Mistral 发布 Mistral Large 4 开放权重,主打编码与防御安全
Mistral 发布 Mistral Large 4(Le Chonk)的开放权重,这是一款 1 万亿参数的原生多模态模型,在公开预览后经过三周强化学习,编码与防御安全能力进一步提升。
推荐理由:原文给出开放权重、三档推理模式和定价,读者可据此比较开源模型在编码与防御安全上的取舍。
Mistral 发布 Mistral Large 4(Le Chonk)的开放权重,这是一款 1 万亿参数的原生多模态模型,在公开预览后经过三周强化学习,编码与防御安全能力进一步提升。
推荐理由:原文给出开放权重、三档推理模式和定价,读者可据此比较开源模型在编码与防御安全上的取舍。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,六个 2B 级模型(文本、视觉、音频、全模态、d1-2B、d1-omni-2B)全部从 LFM3-1.7B-Base 分支而来,权重已在 Hugging Face 开源。
推荐理由:Liquid AI 用同一 2B 级骨干覆盖文本、视觉、音频、全模态与决策模型,并给出单卡微调与端侧部署路径。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的 TTS 模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK。
推荐理由:Mistral 一次发布语音转写、TTS 与语音智能体 SDK,并给出多语言基准和每分钟定价,便于横向比较。
Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M、209M 四个规模,最大模型以 209M 参数在 GIFT-Eval、TIME、fev-bench 三个公开基准的预训练零样本模型中排名第一,参数仅为此前 SOTA 的三分之二。
推荐理由:Mistral 首次进入时间序列基础模型,209M 参数在三个公开基准上排名第一,并给出 CPU 推理延迟与微调路径。
Qwen 发布开源权重的多模态 MoE 模型 Qwen3.8-Flash-Next,主模型 125B 参数、另配 51B N-gram Embedding,每 token 激活 6B 参数,并作为 Qwen4 所用模型结构的先导预览。
推荐理由:原文给出了新架构的四个改动方向与训练成本对比,可据此判断 Qwen4 结构走向与性价比取舍。