技术方向
开放权重、能下载下来自己部署的模型，开源框架与 GitHub 上爆火的 AI 项目。
690 条精选近 30 天 51 条共收录 3,662 条
Mistral 发布 Mistral Small v24.09（220 亿参数，MRL 许可），并在 la Plateforme 推出免费层，全系列模型降价，Mistral Small 和 Codestral 输入价格降幅达 80%。Pixtral 12B 现已在 le Chat 上免费提供视觉能力，该模型基于 Apache 2.0 许可，支持任意尺寸图像且不损失文本性能。
推荐理由：官方一次列出免费层、全系列降价、Mistral Small v24.09 和 Pixtral 12B 视觉能力，适合对照选型和部署成本。
DeepSeek-V2.5 保留原有 Chat 模型的通用对话能力和 Coder 模型的代码处理能力，并更好地对齐人类偏好。
推荐理由：DeepSeek首次将通用对话与代码能力合一的开源模型，当时直接拉低了多任务成本，今天看仍是模型混合能力演变的早期标杆。
Mistral 发布 Mistral Large 2（版本 24.07，API 名 mistral-large-2407），123B 参数、128k 上下文窗口，支持数十种语言和 80 多种编程语言。
推荐理由：官方给出参数量、许可证、基准表现与开放渠道，读者可以据此评估该模型在性能成本和多语言场景中的位置。
Hugging Face 发布 Llama 3.1 系列模型，包含 405B、70B 和 8B 三个规格，支持多语言和长上下文。
Mistral AI 与 NVIDIA 联合发布 12B 模型 Mistral NeMo，支持最高 128k tokens 上下文窗口，base 与 instruct 权重以 Apache 2.0 许可开源。
推荐理由：原文给出 12B 模型的上下文窗口、压缩效率与基准对比，并说明与 Mistral 7B 的替换关系，便于评估其在中小模型场景的可用性。
Mistral 发布 Mamba 架构代码模型 Codestral Mamba，采用线性时间推理，可免费使用、修改和分发。模型具备高级代码与推理能力，性能与 SOTA Transformer 模型相当，已测试最高 256k tokens 的上下文检索能力，共 7,285,403,648 参数。
推荐理由：官方说明了 Mamba 架构在线性推理时长和长序列上的优势，以及 256k 测试、部署渠道和许可证差异，可据此判断适用场景。
通义 FunAudioLLM 团队开源基于 LLM 的 TTS 系统 Fun-CosyVoice 3.0，官方称在内容一致性、说话人相似度和韵律自然度上超越前代 CosyVoice 2.0，面向零样本多语言语音合成。
推荐理由：官方发布开源 TTS 新版本，附评测表、安装与部署方式，适合关注多语言语音合成落地的开发者参考。
SenseVoice 是一个语音理解基础模型，支持 ASR、语种识别、语音情感识别和音频事件检测。发布的 SenseVoiceSmall 检查点支持普通话、粤语、英语、日语和韩语，并输出情感与事件标签；采用非自回归端到端架构，同参数量级下推理速度比 Whisper-Small 快 5 倍以上、比 Whisper-Large 快 15 倍以上。
推荐理由：官方仓库文档同时给出基准对比、部署路径和微调方案，读者可以据此评估 SenseVoice 在中英文语音识别场景的可用性。
Google 推出新的开源大语言模型 Gemma 2，Hugging Face 发布博客介绍相关内容。
LlamaIndex 宣布开源框架 llama-agents 的 alpha 版发布，用于构建和部署生产级多智能体 AI 系统，可将每个 agent 变成独立运行的微服务。
推荐理由：官方发布开源多智能体框架 alpha 版，介绍了微服务架构、编排方式、监控工具和从本地到生产部署的具体用法。
ARC Prize 官方宣布启动一项总奖池超过 $1,000,000 的竞赛，目标是击败 ARC-AGI 评测并开源解决方案，由 Mike Knoop 和 François Chollet 主办。ARC-AGI 于 2019 年推出，当前 SOTA 仅约 34%，对人类容易但现代 AI 极难。官方认为 LLM 依赖记忆而非真正推理，希望通过激励开源研究提升新想法的产生速度。
推荐理由：官方说明了设奖动机和 ARC-AGI 为何未被刷分，读者可以了解百万美元奖金背后的开源 AGI 主张。
Mistral AI 在 la Plateforme 上推出模型定制能力，提供三种微调入口：开源微调 SDK mistral-finetune、la Plateforme 上的 serverless 微调服务，以及面向部分客户的定制训练服务。
推荐理由：原文给出三种微调入口的具体形态、底层 LoRA 技术和适用模型，读者可据此为自建或托管微调选型。
Mistral AI 发布非生产许可证 MNPL，允许开发者将模型用于非商业用途和支持研究工作，商用需另行公平合作，Codestral 即日以该许可证发布。Mistral 表示将继续以 Apache 2.0 发布模型和代码，逐步形成两个许可证家族并存的产品体系。
推荐理由：原文由 Mistral 阐明新许可证的动机与适用范围，读者可以据此理解其开源策略与商业模式之间的划分方式。
Mistral 发布其首个代码生成模型 Codestral，为 22B 开放权重模型，训练覆盖 80+ 编程语言，采用 32k 上下文窗口，并支持 Fill-in-the-middle 补全。
推荐理由：官方发布首次给出模型规模、语言覆盖和专用端点细则，读者可据此评估是否将其接入现有编码工作流。
Mistral 发布开源稀疏混合专家模型 Mixtral 8x22B，总参数 141B，仅激活 39B，上下文窗口 64K tokens，以 Apache 2.0 许可证开放。模型支持英语、法语、意大利语、德语和西班牙语，具备原生函数调用能力，指令版在 GSM8K maj@8 得分 90.8%，Math maj@4 得分 44.6%，现已在 la Plateforme 上提供。
推荐理由：官方发布原文给出了活跃参数、上下文窗口、许可证和基准成绩，读者可以据此评估它在开源模型中的成本与性能定位。
Zyphra 发布 7B 基础模型 Zamba，采用 Mamba 块加每 6 层共享权重的全局注意力层的混合架构。
推荐理由：官方原文给出架构设计、训练规模和开放 checkpoints 细节，读者可以据此评估 Mamba 混合架构在本地部署上的取舍。
LlamaIndex 发布 v0.10.0，是其 Python 包迄今最大更新。核心变化包括：拆出精简的 llama-index-core 包，数百个集成（150+ 数据加载器。
推荐理由：官方发布说明了包拆分、导入路径变化和迁移工具，正在迁移或维护 LlamaIndex 项目的开发者可以直接对照升级。
Mistral AI 发布开源权重的稀疏专家模型 Mixtral 8x7B，采用 Apache 2.0 许可证，在多数基准上超过 Llama 2 70B 并以 6 倍推理速度匹配或超过 GPT3.5。
推荐理由：官方发布给出基准对比、参数与成本结构和开源部署方案，读者可以据此评估它在开放权重模型中的位置。
LlamaIndex 发布 AutoTranslateDoc，一款命令行工具，可从 GitHub 仓库抓取 .md 和 .mdx 文档，用 GPT-3.5、GPT-4 分块翻译并自动校验后合并输出。
推荐理由：工具通过分块翻译加多重校验来保证文档翻译质量，并支持差量更新，适合需要维护多语言文档的开发者参考。
LlamaIndex 推出 Llama Packs，一个社区驱动的预打包模块合集，用于快速启动 LLM 应用，已在 LlamaHub 上线 16+ 个与 Streamlit、Weaviate、Voyage AI 等伙伴合作的模板。模块可通过 CLI 或 Python 一行代码下载，支持开箱即用运行 RAG 管线，也可查看和修改全部代码，例如将默认 OpenAI LLM 替换为 Anthropic。
推荐理由：原文给出下载方式和代码示例，读者可以据此了解如何用预打包模块快速搭建 LLM 应用并自由定制。