5 月 11 日，面壁智能联合清华大学、OpenBMB 开源社区正式发布并开源了新一代端侧多模态大模型：MiniCPM-V 4.6。 这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模，实现了性能与效率的双重突破，在全球同尺寸模型中登顶，全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。 尤其在内存价格飞涨的当下，MiniCPM

蚂蚁·安诊儿医疗大模型（AntAngelMed）由浙江省卫生健康委联合蚂蚁集团在国家人工智能应用中试基地（医疗）·浙江（简称基地） 共同打造的医疗行业大模型，是全球首个开源的千亿级医疗大模型。 该模型基于Ling-flash-2.0的高效MoE架构，100B总参数中仅激活6.1B即达到约40B密集模型的性能水平，推理速度超过200 tokens/s。在国内外主流的权威医疗基准测评中（ Health

ModelScope 团队最近开源了 Ultron——一套面向通用智能体的群体智能基础设施。它不是再造一个 Agent，而是补上 Agent 体系里长期缺失的一层：让一群智能体共享经验、共享技能、共享画像。 Agent 用得越多，痛点越明显 还在为「换会话就失忆」「同一个坑全队踩 N 遍」「专家画像烂在本机」头疼？ 一个智能体刚踩完坑，另一个智能体还要从头再踩一遍；一个团队好不容易把提示词、记忆、

商汤日日新发布并开源SenseNova U1 Lite系列，基于自研NEO-unify架构，在单一模型中原生统一多模态理解、推理与生成。彻底摒弃视觉编码器（VE）和变分自编码器（VAE），重构统一表征空间。8B参数即达到同量级开源SOTA，部分指标比肩大型商业闭源模型。同步发布8步LoRA加速版本，推理速度大幅提升。   以下实际例子，展现了 SenseNova U1 Lite的商业级复

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