跳至正文

內容類型

模型釋出 最新動態

各家新模型的釋出、開源與迭代:旗艦更新、開源權重放出、能力與價格變化。

43 條精選近 30 天 32 條共收錄 94 條

11月18日 02:42更新

模型釋出 · 精選 · 第 3 頁

8月13日星期四第 41–43 條 / 共 43 條
  1. MiniMax Blog71

    MiniMax 發布 Music 3.0,一款可生成長達五分鐘完整歌曲的開放權重音樂生成模型

    MiniMax 推出 Music 3.0,這是一款開放權重音樂生成模型,能從創意概念與可選歌詞出發,單次生成即可作曲、編曲並製作長達五分鐘的完整歌曲。此流程將一個由 Qwen3.5-8B 初始化的 8B Global LLM 與一個 0.6B Local LLM 配對,融合兩者的連續隱藏狀態,用以調控一個 2.4B flow-matching 模組與一個 123M Flow-VAE,並採用八層 RVQ 以及隨時間描述情緒、樂器編制與演唱方式的 Structured Captions。MiniMax 表示,這能更準確地詮釋創作意圖、編曲更飽滿,人聲也更清晰自然。

    推薦理由:MiniMax 的架構拆解顯示,一個 8B 全域 LLM 搭配一個 0.6B 本地模型與 flow-matching 堆疊,如何針對長歌曲的連貫性問題。

7月31日星期五
  1. MiniMax Blog82

    MiniMax 推出 H3,一款原生立體聲 2K 通用多模態生成模型

    MiniMax 推出 H3,這是一款通用多模態生成模型,能將文字、圖像、影片與音訊理解為統一的上下文,並生成最高 15 秒、2K 解析度且帶原生立體聲的影片。該公司表示,2K 輸出的每秒成本不到主流模型的三分之一,並計劃在未來幾天內依適用法規開放模型權重。H3 建構於 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 與 In-Context Regeneration 之上,MiniMax 表示完整技術報告即將發布。

    推薦理由:MiniMax 的 H3 將文字、圖像、影片與音訊生成統一到一個模型中,並聲稱 2K 定價低於主流模型的三分之一,權重也承諾很快開放。

6月1日星期一
  1. MiniMax Blog87

    MiniMax M3 發布,具備 1M 上下文、前沿編碼與原生多模態能力

    MiniMax 發布 M3,這是一款開放權重模型,該公司稱其為首個結合前沿編碼與代理能力、1M token 上下文窗口,以及原生圖像與影片輸入的模型。M3 採用 MiniMax 新的 MSA 稀疏注意力架構,該公司報告稱,此架構在 1M 上下文下將每 token 計算量降至前一代的 1/20,並將預填充速度提升逾 9 倍、解碼速度提升逾 15 倍。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%,並可透過 MiniMax Code、Token Plan 與 API 使用,權重與技術報告承諾在 10 天內發布。

    推薦理由:MiniMax M3 將 1M token 上下文、前沿編碼與代理得分,以及原生圖像與影片輸入結合於一個開放權重模型中,並以 MSA 在長上下文下降低每 token 計算量。