Mistral AI发布了Mistral Medium 3.5，首次将指令遵循（Medium 3.1）、推理（Magistral）和编码（Devstral 2）三条模型线统一为单一128B稠密模型，256K上下文窗口。SWE-Bench Verified 77.6%，超越Devstral 2和Qwen3.5 397B。开源权重支持商业使用，最少4块GPU（80GB+显存）即可自部署。 开源地址：

随着大模型从"单轮问答"走向真实业务系统，行业的关注点正在发生变化。过去模型竞争更多围绕参数规模和榜单分数展开；但在真实生产环境中，开发者和企业真正关心的是： 能否在复杂上下文中稳定理解任务？能否精准遵循指令、可靠调用工具？能否在多步骤工作流中持续执行？能否在成本、延迟、Token 消耗可控的前提下交付可用结果？ 围绕这一趋势，蚂蚁百灵团队本次同步开源两款模型： Ling-2.

本文转自 腾讯混元 五一黄金周马上到了，不少朋友会有出国旅游的计划。然而，出国首要的问题就是语言，你可能用过各种翻译工具，但是大部分的应用，如果要实现好的翻译效果都有一个共同的条件：必须联网。 设想一下： 你在异国自驾，警笛声骤然响起。还没回过神，警察就在窗边用陌生的语言严厉发问。你心跳漏了半拍：是我违章了？还是前面出了什么大事？你手忙脚乱地掏出手机想翻译询问一下，偏偏此时没信号，屏幕上转圈的界

对于具身操作模型而言，评测的价值正在从“分数排序”转向“能力测量”。如何更细粒度地理解模型的能力构成，并更可靠地评估其在分布外任务中的真实表现，正在成为 benchmark 设计中的关键问题。 近日，上海 AI Lab 物理智能中心推出 EBench。该 Benchmark 不再将单一排行榜作为主要目标，而是希望围绕“能力解析”与“真实泛化”，建立一套可复现、可拆解、可比较的评测体系。 目前，EB

评测大模型，绕不开两个问题：模型效果好不好？推理服务性能够不够？但回答这两个问题的前置成本不低，搭建评测环境、下载和处理数据集、对齐评测标准、编写压测脚本……每一步都不算难，但每一步都需要时间。尤其当你想在多个基准上系统评测、或者在不同并发档位下压测 API 性能时，重复劳动会迅速累积。 为了将模型的评测门槛降低，魔搭推出了 PivotEval 模型评测服务，基于这一全新服务，评测链路能实现大幅度

近日，小米正式开源 Xiaomi MiMo-V2.5 系列，采用 MIT 协议，支持商用推理部署与二次训练，无需额外授权。 开放协议，全量开源 MiMo-V2.5 系列模型已于 4 月 23 日开启公测，感谢所有用户在此期间的热情反馈与鼓励。 这个系列包含两款模型，均支持 100 万上下文窗口： MiMo-V2.5-Pro：面向复杂的任务场景，深度适配 Agent 与 Coding 应用，在 GD

近日LLaDA 2.0 系列的首个多模态 MoE 模型LLaDA2.0-Uni正式开源。LLaDA2.0-Uni 是统一的离散扩散大语言模型（dLLM），专为原生多模态理解与生成而设计。 核心突破：不同于常规的自回归路径，LLaDA2.0-Uni 采用全离散扩散建模，彻底打破了文本单向生成与图像全局扩散之间的底层范式壁垒，为构建视觉-语言原生统一的多模态架构提供了全新的解法。 全能表现：一个模型，

DeepSeek全新系列模型V4预览版正式上线并同步开源。V4-Pro拥有1.6T总参数（49B激活），V4-Flash拥有284B参数（13B激活），均支持百万token上下文。在Agent能力、世界知识和推理性能上均实现开源领先。 开源地址： 模型权重：ModelScope 魔搭社区技术报告：https://modelscope.cn/models/deepseek-ai/DeepSeek-V

DeepSeek全新系列模型V4预览版正式上线并同步开源。V4-Pro拥有1.6T总参数（49B激活），V4-Flash拥有284B参数（13B激活），均支持百万token上下文。在Agent能力、世界知识和推理性能上均实现开源领先。   开源地址： 模型权重：https://modelscope.cn/collections/deepseek-ai/DeepSeek-V4 技术报告：h

4 月 23 日，腾讯混元 Hy3 preview 语言模型发布并开源。这是一个快慢思考融合的混合专家模型，总参数295B，激活参数 21B，最大支持 256K 上下文长度。这是混元重建后训练的第一个模型，也是混元迄今最智能的模型，在复杂推理、指令遵循、上下文学习、代码、智能体等能力及推理性能上实现了大幅的提升。 Github： https://github.com/Tencent-Hunyuan