NVIDIA 发布开源表格基础模型 Kumo Tabular
NVIDIA 发布开源表格基础模型 Kumo Tabular，对分类和回归任务无需训练、调参或特征工程，单次前向传播即可预测新行标签，权重已在 Hugging Face 开放，采用 OpenMDW-1.1 许可证。
#开源生态
#开源生态
今日 0 条Hugging Face BlogAI 评分5757
Hugging Face Blog精选AI 评分6868 Holo4 系列智能体模型发布：27B 与 35B-A3B 两种规格开源
H 公司发布 Holo4 系列通用计算机使用智能体模型，含 27B dense 与 35B-A3B MoE 两种规格，并附带更新版 Holotron4 Nano。
推荐理由：模型可跨 GUI、代码、MCP 和 API 多种接口工作并开源权重与轨迹，读者可对比其与前沿模型的成本差异来判断适用场景。
Latent Space精选AI 评分8282 Latent Space AINews：Xiaomi MiMo-V2.6-Pro 1T-A42B 以约 300 万美元训练成本登顶开源权重模型
Latent Space 发布 2026 年 9 月 19 至 21 日 AINews 周报，头条是 Xiaomi MiMo-V2.6 系列：MiMo-V2.6-Pro 以 1.02T 总参数。
推荐理由：本期以小米 MiMo-V2.6-Pro 登顶开源权重为线索，串联 RL 环境开源、推理优化与 Agent 安全等一周动态。
Hugging Face BlogAI 评分5050 Hugging Face 发布 NeoMME：高效多模态原生多语言编码器
Hugging Face 推出 NeoMME 多语言多模态编码器家族，含 260M 和 800M 两个规模，用单个双向 Transformer 从头处理文本 token 和原始图像 patch，无需单独的预训练视觉塔或因果语言模型。
Google ResearchAI 评分4949 Google 发布 TimesFM-3：单次前向传播完成零样本多变量时序预测
Google 发布时序基础模型 TimesFM-3，原生支持多变量零样本预测，参数量 330M，预训练语料包含超过 1 万亿时间点。模型采用 decoder-only Transformer 与交替注意力架构，通过 Contiguous Patch Masking 在单次前向传播中生成完整预测区间，并为每个目标输出 10% 到 90% 共 9 个分位数。
Microsoft ResearchAI 评分4747 微软发布 GigaPath-Flash 与 GigaTIME-Flash：面向人群级研究的低成本病理学基础模型
Microsoft Research 推出 GigaPath-Flash 和 GigaTIME-Flash 研究模型，以大幅提升病理学研究的计算效率。
Hugging Face Blog精选AI 评分6666 IBM Granite 4.2 推理模型家族发布，3B/8B/30B 全系采用 Apache 2.0 开源
IBM 发布 Granite 4.2 推理模型家族，包含 3B、8B、30B 三个 dense 尺寸，基于 Granite-4.1 基座（从头预训练约 15T tokens，五阶段策略将上下文窗口扩展至 512K tokens），经 CoT 与智能体轨迹数据的 SFT 后，再用异步 GRPO 多阶段 RL 流水线后训练。
推荐理由：官方完整披露 Granite 4.2 的五阶段预训练、SFT 配比与多阶段 RL 课程设计，读者可以直接对照复现其训练路线。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，支持 12 种语言并降低语音生成延迟
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，参数量 364M，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言，并提供生产级 NIM 部署容器。
推荐理由：原文给出TTFA延迟数据和架构改进细节，读者可据此评估自部署级联语音方案相对一体化语音模型的取舍。
Hugging Face Blog精选AI 评分7575 Meta 发布开源多模态模型 Muse Glimmer 30B，主打本地 Agentic 使用
Meta 于今日发布 Muse Glimmer，一个从 Muse 蒸馏而来的 30B 多模态开源模型，采用 Apache 2.0 许可，面向本地隐私敏感的 Agentic 场景如编码、文档分析和个人助手。
推荐理由：官方介绍可帮助读者了解这个 30B 本地多模态模型在 Agentic 基准上的表现与本地部署路径。
Mistral AI精选AI 评分6262 Mistral 发布开源多模态安全分类器 Shieldstral
Mistral 发布 3B 开源权重多模态安全分类器 Shieldstral，将内容审核建模为策略自适应的问答任务，在推理时接受自然语言策略并输出校准的安全分数。该模型在文本安全上匹敌最大 7 倍于其体量的开放护栏模型，在多模态审核上创造新 SOTA，以 Apache 2.0 协议开放权重，可在单张 16GB GPU 上运行。
推荐理由：原文给出把内容审核改写成策略自适应问答的建模思路和数据构建方法，对做安全分类器的团队有可迁移的参考价值。
Mistral AI精选AI 评分6565 Mistral 发布 Leanstral 1.5：6B 激活参数的形式化证明模型
Mistral 发布 Apache-2.0 开源的 Leanstral 1.5，总参数 119B、激活 6B，专攻 Lean 4 形式化证明。模型饱和 miniF2F，解出 PutnamBench 587/672 题，在 FATE-H 87%、FATE-X 34% 达到新 SOTA，成本约每题 $4。
推荐理由：官方给出了完整训练流程、基准数字和开源获取方式，读者可以据此评估它在 Lean 4 形式化证明上的实际可用性。
Google ResearchAI 评分5151 Google Research 发布表格数据零样本基础模型 TabFM
Google Research 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、调参和特征工程，单次前向传播即可对未见表格生成预测。
Google DeepMind精选AI 评分7474 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最快提速 4 倍
Google DeepMind 发布开源实验模型 DiffusionGemma，采用 26B 总参数、3.8B 激活的 MoE 扩散架构，在专用 GPU 上文本生成最高提速 4 倍，单块 NVIDIA H100 超过 1000 tokens/s，RTX 5090 超过 700 tokens/s。
推荐理由：官方给出扩散文本生成的速度数据、显存占用与质量取舍，适合评估本地交互场景的落地条件。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemma 4 12B：无编码器统一多模态模型
Google DeepMind 发布 Gemma 4 12B，可在 16GB 内存或显存的笔记本本地运行，性能接近其 26B MoE 模型但内存占用不足一半。该模型采用无编码器统一架构，视觉与音频输入直接进入 LLM 主干，是首个支持原生音频输入的中等规模 Gemma 模型，以 Apache 2.0 许可发布，并同步推出官方 Skills 仓库。
推荐理由：原文来自官方发布，给出架构细节、内存门槛和下载入口，可帮助读者评估在本地设备运行多模态模型的可行性。
Mistral AI精选AI 评分7474 Mistral 发布 Mistral Medium 3.5 并推出 Vibe 云端远程智能体和 Le Chat Work 模式
Mistral 发布 128B 开源权重旗舰模型 Mistral Medium 3.5（256k 上下文窗口，SWE-Bench Verified 77.6%），在 Hugging Face 以修改版 MIT 许可发布，API 定价为每百万输入 token $1.5、输出 $7.5。
推荐理由：官方披露了新模型的参数量、上下文窗口和基准成绩，以及云端异步编码智能体的具体工作方式。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 开源模型，含 E2B/E4B、26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型，称其为迄今最智能的开放模型，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸。
推荐理由：官方发布给出四个尺寸、榜单名次、上下文长度与部署路径等具体信息，读者可据此评估选型和端侧部署方案。
Mistral AI精选AI 评分6767 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力并以 Apache 2.0 开源
Mistral 发布 Mistral Small 4，是首个将 Magistral 推理、Pixtral 多模态和 Devstral 智能体编码能力统一到单一模型的小型旗舰，采用 Apache 2.0 许可开源。
推荐理由：原文给出架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的输出效率对比，读者可据此评估部署成本与选型。
Mistral AIAI 评分5353 Mistral 发布开源 Lean 4 代码智能体模型 Leanstral
Mistral 发布 Leanstral，一个专为 Lean 4 证明助手设计的开源代码智能体模型，采用稀疏架构（6B 激活参数，Leanstral-120B-A6B），权重以 Apache 2.0 许可开放，并可通过 Mistral Vibe 和 labs-leanstral-2603 免费或近免费 API 使用。
Mistral AI精选AI 评分6262 Mistral 发布 Voxtral Transcribe 2 语音转写模型，Voxtral Realtime 以 Apache 2.0 开源
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2 批量转写模型和 Voxtral Realtime 实时模型。
推荐理由：官方给出两款语音转写模型的延迟、价格、词错率与开源权重信息，读者可据此评估语音转写方案选型。
Mistral AI精选AI 评分6969 Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）开源编码模型及 Mistral Vibe CLI
Mistral 发布开源编码模型 Devstral 2（123B，修改版 MIT 协议）与 Devstral Small 2（24B，Apache 2.0），SWE-bench Verified 分别为 72.2% 和 68.0%，支持 256K 上下文窗口。
推荐理由：官方发布给出 SWE-bench Verified 分数、API 定价和部署门槛，可据此评估这款开源编码模型的实际性价比。
Mistral AI精选AI 评分7777 Mistral 发布 Mistral 3 系列：Mistral Large 3 与 Ministral 3 全面开源
Mistral 发布新一代模型系列 Mistral 3，包含 Mistral Large 3（41B 激活、675B 总参数的 MoE）以及 3B、8B、14B 三档 Ministral 3 模型，全部以 Apache 2.0 许可开源。
推荐理由：官方一次放出 675B MoE 旗舰与三档小模型，全部 Apache 2.0 开源并给出部署路径，适合评估开源选型空间。
Mistral AI精选AI 评分6969 Mistral 发布 Voxtral 语音理解模型，含 24B 和 3B 两种规格
Mistral 发布 Voxtral 语音理解模型，提供 24B 生产级和 3B 本地/端侧两个版本，均以 Apache 2.0 许可开源，并可通过 API 调用，价格低至 $0.001 每分钟。
推荐理由：官方发布给出了两个规格、许可、价格和基准结果，读者可以据此评估它在语音理解场景替代现有方案的可行性。
Mistral AIAI 评分5656 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1，强化代码智能体能力
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 1.1。
Mistral AI精选AI 评分6464 Mistral AI 发布首个推理模型 Magistral，含 24B 开源版与企业版
Mistral AI 发布首个推理模型 Magistral，分为 24B 参数开源的 Magistral Small 和企业版 Magistral Medium。
推荐理由：官方公布两个版本的关键评测分数和开源许可，读者可以据此对比其在推理模型中的定位与可用部署方式。
Mistral AI精选AI 评分7171 Mistral AI 联合 All Hands AI 发布开源编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方给出了 SWE-Bench Verified 成绩、部署门槛和 API 定价，开源编码模型选型可据此对比。