即刻App年轻人的同好社区
下载
MiniMax 发布并开源了混合框架推理模型 M1，结合了 MoE 和 Lightning Attention 技术。
它的亮点在于：
① 模型参数达到 4560 亿，单个 token 的激活参数为 45.9 亿。
② 支持超长的上下文输入，可以处理高达 100 万 token 的上下文。
③ 提供了两个推理模型，分别是 40K 和 80K 的思维预算。
④ 训练成本仅为 53.5 万美元，表现比 Qwen3 和 DeepSeek-R1 更强，接近顶级的闭源模型。
技术方面：MiniMax M1 引入了 Lightning Attention 机制，处理 10 万 tokens 时，计算量只有 DeepSeek R1 的 25%。此外，采用了新的 CISPO 算法，这种算法通过裁剪采样权重，而不是 token 梯度，减少了训练的波动，提高了稳定性，并加快了训练速度，效率比 Qwen2.5 快了两倍。
这个模型的特色就是支持最大 1M token 输入和 80K token 输出，是目前最长的上下文窗口。此外，它还具备开源模型中最强的代理能力，让推理更加智能高效。
和一些大厂模型比如 OpenAI O3、Gemini 2.5 Pro、Claude 4 Opus、DeepSeek R1 0528 相比，MiniMax M1 在开源领域已经算是领先者，特别是在长上下文推理和计算效率上，表现十分突出。
总的来说，MiniMax M1 是目前开源领域里性能最强、效率最高的长上下文推理模型之一，且性价比非常高。
目前已经可以在 MiniMax Chat （chat.minimaxi.com）中使用
Hugging Face：huggingface.co
Github：github.com
技术报告：github.com/blob/main/MiniMax_M1_tech_report.pdf
它的亮点在于：
① 模型参数达到 4560 亿，单个 token 的激活参数为 45.9 亿。
② 支持超长的上下文输入，可以处理高达 100 万 token 的上下文。
③ 提供了两个推理模型，分别是 40K 和 80K 的思维预算。
④ 训练成本仅为 53.5 万美元，表现比 Qwen3 和 DeepSeek-R1 更强，接近顶级的闭源模型。
技术方面：MiniMax M1 引入了 Lightning Attention 机制，处理 10 万 tokens 时，计算量只有 DeepSeek R1 的 25%。此外，采用了新的 CISPO 算法，这种算法通过裁剪采样权重，而不是 token 梯度，减少了训练的波动，提高了稳定性，并加快了训练速度，效率比 Qwen2.5 快了两倍。
这个模型的特色就是支持最大 1M token 输入和 80K token 输出，是目前最长的上下文窗口。此外，它还具备开源模型中最强的代理能力，让推理更加智能高效。
和一些大厂模型比如 OpenAI O3、Gemini 2.5 Pro、Claude 4 Opus、DeepSeek R1 0528 相比，MiniMax M1 在开源领域已经算是领先者，特别是在长上下文推理和计算效率上，表现十分突出。
总的来说，MiniMax M1 是目前开源领域里性能最强、效率最高的长上下文推理模型之一，且性价比非常高。
目前已经可以在 MiniMax Chat （chat.minimaxi.com）中使用
Hugging Face：huggingface.co
Github：github.com
技术报告：github.com/blob/main/MiniMax_M1_tech_report.pdf
0 00
midjourney 风格参考功能更新
能够更聪明地理解图像的风格，即使提示与风格有很大不同，也更有可能起作用
图像中出现不想要的“主体泄漏”的可能性更小
有一个新的--sref random！新的风格应该比以前更广泛
如果您想使用旧的 sref 代码，您可以使用 V6，或者您需要指定--sv 4回退到旧模型
能够更聪明地理解图像的风格，即使提示与风格有很大不同，也更有可能起作用
图像中出现不想要的“主体泄漏”的可能性更小
有一个新的--sref random！新的风格应该比以前更广泛
如果您想使用旧的 sref 代码，您可以使用 V6，或者您需要指定--sv 4回退到旧模型
0 00
Mistral AI 开源了他们的推理模型 Magistral
有两个版本：
Magistral Small（24B 参数开源版本）和 Magistral Medium（企业版）
下载地址：huggingface.co
试用地址：chat.mistral.ai
有两个版本：
Magistral Small（24B 参数开源版本）和 Magistral Medium（企业版）
下载地址：huggingface.co
试用地址：chat.mistral.ai
0 00
GPT o3 价格降低 80%，并且发布了更强的 OpenAI o3-pro，现已在 ChatGPT 和 API 中向所有 Pro 用户推出。
o3-pro 面向复杂推理与长时任务的高端版本。
能力提升：
① 数学、科学与编程类学术评测显著超越 o3。
② 在内部 “Intelligence Index” 中与 Google Gemini 2.5 Pro 持平，推理得分高于 Claude 4 Sonnet Thinking；回答风格更精炼、少赘述。
③ 原生接入 ChatGPT 高级工具套件：联网检索、文件/图像分析、Python code interpreter、个性化记忆等。
④ 200 K token 上下文窗口，长对话更稳定。
官方建议：遇到需要数分钟才能完成的请求，可切换到 Background Mode 异步运行以避免超时。
定价（API）：
输入 $20／100 万 tokens
输出 $80／100 万 tokens
与降价后的 o3 相比，单 token 成本约高 10 倍，但依旧低于历史 o1-pro 价格。
o3-pro 面向复杂推理与长时任务的高端版本。
能力提升：
① 数学、科学与编程类学术评测显著超越 o3。
② 在内部 “Intelligence Index” 中与 Google Gemini 2.5 Pro 持平，推理得分高于 Claude 4 Sonnet Thinking；回答风格更精炼、少赘述。
③ 原生接入 ChatGPT 高级工具套件：联网检索、文件/图像分析、Python code interpreter、个性化记忆等。
④ 200 K token 上下文窗口，长对话更稳定。
官方建议：遇到需要数分钟才能完成的请求，可切换到 Background Mode 异步运行以避免超时。
定价（API）：
输入 $20／100 万 tokens
输出 $80／100 万 tokens
与降价后的 o3 相比，单 token 成本约高 10 倍，但依旧低于历史 o1-pro 价格。
0 00
Flux 发布图像编辑模型 —— FLUX.1 Kontext，可以通过简单文本指令修改图像，实现灵活且即时的图像编辑。比如：换衣服、换发色、生成场景、换风格等。
核心功能：
角色一致性：在多个场景和环境之间保持图像的元素不变，例如图片中的参考角色或对象。
局部编辑：在不影响其他部分的情况下，对图像中的特定元素进行有针对性的修改。
风格参考：根据参考图像的独特风格，通过文本提示生成新颖的场景。
交互速度：图像生成和编辑的延迟极小。
包含三种型号：
FLUX.1 Kontext [pro]：更高质量、中等速度和中等成本
FLUX.1 Kontext [max]：最佳性能
FLUX.1 Kontext [dev]（即将推出）– 轻量级模型，世界上最快、最具成本效益的 Kontext 系列版本
Flux 还推出了图片生成平台 —— FLUX Playground，playground.bfl.ai
核心功能：
角色一致性：在多个场景和环境之间保持图像的元素不变，例如图片中的参考角色或对象。
局部编辑：在不影响其他部分的情况下，对图像中的特定元素进行有针对性的修改。
风格参考：根据参考图像的独特风格，通过文本提示生成新颖的场景。
交互速度：图像生成和编辑的延迟极小。
包含三种型号：
FLUX.1 Kontext [pro]：更高质量、中等速度和中等成本
FLUX.1 Kontext [max]：最佳性能
FLUX.1 Kontext [dev]（即将推出）– 轻量级模型，世界上最快、最具成本效益的 Kontext 系列版本
Flux 还推出了图片生成平台 —— FLUX Playground，playground.bfl.ai
2 01
腾讯混元开源语音数字人模型——HunyuanPortrait
支持单人驱动、多人驱动、全身驱动、多风格驱动
Github：github.com
模型地址：huggingface.co
项目介绍：kkakkkka.github.io
试用地址：hunyuan.tencent.com
支持单人驱动、多人驱动、全身驱动、多风格驱动
Github：github.com
模型地址：huggingface.co
项目介绍：kkakkkka.github.io
试用地址：hunyuan.tencent.com
00:24
0 00
谷歌发布新的视频生成模型 Veo 3，这次升级，画质和真实感再上台阶，更惊艳的是对物理规律的理解：重力、光照、材质表现，都高度贴合现实。更绝的是它首次加入音频生成——环境声、背景音，甚至角色对话和口型都能精准同步。
01:50
0 00
腾讯 Hunyuan 开源视频一致性模型——HunyuanCustom，具备四项能力
- 主体参考，可以在保持一致性的同时，保持元素一致
- 多主体参考，输入多个主题可以进行参考，可以对人、衣服、商品、动物进行多个参考
- 音频驱动，角色会在带有文字描述的场景中朗读相应的音频，从而实现更加灵活、可控的音频驱动人物动画。
- 视频编辑，给定一个视频，即可对视频中的元素进行替换和添加
目前只开源和上线了单主体参考模型，预计一月内全部开源。
项目地址：hunyuancustom.github.io
试用地址:hunyuan.tencent.com
- 主体参考，可以在保持一致性的同时，保持元素一致
- 多主体参考，输入多个主题可以进行参考，可以对人、衣服、商品、动物进行多个参考
- 音频驱动，角色会在带有文字描述的场景中朗读相应的音频，从而实现更加灵活、可控的音频驱动人物动画。
- 视频编辑，给定一个视频，即可对视频中的元素进行替换和添加
目前只开源和上线了单主体参考模型，预计一月内全部开源。
项目地址：hunyuancustom.github.io
试用地址:hunyuan.tencent.com
0 00
ComfyUI 推出全新的界面和原生 API 节点，支持是 11 个在线视觉 AI 模型，包含 @bfl_ml Flux、@Hailuo_AI、@MiniMax__AI、@Kling_ai、@LumaLabsAI、@PixVerse_、@recraftai、@StabilityAI、@Google Veo2、@ideogram_ai、@OpenAI GPT image-1 和 @pika_labs！
🔹 一个平台，11 个模型，65 个节点，一次性全部提供
🔹 通过开放模型和工作流程串联 API
🔹 没有硬件限制！
🔹 不需要申请 API Key，只需要在 ComfyUI 上登录就行
🔹 一个平台，11 个模型，65 个节点，一次性全部提供
🔹 通过开放模型和工作流程串联 API
🔹 没有硬件限制！
🔹 不需要申请 API Key，只需要在 ComfyUI 上登录就行
01:26
1 00
阿里发布最新的 Qwen3 系列模型，在性能上超越Deepseek-R1、OpenAI-o1、Llama4等模型，
共 8 个型号：
- 6 款Dense模型：0.6B（可在手机端部署）、1.7B、4B、8B、14B、32B
- 2款MoE：Qwen3-30B-A3B、旗舰版 Qwen3-235B-A22B
每个尺寸的模型都是同尺寸中最强的。其中 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 相比，表现出极具竞争力的结果。
Qwen3 是国内首个混合推理模型，可在推理（复杂问题启动深度思考）和非推理（简单问题快速输出）两种模式中自动切换，大大节省算力；
针对 Qwen3 模型编码和代理能力进行优化，并加强了 MCP 支持；
支持119种语言和方言
目前已经可以在chat.qwen.ai（chat.qwen.ai）和 APP 中使用
博客：qwenlm.github.io
Github：github.com
HuggingFace：huggingface.co
ModelScope：modelscope.cn
共 8 个型号：
- 6 款Dense模型：0.6B（可在手机端部署）、1.7B、4B、8B、14B、32B
- 2款MoE：Qwen3-30B-A3B、旗舰版 Qwen3-235B-A22B
每个尺寸的模型都是同尺寸中最强的。其中 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 相比，表现出极具竞争力的结果。
Qwen3 是国内首个混合推理模型，可在推理（复杂问题启动深度思考）和非推理（简单问题快速输出）两种模式中自动切换，大大节省算力；
针对 Qwen3 模型编码和代理能力进行优化，并加强了 MCP 支持；
支持119种语言和方言
目前已经可以在chat.qwen.ai（chat.qwen.ai）和 APP 中使用
博客：qwenlm.github.io
Github：github.com
HuggingFace：huggingface.co
ModelScope：modelscope.cn
0 01