A Tencent lançou a família de modelos de tradução multilíngue "de raciocínio rápido" Hy-MT2, incluindo tamanhos de 1.8B, 7B e 30B-A3B (MoE), juntamente com o benchmark IFMTBench para avaliar capacidades de seguimento de instruções.
A Tencent lançou o checkpoint UI-Mate-democua-27B, uma versão guiada por demonstração de seu agente GUI UI-Mate que pode adaptar fluxos de trabalho gravados a novas tarefas. O modelo observa capturas de tela em tempo real e raciocina sobre os estados visíveis para produzir ações estruturadas, usando demonstrações como orientação em vez de scripts fixos.
A Tencent lançou o UI-Mate-27B, um modelo base de pesos abertos projetado para uso prolongado do computador em aplicativos e sistemas operacionais. O modelo de 27 bilhões de parâmetros observa capturas de tela ao vivo para raciocinar sobre os estados visíveis e produz ações estruturadas de teclado e mouse para interação nativa com o desktop.
A equipe Tencent HY Frontier Multimodal Agent Team lançou o UI-Mate-27B, um agente GUI fundamental de peso aberto projetado para tarefas de longo prazo em aplicativos e sistemas operacionais. O modelo observa capturas de tela ao vivo para raciocinar sobre os estados visíveis e produz ações estruturadas de teclado e mouse para interação nativa com o desktop.
A equipe Tencent HY Frontier Multimodal Agent Team lançou o UI-Mate-9B, um agente base de GUI de peso aberto projetado para tarefas de longo prazo em aplicativos e sistemas operacionais. O modelo observa capturas de tela ao vivo para raciocinar sobre os estados visíveis e produz ações estruturadas de teclado e mouse para interação nativa com o desktop.
A Tencent lançou o EVIE-Preview-4.5B, um modelo de ponta para Recuperação Visual de Documentos (VDR) multilíngue, construído sobre o Qwen3.5-4B. O modelo emprega interação tardia no estilo ColBERT com embeddings de tokens multi-vetoriais nativos de 128 dimensões para alcançar desempenho de topo nos benchmarks ViDoRe.
Pesquisadores desenvolveram o MiLMMT-46-v1.0, um modelo de tradução automática multilíngue que aplica pós-treinamento sem referência em grandes modelos de linguagem de código aberto. A equipe utiliza Otimização de Política Relativa de Grupo (GRPO) com uma recompensa baseada em dois modelos de estimativa de qualidade sem referência, controlada por identificação de idioma.
Pesquisadores lançaram o MiLMMT-46-v1.0, um modelo de linguagem grande de código aberto para tradução automática multilíngue que utiliza pós-treinamento sem referência. Partindo do MiLMMT-46-v0.1 ajustado por supervisão, a equipe aplicou Group Relative Policy Optimization (GRPO) com uma recompensa baseada em dois modelos de estimativa de qualidade sem referência, controlados por identificação de idioma.
A Tencent lançou o código aberto do AngelSpec, um framework de treinamento nativo para torch que suporta tanto a previsão multi-token autoregressiva (MTP) quanto os drafters da família DFlash em bloco-paralelo para modelos Hy3. O sistema trata a heterogeneidade da carga de trabalho como uma restrição primária de design, permitindo especializar estrutura, dados de treinamento e profundidade de verificação com base em casos de uso específicos.