Strands 开源 2B 决策模型 Strands Decider 2B中国語
Strands 正式开源 20 亿参数决策模型 Strands Decider 2B，专用于在给定选项集合中选择和置信度打分，权重及训练数据已上线 GitHub 与 Hugging Face。
推薦理由：该模型通过剥离文本生成头改用指针打分机制，为智能体工作流中的低延迟本地决策与工具调用拦截提供了可复用方案。
モデル発表
すべてのトピック新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新の厳選
221〜240 件目 · 全 357 件Buzzing HN · 中文精选厳選AI スコア7070 IT之家 · AI 筛选厳選AI スコア8383 谷歌发布多模态嵌入模型 EmbeddingGemma 2：7.4 亿参数支持端侧跨模态检索中国語
谷歌正式推出多模态嵌入模型 EmbeddingGemma 2，总参数量 7.4 亿并采用 Apache 2.0 开源协议，支持将文本、代码、图像、视频和音频统一映射到同一嵌入空间。
推薦理由：模型将多模态嵌入统一映射并支持模块化加载，为端侧离线跨模态检索和隐私优先的RAG工作流提供了轻量方案。
Buzzing HN · 中文精选厳選AI スコア7575 Google 发布端侧多模态嵌入模型 EmbeddingGemma 2中国語
Google 推出端侧多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构构建并采用 Apache 2.0 协议开源，原生支持将文本、代码、图像、音频与视频统一映射至同一嵌入空间。
推薦理由：模型将文本、代码、图像、音视频统一映射至同一嵌入空间，为离线端侧检索与多模态 RAG 提供了低显存占用的轻量化方案。
Hacker News · AI厳選AI スコア7777 Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全与多模态能力中国語
Mistral 正式发布 1 万亿参数模型 Mistral Large 4（代号 le Chonk），在网络安全、编码、金融和多模态任务上表现突出，已面向开发者、安全机构及政府部门开启预览。
推薦理由：原文提供了欧洲团队训练万亿参数开源模型的硬件配置与攻防场景定位，有助于评估开源大模型在全球竞争中的能力水位。
Google DeepMind厳選AI スコア8080 Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2中国語
Google DeepMind 正式推出开源多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构并采用 Apache 2.0 许可证，原生将文本、代码、图像、音频和视频映射至统一嵌入空间。
推薦理由：该模型通过模块化结构与动态维度截断兼顾端侧资源限制，为在边缘设备构建低延迟、离线多模态检索提供了完整实践路径。
TechCrunch AI厳選AI スコア6565 AI 决策模型如何改变内容审核中国語
Musubi 开源了用于实时内容审核的轻量级决策模型 PolicyLM-1.7B，可在 50 毫秒内根据纯英文政策对文本做出二分类判定。该模型直接输出判定概率而非生成文本，在保留 Transformer 架构灵活性的同时降低了运行成本与延迟，且当审核规则更新时无需重新训练。
推薦理由：该模型展示了决策模型在内容审核中的低延迟应用，有助于读者理解非生成式大模型在结构化判断场景的落地路径。
Simon Willison厳選AI スコア7070 Mistral 发布 Mistral Large 4 预览版中国語
Mistral 推出 Mistral Large 4 预览版，该模型拥有 1 万亿总参数和 490 亿激活参数，在 3800 块 NVIDIA Grace Blackwell GPU 集群上训练完成。目前该版本已通过 API 开放，支持 none 和 high 两种推理级别，并计划于本月底开源权重模型；其在 Artificial Analysis 上的评测得分为 38 分。
推薦理由：原文梳理了该模型的参数规模与实测表现，便于读者评估其开源版本的定位与推理成本。
The Decoder厳選AI スコア7979 Google 发布图像生成模型 Nano Banana 2.1中国語
Google 发布图像生成与编辑模型 Nano Banana 2.1，基于 Gemini 3.6 Flash 架构，全面提升了文字渲染与多轮对话角色一致性，生成价格较前代降低约一半（1K 图像降至 3.36 美分，4K 图像降至 7.56 美分）。该模型支持单次处理最多 14 张参考图、联网搜索以及多档推理思考模式，目前已在 Gemini 应用及 Google AI Studio 等产品上线。
推薦理由：新模型在生成价格降低约一半的同时提升了多图一致性与画质，适合需要兼顾推理成本与生图质量的业务场景。
The Decoder厳選AI スコア7373 Google 发布 EmbeddingGemma 2 多模态嵌入模型中国語
Google 发布开源嵌入模型 EmbeddingGemma 2，参数量为 740M，支持将文本、图像、视频、音频和代码转换为数值向量。该模型在 MTEB Code 基准上取得 78.68 分，仅需约 191 MB 内存即可通过 WebGPU 在浏览器本地运行，单次查询耗时 20 至 70 毫秒。
推薦理由：该模型以 740M 参数支持多模态向量化并可在端侧运行，便于开发者构建完全离线的本地 RAG 应用。
Google Developers · AI 筛选厳選AI スコア7676 Google 发布端侧多模态嵌入模型 EmbeddingGemma 2中国語
Google DeepMind 正式推出开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频帧和音频原生映射至统一向量空间。该模型参数量为 740M，纯文本权重仅需约 191MB 活跃内存，全多模态在 Pixel 设备上仅占用约 567MB，支持零样本意图路由与端侧毫秒级决策。
推薦理由：该模型将文本、视觉与音频统一映射至单一向量空间，为端侧离线语义检索与零样本决策提供了轻量化实现方案。
AITNT · AI头条（网页）厳選AI スコア7979 Mistral Large 4 发布：1.05T 参数与 49B 激活的原生多模态模型中国語
Mistral 正式发布万亿参数原生多模态模型 Mistral Large 4，总参数量达 1.05T 且单次仅激活 49B，配备 1.6B 视觉编码器并支持 1M 上下文。模型在 DeepSWE 软件工程评测中取得 62% 成绩，在企业财务与视觉定位等任务上表现突出；目前公开预览版 API 已上线，权重定于 10 月 27 日放出。
推薦理由：通过细粒度 MoE 将万亿参数计算开销降至 49B 级别，并提供了面向企业代码、财务和网安防御的开源基准参考。
TechCrunch AI厳選AI スコア7777 Mistral AI 发布 1T 参数多模态模型 Mistral Large 4，计划三周后开放权重中国語
Mistral AI 发布拥有 1 万亿参数的多模态大模型 Mistral Large 4（代号 Le Chonk），目前通过带护栏的公共端点提供访问，并计划在三周安全测试后开放模型权重。该模型完全基于其自有算力、仅使用 4,000 张 Nvidia GPU 训练完成，重点针对网络安全、金融和芯片设计等场景进行了优化。
推薦理由：原文披露了 Mistral 在仅使用 4,000 张 GPU 条件下训练 1T 参数模型的工程细节与权重开源计划，有助于评估欧洲前沿开源模型的发展路线。
The Decoder厳選AI スコア7979 Mistral 发布万亿参数模型 Mistral Large 4 预览版中国語
Mistral 发布原生多模态模型 Mistral Large 4 公开预览版，总参数量达 1.05 万亿且激活参数为 490 亿，已通过 Mistral Studio 提供 API 并预计 10 月底开源权重。
推薦理由：该模型主打网络安全防御与欧洲本土数据主权，为需要本地部署和特定安全审计任务的企业提供了新选择。
Buzzing HN · 中文精选厳選AI スコア8484 Mistral 发布万亿参数模型 Mistral Large 4 公开预览版中国語
Mistral 推出万亿参数原生多模态模型 Mistral Large 4（ML4）公开预览版，包含 49B 激活参数，预计当月末正式开源权重。该模型在欧洲本土 3,800 张 NVIDIA Grace Blackwell GPU 上从头训练，在网络安全、Agent 工作流、代码生成及复杂多模态解析等企业级任务中表现优异。
推薦理由：原文披露了万亿参数原生多模态架构的实测表现与后训练机制，读者可据此评估其在企业级工作流中的落地可行性。
IT之家 · AI 筛选厳選AI スコア8080 Mistral AI 发布原生多模态模型 Mistral Large 4 公开预览版中国語
Mistral AI 正式推出原生多模态模型 Mistral Large 4 公开预览版，总参数量达 1 万亿且激活参数为 490 亿，模型权重预计于月底正式开放下载。
推薦理由：模型采用1万亿总参数与490亿激活参数架构，读者可参考其在安全及金融等企业级场景中的实测表现评估落地可行性。
Buzzing HN · 中文精选厳選AI スコア7878 Mistral 发布开源多模态模型 Mistral Large 4中国語
Mistral Large 4 是一款采用细粒度混合专家（MoE）架构的开源权重通用多模态模型。该模型总参数量为 1.05T，激活参数为 49B，并配备了一个 1.6B 参数的视觉编码器。
推薦理由：原文给出了总参数量与激活参数等核心配置，读者可据此评估其多模态 MoE 架构的计算效率。
The Decoder厳選AI スコア6666 Reflection 推出开源模型 Beam：501B 参数 MoE 架构主打高效代码与推理中国語
AI 初创公司 Reflection 发布其首款开源权重模型 Beam，主打以低算力消耗实现强劲的代码、逻辑推理和智能体任务能力。该模型采用总参数 501B、每个 token 激活 23B 的 MoE 架构，在强化学习阶段调用了 10500 块 Nvidia GB300 GPU 训练逾四周。
推薦理由：原文对比了其与主流开源模型的基准测试与算力消耗，为追求低成本推理与智能体部署的开发者提供了参考。
Buzzing HN · 中文精选厳選AI スコア7070 Reflection 推出 501B 开源 MoE 模型 Beam中国語
Reflection 宣布推出其首个开源权重模型 Beam，这是一个总参数 501B、单 token 激活 23B 的稀疏 MoE 架构模型，主打编程、推理与智能体工作流。
推薦理由：该模型采用 501B 总参数与 23B 激活参数的稀疏架构，展示了通过大规模强化学习在低推理开销下维持高代码与智能体性能的工程路径。
TechCrunch AI厳選AI スコア7070 Reflection AI 发布开放权重模型 Beam，主打低算力成本与推理能力中国語
Reflection AI 正式推出首个前沿开放权重大模型 Beam，采用纯文本 MoE 架构并具备 501B 总参数与 23B 激活参数，支持 1M token 上下文窗口。该模型在 23.8 万亿 token 上预训练，宣称在高级推理、编码与 Agent 任务中能以显著降低的推理算力消耗达到领先开源水平。Reflection AI 计划在本月内公开 Beam 的模型权重与完整技术细节。
推薦理由：文章披露了 Beam 模型的 MoE 架构参数与推理成本数据，为评估开源大模型的计算效率提供了参考。
Hacker News · AI厳選AI スコア6262 Reflection AI 发布首个开源模型 Beam，主打编码与智能体任务中国語
Reflection AI 发布其首个开源模型 Beam，主打编码与智能体任务，推理问题所需的算力比同类开源模型减少 3 至 4 倍。该模型性能对标智谱 GLM-5.2 并接近千问 Qwen 3.8-Max，旨在为构建主权 AI 且无法采用中国开源模型的企业与政府机构提供替代方案，团队目前已在训练下一代模型。
推薦理由：原文给出了 Beam 模型的性能对标与算力消耗数据，读者可据此了解西方开源模型在对抗开源竞争中的最新定位。