MiniMax 開源 H3-Image:33B 擴散模型直出原生 16MP 高解析度影像,免去升頻步驟
MiniMax 發布開放權重的 H3-Image,一個 331 億參數的擴散式 Transformer(DiT),可原生生成約 16 百萬像素的高解析度影像,支援多參考圖編輯,且僅需 6 步取樣便能於 10 秒內生成 4K 影像,直擊生成式影像工作流中「先低解析度再升頻」的效能瓶頸。
MiniMax 發布開放權重的 H3-Image,一個 331 億參數的擴散式 Transformer(DiT),可原生生成約 16 百萬像素的高解析度影像,支援多參考圖編輯,且僅需 6 步取樣便能於 10 秒內生成 4K 影像,直擊生成式影像工作流中「先低解析度再升頻」的效能瓶頸。
據彭博報導,中國 AI 實驗室 DeepSeek 正接近完成至少 120 億美元的新一輪融資,在強烈需求下可能上看 149 億美元,騰訊與電池巨頭寧德時代為主要支持者,並計畫於 2027 年初 IPO。此輪若成行將躋身影史最大規模私人 AI 融資,與 OpenAI 尋求 300 億美元、Moonshot AI 以 500 億美元估值籌備香港上市等事件,共同構成 10 月這波 AI 資金狂潮的核心。
微軟於 10 月 11 日在 Hugging Face 發布 AesCode-32B:以 Qwen3-VL-32B-Instruct 為基座的 32B 多模態代碼生成模型,能將提示詞與參考圖轉為結構化、可編輯、可驗證的 HTML/CSS 幻燈片、海報與儀表盤。透過圖結構監督與解耦跨模態獎勵,其視覺品質較基座提升 22.4 分,逼近 GPT-5.5 與 Claude Opus 4.8 等封閉前緣模型,代表多模態生成正從「像素輸出」轉向「代碼輸出」。
NVIDIA 於 10 月 15 日正式發布 Nemotron 3.5 Bolt 74B-A9B:一款 74B 總參數、9B 活躍參數的 MoE 模型,以 2-bit 量化與量化感知訓練壓縮至 24GB,專為 RTX Spark 筆電上的本地 AI 代理設計,並完整開源權重、訓練數據與配方。此舉是 NVIDIA 把代理工作負載從雲端推向終端設備的關鍵一步,也將本地推論的性價比之爭推向新階段。
Google DeepMind 於 10 月 6 日發布 EmbeddingGemma 2,一款 7.4 億參數的開源多模態嵌入模型,支援文字、程式碼、圖片、視訊與音訊的統一向量表示。基於 Gemma 4 架構,採用 Apache 2.0 授權,能在手機端離線運行,為邊緣裝置的 RAG 與語義搜尋開闢新路徑。
法國 AI 實驗室 Mistral 於 10 月 6 日發布 Large 4「Le Chonk」,1.05 兆總參數、49B 活躍參數的混合專家模型,原生支援多模態與 1M 上下文視窗,在網路安全與程式碼基準上超越中國開源模型,權重將於 10 月底公開釋出。
阿里巴巴 Qwen 團隊發布 Qwen3.8-27B,一款 27B 參數的開源視覺語言模型,採用 Apache 2.0 授權,在 SWE-bench Pro、Agent 任務與編碼基準上大幅超越同尺寸的 Meta Muse Glimmer 30B。
Meta 於 8 月 10 日正式開源 Muse Glimmer——一款 30B 參數模型,採用 Apache 2.0 授權,專為在消費級 GPU 上執行本地代理、函式呼叫與程式碼生成等任務而優化。
DeepGrove 於 8 月 5 日開源 Maple-Preview,一個原生訓練的 20B-A1B 三元權重推理模型,在同級參數中達 SOTA 甚至可與更大模型競爭,能在 Mac mini M4 上以 218 tok/s 運行、檢查點僅 5.31 GB,並解決 IMO 等級的數學問題。
Mistral 於 8 月 4 日發布 Shieldstral,一個採用 Apache 2.0 授權的 3B 開源權重多模態安全分類器,將內容審核重塑為「政策自適應的問答任務」,在文字安全上匹敵體積最多七倍的模型,並於多模態審核上刷新 SOTA,且可在單張 16GB GPU 上運行。
DeepSeek推出V4版本,採用1兆參數的專家混合模型(MoE),權重採用Apache 2.0開源授權,訓練成本僅520萬美元,性能媲美美國尖端模型,為開源AI模型注入新動力。
MiniMax 發布開源前沿模型 M2.5,在 SWE-Bench Verified 達到 80.2%,BrowseComp 達 76.3%,代理工具使用能力領先業界。模型以 Apache 授權開源,API 定價僅為 Claude Opus 4.6 的二十分之一,重新定義了開源與閉源模型的性價比邊界。
Mistral AI 發布 Mistral Small 4,採用 128 專家混合架構(MoE),總參數 119B 但每次推理僅啟動 6B 參數。該模型在邏輯推理與程式碼生成基準測試中超越 GPT-OSS 120B,同時輸出長度減少 20%,推理延遲降低 40%。以 Apache 2.0 授權開源。