- Apertus 1.5:瑞士的完全开放模型学会了读图像和音频
苏黎世联邦理工学院、洛桑联邦理工学院和 CSCS 在 7 月 24 日发布了 Apertus 1.5:完全开放的 8B 和 70B 模型,支持图像和音频输入,上下文 262K,采用 Apache 2.0。音频理解仍处于实验阶段。
- Clef:Cloudflare 面向智能体工作流的开放决策模型
Cloudflare 以 Apache 2.0 发布 Clef 和 Clef-flash:27B 和 9B 的决策模型,基于 Qwen 后训练,不写文字,而是给你定义的每个选项返回一个概率。
- Cosmos 3:NVIDIA 面向机器人和自动驾驶的开放世界模型
NVIDIA 以 OpenMDW-1.1 发布 Cosmos 3:4B、16B 和 64B 的世界模型,能生成视频、图像和机器人动作,也能对视频做推理,面向机器人和自动驾驶。
- EmbeddingGemma 2:把文本、图像、视频和音频放进一个 Apache 2.0 模型
Google DeepMind 的 740M EmbeddingGemma 2 把文本、代码、图像、视频和音频映射到同一个 768 维空间,可在设备端运行,许可证也从 Gemma 许可证改为 Apache 2.0。
- 百度 ERNIE 5.5 Flash Base:280B 基础模型,许可证把欧盟排除在外
百度在 11 月 5 日发布了 ERNIE-5.5-Flash-Base:280B 混合专家基础模型,激活 14B,上下文 100 万 token。许可证不覆盖欧盟、英国和韩国。
- 四个开源翻译模型,四把不同的尺子
TranslateGemma、Hy-MT2、Index-Translate 和 PLaMo 3 Translate 各自用不同的测试集、指标和对手来报告质量,所以它们的说法无法直接比较。
- 长大之前免费:开放许可证把线划在哪里
我们目录里有十三份许可证,把免费商用止于某个营收或用户门槛,从 50 万美元到 5000 万美元不等。本文比较这些门槛、计算口径和义务有何不同。
- 腾讯 Hy4 preview:7700 亿参数、100 万上下文、Apache 2.0
腾讯 Hy4 preview 是 7700 亿参数的混合专家模型,激活 490 亿,上下文 100 万 token,采用 Apache 2.0,而 Hy3 预览版曾有地域限制。腾讯称它是早期版本。
- Hydrogen-1.0:基于 GLM-5.3 的 753B 开源科学模型
深度原理发布 Hydrogen-1.0,这是由 GLM-5.3 后训练而成的 753B 科学模型,标注为 MIT 许可证,上下文 1M,提供 4 位版本。所有基准声明都来自它自己。
- Index-Translate:哔哩哔哩支持 150 种语言的开放翻译模型
哔哩哔哩 Index 团队发布 Index-Translate,有 2B、9B 和 35B-A3B 三种尺寸,采用 Apache 2.0,支持 150 种语言、图片翻译,以及术语表、格式和语气控制。
- 韩国的四个自主 AI 模型:全部开放权重,三支队伍晋级
韩国自主 AI 项目产出了四个 2500 亿参数以上的开放权重模型。对比它们的规模、许可证和硬件需求,并了解哪些队伍晋级。
- Krea 2:从零训练、追求多样性的开放图像模型
Krea 发布了 Krea 2:从零训练的 12.8B 文生图模型,分为 Raw 基础版和 8 步的 Turbo。只有年营收低于 100 万美元时才可免费商用。
- 美团 LongCat-2.5:1.6T 参数、视觉能力和原版 MIT 许可证
美团在 11 月 9 日开源了 LongCat-2.5:1.6T 混合专家模型,激活 48B,支持图像和视频输入,宣称上下文 100 万 token,采用 MIT 许可证。
- MiniMax 发布 H3-Image:1600 万像素开放权重,但美国和欧盟不能用
MiniMax 的 33B H3-Image 六步生成 1600 万像素图片,可用最多 16 张参考图编辑。它的许可证排除美国、欧盟、英国和韩国,商用营收上限仅 100 万美元。
- MOSS-Image:能画长文字、遵循 JSON 版面的 5B 开源图像模型
OpenMOSS 以 Apache 2.0 发布 MOSS-Image:5B 生成器,能渲染大段中英文文字并遵循 JSON 版面,低内存档位的显存峰值接近 4 GB。
- Nanbeige4.3-33B:33B 智能体模型,INT4 版本约 23 GB
BOSS 直聘的南北阁团队在 10 月 24 日发布了 Nanbeige4.3-33B:33B 稠密文本模型,上下文 512K,INT4 版本 22.6 GB,标注 Apache 2.0 但仓库没有 LICENSE 文件。
- NVIDIA 的 Nemotron 3.5 Embed 和 Parse:把文档页面当作图像来检索和阅读
NVIDIA 发布了 Nemotron 3.5 Embed(无需 OCR 就能检索页面图像和文本)和 631M 的页面解析模型 Nemotron 3.5 Parse,都采用 OpenMDW-1.1,可商用。
- 会“听”的开放模型:九个能接收音频,只有三个能用语音回答
对比 Gemma 4、Apertus 1.5、Inkling、MiMo-V2.6、Muse Spark Open、Nemotron 3 Nano Omni、Qwen3-Omni、MiniCPM-o 4.5 和 LFM3-Omni 的音频输入、语音输出、规模和许可证。
- 开放音乐模型在 2026 年长大了:七个模型分管歌曲、乐器和音效
2026 年 1 月到 9 月,七个开放的音乐与音效模型相继出现,从 ACE-Step 1.5 这样的写歌模型,到谷歌的实时乐器。对比它们的任务、硬件要求和许可证。
- 一年内十一个开源 OCR 模型:体积小,分数没法比
2025 年 10 月到 2026 年 10 月,十一个开源 OCR 模型陆续发布。它们多为 1B 到 5B 参数,采用 Apache 2.0 或 MIT 许可证,但基准版本各不相同,分数无法排名。
- 开放语音模型:转写很开放,文字转语音则参差不齐
我们收录的 11 个开放语音转文字模型中,有 10 个没有商用限制,而 14 个文字转语音模型里只有 6 个是纯粹的 Apache 2.0,其余的限制非商业、设上限、附带限制或已停更。
- PLaMo 3 Translate:PFN 支持 53 种语言的开放翻译模型
Preferred Networks 发布 PLaMo 3 Translate,有 0.8B 到 31B 多种尺寸,支持 53 种语言,GGUF 文件最小 0.57 GB,许可证把商用限制在营收 10 亿日元以内。
- Raon-1:KRAFTON 偏重韩语的 28.8B 模型和 3.1B 端侧兄弟
KRAFTON AI 发布了从零训练的 28.8B 混合专家模型 Raon-1 mini preview,以及由它蒸馏而来的 3.1B Raon-1 nano,两者都采用 Apache 2.0,上下文 262K。
- Ripple-65B Preview:Apache 2.0 的 65B 稠密智能体模型
芯片设计实验室 Ricursive Intelligence 在 11 月 4 日发布了 Ripple-65B Preview:面向智能体编程的 65B 稠密文本模型,上下文 100 万 token,采用 Apache 2.0,另有 57 GB 的 NVFP4 版本。
- Sber 的开放模型:432B 对话模型、语音识别与嵌入
Sber 的 GigaChat 团队在 Hugging Face 上有五个 MIT 许可证条目:GigaChat 3.5 Ultra、3.1 Lightning、GigaAM-v3、GigaAM Multilingual 和 Giga-Embeddings。规模、分数与注意事项。
- PrismML 的 Ternary Bonsai 2:27B 级模型只有 5.95 GB
PrismML 发布了 Ternary Bonsai 2:把 Qwen 模型压缩成三值权重,27B 模型只有 5.95 GB,2B 模型只有 0.43 GB,支持图像输入,上下文 262K,采用 Apache 2.0。
- 在 CPU 上就能运行的小型文字转语音模型:四个开放选项对比
Kokoro、Pocket TTS、Phonon 31M 和 Supertonic 3 是参数不超过 1 亿、能在笔记本 CPU 上运行的开放文字转语音模型。对比它们的大小、语言、声音克隆和许可证。
- ZONOS3-Mini:支持 43 种语言、能在浏览器里运行的开源 TTS
Zyphra 在 11 月 9 日发布了 ZONOS3-Mini:8 亿参数的混合专家文字转语音模型,激活参数 1 亿,支持 43 种语言和声音克隆,权重采用 Apache 2.0。
- 超大开源模型开始直接以 4 位发布:对内存规划意味着什么
我们目录中有八个模型直接以 4 位级格式发布主检查点,另有十九个在原版之外提供官方 4 位版本。看看文件大小,以及它们如何改变你需要的硬件。
- 开放许可证的新趋势:可以自由构建产品,但托管业务需要另行协商
2026 年六份最大的开放权重模型许可证,允许你自由构建产品,但要求出售托管访问的企业另行签约或通过审查。各家的门槛差别很大。
- Qwen3.8:三个语言模型、三种许可证,图像模型还有第四种
阿里 Qwen3.8 系列模型分别采用 Apache 2.0、Qwen3.8-Max License 和 Qwen Community 1.0,而 Qwen-Image-2.1 仅限研究。一张图看清每份许可证允许你做什么。
- Moonshot 发布 Kimi K3.1 Pro:2.8 万亿参数的开放权重模型
Moonshot AI 于 2026 年 11 月 2 日发布 Kimi K3.1 Pro:2.8T 混合专家模型,面向长时间编程和办公任务,上下文 100 万 token,4 位权重约 1.56 TB。
- Mistral Large 4 开放权重:在欧洲训练的 1 万亿参数模型
Mistral 于 2026 年 10 月 29 日发布 Mistral Large 4 的权重:多模态混合专家模型,上下文 100 万 token,支持 160 多种语言,许可证带有托管方面的条件。
- NVIDIA 发布 Nemotron 3.5 Transcribe:用提示词控制的语音识别模型
NVIDIA 于 2026 年 10 月 28 日以 OpenMDW-1.1 发布 Nemotron 3.5 Transcribe:支持 40 种语言、说话人标注、翻译和由提示词控制的转写风格,适用于最长一小时的录音。
- Liquid AI 发布 LFM3:六个约 2B 参数的模型,从文本到语音
Liquid AI 于 2026 年 10 月 27 日发布 LFM3 系列:面向设备的约 2B 参数文本、视觉、音频和全模态模型,以及用于语音的 LFM3-Audio-2B,采用 LFM Open 许可证。
- MiniMax 发布 M3.1 Flash:专为 4 位运行而训练的 428B 多模态模型
MiniMax 于 2026 年 10 月 17 日发布 M3.1 Flash 权重:428B 参数、激活 23B、上下文 100 万 token、检查点 252 GB,采用带署名和通知条件的社区许可证。
- Black Forest Labs 发布 FLUX 3 Image Klein:支持布局控制
Black Forest Labs 于 2026 年 10 月 15 日发布 FLUX 3 Image Klein:5.6B 参数,最多 10 张参考图编辑,基于方框的布局控制,8 GB 的 INT8 版本,以及带营收上限的许可证。
- Meta 发布 Muse Spark Open:816B 参数的开放权重模型
Meta 于 2026 年 10 月 15 日发布 Muse Spark Open:816B 参数、激活 42B,支持文本、图像、视频和音频输入,上下文 100 万 token,需授权下载,并要求标注“Built with”。