蚂蚁灵波开源通用触觉基础模型 LingBot-Touch
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,将磁触觉、视触觉和压阻式信号编码为统一触觉 Token。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,将磁触觉、视触觉和压阻式信号编码为统一触觉 Token。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,将磁触觉、视触觉和压阻式信号转换为统一的触觉 Token。该模型基于近 5000 小时真实触觉数据预训练,在 Sharpa Wave 和 XHand1 上完成 26 项真机测试,使四种动作模型的平均任务成功率较无触觉时提高约 14 至 26 个百分点。
蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,统一磁触觉、视触觉和压阻式传感信号。在 Sharpa Wave 和 XHand 的 26 项真机测试中,接入 LingBot-Touch 后,四种动作模型平均任务成功率较无触觉时提高约 14 至 26 个百分点。
同一件事,精选收录的是《蚂蚁灵波开源 LingBot-Touch 触觉预训练基础模型》
美团龙猫开源面向长程智能体任务的原生多模态模型 LongCat-2.5,采用 MIT 协议,支持商用推理部署与二次训练。模型总参数 1.6 万亿,每个 token 激活约 480 亿参数,支持一百万上下文,并采用 W4A4 高效推理方案。LongCat-2.5 将多层级离散视觉 token 与文本统一交给主干处理,面向复杂代码库开发、Visual Coding 和专业办公等场景。
推荐理由:原文披露了 LongCat-2.5 的开源信息及其多模态架构、量化部署与长上下文设计,便于读者评估其工程特点。
腾讯混元 Hy4 正式发布,采用 770B 总参数、49B 激活参数,首次引入原生视觉和电脑操作能力,模型权重将于近期开源。Hy4 已在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima 等产品上线,API 接入 OpenRouter、Hermes、OpenCode,内部测试幻觉率由 preview 版的 12.95% 降至 7.2%。
推荐理由:实测覆盖视觉开发、长程任务和电脑操作,并披露幻觉率与金融任务表现,可作为评估 Hy4 实用能力的参考。
Nous Research 发布基于 Qwen3.8-27B 监督微调的 27B 开源权重模型 Arete-27B,在其 803 条提示词评测中,包含宣传内容的回答比例从 22% 降至 0.9%。
Thinking Machines Lab 发布第二代开放权重模型 Inkling 2 Small,总参数量为 594B,每次推理激活 17B,支持 100 万上下文和可调思考力度。
推荐理由:文章梳理了 Inkling 2 Small 的架构、训练和评测表现,并分析其使用 Kimi K3 轨迹带来的开源生态影响。
百度发布 ERNIE 5.5 Flash Base,这是一款总参数量 280B、每个 token 激活 14B 参数的文本稀疏 MoE 基础模型。模型提供 128K 训练上下文和 1M 微调及推理上下文,权重以 FP8 和 BF16 形式发布在 Hugging Face 与 ModelScope,并支持通过 SGLang 和 vLLM 部署。
百度发布开源基础模型 ERNIE 5.5 Flash Base,采用 MoE 架构,总参数量 280B,每个输入激活 14B 参数。模型预训练使用 33.5T tokens,训练上下文最高为 128,000 tokens,微调和推理设计支持最高 1 million tokens;其权重以 FP8 和 BF16 格式在 Hugging Face 提供。
百度开源 ERNIE 5.5 Flash Base 基座模型,采用 MoE 架构,总参数量 2800 亿,每个 Token 激活 140 亿参数。模型使用 33.5 万亿个 Token 完成预训练,预训练上下文长度最高达 128K,微调与推理阶段支持最长 100 万 Token 上下文。
百度正式开源文心5.5 Flash Base(ERNIE 5.5 Flash Base),采用 MoE 架构,总参数量2800亿,每个 Token 激活140亿参数。
推荐理由:文心5.5 Flash Base公开了模型架构、训练规模与关键优化,为开发者评估其能力边界和微调价值提供了具体信息。
webAI 发布基于 IBM Granite 4.2 8B 后训练的 TwIL-8B 推理模型,参数量为 8.79B,MATH-500 得分 98.2。模型提供 Balanced 和 Verbose 两个版本,Q4_K_M 构建为 4.98 GiB,支持在 CPU 或显存较小的 GPU 上运行。
Ricursive Intelligence 发布 Ripple-65B Preview,这是一款面向智能体编程的 65B 稠密开源权重模型,采用 Apache 2.0 许可,预训练规模为 12T tokens,上下文窗口最高达 1M。
招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,总参数约35B,每个Token仅激活约3B参数,并在十项具身相关基准上实现全部指标提升。
Tencent WeChat Vision 团队发布开源视觉语言模型 WeVisOne-VL,提供 2B 和 4B 两个版本,将检测、OCR、计数、指向、分割与 alpha matting 整合到单一模型中。