跳到正文

内容类型

模型发布 最新动态

各家新模型的发布、开源与迭代:旗舰更新、开源权重放出、能力与价格变化。

43 条精选近 30 天 32 条共收录 94 条

11月18日 02:42更新

模型发布 · 精选 · 第 3 页

8月13日周四第 41–43 条 / 共 43 条
  1. MiniMax Blog71

    MiniMax 发布 Music 3.0,一款可生成最长五分钟完整歌曲的开放权重音乐生成模型

    MiniMax 推出了 Music 3.0,这是一款开放权重音乐生成模型,能够根据创意概念和可选歌词,在单次生成中作曲、编曲并制作出最长五分钟的完整歌曲。该流程将一个基于 Qwen3.5-8B 初始化的 8B Global LLM 与一个 0.6B Local LLM 配对,融合二者连续的隐藏状态来为 2.4B 流匹配模块和 123M Flow-VAE 提供条件,并使用八层 RVQ 以及随时间描述情感、配器和演唱方式的结构化字幕(Structured Captions)。MiniMax 表示,这能更准确地理解创作意图,编曲更丰满,人声更清晰、更自然。

    推荐理由:MiniMax 的架构拆解展示了 8B 全局 LLM 如何与 0.6B 局部模型及流匹配技术栈配合,以解决长歌曲的连贯性问题。

7月31日周五
  1. MiniMax Blog82

    MiniMax 发布 H3:一款原生立体声 2K 通用多模态生成模型

    MiniMax 发布了 H3,这是一款通用多模态生成模型,可将文本、图像、视频和音频理解为统一上下文,并生成最高 15 秒、2K 分辨率且带原生立体声的视频。该公司称,2K 输出的每秒成本不到主流模型的三分之一,并计划在符合适用法律法规的前提下于未来几天开放模型权重。H3 基于 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 和 In-Context Regeneration 构建,MiniMax 表示完整技术报告即将发布。

    推荐理由:MiniMax 的 H3 将文本、图像、视频和音频生成统一在一个模型中,并声称 2K 定价低于主流模型的三分之一,同时承诺很快开放权重。

6月1日周一
  1. MiniMax Blog87

    MiniMax M3 发布,具备 100 万上下文、前沿编程能力与原生多模态

    MiniMax 发布了 M3,这是一款开放权重模型,据称是首个将前沿编程与智能体性能、100 万 token 上下文窗口以及原生图像和视频输入结合在一起的模型。M3 采用 MiniMax 新的 MSA 稀疏注意力架构,公司报告称该架构将 100 万上下文下的每 token 计算量降至上一代的 1/20,并将预填充速度提升 9 倍以上、解码速度提升 15 倍以上。它在 SWE-Bench Pro 上得分 59.0%,在 Terminal-Bench 2.1 上得分 66.0%,在 MCP Atlas 上得分 74.2%,可通过 MiniMax Code、Token Plan 和 API 使用,权重和技术报告承诺在 10 天内发布。

    推荐理由:MiniMax M3 将 100 万 token 上下文、前沿编程与智能体得分以及原生图像和视频输入结合在一个开放权重模型中,MSA 降低了长上下文下的每 token 计算量。