开源可商用的多模态理由模型：ERNIE-4.5-VL-28B-A3B-Thinking 解析
一、摘要 ERNIE-4.5-VL-28B-A3B-Thinking 是百度新开源的轻量级多模态推理模型，总参 28B、激活约 3B，主打视觉与语言的语义对齐与“Thinking with Images（图像思考）”能力，支持放大/缩小关注细节。模型采用 Apache-2.0 许可，可商用。官方宣称...
Admin •
102
Kimi K2 Thinking 全面解读：面向“思考—检索—执行”的开源智能体模型
一、摘要 Kimi K2 Thinking 是 Moonshot 推出的开源“思考型”智能体模型，强调在推理过程中动态调用工具与多步规划。官方公布其在 HLE 44.9%、BrowseComp 60.2%，可稳定完成 200–300 次连续工具调用，并支持 256K 上下文与原生 INT4 量化，面...
Admin •
134
UNO-Bench 全面解读：统一评测全模态理解与推理的开放基准
一、摘要 UNO-Bench 是面向“单模/全模”统一评测的开源基准，覆盖感知与推理两大维度，提供中文真实场景题目与多步开放问答（MO）。数据与工具强调高质量、人为主导构建，并配套通用打分模型以便自动化评测。 二、核心特性 1、统一能力框架：44 类任务、5 种模态组合，单模与全模同一指标口径。 2...
Admin •
96
开源 LongCat-Flash-Omni：128K 上下文 + 文本/图像/音频/视频到语音输出
一、摘要 LongCat-Flash-Omni 是美团 LongCat 团队开源的全模态（Omni-modal）模型，在 LongCat-Flash 的 ScMoE 架构上扩展了文本、图像、音频、视频的统一建模，参数总量约 560B、激活约 27B，重点面向毫秒级端到端语音对话、128K 上下文及 ...
Admin •
108
MiniMax M2 开源：面向智能体与代码工作流的高性价比大模型
一、摘要 MiniMax M2 是 MiniMax 开源的推理与编程导向模型，定位为“Agent & Code Native”。官方介绍称：该模型基于 Mixture-of-Experts（MoE）架构，参数总规模约 230B，但单次仅激活约 10B 参数，从而在保持高推理质量的同时降低推理成本和时...
Admin •
188
DeepSeek-OCR 解读：把长文本压成“视觉 token”的上下文压缩新路线
一、摘要 DeepSeek-OCR 是 DeepSeek 开源的“上下文光学压缩”模型，将文档文本编码为 视觉 token 后再解码为文字，目标是在保持识别准确度的同时显著降低 LLM 的上下文 token 成本。社区与媒体报道显示：在约 10× 压缩 下可达 约 97% 解码精度 ， 20× 时仍...
Admin •
132