A Xiaomi abriu o código-fonte dos modelos omnimodais MiMo-V2.6 Pro e Flash, projetados para coordenar agentes na construção e teste visual de cenas 3D interativas. Esses modelos podem gerar ativos do Blender, controlar braços robóticos a partir de feeds de câmera, produzir frontends e apresentações, montar vídeos e compor música como partituras e MIDI.
A AntLing lançou a família Ming-Image-0.1-Design, que inclui dois modelos de 6B parâmetros: Ming-Image-0.1-Design e Ming-Image-0.1-Design-Layer.
A Xiaomi lançou a série MiMo-V2.6, introduzindo modelos omnimodais nativos, incluindo MiMo-V2.6-Pro e MiMo-V2.6-Flash. A empresa também lançou o MiMo-V2.6-Pro-UltraSpeed, que oferece velocidade de saída até 20x mais rápida com a mesma qualidade.
A equipe do AWS Strands Agents lançou o Strands Harness, um harness de agentes de propósito geral e código aberto disponível sob a licença Apache 2.0 para Python e TypeScript. A ferramenta foi projetada para preencher a lacuna entre a prototipagem de agentes em ambientes como Claude Code ou Codex e sua implantação com loops personalizados.
A Microsoft Research publicou e disponibilizou como código aberto o RetroChimera, um novo framework para previsão de retrosíntese que combina dois modelos complementares para propor rotas de síntese de alta qualidade. O sistema integra R-SMILES 2, um modelo de-novo baseado em Transformer, com NeuralLoc, um modelo baseado em rede neural gráfica (GNN), utilizando uma estratégia de ensembling aprendida para classificar as previsões.
A equipe Qwen da Alibaba lançou o Qwen-Image-2.1, um modelo unificado de geração de imagem a partir de texto e edição de imagens que consolida os checkpoints anteriores separados em um único transformer de difusão com 7B de parâmetros.
A biblioteca tokenizers lançou um release candidate da versão 1 que melhora significativamente o desempenho para codificação de texto, abordando gargalos nos fluxos de trabalho de treinamento e serviço. A atualização mantém compatibilidade de API com a v0.23 enquanto entrega acelerações substanciais em dez famílias de modelos.
O Multiverse publicou um artigo detalhando um método que reencaminha a poda de modelos de linguagem grandes como um problema de otimização binária restrita mapeado para um vidro de Ising. Ao tratar os blocos do transformer como spins com acoplamentos pares derivados da Hessiana da perda, a abordagem identifica configurações ótimas de remoção de blocos sem exigir benchmarking iterativo.
O autor apresenta um resumo sobre o estado dos modelos de peso aberto, observando que as empresas de IA chinesas se tornaram as claras líderes neste espaço desde aproximadamente abril de 2025. Essa mudança é evidenciada pelas métricas de download do Hugging Face e pelo desempenho em benchmarks de capacidade.
A Qwen lançou o Qwen-Image-2.1, um modelo unificado projetado tanto para geração quanto para edição de imagens.
A Stepfun lançou o modelo Step 5 Preview 600B-A27B, que está atualmente disponível por meio de seus produtos e API. A versão de pesos abertos deste modelo será lançada em 15 de outubro.
O repositório stepfun-ai/Step-5-Preview-BF16 foi publicado no Hugging Face. O título da submissão indica que o modelo parece promissor.
Uma prévia do novo modelo "Step 5" da Stepfun vazou online.
A Alibaba lançou um modelo de inteligência artificial médica de código-fonte aberto capaz de detectar câncer e aproximadamente outras 150 condições médicas.
A inclusionAI lançou o sistema Realtime-Venus no Hugging Face, com dois checkpoints: Realtime-Venus-Omni e Realtime-Venus-Audio. O checkpoint Omni é um modelo de interação áudio-visual de 9B adaptado do MiniCPM-o 4.5 que observa e ouve continuamente para decidir quando responder.
A Naive AI, uma startup sigilosa fundada pelo professor Dai Jifeng da Universidade Tsinghua, concluiu três rodadas de financiamento totalizando $400 milhões, alcançando uma avaliação de mais de $1,4 bilhão. A empresa está se preparando para lançar seu primeiro modelo de linguagem grande, também chamado Naive, como um lançamento de peso aberto já neste mês.
A Tencent lançou o WeVisDoc, um analisador de documentos de ponta a ponta para imagens de páginas, ajustado finamente a partir dos modelos Qwen3-VL. O sistema converte as imagens das páginas em Markdown estruturado, incluindo fórmulas LaTeX e tabelas HTML.
A Tencent lançou o WeVisDoc-4B, um analisador de documentos de ponta a ponta para imagens de páginas que converte páginas em Markdown estruturado com fórmulas LaTeX e tabelas HTML. Fine-tuned a partir do Qwen3-VL-4B-Instruct, o modelo alcança uma pontuação geral de 95.38 no OmniDocBench v1.6 e ocupa o primeiro lugar entre os analisadores comparados em todas as quatro configurações relatadas.
A Together oferece um framework para que empresas migrem de modelos de IA proprietários para modelos de código aberto (OSM) usando serviços gerenciados, com o objetivo de reduzir a complexidade e acelerar a adoção. O processo envolve descobrir modelos adequados por meio de benchmarks, avaliá-los via replay de tráfego, adaptar prompts ou pesos e calcular o ROI para justificar a mudança.
Um relatório da Mozilla indica que os modelos de IA de peso aberto da China reduziram a lacuna de desenvolvimento para apenas quatro meses em relação às ofertas fronteira dos EUA. Apesar desse rápido progresso, os modelos ainda ficam para trás em certas avaliações de benchmarks.