⌘ K
… 读取采集状态 同步中...
雷

模型发布

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。

367条精选相关主题产品更新论文研究开源生态

最新精选

第 321–340 条 · 共 367 条
3月28日周五
  1. Qwen Blog85

    千问正式推出视觉推理模型 QVQ-Max

    千问官方正式发布视觉推理模型 QVQ-Max，该模型能够对图像和视频进行深度分析并开展多步推理，以解决数学题、代码阅读及日常视觉任务。在 MathVision 评测基准上，随着推理链长度的增加，QVQ-Max 的准确率呈现出持续提升的趋势。千问计划在未来加强基于定位技术的地面验证能力，并探索该模型作为操作计算机的视觉智能体的可能性。

    推荐理由：这是千问官方首次正式发布的视觉推理模型，核心变化在于将视觉感知与链式推理结合，可直接查看 MathVision 基准性能来评估其推理深度。

3月27日周四
  1. Qwen Blog90

    Qwen2.5-Omni 发布

    Qwen2.5-Omni 发布，支持文本、图像、音频和视频输入以及实时文本和语音输出，已开放下载。模型在 OmniBench 上取得 state-of-the-art 表现，在 MMLU、GSM8K、MMMU 等基准上表现与同级别单模态模型相当。架构采用 Thinker-Talker 设计，支持实时音视频交互。

    推荐理由：Qwen2.5-Omni 发布并开源，给出 Thinker-Talker 架构和 OmniBench 等基准表现，读者可以据此判断其多模态能力与可用性。

3月24日周一
3月17日周一
  1. Mistral News82

    Mistral 发布开源模型 Mistral Small 3.1，扩展 128k 上下文并支持多模态理解

    Mistral 宣布发布 Mistral Small 3.1，这是基于 Mistral Small 3 构建的新一代模型。该模型采用 Apache 2.0 许可证，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/s。

    推荐理由：Mistral 发布开源的 Mistral Small 3.1，该模型扩展了 128k 上下文，支持多模态理解，且能在单张 RTX 4090 上运行。

3月6日周四
  1. Mistral News75

    Mistral 发布 Mistral OCR 文档理解模型

    Mistral 正式发布 Mistral OCR，这是一款专为文档理解设计的视觉模型，能够以高准确率提取文本、表格、公式及多媒体内容。在基准测试中，Mistral OCR 在数学、多语言及表格识别上整体得分 94.89，超过 Gemini 1.5 及 GPT-4o 等模型。

    推荐理由：Mistral 发布了 Mistral OCR，在复杂文档理解基准测试中领先竞品，并支持将文档作为提示词以输出结构化数据，为多模态 RAG 系统提供了新方案。

  2. Qwen Blog81

    QwQ-32B 发布：基于强化学习的推理模型

    Qwen 团队发布 QwQ-32B，通过扩展强化学习（RL）使 32B 参数模型在数学、编码和通用推理任务上达到与 DeepSeek-R1（671B 参数）相近的性能。

    推荐理由：32B 模型通过强化学习在推理能力上对标 671B 参数模型，展示了小参数模型经强化学习提升智能的可行性，并开放了使用代码示例。

2月25日周二
  1. Qwen Blog75

    QwQ-Max-Preview 发布：基于 Qwen2.5-Max 的推理与 Agent 能力预览

    Qwen 团队发布 QwQ-Max-Preview，该模型基于 Qwen2.5-Max 构建，在数学、编码、通用任务及 Agent 工作流中表现突出。官方表示 QwQ-Max 和 Qwen2.5-Max 近期将以 Apache 2.0 协议开源，并计划推出 Qwen Chat APP 以及 QwQ-32B 等更小模型供本地部署使用。

    推荐理由：官方给出 QwQ-Max-Preview 基于 Qwen2.5-Max 的推理与 Agent 能力定位，并预告 Apache 2.0 开源和更小模型端侧部署计划。

1月30日周四
  1. Mistral News85

    Mistral 发布 Mistral Small 3 模型

    Mistral 发布 24B 参数量的 Mistral Small 3 模型，采用 Apache 2.0 许可协议。该模型在同类尺寸中提供最佳性能，速度比 Llama 3.3 70B 快 3 倍以上，并在 MMLU 测试中达到 81% 的准确率。

    推荐理由：Mistral 以 Apache 2.0 协议发布 24B 参数量级模型，在保持比 Llama 3.3 70B 更快响应速度的同时达到相近基准表现。

1月28日周二
  1. Qwen Blog79

    Qwen2.5-Max 发布：大规模 MoE 模型通过阿里云 API 开放

    Qwen 团队发布 Qwen2.5-Max，这是一个预训练于超过 20 万亿 tokens 的大规模 MoE 模型，并经过 SFT 和 RLHF 后训练。在 Arena-Hard、LiveBench、LiveCodeBench 和 GPQA-Diamond 等基准上，Qwen2.5-Max 表现优于 DeepSeek V3。

    推荐理由：原文给出了大规模 MoE 模型的训练规模、后训练方法，以及在关键基准上对比 DeepSeek V3 的领先结果，读者可以据此判断其在推理与编码上的相对位置。

1月27日周一
1月26日周日
1月13日周一
  1. Mistral News68

    Mistral AI 发布 Codestral 25.01 编码模型

    Mistral AI 发布 Codestral 25.01，其架构和分词器经过优化，代码生成和补全速度比原版快约2倍。该模型在权重级别内成为编码任务领先者，在FIM用例中达到SOTA水平，并在LMsys copilot arena排行榜上位列第一。

    推荐理由：Codestral 25.01在FIM任务上展现出SOTA性能，速度提升2倍，成为同级别编码模型的领先者。

11月18日周一
  1. Mistral News89

    Mistral 发布 124B 开源多模态模型 Pixtral Large

    Mistral 发布 124B 开源权重多模态模型 Pixtral Large，基于 Mistral Large 2 构建，具备前沿图像理解能力。该模型在 MathVista 达到 69.4%，并在 DocVQA 等基准上超越 GPT-4o 和 Gemini-1.5 Pro。

    推荐理由：原文明确展示了新模型在MathVista等基准上的领先表现，并给出了开源部署和API调用的具体入口。

11月15日周五
  1. Qwen Blog82

    Qwen2.5-Turbo 发布：上下文窗口扩展至 1M 并实现 4.3 倍推理加速

    千问（Qwen）发布 Qwen2.5-Turbo 新版本，将模型上下文长度从 128k 扩展至 1M，支持处理约 100 万英文单词或 3 万行代码，在 Passkey Retrieval 任务中达到 100% 准确率，在 RULER 长文本基准测试中得分 93.1。

    推荐理由：原文给出了Qwen2.5-Turbo将上下文窗口扩展至1M的技术方案、基准测试成绩和推理加速比例，读者可据此对比现有长上下文模型并判断实际可用性。

11月12日周二
  1. Qwen Blog88

    Qwen 开源 Qwen2.5-Coder 系列模型

    Qwen 团队开源 Qwen2.5-Coder 系列模型，覆盖 0.5B 至 32B 共六种规模，其中 32B Instruct 版本在多个代码基准上达到开源模型 SOTA，性能可媲美 GPT-4o，多数模型采用 Apache 2.0 许可证，3B 版本为 Qwen Research 许可证。

    推荐理由：原文给出了模型规模、授权协议与代码基准对比，读者可据此判断其在开源编码模型中的位置。

10月31日周四
  1. Anthropic Research87

    Claude 3.5 Sonnet 在 SWE-bench Verified 上达成 49% 新纪录

    升级后的 Claude 3.5 Sonnet 在软件工程评测基准 SWE-bench Verified 上取得了 49% 的成绩，超过了此前最先进的 45% 水平。 Anthropic 官方发布文章解析了围绕该模型构建的智能体框架，展示了如何通过极简的脚手架和特定的工具接口设计最大化模型性能。

    推荐理由：文章提供了针对 Claude 3.5 Sonnet 在 SWE-bench Verified 上取得 49% 成绩的智能体框架设计细节，包括提示词结构和工具规范。

10月22日周二
  1. Anthropic News91

    Anthropic 发布升级版 Claude 3.5 Sonnet、Claude 3.5 Haiku 及 computer use 公测功能

    Anthropic 发布升级版 Claude 3.5 Sonnet 和新模型 Claude 3.5 Haiku，同时推出 computer use 公测功能，允许 Claude 通过观察屏幕、移动光标、点击和输入来操作电脑。

    推荐理由：Claude 3.5 Sonnet 大幅刷新编码基准并开放 computer use 公测，为智能体编码与自动化工作流提供明确能力依据。

10月16日周三
  1. Mistral News77

    Mistral 发布 Ministral 3B 和 8B 端侧模型

    Mistral 正式发布两款针对端侧和边缘用例的新模型 Ministral 3B 和 8B。这些模型在知识、常识、推理、函数调用和效率方面为 10B 参数以下类别树立了新的标杆。

    推荐理由：Mistral 在 Mistral 7B 发布一周年之际推出两款面向端侧和边缘计算的新模型，展示了小参数量模型在本地部署场景下的能力变化。

9月19日周四
  1. Qwen Blog90

    Qwen 团队发布 Qwen2.5 系列基础模型及配套编码、数学专用模型

    Qwen 团队发布 Qwen2.5 系列基础模型，包含 Qwen2.5、Qwen2.5-Coder 和 Qwen2.5-Math。旗舰模型 Qwen2.5-72B 在 MMLU 上得分超过 85，编码能力 HumanEval 超过 85。

    推荐理由：原文披露了覆盖语言、编码、数学的模型矩阵与关键基准得分，读者可据此评估其开源权重在多任务场景下的替代潜力。

  2. Qwen Blog88

    千问发布 Qwen2.5 系列语言模型，开源 0.5B 至 72B 共7款模型

    千问发布 Qwen2.5 系列大语言模型，开源了 0.5B、1.5B、3B、7B、14B、32B、72B 共7款密集模型。预训练数据集从7万亿 tokens 扩展至最多18万亿 tokens。Qwen2.5-72B 在 MMLU 等通用任务、MATH 数学挑战及编码测试中显著优于 Qwen2-72B，表现与参数量为其5倍的 Llama-3-405B 相当。

    推荐理由：千问团队开源7款Qwen2.5密集模型并详细公布各项基准测试成绩，提供了判断同参数规模模型能力变化的实证依据。