IBM 发布 Granite 4.1 LLMON 实验预览模型
IBM 发布两款实验预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview,用于生成和理解 LLMON 标记文本。
推荐理由:LLMON通过显式分离指令与数据,并提供模型、转换工具、LoRA示例和提示注入评测,展示了小模型强化上下文结构化的实现路径。
IBM 发布两款实验预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview,用于生成和理解 LLMON 标记文本。
推荐理由:LLMON通过显式分离指令与数据,并提供模型、转换工具、LoRA示例和提示注入评测,展示了小模型强化上下文结构化的实现路径。
Google Deepmind 发布 AlphaGenome 2,用于预测遗传变异对特定人类细胞类型的影响,并发现几乎两倍于前代的相关基因变化。模型基于超过 107 million 个、覆盖 68 种组织的单个细胞 profile 训练,还能预测 DNA 包装和甲基化;在 TenK10K 基准上识别约 30% 的因果变异,并正确判断 43% 案例中的基因上调或下调。
Google DeepMind 发布 AlphaGenome 2,用于预测 DNA 序列及其变异对特定人类细胞类型的影响。模型基于超过 1.07 亿个细胞谱和 68 种组织训练,在 TenK10K 数据集上识别的因果变异比例为 30%,高于原始模型的 16%,并可预测未见过的细胞状态。AlphaGenome 2 已通过 AlphaGenome API 面向非商业研究开放,商业研究处于私有预览阶段。
推荐理由:AlphaGenome 2 将 DNA 变异预测细化到具体细胞类型,并提供跨模态补全能力,读者可据此评估其对单细胞遗传研究的应用价值。
Google DeepMind 发布 AlphaGenome 2,用于预测遗传变异对不同细胞类型和状态的影响。模型基于 68 种组织中超过 1 亿个细胞图谱训练,可识别近两倍于前代模型的基因表达相关变异,并能预测未见过的细胞和生物状态。Google 即日起通过 AlphaGenome API 向非商业研究开放该模型,商业研究则处于有限的私有预览阶段。
Tether AI Research 发布 BotPsy,一款基于 Qwen3.5-0.8B、具备 0.8B 参数的端侧智能体模型,面向函数调用和智能体工作流。模型在测试的六项工具使用与智能体基准中领先五项,并计划以 Apache 2.0 许可开放权重,提供 bf16、Q8 和 Q4 版本,但不适用于安全关键或高风险决策。
推荐理由:文章给出模型训练方法、端侧部署形式与多项基准对比,适合评估小型智能体在工具调用和本地运行中的取舍。
Nous Research 通过约 53 million tokens 的监督微调训练出 Arete-27B,将 Qwen3.8-27B 的宣传性回答比例从 22% 降至 0.9%,事实准确性得分从 2.32 升至 2.98。
百度发布并开源 ERNIE-5.5-Flash-Base,一款总参数 280B、每 token 激活 14B 的稀疏 MoE 预训练 Base 模型。模型在 33.5T tokens 上从零完成预训练,训练上下文逐步扩展至 128K tokens,微调与推理支持 1M tokens 上下文。
推荐理由:开放未经中后训练的 Base 权重并披露架构、训练与评测细节,为二次预训练和基线对照提供了可复用参考。
Baidu 发布开放基础模型 ERNIE 5.5 Flash Base,提供 280 billion 参数的 MoE 架构,每个输入激活 14 billion 参数。
Mistral AI 发布首个时间序列基础模型家族 Timestral,提供 5M、28M、123M 和 209M 四种规模,支持概率预测、多变量目标、过去协变量和已知未来协变量。
推荐理由:Timestral 提供四种规模与多种部署方式,并公开基准成绩、训练方法和代码,便于评估其在企业预测场景中的适配与成本。