Sing VL S1 โมเดลตัดสินใจมัลติโหมดัลขนาด 4B พารามิเตอร์ที่สร้างบน Qwen3.5 ขณะนี้มี GGUF release สำหรับการอนุมานบน CPU ผ่าน llama.cpp แล้ว จัดส่งในรูปแบบ decoder BF16 (8.42 GB), Q8_0 (4.48 GB) และ Q4_K_M (2.71 GB) พร้อม vision projector F16 ที่ใช้ร่วมกัน โดยมี context ขนาด 4096 โทเคนเป็นค่าเริ่มต้น การตรวจสอบ GGUF ครอบคลุม 9 ตัวอย่างและ 11 คำถาม คะแนนสาธารณะแบบเต็มสำหรับ GGUF variants ยังอยู่ระหว่างรอ
Edge0 เปิดซอร์ส Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์แบบรวมศูนย์และเครื่องมือสำหรับการดีพลอย โดยอ้างว่า Edge0-145B เป็นโมเดลออนดีไวซ์ขนาด 145B พารามิเตอร์ตัวแรกที่เปิดซอร์ส บริษัทรายงานว่ามีหน่วยความจำสูงสุด 29GB, พรีฟิลล์เกิน 1,100 โทเคน/วินาที, ดีโค้ดเกิน 80 โทเคน/วินาที และใช้พลังงานทั่วไปประมาณ 120W บนแล็ปท็อปที่รองรับ โดยมีคอนเท็กซ์ 128K–256K บริษัทอ้างคะแนนภายในที่ 64.6 บน DeepSWE 1.1, 86.52 บน Terminal-Bench 2.1, 90.4 บน GPQA-Diamond และ 80.6 บน IFBench และระบุว่าน้ำหนักโมเดลอยู่บน Hugging Face พร้อมรองรับ macOS, Windows และ Linux ตั้งแต่วันแรก
ทำไมเรื่องนี้สำคัญ: Edge0 เปิดซอร์สโมเดลออนดีไวซ์ขนาด 145B ที่รายงานหน่วยความจำสูงสุด 29GB และดีโค้ดเกิน 80 โทเคน/วินาที ซึ่งเป็นข้อมูลเชิงประจักษ์ว่าการอินเฟอเรนซ์ในเครื่องสามารถขยายขนาดได้ไกลเพียงใด
Liquid AI เปิดตัว LiquidCodec โทเคไนเซอร์เสียงพูดแบบสตรีมมิ่งขนาดประมาณ 74M พารามิเตอร์ ซึ่งขับเคลื่อนโมเดล LFM3-Audio-2B และ LFM3-Omni-2B โดยเผยแพร่เวตบน Hugging Face โคเดกนี้บีบอัดเสียง 24 kHz เป็น 12 สตรีมโทเคนที่เฟรม 12.5 Hz และทำงานบน CPU เธรดเดียว โดย Liquid AI รายงานว่าการเข้ารหัสเร็วแบบเรียลไทม์ประมาณ 361 เท่า และถอดรหัส 87 เท่า Liquid AI กล่าวว่าเอาชนะ X-Codec 2, NanoCodec และ Mimi ในด้าน ViSQOL และระยะเมลในทั้ง 8 ชุดทดสอบ แม้ว่า NanoCodec ยังคงนำใน PESQ (WB) ใน 7 จาก 8 ชุด
IBM เปิดตัวโมเดลพรีวิวเชิงทดลองสองรุ่น คือ granite-4.1-3b-LLMON-preview และ granite-4.1-8b-LLMON-preview ซึ่งพัฒนามาจากเช็กพอยต์ฐาน Granite 4.1 และฝึกให้อ่านและสร้าง LLMON ซึ่งเป็นภาษามาร์กอัปที่ออกแบบมาเพื่อ LLM โดยเฉพาะ ใช้ตัวคั่นโทเคนพิเศษที่สงวนไว้สำหรับกำกับคำสั่ง ข้อมูล และข้อกำหนด บนเบนช์มาร์ก OPI โมเดลเหล่านี้หลีกเลี่ยงการโจมตีแบบ indirect prompt injection ได้มากกว่าโมเดล frontier ที่ดีที่สุดที่ทดสอบถึง 47% และมากกว่าโมเดลโอเพนซอร์สที่ดีที่สุดถึง 95% ขณะที่ประสิทธิภาพบนเบนช์มาร์กมาตรฐานอยู่ในระดับเดียวกับ Granite 4.1 Instruct การเปิดตัวครั้งนี้มาพร้อมชุดเครื่องมือบน GitHub ที่มีตัวแปลง JSON-to-LLMON แบบไม่สูญเสียข้อมูล และผู้เขียนระบุว่าพรีวิวนี้มีไว้เพื่อการสำรวจ ไม่ใช่สำหรับการใช้งานจริง
ทำไมเรื่องนี้สำคัญ: IBM ฝึกโมเดลพรีวิวบน Granite 4.1 ที่สามารถอ่านและเขียนแท็ก LLMON ได้ โดยใช้การแยกคำสั่งและข้อมูลอย่างชัดเจนเพื่อลดอัตราความสำเร็จของการโจมตีแบบ indirect prompt injection บนเบนช์มาร์ก OPI ให้ใกล้ศูนย์ ขณะที่ยังคงความสามารถทั่วไปไว้ได้
เจนเซน หวง ซีอีโอ Nvidia ลาออกเมื่อวันพฤหัสบดี หลังยอมรับว่ามีความสัมพันธ์ชู้สาวกับผู้ต้องสงสัยเป็นสายลับจีน ทำให้ยังไม่ชัดเจนว่า Nvidia จะสนับสนุน AI แบบโอเพนเวตต่อไปหรือไม่ หวงเคยผลักดันตระกูลโมเดลโอเพนเวต Nemotron สนับสนุนสตาร์ทอัพอย่าง Reflection AI และ Thinking Machines Lab และจัดทำจดหมายเปิดผนึกที่ลงนามโดย 25 บริษัท เรียกร้องให้วอชิงตันอย่าจำกัดโมเดลเปิดมากเกินไป Nvidia แต่งตั้ง Colette Kress ประธานเจ้าหน้าที่ฝ่ายการเงินเป็นซีอีโอชั่วคราว และยังไม่สรุปดีลมูลค่า 1.3 หมื่นล้านดอลลาร์เพื่อเข้าซื้อ Hugging Face
เหตุการณ์เดียวกัน รายการคัดสรรอ้างถึง“NVIDIA Announces CEO Transition as Jensen Huang Resigns, Colette Kress Named Interim CEO”
Clément Delangue ซีอีโอของ Hugging Face กล่าวว่าเขาจะต่อสู้เพื่อ AI โอเพนซอร์ส "หนักกว่าเดิม" หลัง Jensen Huang ซีอีโอของ Nvidia ลาออก โดยเรียกวันนั้นว่าเป็น "วันที่เศร้าจริงๆ" Nvidia ประกาศในเดือนกันยายนถึงแผนมูลค่า 12.9 พันล้านดอลลาร์ในการเข้าซื้อ Hugging Face ซึ่งเป็นดีลที่กระทรวงยุติธรรมสหรัฐฯ กำลังสอบถามเกี่ยวกับข้อกังวลด้านการแข่งขัน และยังคงกำหนดปิดดีลในช่วงครึ่งแรกของปี 2027 Huang เคยเป็นผู้สนับสนุน prominent สำหรับโมเดล open-weight รวมถึงจดหมายนโยบายในเดือนกรกฎาคมที่ลงนามโดย 25 บริษัทเรียกร้องให้รัฐบาลสหรัฐฯ อย่าจำกัดโมเดลเหล่านี้มากเกินไป