Hugging Face 发布 Holo4 通用计算机操作智能体模型
Hugging Face 发布 Holo4 系列智能体模型，含 27B dense 和 35B-A3B MoE 两个尺寸，均已在 H Models API 上线，并同步开源 Holotron4 Nano。
推荐理由：原文给出了新模型的双尺寸、跨界面能力和开源轨迹数据，读者可据此评估它在真实业务工作流中的性价比。
#开源生态
#开源生态
今日 0 条Hugging Face Blog精选AI 评分7878
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，加速视觉语言模型推理
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，通过投机解码在几乎不增加内存的前提下提升推理速度，解码加速最高达 3.13x（设备端）和 2.66x（H100），端到端提升最高 2.62x 和 2.27x。
推荐理由：原文给出了解码加速倍数、内存开销和三种推理框架的接入方式，读者可据此评估端侧视觉模型的推理收益。
Latent Space精选AI 评分7878 小米发布 MiMo-V2.6-Pro 开源全模态模型，训练成本约 300 万美元
小米发布 MiMo-V2.6 系列开源全模态模型，其中 MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数成为 Artificial Analysis 智能指数上排名最高的开源权重模型，输入输出价格分别为 $0.435/M 和 $0.87/M tokens，采用 MIT 许可。
推荐理由：原文给出了 MiMo-V2.6-Pro 的参数量、训练成本和开源范围，读者可据此判断开源模型在 RL 路线上的进展。
Google Research精选AI 评分6565 Google 发布 TimesFM-3 多变量时序预测基础模型
Google Research 发布 TimesFM-3，这是其时序基础模型家族的新一代版本，原生预训练用于多变量预测，参数量 3.3 亿，在超过 1 万亿时间点的真实与合成语料上完成预训练。
推荐理由：原文给出了模型架构、参数量、评测排名和开放入口，读者可据此判断它相对单变量模型的提升幅度。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理速度最高提升 3.18 倍
Liquid AI 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在 GPU 上实现最高 3.18 倍吞吐提升，端侧最高 2.87 倍，且不改变输出质量。LFM2.5-2.6B 的函数调用延迟平均降低 57%，并已开源支持 llama.cpp 和 SGLang。
推荐理由：原文给出了三款草稿模型的加速数据和接入方式，读者可据此评估投机解码带来的实际收益。
Hugging Face Blog精选AI 评分8585 Meta 发布开源多模态模型 Muse Glimmer-30B，主打本地智能体场景
Meta 今日发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，专为本地智能体场景设计，采用 Apache 2.0 许可。模型由 2B 视觉编码器和 28B 文本解码器组成，支持图像、视频输入及多模态工具调用，并附带 DFlash 投机解码加速。
推荐理由：原文给出架构细节、基准对比和本地部署路径，读者可据此评估它在端侧智能体场景的适用性。
Mistral AI精选AI 评分7070 Mistral 发布 3B 开源多模态安全审核模型 Shieldstral
Mistral 发布 Shieldstral，一个 3B 开源多模态安全审核模型，在文本安全上匹配最高 7 倍规模的模型，并在多模态审核上达到新 SOTA。它把内容审核建模为策略自适应问答，推理时用自然语言问题定义策略，无需重训即可统一审核文本和图像，返回校准的安全分数。模型以 Apache 2.0 开源，可在单张 16GB NVIDIA GPU 上运行。
推荐理由：原文给出了把内容审核建模为策略自适应问答的思路，读者可以据此判断这种免重训的审核方式是否适合自身场景。
Hugging Face Blog精选AI 评分8282 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，约 1T 参数、支持 1M 上下文，原生接受图像、文本和音频输入，具备智能体能力，并提供 BF16 和 NVFP4 变体。
推荐理由：原文给出了 Inkling 的架构细节、部署配置和基准表现，读者可以据此判断它作为开源多模态模型的定位与可用性。
Mistral AI精选AI 评分8282 Mistral 发布 Leanstral 1.5，6B 激活参数开源模型在形式化验证上刷新多项基准
Mistral 发布 Leanstral 1.5，一款 Apache-2.0 许可、总参数 119B 但仅 6B 激活的开源模型，在 miniF2F 上达到 100%，解决 PutnamBench 587/672 题，并在 FATE-H（87%）和 FATE-X（34%）上取得新 SOTA。
推荐理由：原文给出了基准成绩、成本对比和真实代码库找 bug 的案例，读者可据此判断它在形式化验证上的实用程度。
Google DeepMind精选AI 评分7979 Google DeepMind 发布开源扩散模型 DiffusionGemma，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上每秒可生成 1000+ token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存，面向内联编辑、代码填充等速度敏感的本地交互场景，但整体输出质量低于标准 Gemma 4。
推荐理由：原文给出了速度提升、硬件门槛和适用场景，读者可据此判断它适合哪些本地交互工作流。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B 无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，这是其首款支持原生音频输入的中型多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。
推荐理由：原文给出了架构变化、内存占用和开放入口，读者可据此判断它能否在本地硬件上跑起多模态智能体工作流。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemma 4 开源模型家族，主打推理与智能体工作流
Google DeepMind 发布 Gemma 4 开源模型家族，号称迄今最智能的开源模型，专为高级推理和智能体工作流设计，以 Apache 2.0 许可发布。
推荐理由：官方发布稿给出了四个尺寸、上下文窗口和硬件适配细节，读者可据此判断在自有硬件上运行与微调的可行性。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral 发布 Mistral Small 4，这是首个统一旗舰模型能力的开源模型，融合 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力。
推荐理由：原文给出了架构、性能提升和开放入口，读者可以据此判断它如何统一推理、多模态与编码能力。
Mistral AI精选AI 评分6262 Mistral 发布开源 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 协议开源，并集成进 Mistral Vibe 和免费 API 端点。
推荐理由：原文给出了 Leanstral 的架构、评测分数和成本对比，读者可据此判断它在形式化证明场景中的性价比。
Mistral AI精选AI 评分8282 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布下一代编码模型 Devstral 2（123B）和 Devstral Small 2（24B），均采用宽松开源许可，Devstral 2 在 SWE-bench Verified 上取得 72.2% 的成绩，并推出原生 CLI 工具 Mistral Vibe 实现端到端代码自动化。
推荐理由：原文给出了新模型在 SWE-bench Verified 上的得分、与闭源模型的差距以及 API 定价，读者可据此判断开源编码模型的实际水平与成本。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列，含 Large 3 与 Ministral 3 多尺寸模型
Mistral 发布下一代模型 Mistral 3，包含 14B、8B、3B 的 Ministral 3 系列和旗舰 Mistral Large 3，全部采用 Apache 2.0 许可证。
推荐理由：原文给出了 Mistral 3 全家族参数、许可证和可用平台，读者可据此判断开源模型的最新能力水位与部署选择。
Mistral AI精选AI 评分7878 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral AI 发布开源语音理解模型 Voxtral，提供 24B 生产级和 3B 端侧两个版本，均采用 Apache 2.0 许可并开放 API。Voxtral 支持 32k token 上下文、最长 30 分钟转写或 40 分钟理解、内置问答与摘要、多语言识别及语音直接触发函数调用。
推荐理由：原文给出了两个开源语音模型的规模、许可和定价，读者可据此评估其在生产场景中的成本与部署选择。
Mistral AI精选AI 评分7070 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：原文给出了两款模型的基准分数、定价和开源范围，读者可据此评估其在编码智能体场景的性价比。
Mistral AI精选AI 评分7575 Mistral AI 发布首款推理模型 Magistral，开源 Small 版并推出企业版 Medium
Mistral AI 发布其首款推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：Mistral 首次推出推理模型，开源版与商业版并行，读者可据此评估其多语言透明推理能力与部署选择。
Mistral AI精选AI 评分7575 Mistral AI 发布开源编码智能体 Devstral
Mistral AI 与 All Hands AI 合作推出面向软件工程任务的智能体大模型 Devstral，在 SWE-Bench Verified 上取得 46.8% 的成绩，超过此前开源最优模型 6 个百分点以上，并以 Apache 2.0 协议免费开源。
推荐理由：原文给出了基准成绩、开源许可和本地部署门槛，读者可据此评估它作为开源编码智能体的实际可用性。
Mistral AI精选AI 评分7474 Mistral AI 发布 Mistral Medium 3，主打低成本高性能
Mistral AI 发布 Mistral Medium 3，在多数基准上达到 Claude Sonnet 3.7 的 90% 以上性能，定价为每百万 token 输入 $0.4、输出 $2，成本显著更低。该模型在编码和 STEM 任务上接近更大规模的竞品，并支持混合部署或本地 VPC 部署，API 即日起在 Mistral La Plateforme 和 Amazon Sagemaker 上线。
推荐理由：原文给出了性能对比和定价，读者可以据此判断中等规模模型在成本与能力之间的取舍。
Mistral AI精选AI 评分7272 Mistral Small 3.1 发布：128k 上下文、多模态、Apache 2.0 开源
Mistral AI 发布 Mistral Small 3.1，在文本性能、多模态理解和 128k 上下文窗口上较前代升级，推理速度达每秒 150 tokens，性能超越 Gemma 3 和 GPT-4o Mini，并以 Apache 2.0 许可开源。
推荐理由：官方公布了性能对比、推理速度和开源许可，读者可据此判断它相对同类小模型的定位与适用场景。