Xiaomi ने MiMo-V2.6 Pro और Flash ओमिमोडल मॉडल ओपन-सोर्स किए हैं, जो इंटरैक्टिव 3D सीन्स को बनाने और दृश्य रूप से परीक्षण करने के लिए एजेंट्स को समन्वयित करने के लिए डिज़ाइन किए गए हैं। ये मॉडल Blender संपत्तियाँ उत्पन्न कर सकते हैं, कैमरा फ़ीड से रोबोटिक आर्म को नियंत्रित कर सकते हैं, फ्रंटएंड और प्रस्तुतियाँ बना सकते हैं, वीडियो एसेंबल कर सकते हैं और संगीत को स्कोर और MIDI के रूप में संयोजित कर सकते हैं।
AntLing ने Ming-Image-0.1-Design परिवार जारी किया है, जिसमें दो 6B पैरामीटर मॉडल शामिल हैं: Ming-Image-0.1-Design और Ming-Image-0.1-Design-Layer।
शियाओमी ने MiMo-V2.6 सीरीज जारी की है, जिसमें MiMo-V2.6-Pro और MiMo-V2.6-Flash सहित नैटिवली ओमिमोडल मॉडल्स शामिल हैं। कंपनी ने MiMo-V2.6-Pro-UltraSpeed भी लॉन्च किया है, जो समान गुणवत्ता पर आउटपुट गति को 20x तक तेज करता है।
AWS Strands Agents टीम ने Strands Harness जारी किया है, जो एक ओपन-सोर्स, सामान्य उद्देश्य वाला एजेंट हार्नेस है जो Python और TypeScript के लिए Apache 2.0 लाइसेंस के तहत उपलब्ध है। इस टूल का डिज़ाइन Claude Code या Codex जैसे वातावरण में एजेंट्स को प्रोटोटाइप करने और उन्हें कस्टम लूप के साथ तैनात करने के बीच की खाई को पाटने के लिए किया गया है।
माइक्रोसॉफ्ट रिसर्च ने रेट्रोसिंथेसिस भविष्यवाणी के लिए एक नया फ्रेमवर्क, RetroChimera को प्रकाशित और ओपन-सोर्स किया है, जो उच्च गुणवत्ता वाले संश्लेषण मार्गों का सुझाव देने के लिए दो पूरक मॉडलों को जोड़ता है। सिस्टम एक सीखी हुई एन्सेंबलिंग रणनीति का उपयोग करके R-SMILES 2, एक Transformer-आधारित de-novo मॉडल, और NeuralLoc, एक ग्राफ न्यूरल नेटवर्क (GNN) आधारित मॉडल को एकीकृत करता है।
अलibaba की क्वेन टीम ने Qwen-Image-2.1 जारी किया है, जो एकत्रीकृत टेक्स्ट-टू-इमेज जनरेशन और इमेज संपादन मॉडल है जो पिछले अलग-अलग चेकपॉइंट्स को एकल 7B पैरामीटर डिफ्यूजन ट्रांसफॉर्मर में समेटता है।
tokenizers लाइब्रेरी ने टेक्स्ट एन्कोडिंग के लिए प्रदर्शन में महत्वपूर्ण सुधार करने वाला एक संस्करण 1 रिलीज़ कैंडिडेट जारी किया है, जो प्रशिक्षण और सर्विंग वर्कफ़्लो में बॉटलनेक को दूर करता है। यह अपडेट v0.23 के साथ API संगतता बनाए रखते हुए दस मॉडल परिवारों में महत्वपूर्ण गति वृद्धि प्रदान करता है।
मल्टीवर्स ने एक पेपर जारी किया है जिसमें एक विधि का विवरण दिया गया है जो बड़े भाषा मॉडल प्रूनिंग को एक बाध्य द्विआधारी अनुकूलन समस्या के रूप में पुनर्परिभाषित करती है और इसे आइसिंग ग्लास पर मैप करती है। ट्रान्सफॉर्मर ब्लॉकों को स्पिन के रूप में मानते हुए, जिसमें हानि हेसियन से व्युत्पन्न युग्मन होते हैं, यह दृष्टिकोण पुनरावृत्ति बेंचमार्किंग की आवश्यकता के बिना इष्टतम ब्लॉक हटाने की विन्यासों की पहचान करता है।
लेखक ने ओपन-वेट मॉडलों की स्थिति पर एक संक्षिप्त विवरण प्रस्तुत किया है, यह नोट करते हुए कि चीनी एआई कंपनियां अप्रैल 2025 के आसपास से इस क्षेत्र में स्पष्ट रूप से अग्रणी बन गई हैं। यह बदलाव Hugging Face डाउनलोड मेट्रिक्स और क्षमता बेंचमार्क पर प्रदर्शन द्वारा प्रमाणित होता है।
Qwen ने Qwen-Image-2.1 जारी किया है, जो छवि निर्माण और संपादन दोनों के लिए डिज़ाइन किया गया एक एकीकृत मॉडल है।
Stepfun ने Step 5 Preview 600B-A27B मॉडल जारी किया है, जो वर्तमान में इसके उत्पादों और API के माध्यम से उपलब्ध है। इस मॉडल का ओपन-वेट संस्करण 15 अक्टूबर को जारी किया जाएगा।
रेपॉजिटरी stepfun-ai/Step-5-Preview-BF16 को Hugging Face पर प्रकाशित किया गया है। सबमिशन शीर्षक संकेत देता है कि मॉडल वादा करता हुआ दिखता है।
Stepfun के नए "Step 5" मॉडल का प्रीव्यू ऑनलाइन लीक हो गया है।
अलibaba ने एक ओपन-सोर्स चिकित्सा कृत्रिम बुद्धिमत्ता मॉडल जारी किया है जो कैंसर और लगभग 150 अन्य चिकित्सा स्थितियों का पता लगा सकता है।
inclusionAI ने Hugging Face पर Realtime-Venus सिस्टम जारी किया है, जिसमें दो चेकपॉइंट्स शामिल हैं: Realtime-Venus-Omni और Realtime-Venus-Audio। Omni चेकपॉइंट एक 9B ऑडियो-विजुअल इंटरैक्शन मॉडल है जो MiniCPM-o 4.5 से अनुकूलित किया गया है और लगातार देखता और सुनता रहता है ताकि यह तय कर सके कि कब प्रतिक्रिया देनी है।
त्सिंगहुआ यूनिवर्सिटी के प्रोफेसर डैई जिफेंग द्वारा स्थापित Stealth स्टार्टअप Naive AI ने $400 मिलियन के कुल निधि चक्र पूरे किए हैं, जिससे इसका मूल्यांकन $1.4 बिलियन से अधिक हो गया है। कंपनी इसी महीने से भी पहले अपने पहले बड़े भाषा मॉडल (जिसका नाम भी Naive है) को ओपन-वेट रिलीज़ के रूप में लाने की तैयारी कर रही है।
टेंसेंट ने Qwen3-VL मॉडलों से फाइन-ट्यून किए गए पेज इमेज के लिए एक एंड-टू-एंड दस्तावेज़ पार्सर, WeVisDoc जारी किया है। सिस्टम पेज इमेज को संरचित Markdown में परिवर्तित करता है, जिसमें LaTeX सूत्र और HTML टेबल शामिल हैं।
Tencent ने पेज इमेज के लिए एक एंड-टू-एंड दस्तावेज़ पार्सर WeVisDoc-4B जारी किया है जो पेजों को LaTeX सूत्रों और HTML तालिकाओं के साथ संरचित Markdown में परिवर्तित करता है। Qwen3-VL-4B-Instruct से फाइन-ट्यून किए गए, मॉडल ने OmniDocBench v1.6 पर 95.38 का समग्र स्कोर प्राप्त किया और सभी चार रिपोर्ट किए गए सेटिंग्स में तुलना किए गए पार्सर्स के बीच पहले स्थान पर है।
टूगेदर प्रबंधित सेवाओं का उपयोग करके उद्यमों को बंद-स्रोत AI मॉडल से खुले स्रोत मॉडल (OSM) में माइग्रेशन के लिए एक ढांचा प्रदान करता है, जिसका उद्देश्य जटिलता को कम करना और अपनाने की गति बढ़ाना है। इस प्रक्रिया में बेंचमार्क के माध्यम से उपयुक्त मॉडल खोजना, ट्रैफिक रीप्ले के माध्यम से उनका मूल्यांकन करना, प्रॉम्प्ट या वजन को अनुकूलित करना और स्विच को औचित्य देने के लिए ROI की गणना करना शामिल है।
मोज़िला की एक रिपोर्ट संकेत देती है कि चीन के ओपन-वेट AI मॉडलों ने विकास में अंतर को केवल चार महीने तक कम कर दिया है। इस तेज़ प्रगति के बावजूद, मॉडल कुछ बेंचमार्क मूल्यांकनों में पीछे रहते हैं।