NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 端侧模型
NVIDIA 发布 120B 参数的开放模型 Nemotron 3.5 Super VL，以及面向端侧的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：原文给出三个模型在参数规模、内存占用和硬件适配上的差异，可据此判断企业到端侧的智能体部署选型。
技术方向
多模态 最新动态
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
5 条精选近 30 天 5 条共收录 10 条
更新
多模态的精选
NVIDIA Blog精选 Hugging Face Blog精选 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，这是一个约 816B 总参数、每 token 约 42B 激活的混合专家模型，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 公开了 816B 总参数、约 42B 激活的多模态 MoE 权重，并给出 transformers、vLLM、SGLang、llama.cpp 的部署与微调做法。
Google DeepMind精选 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出定价、渠道与多领域落地案例，可据此判断这一前沿模型在编码和专业工作流中的实际位置。
Google DeepMind精选 Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，这是一个把文本、图像、音频和视频映射到统一嵌入空间的开源多模态嵌入模型，基于 Gemma 4 架构、采用 Apache 2.0 许可、参数量 740M。
推荐理由：官方给出参数量、分模块尺寸、量化内存和 8K 上下文等规格，可据此判断端侧多模态检索的可用边界。
Mistral AI精选 Mistral AI 发布 Mistral Large 4 公开预览
Mistral AI 上线 Mistral Large 4 公开预览，模型为 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 使用，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数与 520 亿激活参数的多模态设定，以及编码、智能体、网络安全等基准对比，可用于判断开放权重模型的前沿位置。