Tencent telah merilis keluarga model terjemahan multibahasa "berpikir cepat" Hy-MT2, termasuk ukuran 1.8B, 7B, dan 30B-A3B (MoE), bersama dengan benchmark IFMTBench untuk mengevaluasi kemampuan mengikuti instruksi.
Tencent telah merilis checkpoint UI-Mate-democua-27B, versi yang dipandu demonstrasi dari agen GUI UI-Mate-nya yang dapat mengadaptasi alur kerja yang direkam ke tugas baru. Model tersebut mengamati tangkapan layar secara langsung dan melakukan penalaran atas keadaan yang terlihat untuk menghasilkan tindakan terstruktur, menggunakan demonstrasi sebagai panduan daripada skrip tetap.
Tencent telah merilis UI-Mate-27B, sebuah model dasar bobot terbuka yang dirancang untuk penggunaan komputer jangka panjang di seluruh aplikasi dan sistem operasi. Model 27 miliar parameter ini mengamati tangkapan layar langsung untuk bernalar atas keadaan yang terlihat dan menghasilkan tindakan terstruktur berupa keyboard dan mouse untuk interaksi desktop asli.
Tim Agen Multimodal HY Frontier Tencent telah merilis UI-Mate-27B, agen fondasi GUI bobot terbuka yang dirancang untuk tugas jangka panjang di seluruh aplikasi dan sistem operasi. Model ini mengamati tangkapan layar langsung untuk menalar keadaan yang terlihat dan menghasilkan tindakan papan ketik dan mouse terstruktur untuk interaksi desktop asli.
Tim Tencent HY Frontier Multimodal Agent Team telah merilis UI-Mate-9B, agen GUI dasar bobot terbuka yang dirancang untuk tugas jangka panjang di seluruh aplikasi dan sistem operasi. Model ini mengamati tangkapan layar langsung untuk bernalar atas keadaan yang terlihat dan menghasilkan tindakan keyboard dan mouse terstruktur untuk interaksi desktop asli.
Tencent telah merilis EVIE-Preview-4.5B, sebuah model Visual Document Retrieval (VDR) multibahasa mutakhir yang dibangun di atas Qwen3.5-4B. Model ini menerapkan interaksi akhir bergaya ColBERT dengan embedding token multivektor berdimensi 128 asli untuk mencapai kinerja puncak di berbagai benchmark ViDoRe.
Para peneliti telah mengembangkan MiLMMT-46-v1.0, sebuah model terjemahan mesin multibahasa yang menerapkan pasca-pelatihan bebas referensi pada model bahasa besar sumber terbuka. Tim menggunakan Group Relative Policy Optimization (GRPO) dengan imbalan berdasarkan dua model estimasi kualitas bebas referensi, yang dikendalikan oleh identifikasi bahasa.
Para peneliti telah merilis MiLMMT-46-v1.0, sebuah model bahasa besar sumber terbuka untuk terjemahan mesin multibahasa yang memanfaatkan pasca-pelatihan tanpa referensi. Dimulai dari MiLMMT-46-v0.1 yang telah disetel halus secara terawasi, tim menerapkan Group Relative Policy Optimization (GRPO) dengan imbalan berdasarkan dua model estimasi kualitas tanpa referensi yang dikendalikan oleh identifikasi bahasa.
Tencent telah membuka sumber kode AngelSpec, sebuah kerangka pelatihan berbasis torch yang mendukung prediksi multi-token autoregresif (MTP) serta drafter keluarga DFlash-paralel blok untuk model Hy3. Sistem ini menganggap heterogenitas beban kerja sebagai kendala desain utama, memungkinkannya mengkhususkan struktur, data pelatihan, dan kedalaman verifikasi berdasarkan kasus penggunaan tertentu.