AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：大语言模型
共 117 篇文章 · 清除标签
Beam – Reflection AI 开源的首款大语言模型：501B稀疏MoE架构的工程力作
Beam是Reflection AI推出的首款开源大语言模型，采用501B参数的稀疏MoE架构，每个token仅激活23B参数，支持100万token上下文窗口，预训练消耗23.8T token。该模型在软件工程任务上达到GLM-5.2同级水平，其训练过程堪称重工业级别的算力展示：预训练阶段使用6,144张GB300 GPU在不到四周内完成，随后动用10,500张GB300进行为期四周、超1亿次r...
Microsoft-Decision-1：微软推出的新一代快速决策AI模型深度评测
Microsoft-Decision-1是微软推出的一款专为结构化决策任务设计的快速决策AI模型，能够从预设选项中筛选出最优解，并为每个备选答案赋予概率评分，供下游应用判断执行、重试或转人工。该模型基于开源Qwen3.5-9B架构构建，在36项基准测试中准确率均位列第一，推理速度达到GPT-6 Sol的35倍，输入成本仅为每百万tokens 0.042美元且输出免费，已在Microsoft Fou...
Clef – Cloudflare 开源的决策模型家族深度评测
Clef是Cloudflare开源的一组决策模型家族，其核心定位并非生成开放式文本，而是在请求中临时定义问题、为每个候选选项输出概率化评分，让代码据此执行路由、拦截或升级人工等后续动作。与传统分类器需要针对新增类别反复重训不同，Clef允许在推理时动态定义类别，显著提升了决策系统的灵活性与迭代效率。该家族包含两个规格：27B参数的Clef主打精度，在Jev Decision Index基准上排名第...
Mellum2.1 深度评测：JetBrains 开源智能体编程模型的技术跃迁
Mellum2.1 是 JetBrains 推出的开源 AI 编程模型，采用 12B 混合专家（MoE）架构，每次推理仅激活 2.5B 参数。该模型的核心突破在于将强化学习（RL）从传统训练流程中的收尾环节提升为训练主体，结合数百万次沙盒环境运行，使模型能够自主探索代码库、编辑文件并自查修改，智能体编程能力实现显著跃升。在高负载场景下，Mellum2.1 的吞吐能力接近 Qwen3.5-9B 的两...
Naive-N0.5-Flash：NaiveAI 开源的 309B MoE 大模型，专为 AI 研发而生
Naive-N0.5-Flash 是 NaiveAI 开源的首个 MoE 大模型，定位编程与 AI 研发场景。该模型基于小米 MiMo-V2.5 基模改造，采用 309B MoE 架构，引入 SWA+DSA 混合稀疏注意力机制，原生支持 1M 上下文且全网络不含任何全注意力层。模型由 AI 深度参与研发，配套推理系统 NaiveRT 单流解码峰值达 2,122 tokens/s，在 PaperBe...
Vidu Q4 Preview：生数科技旗舰视频生成模型的传神演绎与多主体一致性实践
Vidu Q4 Preview是生数科技于2026年10月7日推出的新一代旗舰视频生成模型的首个公开预览版，主打"传神表现力"。该模型在人物演绎层面实现显著升级，面部表情更细腻、情绪传递更饱满、肢体动作更自然，同时支持最多15张参考图与3段参考音频，可在生成全程锁定人物形象、场景风格与角色音色的高度一致。在镜头语言方面，模型强化了动态运镜、丝滑切镜与复杂场景衔接能力，爆炸、烟火、粒子等视觉特效更具...
Claude Haiku 5.5 – Anthropic 推出的最轻量级模型
Claude Haiku 5.5 是 Anthropic 于 2026 年 10 月 7 日正式发布的最新小型语言模型，定位为"最便宜、最快、最能打"的高性价比产品。该模型将输入价格降至 $0.10/百万 token，综合成本降低约 75%，同时实现了电脑操作能力从 15.7% 到 72.4% 的大幅跃升。其支持 100 万 token 上下文窗口和五档可调思考机制，适用于智能摘要、数据分类、实时...
Mistral Large 4 – Mistral AI 开源的最旗舰大模型
Mistral Large 4 是法国人工智能公司 Mistral AI 推出的最新旗舰级开源大模型，绰号「Le Chonk 胖猫」。该模型采用细粒度混合专家（MoE）架构，总参数规模达 1.05T，每次推理仅激活约 49B 参数，并配备 1.6B 视觉编码器，实现原生多模态理解与 1M token 的超长上下文窗口。模型已在 Mistral API 上线，在软件工程、财务流程分析、遥感图像定位等...
VoxMem – 墨尔本大学等开源的音频大模型记忆基准
VoxMem是由墨尔本大学与新南威尔士大学研究团队联合推出的音频大模型记忆基准（Benchmark）。该基准首创"4类声学证据×4种记忆操作"的二维评测框架，将语音语义、说话人身份、副语言线索与环境声四类信息维度，同信息抽取、跨会话推理、时序追踪与拒答四种记忆操作深度交叉，构建覆盖8K至64K token多会话历史的标准化评测体系。对15个主流模型的系统性测试显示，在32K上下文长度下，没有任何模...
Startlux-Decision – StartLux Labs 开源的决策模型家族深度评测
StartLux-Decision 是 StartLux Labs 推出的开源决策模型家族，涵盖从 0.8B 至 27B 的五个稠密模型以及 35B-A3B 混合专家模型，专为类型化决策任务设计。该模型家族接收文本、JSON 或图片形式的状态输入，针对选择、是非、评分等结构化问题，通过单次前向推理直接返回每个选项的概率分布，天然可作为置信度使用。模型原生支持 256K token 超长上下文，具备...
