Muse 開源硬體 SDK,支援 ESP32 與 Linux 自制裝置
Muse 開源硬體 SDK,支援 ESP32 與 Linux,使用者可自制裝置連線 Muse,SDK 與韌體採用 Apache 2.0。
找到 25 筆
Muse 開源硬體 SDK,支援 ESP32 與 Linux,使用者可自制裝置連線 Muse,SDK 與韌體採用 Apache 2.0。
Meta 開源相關程式碼與 SDK,使用者可用 ESP32 或 Raspberry Pi 自制搭載 Muse AI 代理的硬體裝置。
作者開源一套 Python 工具與 Docker 網頁應用,讓 GPT-6 Astra、Opus 5.5 等模型生成 LDraw 原始碼,從而產出樂高 CAD 模型。
理論物理學家 Matthew Schwartz 發布開源工具包 BootLoops,把 Claude 變成能精確計算的科研工具。他稱適配 LLM 強項的問題為 Claude-shaped,並在地質、生物、經濟、語言學等領域與專家合作取得進展。BootLoops 開源,可搭配任意模型。
Meta 推出 30B 開源模型 Muse Glimmer,Apache 2.0 許可,今日起可在 LM Studio Bionic 下載並本地執行,支援工具呼叫和影像輸入。在該平台 BionicBench v0.1 評測中,它完成 83.3% 的任務,高於 Gemma 4 31B 和 Qwen 3.6 27B 的 77.7%。
NVIDIA 發布開源表格基礎模型 Kumo Tabular,28M 至 215M 三檔引數,OpenMDW-1.1 許可可商用。它在 TabArena、BeyondArena、TALENT、ScoringBench 四個基準排名第一。給定帶標籤的表格,單次前向即輸出分類機率或迴歸數值,無需訓練、調參和特徵工程。
Muse Glimmer 是 Meta Superintelligence Labs 的首個開源模型,30B 多模態、Apache 2.0 許可、128K+ 上下文,現已在 Ollama 上線。Apple Silicon 上可通過 Ollama 的 MLX 引擎執行,DFlash 帶來 1.5–1.8 倍提速,並新增影像輸入支援。
美國能源部 Genesis Mission 的首波旗艦專案 SYNAPS-I 採用 Meta 開源的 SAM 3 與 DINOv3 做科學影像分割。團隊在 DOE 束線資料上微調兩個模型,並部署到 300 張 A100 上。原本每個資料集耗時約一個月的專家標註,現在約 15 分鐘完成。
Ai2 開源 AstaBrief 8B,一個把研究問題與檢索到的文獻片段轉成帶引用報告的小模型,基座是 Qwen3-8B。在 Asta 的 Fast mode 中它平均 51.1 秒生成一篇報告,Claude 驅動的 Thinking mode 為 178.5 秒,約快 3.5 倍。模型權重、訓練資料與示例工作流均已開放。
Cloudflare 發布兩個自訓決策模型 Clef 和 Clef-flash,託管在 Workers AI,並以 Apache 2.0 許可在 Hugging Face 開源,同時推出新的 RL 微調平台。Clef 在 Jev Decision Index 上目前排名第一,中位延遲 209.3ms,低於 Jev 的 524.1ms。它帶視覺編碼器、64k 上下文,可返回帶機率的結構化分類結果。
Kimi K3 發布,是首個開源 3T 級模型:2.8T 引數、原生視覺、100 萬 token 上下文,已在 Kimi.ai、Kimi Work、Kimi Code 與 Kimi API 上線,預設最高思考強度。官方稱其整體效能仍落後 Claude Fable 5 與 GPT 5.6 Sol,但在評測集上達到前沿水平。完整權重將於 2026 年 7 月 27 日放出。
Ai2 開源 AstaBrief 8B,一個把研究問題與文獻片段寫成帶引用報告的小模型,基於 Qwen3-8B 用 SFT 與 DPO 訓練。它已在 Asta 中作為 Fast 模式上線,平均 51.1 秒生成一份報告,比 Claude 驅動的 Thinking 模式(178.5 秒)快約 3.5 倍。模型權重、訓練資料和示例工作流同時開放,可在自有基礎設施本地執行。
Inco AI 開源了面向 Apple Silicon 的推理引擎 Splash,專門最佳化 Qwen3.6-35B-A3B 與 Qwen3.8-27B。在 48 GB M5 Pro 上,Qwen3.8-27B 短提示解碼 74 tokens/s、32K 上下文 54 tokens/s,約為實測次快引擎的 2 倍,四路併發合計 170 tokens/s。
Kimi 團隊發布 WorldVQA 基準,用 3500 組圖文問答、9 個類別評測多模態大模型的視覺世界知識,並區分常見與長尾知識。前沿模型在長尾視覺知識上準確率常低於 50%。所有被測模型都過度自信,表現最好的 Kimi-K2.5 的 ECE 為 37.9%、Slope 為 0.550;資料集與評測指令碼已開源。
該模組即時讀取 Claude Code 的工具呼叫與輸出,用 Sonnet 或 Haiku 生成動畫短片,已在 GitHub 免費開源。
NVIDIA 的 30B 開源模型 Nemotron 3.5 Lightning 已在 Ollama 上線,可完全在本地裝置執行,每 token 僅啟用 3B 引數。它支援最長 1M token 上下文,靠推測解碼實現最高 4 倍吞吐。用 ollama launch 即可接入 Claude Code、OpenCode,Apple Silicon 對應 30b-mlx 版本。
Airbnb CTO Ahmad Al-Dahle 披露,公司 60% 的程式碼已由 AI 編寫,約一半客服工單由 AI 解決,工程師 PR 吞吐量提升約 1.6 倍,功能交付量同比增近 80%。內部 context graph「Everest」讓機場接送服務約 6 周完成開發,雜貨配送用了 8 到 9 個月。Airbnb 自稱為多模型公司,至少部署 10 個定製模型,後訓練與強化學習主要在開源模型上做。
MLX 發布 v0.30.7。本次新增 GLM5 與 Qwen3.5(無視覺版)支援、LongCat MLA、Mistral 與 LFM2 的工具呼叫解析,修復 Kimi Linear 和 DeepSeek V3.2 的索引器與權重載入,並加快 DeepSeek V3.2 生成。
Meta 推出 Brain2Qwerty v2,可從非侵入腦記錄即時解碼句子,詞準確率 61%,最佳參與者 78%。
MLX 發布 v0.32.3,以 bug 修復和 Metal/CUDA 核心最佳化為主。新增 M5 Ultra 非量化 matmul 調優與 Metal gated delta net 核心,並改善 SDPA D256/D512 的 Metal 視訊記憶體佔用。同時修復整數除零崩潰、GGUF 張量維度校驗等問題。
MLX v0.32.2 發布:NAX 裝置新增 head_dim 256 的融合全注意力路徑,量化 MOE matmul 跳過多餘的 simdgroup 計算。同時修復 divmod 浮點商截斷、median 丟棄 NaN、量化切片陣列等問題,並限制 GGUF 後設資料讀取邊界。
Ollama v0.35.1 通過 /v1/systemone 接入 Cloudflare 開源的決策模型 Clef(27B)與 Clef Flash(9B),兩者均為多模態,請求可同時帶圖片和文字狀態。本次更新還把聯網搜尋上限從每次回答 3 次提升到 10 次,並更新了 llama.cpp 與 MLX 引擎。
微軟推出 FrogNano-4B,基於 Qwen3.5-4B 做後訓練,專注倉庫級軟體工程。它用強化學習在約 1500 個合成 SWE 任務環境中訓練,配合五工具 Leaf harness。訓練資料偏 Python 和英文,生成的 patch 需人工審查與測試。
Mistral 完成 30 億歐元 D 輪融資,投後估值超 210 億歐元,為歐洲科技公司史上最大股權融資,三星電子領投。資金將用於擴大前沿研究、算力與基礎設施,並加速商業化與國際擴張。Mistral 目前業務覆蓋 20 個國家,服務 125 家以上企業客戶。
Anthropic 分析稱智譜 GLM-5.3 能自主完成端到端網路攻擊利用,其安全防護在模擬測試中 64% 至 100% 可被簡單手法繞過。NIST CAISI 稱 GLM-5.3 是迄今最具網路攻擊能力的開放權重模型,落後美國前沿約四個月。GLM-5.3 任何人可下載,而無實質防護限制。