正变得越来越复杂，从Claude Code早期泄漏版的几万行代码、核心仅数百行，发展到如今动辄几十万行。早期核心就是一个While loop，判断LLM结果是工具调用还是结束，体现了大道至简的设计。而现在像Pi这样的新框架虽然还能读懂，但再迭代下去可能像Claude Code一样难以维护。

技巧 Claude Code Pi Agent

推荐理由：宝玉老师聊Agent框架代码演进，从Claude Code早期几百行核心到几十万行，讲透了为什么现在代码越来越难啃。

原文

09:52

09:52IT之家（博客/媒体）

英伟达于8月11日发布Nemotron 3.5 Lightning，这是一款拥有300亿参数的MoE开源模型，专为大型多智能体系统设计。相比同类模型，其输出速度最高提升4倍，智能体任务整体完成速度加快30%。该模型支持本地运行于NVIDIA RTX PC、DGX Spark等设备，也可扩展至企业级数据中心和云端环境。开源链接已提供在Hugging Face、ModelScope和OpenRouter等平台。

AI模型 Nemotron 3.5 Lightning 英伟达开源模型

事件专题

推荐理由：英伟达新出的30B开源模型，跑智能体任务比同类快4倍，还能本地跑，搞多智能体开发的可以试试。

原文

07:58

官方账号Mistral AI@MistralAI

Mistral 在 X 上发文阐述其 AI 框架愿景，目标是让企业、政府和初创公司使用最佳 AI 并围绕自身知识进行定制。该框架强调用户能保留 AI 创造的价值，而非被平台锁定。Mistral 正推动开源模型与定制化部署，以支持不同规模组织的需求。

行业 Mistral AI框架企业AI

推荐理由：Mistral 官方说了他们的 AI 框架方向，企业政府都能用，还能保留价值，想了解他们战略的可以看看。

原文

07:32

官方账号Mistral AI@MistralAI

Mistral AI宣布将推理基础设施、开源模型与长期承诺整合，旨在帮助欧洲掌控其AI未来。该公司发布了一份路线图，强调区域化部署与主权AI的重要性。Mistral的举措包括提供本地化推理服务，并推动开源模型的广泛应用。此举被视为对全球AI格局的重新定义，尤其在欧洲市场。

行业 Mistral 欧洲AI 主权AI

推荐理由：Mistral这次把推理基础设施和开源模型打包，专为欧洲主权AI铺路，想了解欧洲AI自主路线的可以看看。

原文

03:46

Aravind Srinivas@AravSrinivas

NVIDIA推出Nemotron 3.5 Lightning，这是一款开放权重的30B MoE模型，仅3B参数激活，专为常驻智能体设计，可高效处理高吞吐、专业化任务。其输出速度比同类模型快4倍，能在笔记本或DGX Spark等本地硬件上流畅运行。用户也可通过Perplexity使用更大的Nemotron Ultra版本。

AI模型 Nemotron 3.5 Lightning NVIDIA MoE

事件专题

推荐理由：NVIDIA新出的开源MoE模型，30B参数但只激活3B，笔记本就能跑，速度还快4倍，做智能体任务很合适。

原文

02:29

ollama@ollama

Ollama宣布与NVIDIA及黄仁勋团队合作，共同推出开源模型Nemotron 3.5 Lightning。该模型主打智能、快速、高效，并保持开源特性，旨在支持持续运行的智能体。双方强调开放模型无边界，未来将继续合作推动生态发展。

AI模型 Ollama NVIDIA Nemotron 3.5 Lightning

事件专题

推荐理由：Ollama和NVIDIA联手了，新出的Nemotron 3.5 Lightning主打快和高效，还是开源的，做智能体可以试试。

原文

01:31

Rowan Cheung@rowancheung

精选

Meta CEO扎克伯格宣布开源Muse Glimmer模型的权重，这是一个300亿参数的密集模型，可在本地运行。同时，Meta即将发布Muse Spark 1.2基础模型的权重。扎克伯格在采访中承认Llama 4未达预期，称其相比Llama 3虽有提升但不够领先。他因此重组了实验室工作，强调构建领先模型能力对解锁创造力的重要性。

AI模型 Meta Muse Glimmer Llama 4

推荐理由：Meta把30B模型权重开源了，能本地跑，还有Spark 1.2要来。扎克伯格还亲口承认Llama 4不行，聊了怎么重建的，挺实在。

原文

00:59

a16z@a16z

精选

Inferact CEO Simon Mo 在 a16z 的访谈中表示，开源权重模型与闭源模型在能力上已无明显差距，真正的差异在于分发策略和进入市场的方式。他认为，模型改进的关键不是数据来源，而是谁能为模型构建最好的自我迭代环境。他以 Moonshot 的前端编码环境为例，说明模型通过观察渲染结果持续循环优化的重要性。Mo 预测，未来一年开源模型实验室的竞争重点将是如何让模型更好地适应真实世界。

行业 Inferact Simon Mo Moonshot

推荐理由：Simon Mo 说开源闭源模型能力已经没差，拼的是谁能给模型搭最好的自我进化环境，拿 Moonshot 前端编码举例，挺开脑洞的。

原文

00:30

Suhail@Suhail

Meta CEO马克·扎克伯格在X平台发文，呼吁行业重新思考关于蒸馏和训练数据的政策。他表示，模型从其他模型学习的能力是开源生态系统运作的重要原则。这一表态针对当前AI行业对蒸馏技术的争议，强调无法阻止模型间的知识传递。扎克伯格的观点可能影响未来AI监管和开源政策的走向。

行业扎克伯格 Meta 蒸馏

推荐理由：扎克伯格公开挺蒸馏，说模型互相学习是开源根本，这波站队值得看看。

原文

8月11日

23:34

官方账号Decoder@Matthias Bastian

精选

Nvidia发布开源权重模型Nemotron 3.5 Lightning，仅36亿活跃参数，在智能指数上与OpenAI的gpt-oss-120b持平，但体积小四倍。该模型每秒处理近670个token，是对比中速度最快的模型。Nvidia此举表明其更注重效率而非模型规模。

AI模型 Nemotron 3.5 Lightning Nvidia gpt-oss-120b

事件专题

推荐理由：Nvidia新出的开源模型，36亿参数跑得比1200亿的还快，速度拉满，适合追求低延迟的开发者。

原文

23:00

a16z@a16z

a16z的Christian Catalini发文讨论开放与封闭AI的经济学。他认为市场优于中央计划，因为市场能将无数独立探索转化为分布式发现、适应和选择过程。许多竞争性超级智能各自探索不同前沿，比单一智能发现更多。开放权重允许智能被广泛适应，而非从中心优化和配给。监管捕获可能减缓扩散，但无法逆转这一趋势。

行业 a16z 开放权重 AI安全

推荐理由：a16z经济学家聊开放权重AI，用市场逻辑反驳封闭派，观点挺有意思，适合关心AI开源之争的人看。

原文

22:58

22:58IT之家（博客/媒体）

72°

英伟达正在研发新一代开源 AI 模型系列 Nemotron 4，据 The Information 援引项目参与者消息，其中最大模型预计至少拥有 1 万亿个参数。英伟达生成式 AI 副总裁 Kari Briski 表示，投资 Nemotron 是为了让每家企业、每个国家都能获得前沿开源模型。该模型最早可能在今年秋末准备就绪，但发布日期尚未确定。英伟达还发布了 Nemotron 3.5 Lightning 模型，面向代码审查、工具调用等任务，并推出开源模型路由库 NeMo Switchyard。

AI模型 Nemotron 英伟达开源模型

推荐理由：英伟达要出万亿参数开源模型了，直接对标全球顶级，想了解开源模型新格局的可以看看。

原文

22:52

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA 推出 Nemotron 3.5 Lightning 模型，延续开放策略，公开权重、训练数据和配方。该模型已上线 Hugging Face 平台，开发者可自由获取和定制。Nemotron 3.5 Lightning 旨在提供高性能推理能力，适用于多种自然语言处理任务。此次发布进一步巩固了 NVIDIA 在开源模型领域的布局。

AI模型 Nemotron NVIDIA Hugging Face

事件专题

推荐理由：NVIDIA 把 Nemotron 3.5 Lightning 的权重、数据和配方全开放了，想自己改模型的话直接上 Hugging Face 就能拿，比闭源省事多了。

原文

22:03

官方账号NVIDIA AI@NVIDIAAI

精选73°

NVIDIA推出Nemotron 3.5 Lightning，一个30B参数的MoE模型，仅激活3B参数。该模型专为常驻智能体设计，可快速完成高并发、专业化任务。其输出速度比同类模型快4倍。模型已开源，适合需要高效推理的场景。

AI模型 Nemotron NVIDIA MoE

事件专题

推荐理由：NVIDIA出了个30B MoE模型，只激活3B参数，跑得快4倍，适合做常驻智能体，开源可白嫖。

原文

19:16

19:16IT之家（博客/媒体）

零一万物创始人李开复近日表示，越来越多美国公司开始使用中国开源产品，中国开源大模型正让美国人感到担忧。他指出，OpenAI的GPT-5.6 Sol和Anthropic的Fable 5虽是最强AI模型，但仅比月之暗面的Kimi K3好一点，而Kimi K3价格便宜约60%。月之暗面于7月16日推出Kimi K3，拥有2.8万亿参数，在Frontend Code Arena榜单以1679分超越Claude Fable 5位居第一。OpenAI战略未来主管Dean W. Ball批评开放权重模型是减速主义，会阻碍AI资本支出。

行业 Kimi K3 李开复零一万物

事件专题

推荐理由：李开复说美国公司开始用中国开源模型，Kimi K3便宜60%还登顶榜单，OpenAI那边急了，这事值得看看。

原文

18:46

官方账号阿里通义 Qwen@Alibaba_Qwen

精选73°

阿里巴巴Qwen团队在X平台确认，Qwen3.8-27B模型的开源权重将于本周发布。该模型属于Qwen3系列，参数规模为27B，采用开放权重形式供开发者使用。团队感谢社区耐心等待，并期待开发者基于该模型进行创新。

AI模型 Qwen3.8-27B 阿里巴巴开源模型

推荐理由：阿里这周要放Qwen3.8-27B的开源权重，27B参数，想玩开源模型的可以蹲一下。

原文

18:01

18:01IT之家（博客/媒体）

精选

蚂蚁百灵在 Hugging Face 开源 Ling-3.0-tiny 模型，总参数 7.9B，每 Token 激活 1.3B 参数，采用混合推理 MoE 架构。该模型将 KDA 和 MLA 按 3:1 比例交替堆叠，包含 128 个路由专家，兼顾上下文处理与计算成本。官方提供 BF16、FP8 和 INT4 权重版本，适配不同平台。在 M4 Pro MacBook 上推理速度约 86-90 Token/s，8K 上下文峰值内存约 8.34 GiB。

AI模型 Ling-3.0-tiny 蚂蚁百灵 MoE

推荐理由：蚂蚁百灵开源了个轻量推理模型，7.9B 参数但每 Token 只激活 1.3B，Mac mini 上跑得飞快，适合本地部署。

原文

14:49

14:49官方账号Latent Space (swyx)（博客/媒体）

Muse推出Glimmer和Spark两款开源权重模型，主打个人超级智能。Glimmer可在单张RTX 3090上运行，降低了本地部署门槛。Spark定位更高性能，面向更复杂任务。此举被视为美国开源模型阵营的一次小胜。

AI模型 Muse Glimmer Spark

推荐理由：Muse开源了Glimmer和Spark，Glimmer一张3090就能跑，想本地玩大模型的可以看看。

原文

14:25

官方一手marktechpost@Michal Sutter

webAI发布了TwIL-LM模型家族，包含1.7B和3B参数版本，能将英文翻译成一阶逻辑并检查结论是否从前提推出。3B模型可在CPU或4GB显存上运行，1.7B模型下载大小为1.06GB。两个版本均采用非商业许可。模型卡显示，头条基准分数属于未发布的检查点，而非Hub上的权重。

AI模型 TwIL-LM webAI 形式逻辑

推荐理由：想本地跑形式逻辑？TwIL-LM 1.7B和3B能翻译英文到一阶逻辑，3B只要4GB显存，但注意基准分数是未发布版本的。

原文

11:58

shao__meng@shao__meng

精选73°

Qwen 团队开源 Qwen-MM-Plugins，一套原生多模态插件集，通过 Skill 加 MCP 双层解耦，把读图、读视频、读文档、听音、建模等能力注入任意 Agent harness。项目包含七大模块：core 视觉基础支持动态分辨率读取、OCR、SAM3 分割、ASR；video-memory 用层次化图记忆支撑 2 小时级长视频问答；omni-av 基于 Qwen-Omni 做带时间戳的 ASR 与时序定位；video-edit 覆盖图视频音频生成与剪辑；blender 和 freecad 分别提供 22 个和 14 个工具驱动 3D 建模与参数化 CAD；edu-agent 纯 Skill 把理科题转成中文讲解视频。

AI产品 Qwen-MM-Plugins MCP/工具多模态

推荐理由：千问开源的多模态插件集，用 MCP 把读图、看视频、3D 建模塞进任意 Agent，纯文本 Agent 直接升级，想给 Agent 加眼睛的可以试试。

原文

11:54

官方账号arXiv cs.AI@Alban Puech, Matteo Mazzonelli, Tamara R. Govindasamy, Mangaliso Mngomezulu, Héctor Maeso-García, Thomas Tolhurst, Javad Bayazi, Ali Moeini, Naomi Simumba, Celia Cintas, David Nelischer, Romeo Kienzler, Jonas Weiss, Anna Varbella, Florian Dörfler, Gabriela Hug, Martin Mevissen, Juan Bernabé-Moreno, François Mirallès, Hendrik F. Hamann, Etienne Vos, Thomas Brunschwiler

GENCO（几何神经校正优化器）是一个统一神经求解器，用于稳态输电网分析，涵盖潮流（PF）、最优潮流（OPF）和状态估计（SE）。在PFDelta和OPFData基准上，GENCO在大规模PF中比牛顿-拉夫逊法快30倍，同时匹配DC-PF的功率平衡残差。在OPF中，它比IPOPT快85倍，并提高了可行性和最优性。在SE中，GENCO对噪声和参数误差的鲁棒性优于加权最小二乘法。配套的开源GridFM开发框架和百万级数据集支持可复现的基准测试。

论文 GENCO GridFM 电力系统

推荐理由：电力系统工程师看过来：GENCO一个模型搞定潮流、最优潮流和状态估计，比传统求解器快几十倍，还开源了框架和数据集，想上手试试的别错过。

原文

11:35

shao__meng@shao__meng

精选

webAI Intelligence Lab 开源了首个形式化推理模型 TwiL-LM3，参数量仅 3B。在 5 项形式化推理基准中，TwiL-LM3 有 4 项超过 OpenAI 的 GPT-OSS-120B，参数量约为后者的 1/40，推理速度快 2.6 倍。该模型基于 webAI 自有的验证数据集训练，而非抓取互联网数据，可在树莓派或 iPhone 等消费级硬件上运行。