Flux 3 X Mimic: The Next Generation of Video-Action Models6 days agohttps://bfl.ai/blog/flux-3-mimicFLUX 3是一个多模态基础模型，可生成视听内容，并作为用于机器人技术的FLUX-mimic视频动作模型的骨干。视频预测是计算量最大的部分，占训练成本的95%以上，因为它迫使模型学习物理世界动态，如接触和运动。在FLUX 3中添加动作预测最初使视频质量下降了10%，但在3500个训练步骤后，模型恢复了全部性能，同时还能预测动作。基于FLUX 3构建的FLUX-mimic，使用轻量级动作解码器从视频预测路径的中间特征中解码动作，在机器人操作中实现了最先进的成功率。Self-Flow技术统一了生成和表示学习，提高了世界模型质量和机器人下游任务性能。FLUX-mimic的样本效率比视觉-语言-动作模型高出10倍，并且可以在单个NVIDIA RTX 5090 GPU上运行，世界表示延迟低于80毫秒。该模型已在奥迪的真实工厂环境中部署，处理诸如套件组装、装配以及传统自动化无法处理的软材料处理等任务。FLUX-mimic能够自然地从任务失败中恢复，例如抓取失误，而无需针对每个错误场景进行显式演示。
Inkling: Our Open-Weights Model15 days agohttps://thinkingmachines.ai/news/introducing-inkling/该公司发布了名为Inkling的新AI模型，这是一款混合专家架构的Transformer模型，拥有9750亿总参数和410亿活跃参数。Inkling支持高达100万标记的上下文窗口，基于45万亿标记的多模态数据进行预训练，并可通过Tinker平台进行微调。Inkling的核心特性包括多模态推理（文本、图像、音频）、可调控的思维强度以平衡性能与效率，以及在推理、代理编码和安全基准测试中的卓越表现。与Inkling同时发布的还有Inkling-Small预览版（2760亿总参数，120亿活跃参数），该版本为特定工作负载提供类似能力，同时具有更低的成本和延迟。该模型的开发过程涉及大规模强化学习训练（超过3000万次推演），这不仅提升了推理能力，还促成了更简洁的推理风格。Inkling被设计为广泛适用的定制化基础模型，特别强调校准性、指令遵循能力和抗审查机制（认知特性）。安全评估显示Inkling具备强大的保障措施，在FORTRESS和StrongREJECT等基准测试中表现优异。Inkling可通过TogetherAI、Hugging Face等多个平台和合作伙伴获取，其完整权重已公开发布以支持定制化需求。
Bonsai 27B (1-bit LLM): The First 27B-Class Model to Run on a Phone16 days agohttps://prismml.com/news/bonsai-27bBonsai 27B是Bonsai系列的新型多模态模型，基于Qwen3.6 27B，也是首个能够在手机上运行的该能力级别模型。它有两种变体：Ternary Bonsai 27B（5.9 GB）适用于笔记本电脑的高质量处理，以及1-bit Bonsai 27B（3.9 GB）适用于手机的低内存占用，两者均采用端到端的低比特权重，无高精度逃脱机制。该模型在各项基准测试中分别保留了全精度基准性能的95%（Ternary变体）和90%（1-bit变体），在数学、编码和工具调用等智能体工作负载方面表现出色。Bonsai 27B支持智能体AI的本地执行，通过将数据保留在设备上以降低成本和增强隐私，并支持与云端模型的混合部署。它实现了高速处理（在RTX 5090上最高达163 tok/s），适配手机内存限制，具备262K令牌上下文、多模态视觉和推测解码功能。此次发布代表了智能密度范式的转变，推动了Apache 2.0许可证下日常设备上的AI部署，并计划推出更大规模的模型。
Introducing Muse Spark 1.121 days agohttps://ai.meta.com/blog/introducing-muse-spark-meta-model-api/?_fb_noscript=1Meta发布Muse Spark 1.1，这是专为代理任务升级的多模态推理模型，在工具/计算机使用、编码和多模态理解方面均有改进。该模型具备100万token的上下文窗口，支持多智能体协调以加速项目处理，并通过Meta Model API提供公开预览。Muse Spark 1.1在计算机工作流、编码（调试、迁移）、多模态感知和安全性方面表现卓越，具有强大的对抗鲁棒性。早期合作伙伴如Replit和Box称赞其为大规模代理工作负载和企业应用提供的全面能力。Meta强调持续的研究势头，表示更多先进模型正在训练中，朝着个人超级智能的方向迈进。
ThinkingCap-Qwen3.6-27B: Qwen3.6 capabilities with 50% fewer thinking tokens24 days agohttps://huggingface.co/bottlecapai/ThinkingCap-Qwen3.6-27BThinkingCap-Qwen3.6-27B模型是Qwen3.6-27B的精调版本，旨在平均减少50%的思考tokens的同时保持答案质量。它可以与Transformers和vLLM等库以及Google Colab、Kaggle和Docker等平台一起使用，用于本地部署。领域外评估显示，在GPQA-Diamond等基准测试上，tokens减少幅度高达67.8%，同时在知识、数学和多模态任务等领域保持准确性。在GSM8K和ARC-Challenge等留出数据集上的领域内评估展示了更高的token效率，tokens减少幅度高达74.1%，并且准确性有所提高。安全基准测试表明防护机制得以保留，拒绝率与基础模型相似，且在安全提示上的tokens减少了约20-24%。该模型支持GGUF量化，可通过llama.cpp和兼容的运行时进行高效的本地推理，量化版本可在相关的仓库中找到。使用示例包括图像-文本到文本任务，并且模型需要特定的采样参数（例如temperature=1.0），以获得最佳性能。
Gemma 4 on Cerebras - The Fastest Inference Is Now Multimodala month agohttps://www.cerebras.ai/blog/gemma-4-on-cerebras-the-fastest-inference-is-now-mu...Gemma 4 31B 在 Cerebras Inference 平台上能以超过每秒 1800 个 token 的速度运行，实现快速的多模态应用。这是首个在 Cerebras 上支持图片输入的 Google DeepMind 模型，可处理截图、文档、图表和 UI 界面状态。Cerebras 实现了创纪录的速度和低延迟，使 Gemma 4 适合实时视觉和代理式工作流程。Gemma 4 31B 在智能程度上与 Claude Haiku 4.5 相当，但运行速度快 18 倍，并且是 Apache 2.0 协议下的开放权重模型。该模型的高速度变革了产品开发，允许即时迭代和复杂的多模态循环。作为一种密集高效模型，Gemma 4 31B 旨在保证质量，同时避免了混合专家模型的大规模资源占用。应用示例包括实时截图分析、长上下文总结和用户界面调试。Gemma 4 31B 已在 Cerebras Inference 云服务的公共预览版中提供，用于多模态工作负载。