9 月 8 日，面壁智能联合 OpenBMB 开源 MiniCPM5-2B。模型采用 2B 参数高密度架构，支持工具调用、深度搜索、代码生成等任务，面向手机、PC、车机和机器人等端侧设备，初步形成通用 Agent 能力。 Artificial Analysis Intelligence Index 最新评测显示，MiniCPM5-2B 综合能力得分为 23 分，在全球 4B 参

H3-World 是首个基于 MiniMax-H3 构建的交互式世界模型。给定同一张首帧图像，模型可以根据不同的按键序列，生成对应的角色移动与相机运动。 该工作将视频模型已有的语言动作理解用于控制，通过轻量微调，只用 8k 条数据和 0.199% 的可训练参数，在保留底模原有的生成能力的同时，使模型拥有角色和相机控制能力。 H3-World H3-World 将角色与相机动作转换为文本指令，沿用

Institute of Foundation Models（IFM）是由穆罕默德·本·扎耶德人工智能大学（MBZUAI）于 2025 年创立的全球 AI 研究机构，在阿布扎比、硅谷和巴黎设有研究团队，专注于开放、独立的前沿基础模型研发。 IFM 此次发布 K2 Horizon 系列，一次覆盖 0.9B、3.7B、7B、32B、36B-A4B 和 375B-A23B 六种规模，

OpenVDN 团队开源 VDN-Minimax-H3（VDN-H3），同时公开模型权重、训练代码与优化后的推理实现。该工作基于 MiniMax-H3，将局部 Softmax 注意力与按帧更新的线性注意力结合，再通过少步蒸馏降低视频生成开销。 在官方测试中，VDN-H3 使用 8 张 NVIDIA B200，以 8 步完成一段约 14.4 秒、768p 视频的去噪，耗时 11.23 秒。 官方同时

当数百B参数的大模型全速轰鸣，只为了处理一个极其简单的步骤时——昂贵的算力就像一个拧不紧的水龙头，大部分资源在无意义的低效消耗中白白流走。 奥特曼预测，全球人均月Token消耗将从今天的约10万飙升至5000亿，推理需求每年增长十倍。与此同时，成本正在击穿企业——有公司一个季度花光全年AI预算，微软被迫削减AI工具权限...当AI进入Agent、复杂推理和企业生产环境，高频调用和长链路任务让&qu

Qwen 团队开源 Qwen-Drive-1.0-4B，一款基于 Qwen3.5-4B 构建的自动驾驶视觉语言模型。这是首个面向自动驾驶的视觉语言基础模型，在预训练阶段统一了 3D 感知与视觉问答，并进一步扩展至运动规划，同时保持预训练 VLM 的原始架构不变。 模型采用分阶段训练方案，将驾驶监督与通用视觉语言数据结合，在获得驾驶特定能力的同时，保留通用视觉理解与指令遵循能力。Qwen-Drive

SparkLLM 正式开源 Spark-X2.5 系列，包含 4B 与 1.7B 两档参数规模。该系列采用混合注意力架构，原生支持最长 1M token 上下文，覆盖 200 余种语言，并针对代码、工具调用和智能体工作流进行了后训练。两档模型均提供发布版、Base 版和 GGUF 版，可分别用于直接推理、继续训练与本地运行。 Spark-X2.5 多项能力基准测试 模型合集 https://mod

rg 凭借出色的性能与穷尽式匹配能力，已成为开发者和 Agent 检索本地内容的重要基础工具。对于函数名、配置名、错误信息或文档原文等明确目标，rg 能够提供快速、准确且可验证的结果。 随着 Agent 开始处理代码理解、故障定位、知识问答和资料分析等复杂任务，检索输入逐渐从明确的符号或文本，转变为对业务现象、实现意图和知识概念的自然语言描述。 这类查询与代码或文档中的实际表述往往缺乏直

腾讯混元团队正式开源新一代旗舰 MoE 模型 Hy4 preview，总参数 770B、每 token 激活 49B、上下文长度 1M，采用 Apache 2.0 协议，在代码、办公、科学等真实生产力任务上展现出卓越能力。     Hy4 preview 基准测试总览 开源地址 模型开源包括 BF16 与 FP8 两个版本： Hy4 preview：https://models

过去几个月，实时视频世界模型突然成为一张拥挤的牌桌。PixVerse、LingBot、阿里「快乐生蚝」、智象未来等团队先后发布实时视频世界模型 Demo，并不约而同地将第一站指向互动娱乐/AI 游戏——当视频能够持续生成、实时响应，人就不再只是观看一段内容，而是可以“进入”一个由模型生成的世界。   在这个拥挤的牌桌上，Loopit 带来了一个值得注意的突破：其发布的实时互动世界模型 Z