Kimi 再融资，估值升至 300 亿美元
200 亿美金那轮，钱还没全部打进账上。 做 Kimi 的那家公司——Moonshot AI（月之暗面），转头又开始张罗下一轮了。这次开的价是 300 亿。 彭博 6 月 8 号的消息：这轮它想拿最多 20 亿美金，把估值顶到 300 亿美
开源 资讯与深度分析 · 第 2 页
关注开源模型、Hugging Face、模型许可、社区生态和本地部署。 本页收录 146 篇已发布文章。 当前为第 2 页，每页最多 100 篇。
Reve 2与Ideogram 4同天发布，AI画图会排版了
让 AI 画一张海报，十有八九栽在同一个地方：画面是好看，但文字摆得乱七八糟，该在左上角的标题跑到了中间，logo 怼在人脸上。 6 月 3 日，两家公司同一天出手，冲着的正是这个老毛病——Reve 和 Ideogram 各自甩出新版本，卖
Ideogram 开源 93 亿参数最强画图模型
做文生图的公司大多把最好的模型锁在 API 后面收钱。Ideogram 这回反着来——6 月 3 日，它把当家旗舰 Ideogram 4.0 的权重直接放到了 GitHub 上，让你下回家自己跑。 这不是一个缩水的开源小号，是它能拿出手的最
英伟达开源机器人世界模型 Cosmos 3
英伟达这次没发新芯片，发了个模型——而且是开源的。 Cosmos 3，黄仁勋给它的定位是「物理 AI 的开源前沿基础模型」。说人话：以前大模型只会读文字、看图、生成视频，Cosmos 3 想让机器人和自动驾驶车真正「脑补」出物理世界接下来会
MiniMax M3 上稀疏注意力，支持百万上下文
6 月 1 日，MiniMax 发了 M3。一句话概括卖点：一个开源权重的模型，同时塞进了 100 万 token 上下文、前沿级的写代码能力，还带原生多模态。MiniMax 说，这三样凑一块的，它是头一个。
英伟达开源 Nemotron 3 Ultra 跑分仍逊 Kimi
黄仁勋这次端出来的是美国最强的开源大模型。结果跑分一对比，还是输给了中国。 6 月 1 日 Computex 台北的主题演讲上，英伟达发布了 Nemotron 3 Ultra，一个 5500 亿参数 的开源模型。
英伟达融合扩散与自回归发新模型
5月20号，英伟达Nemotron Labs甩了篇论文加权重。 这次发的不是一个"再大一点的模型"，是一个 新的解码方式 ——叫Nemotron Labs Diffusion。3B、8B、14B三个规格，base、instruct、visi
Cohere开源218B模型Command A+
Cohere这次的牌打得不小。 5月20号，他们把旗舰模型Command A+开源了—— Apache 2.0协议 ，权重全放Hugging Face，218B参数的MoE架构。这是Cohere第一个走Apache 2.0完全开源的旗舰模型
Hermes Agent 单日 2240 亿 tokens 登顶 OpenRouter
2240亿对1860亿。这不是融资额对比，是这周OpenRouter上跑得最猛的两个AI Agent，一天烧掉的token数。 先说结论：OpenClaw的第一终于丢了。
Kimi 半年估值冲 200 亿美元，美团领投
200亿美元。 这是Kimi背后的Moonshot AI在5月7日刚刚敲定的最新估值。领投方是个让人没想到的名字——美团旗下的Long Z Investment。 这一轮融到了20亿美元，参与方还包括清华控股、中国移动、CPE远峰资本。算上
DeepInfra融资1.07亿美元，英伟达跟投
1.07亿美金，B轮，5月4日官宣。 钱不算最大的——但这轮投资人名单挺有信息量： 500 Global领投 ，跟投里出现了 英伟达 （Nvidia Corp.）、Samsung Next、Supermicro、A.Capital、Feli
Mistral 发布 Workflows 企业 AI 流程平台
四月二十八号，Mistral扔出来一个不那么性感的产品：Workflows，公开预览。 这玩意儿不是模型，不是聊天机器人，甚至不能直接给你写代码。它是个 企业AI的编排层 ——专门解决一个被忽略很久的问题：模型再聪明，跑不进生产就是个dem
开源机器人框架曝高危漏洞可被夺取控制权
Hugging Face 的开源机器人框架 LeRobot 被发现一个严重远程代码执行漏洞， 任何能连到服务端口的攻击者都能直接接管你的机器 ——不用用户名、不用密码、不用证书。 CVE 编号是 CVE 2026 25874 。
小米开源1.02万亿参数模型效率超Claude Opus
雷军前两年挖罗福莉，外界都说他在做表面功夫——一家造手机和电动车的公司，凑什么 AI 的热闹。 周一晚上，小米把 MiMo V2.5 Pro 扔了出来，1.02 万亿参数 MoE，开源。这次没人再笑了。
DeepSeek V4发布，市场反应平淡
去年这个时候，DeepSeek 一发模型，全球科技股集体跳水，被叫做"黑天鹅"。 今年V4又来了。 市场反应：还行 。 1.6万亿参数的开源新王，没人觉得稀奇了 4月24日，DeepSeek 把 V4 系列丢上了 Hugging Face。
DeepSeek发布72小时把V4-Pro降价75%
V4 Pro的preview是上周五凌晨上线的。 今天早上，DeepSeek在API面板贴出公告：V4 Pro 75% off，直接到5月5号。同时，整个API的输入缓存命中价格砍到原来的十分之一。 发布到大幅降价，中间隔了72小时不到。
Qwen3.6-27B开源，成绩打赢3970亿MoE
先上这个数字： SWE bench Pro 53.5 vs 50.9 。 前者是Qwen3.6 27B，27B参数，4月22日刚开源，Apache 2.0协议。后者是Qwen3.5 397B，397B参数，混合专家架构（MoE），阿里之前的
DeepSeek V4发布，1.6万亿参数比GPT-5.5便宜8倍
今天（4月24日），DeepSeek发布了V4。 Bloomberg的标题是「一年后再次颠覆硅谷」。有没有这么夸张暂且不说，但这次确实是两件事一起发： V4 Pro ：1.6万亿总参数，激活49B，支持100万token上下文 V4 Fla
阿里27B模型成绩比肩自家397B
4月22日，Qwen团队在Hugging Face发了个新模型。27B参数，Dense架构，Apache 2.0协议，叫Qwen3.6 27B。 发布博文里，他们把benchmark分数列了出来。SWE bench Verified： 77
Kimi K2.6 拿下 HLE 开源第一
月之暗面上周把Kimi K2.6完整版推出来了，这不是什么"代码预览"测试版，是完整的生产级模型。之前Code Preview已经引发了一波关注，但完整版的技术规格和跑分结果出来以后，事情比很多人预期的更有意思。
阿里Qwen3.6-Max登顶6项测试，转闭源
4月20日，Alibaba发布了Qwen系列有史以来性能最强的模型——Qwen3.6 Max Preview。 说悄悄，是因为这次没有大张旗鼓的开源庆典，没有Apache协议公告，也没有欢迎下载、商业免费的旗帜。
阿里开源Qwen3.6-35B，SWE-bench达73.4%
4月16日，阿里Qwen团队把Qwen3.6 35B A3B开源了，Apache 2.0协议，没有任何商用限制。 这个模型有点意思：总参数35B，但推理时只激活3B。用了混合专家（MoE）架构，12:1的计算稀疏比——在效果上接近35B大模
MiniMax M2.7 自我迭代 100 轮，性能涨 30%
"AI自我进化"这个词被说烂了，但MiniMax在M2.7上做的事稍微不一样。 不是科幻意义上的自我意识，而是：M2.7在自己的训练过程里，用一套agent框架自动跑实验、读日志、分析指标、调代码、再跑实验，循环100多轮—— 没有人工干预
英伟达开源 Nemotron 3 全系及训练数据
黄仁勋要在开源模型市场上插一面旗 大家以为NVIDIA只管卖GPU的时候，英伟达悄悄发布了Nemotron 3全系列——不只是模型权重， 连3万亿token的预训练数据集、强化学习流程和评估工具全部开源了 。 这个动作的信号很清晰：NVID
GLM-5.1 登顶 SWE-Bench Pro，全程用华为昇腾
4月7日，Z.ai（原智谱AI）发布了GLM 5.1，754B参数，MoE架构，MIT协议开源。 跑分结果：SWE Bench Pro 58.4%，全球第一。GPT 5.4是57.7%，Claude Opus 4.6是57.3%。 光这个数
英伟达开源 35B 量子 AI 模型 Ising
量子计算机有个让工程师头疼的老问题：校准。一台量子处理器（QPU）每跑一段时间，量子比特之间的相干性就会漂移，需要重新校准。人工校准少则几天，多则一周，这还是在有丰富经验的团队情况下。
Kimi K2.6 Code 上线 比 Claude Sonnet 便宜 5 倍
4月13日，月之暗面（Moonshot AI）向所有Kimi Code订阅用户全量推送了K2.6代码预览版。这个版本在闭测了大约一周之后正式铺开，时间点卡在GPT 5.4 Cyber和Anthropic Mythos刚发布后不到两周。 Mo
26 人团队做出 400 亿参数开源推理模型
Arcee AI是家只有26个人的小公司，但他们刚做了一件让圈子里很多人吃惊的事：花了公司大约一半的风险投资，2000万美元，用2048块英伟达B300 GPU跑了33天，训出了一个400亿参数的开源推理模型——Trinity Large
DeepSeek V3.2改稀疏注意力，推理成本砍半
去年九月底，DeepSeek悄悄放出了V3.2，没有大张旗鼓，但这个版本搞了一个挺有意思的架构变动。 V3.2的核心改动不是参数规模，而是注意力机制。他们做了一个叫 DeepSeek Sparse Attention（DSA） 的东西，把传
Mistral 开源 4B 语音模型，评测超 ElevenLabs
3月26日，Mistral发布了Voxtral TTS，它们的第一个语音模型。 4B参数，开放权重，人工评测自然度超过ElevenLabs Flash v2.5，API定价0.016美元/千字，可以直接跑在自己的服务器上——这是这个产品的核
Mistral 开源 MoE 模型，119B 只激活 6.5B
3月16日，Mistral发布了Small 4，一个看起来平平无奇的名字，背后藏着一个挺实用的产品思路——用MoE架构把原来三款独立模型全部揉进一个里面，一次部署搞定所有场景。
Cursor旗舰产品用中国AI模型
3月22日，Cursor悄悄出了一个新模型 Composer 2，宣传语是frontier level coding intelligence（前沿级编程智能）。没过多久，一位叫 Fynn 的 X 用户把话说穿了：这东西基本上就是 Kimi
谷歌把 Gemma 4 改为 Apache 协议开源
4月2日，Google DeepMind发布了Gemma 4。 这不是第一个Gemma，但有两点跟之前不一样：一是切到了 Apache 2.0协议 ，二是31B这个版本在Arena AI开源榜上排到了 第三名 。 四个模型，怎么选？
Meta 下一代旗舰 Avocado 与 Mango 将部分闭源
Meta这几年靠Llama系列赚足了开发者的好感——Llama 2、Llama 3、Llama 4，一代比一代猛，全部开权重，社区跑得飞起。但上周Axios和SiliconANGLE的报道把这个故事拉出了新转折：Meta正在开发的下两个旗舰
2026年开源与闭源大模型攻防格局
两年前"开源能追上闭源吗"还是个有争议的问题，现在答案已经很清楚了： 在大部分常规任务上，开源已经追平甚至超过了。 当前格局 开源阵营 ： DeepSeek V3/R1——顶级性能，极低成本 Llama 4 Scout/Maverick——
Hugging Face 报告 中国模型下载量首超美国
Hugging Face刚出了2026年春季的开源生态报告，几组数据很有冲击力： 平台规模 用户： 1300万 公开模型： 200万+ 公开数据集： 50万+ 三项数据同比都接近翻倍。 最大的变化：中国模型下载量占41% 中国模型在Hugg
欧盟AI法案实施，开源社区影响有限
欧盟的AI法案（AI Act）在2025年开始分阶段实施，到2026年大部分条款已经生效。对开源AI社区来说，影响没有之前担心的那么严重。 开源豁免 AI Act对开源模型有专门的 豁免条款 ——如果你发布的是研究性质的开源模型，很多合规要
开源AI agent框架OpenClaw爆火出圈
OpenClaw在开发者社区的走红速度有点出乎意料——从一个小众的开源项目到GitHub trending榜首，只用了不到两周。 OpenClaw是什么 一个 开源的AI agent开发框架 ，核心定位是让开发者能够快速搭建和部署自定义的A
DeepSeek V4与Qwen 3.5开源卷价格
有个数字挺有意思：2025年初，DeepSeek和Qwen加起来占全球AI市场份额不到1%；到2026年1月，这个数字变成了15%。 一年时间，从边缘选手跑到行业不能忽视的位置，速度快得有点离谱。 背后发生了什么，值得梳理一下。
DeepSeek V4对决Qwen 3.5
如果你最近在关注AI行业，应该注意到一件有意思的事：两个中国开源模型正在抢占同一片市场，而且都在用极低的成本挑战那些动辄要价几十美元每百万token的闭源巨头。 DeepSeek V4和Qwen 3.5（部分渠道已标注为Qwen 3.6 P
MCP 协议一年内统一 AI 工具接入标准
2024年11月Anthropic发布MCP协议的时候，多数人的反应是"又一个公司推自家标准"。结果一年不到， OpenAI、Google、微软全部跟进采用 ，MCP成了AI领域的事实标准。 MCP解决了什么问题？ 以前每个AI模型要对接每
Llama 4 首次采用 MoE Scout 与 Maverick 登场
去年4月5号Meta放出了Llama 4，这是Llama系列 第一次用MoE架构 。同时发了两个型号： Llama 4 Scout 激活参数： 17B / 总参数约109B 专家数量： 16个 上下文窗口： 1000万token 没错，一千
阿里以Apache协议开源Qwen3
阿里今年把Qwen3全系列模型用 Apache 2.0协议 开源了，从0.6B到235B一共8个尺寸，全线开放。 为什么Apache协议很重要？ Apache 2.0基本上是最宽松的开源协议之一，意味着企业可以 免费商用 ，不用额外谈授权。
Kimi K2 开源万亿参数 MoE 模型
去年7月，月之暗面直接开源了Kimi K2——一个 万亿参数 的MoE大模型，每个token只激活32B参数。 架构亮点 总参数： 1万亿 每token激活： 32B 训练数据：约 15.5万亿token 上下文：128K（后续升级到256
DeepSeek开源推理模型R1
今年1月，DeepSeek把R1推理模型直接开源了，社区的反应很直接： 没想到开源这边已经卷到这个程度了。 先看硬指标： AIME数学竞赛 ：77.5分 MATH 500 ：96.2分 Codeforces编程 ：94百分位 MMLU ：0
DeepSeek V3：671B参数仅激活37B
去年12月DeepSeek发布了V3，这个模型最让同行坐不住的地方不是性能——而是 成本 。 先看架构 V3的设计核心是 Mixture of Experts ： 总参数量： 671B 每个token实际激活： 37B 每层256个专家，每