模型發布

Hugging Face 推出以 Qwen3-14B 為起點、可理解與生成 DNA 的開源語言模型 Carbon-X，成績為模型卡自報。

該工具將可執行的資料庫檢查轉化為強化學習獎勵，用於後訓練代理模型。Qwen3.8-27B 在基準測試中，全數嘗試成功任務數從 38 提升至 107。

Canva 發表首款影像生成模型 Canva Craft，採兩階段架構，先規劃設計再生成影像，最高支援 2K 解析度，已在 Canva 平台對所有使用者開放。

透過重新設計分詞器（tokenizer）以減少生成時的計算負擔，VocabX 在保持模型品質的同時，在生產環境的葡萄牙語作文評分系統中，將推論成本降低 77%。

結合四種不同架構的預訓練模型，提供免微調的機率預測介面。

該模型主打長程科學問題解決，支援多子代理並行與自我驗證，模型卡列出其在 XBench-DS-2510、IFBench 等基準測試的得分，並稱在約 35B 規模模型中部分任務排名第一。

模型卡表示，Spark-X2.6-4B 沿用 Spark-X2.5-4B 的架構，靠後訓練提升能力，並提供 none、low、high 三段思考等級。

MiniMax 公告 M3.1 Flash 正式推出，並列出評測成績、輸出速度與每 1M tokens 的定價；模型權重稍後公開。

微軟公布自家基礎模型 MAI-Base-2，並稱在內部評估中表現優於 OpenAI 同級產品，所需算力為對方的 1/4。

Meta 釋出 Muse Spark Open 權重，Apple 同日公布以 MLX 在多台 Mac Studio 上執行該模型的測試數據。

IQ2_XS 量化、64K 上下文、一次服務一人，生成速度約為 GB10 上 llama.cpp 跑約 4-bit 那套配置的三倍（量化、引擎與投機解碼都不同，不是硬體勝負），代價是量化較狠且提示詞處理受 Thunderbolt 限制。

約 NT$90,000 的組合跑 qwen3.8:27b Q4_K_M，生成速度高於 GB10、低於 RTX A6000，但連線與並行都有限制。

Reflection 在 Hugging Face 上架 Apache 2.0 授權的文字模型 Beam-1.0-501B-A23B,模型卡列出 BF16、FP8、NVFP4 三種數值格式與自報評測成績。

Hugging Face 上的模型頁面稱 DeepSeek-V4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的 minor update（小幅更新），OpenRouter 頁面則寫明它是 2026 年 10 月 17 日的 snapshot。

Black Forest Labs 在 Hugging Face 釋出 FLUX 3 Image Klein 的蒸餾版與 Base 版權重，排名與速度成績皆為發布者自報。

發布者在模型卡自報，約 3B active parameters 的記憶寫入模型，四個記憶框架的 Avg. 為 55.49。

Meta 釋出開放權重的多模態混合專家模型，脈絡長度 1M tokens，多家雲端與推論軟體同步支援。

Beam 是一款專為編碼與代理任務設計的稀疏 MoE 模型，提供 BF16、FP8 及 NVFP4 權重格式，並附帶 Rust 撰寫的推論框架。

Timestral 是 Mistral AI 推出的時序基礎模型家族，支援多變量機率預測與協變數。最大版本 209M 參數在 GIFT-Eval、TIME 和 fev-bench 上均位列預訓練及零樣本模型第一，且可在 CPU 上運行。

Nvidia 利用 Model Optimizer 對 Alibaba 的 Qwen3.8-Flash-Next 進行量化，推出適用於本地硬體的小型化版本。

Clef-Omni 是一款基於 Qwen3-Omni 後訓練的多模態模型，專為將狀態與問題架構轉化為概率分數而設計，支援文字、JSON、影像、音訊及影片輸入。

Granite Switch 4.1 把基礎模型、決策與安全 adapter 和語音辨識模型組成一個模型，官方稱可在同一端點處理三類請求。

Fish Audio 在 Hugging Face 公開 Drama 3，支援多說話者生成、聲音複製與自然語言控制，一段文字最多可帶 16 個角色。

ConwayResearch 在 Hugging Face 發布 Underdog Saluki 27B 1.0，這是以 Qwen3.8-27B 為基礎模型的 GGUF 檔，可在 stock llama.cpp 執行；發布者表示，壓縮後仍保留工具呼叫能力。

NVIDIA 推出開放權重的多模態代理模型 Nemotron 3.5 Super VL，並已在 Hugging Face 上架。

本站以 Q4_K_M 量化、關閉思考模式的固定條件，讓 8 個可地端執行的台灣模型各作答 2,242 題，比較專業知識、法律、在地知識、閱讀理解與對話品質，並在 NVIDIA RTX A6000 上實測速度。

d3 是 vLLM Semantic Router 的 Decision 3.0 決策模型，可讀文字、圖片與影片，針對選擇、是非與評分問題直接回傳每個答案的機率，以 Apache-2.0 授權釋出。

本站以官方權重、官方評測程式與官方資料重跑全部 34 個項目，32 項與論文差距在 1 分以內，逐項成績與論文一致；論文摘要的 73.68 則因算法未完整公開，無法複核。

Meta 發表 Muse Wonder 與 Muse Wonder Full，加入跨對話記憶的 Active Memory 與遇到難題仍持續推進的 Active Focus，主打個人與專業 Agent 任務。

本站實測在 llama.cpp 上測量 Qwen3.8 Flash Next 的生成速度、提示詞處理、首字延遲與並行表現，並對照不同推論引擎上的全參數啟用模型，看 MoE 架構在單機上的實際差距。

同一模型、同樣用 Ollama 預設設定，從短提示一路測到 32,768 深度與 8 路並行，看兩台機器在地端推論的實際差距。

本站實測以 ComfyUI 官方範本在 ASUS Ascent GX10 上執行純文字生影片。解析度是影響耗時最大的設定，整機記憶體峰值則接近系統可見容量。