美团 LongCat 团队发布 LongCat-Flash-Thinking-2601：5600 亿参数智能体推理模型，支持深度思考与抗噪泛化
美团 LongCat 团队正式推出 LongCat-Flash-Thinking-2601 —— 一款总参数量达 5600 亿、激活参数仅 270 亿 的高效混合专家（MoE）大模型。该模型专为现实世...
排序
美团 LongCat 团队发布 LongCat-Flash-Lite：685 亿参数 MoE 模型，用 N-gram 嵌入表突破推理效率瓶颈
美团 LongCat 团队近日开源了 LongCat-Flash-Lite —— 一款拥有 685 亿总参数、激活参数约 30 亿 的混合专家（MoE）语言模型。它基于 LongCat-Flash 架...
腾讯优图发布 Youtu-VL：40 亿参数轻量模型，统一处理视觉与语言任务
腾讯优图实验室近日开源了 Youtu-VL——一款仅有 40 亿参数 的轻量级视觉语言模型（VLM），却能在无需任务专用模块的前提下，同时胜任通用多模态任务与高难度的以视觉为中心的任务（如图像分割、深...
阿里DiffSynth-Studio 项目组推出Z-Image-i2L：从单张图像一键生成风格 LoRA
阿里 DiffSynth-Studio 项目组 推出 Z-Image-i2L（Image to LoRA）模型——一种“以图生 LoRA”的创新方案。只需输入一张或多张风格统一的图像，模型即可自动生成...
AI2发布Open Coding Agents：低成本、可复现的开源编程智能体，支持任意私有代码库
过去一年，编程智能体（Coding Agents）显著改变了软件开发流程——从自动调试、重构到提交 PR，它们正逐步成为开发者的新“协作者”。然而，主流系统多为闭源、训练成本高昂，且难以适配私有代码库...
阿里通义 MAX 项目组发布 Z-Image ：支持 CFG 与微调，面向专业创作的非蒸馏基础模型
在用户热切期盼下，阿里通义 MAX 项目组正式开源 Z-Image 完整版——这是 Z-Image 系列的基础大模型，专为追求最高生成质量、最大创作自由度与最强提示控制力的专业用户设计。 Huggin...
月之暗面开源最强多模态模型 Kimi K2.5，支持百智能体协同与视觉编程
月之暗面（Moonshot AI）正式发布 Kimi K2.5——目前最强的开源多模态大模型。它在 Kimi K2 基础上，基于约 15 万亿混合视觉-文本 Token 进行预训练，不仅在编码与视觉理...
DeepSeek-OCR-V2：用 LLM 替代 CLIP，让 OCR 学会“像人一样阅读”
DeepSeek 发布 OCR-V2，这不是一次常规升级，而是一次架构级革新：彻底弃用 CLIP 视觉编码器，改用小型 LLM（Qwen2-0.5B）作为视觉编码器，并引入 “视觉因果流”（Visua...
阿里通义实验室推出新一代旗舰推理模型Qwen3-Max-Thinking：支持自适应工具调用，性能对标 GPT-5.2
阿里通义实验室正式发布 Qwen3-Max-Thinking，作为 Qwen 系列的最新旗舰推理模型。通过显著扩大参数规模并投入大量强化学习训练算力，该模型在事实准确性、复杂推理、指令遵循、人类偏好对...
天气 AI 革命！英伟达发布 Earth-2 开放模型：0-6 小时预警 + 15 天预报，主权国家可自托管
美国冬季风暴来袭前，多地降雪量预测差出“天壤之别”——有的说下5厘米，有的说下20厘米，气象部门和民众都陷入纠结。 在 2026 年 1 月于休斯敦举行的美国气象学会（AMS）年会上，英伟达正式发布了...
Odyssey 推出交互式世界模型Odyssey-2 Pro，支持实时模拟与多端集成
今天，Odyssey 正式推出 Odyssey-2 Pro——目前最强大的通用世界模型——以及配套的 开发者 API。Odyssey表示，这标志着世界模型领域迎来了自己的 “GPT-2 时刻”：一个可...
微软开源 VibeVoice-ASR：支持60分钟长音频的端到端语音转写模型
微软正式开源 VibeVoice-ASR——一款面向真实场景的统一语音识别模型。它能单次处理长达60分钟的连续音频，并输出包含说话人身份、精确时间戳与文本内容的结构化转录结果，同时支持用户注入自定义热...
