跨境风投机构Nexus Venture Partners完成7亿美元第八期基金募集，延续上期规模。未来三年将一半资金投向AI基础设施与Agent赛道，另一半继续投资印度本土消费、物流与数字基础设施。该机构坚持“小基金”策略，每2.5-3年募资一次，首支票额约100万美元，专注种子到A轮早期投资。
Runway公司最新模型Gen-4.5在第三方盲测平台Video Arena中击败谷歌Veo3与OpenAI Sora2Pro，成为首个由小团队登顶的大模型。其CEO强调“专注研究、快速迭代”的可行性，并指出“一百人对万亿，靠的不是预算，而是密度”。该模型采用自研时空混合Transformer架构，展现了小团队在AI视频生成领域的突破。
字节跳动发布AI视频编辑器Vidi2，其视频理解能力超越谷歌Gemini3Pro，成为顶尖多模态模型。该工具专为长视频设计，可处理数小时素材，通过简单提示词自动生成脚本、短视频或完整电影，大幅降低视频创作门槛。
字节跳动发布120亿参数视频理解模型Vidi2，能处理数小时原始素材，理解故事脉络，并根据提示生成TikTok短视频或电影片段。其核心突破是精细时空定位（STG）功能，可同时识别视频中的时空细节，有望颠覆视频编辑行业。
ReaderLM v2是一个用于HTML转Markdown和JSON的前沿小型语言模型。
Alibaba
$1
Input tokens/M
$10
Output tokens/M
256
Context Length
$2
$20
-
$0.8
128
Baidu
32
Bytedance
$8
Deepseek
$4
$12
$1.6
Tencent
24
Iflytek
$0.5
$3
$9
Clemylia
Lam-2是基于自定义架构Aricate V4开发的第二代小型语言模型(SLM)，在问答任务中表现出色，具有卓越的语言连贯性和创造力。相比前代产品，Lam-2在语法正确性和文本生成质量上有显著提升。
TheClusterDev
这是Qwen3-Next-80B-A3B-Instruct模型的FP8量化版本，通过vLLM框架支持，在保持模型质量的同时显著减小了模型体积，提升了推理效率。
DFloat11
这是原始lodestones/Chroma（v39）模型的DFloat11无损压缩版本，将模型大小缩小了32%，同时保持位级相同的输出，并支持高效的GPU推理。
ubergarm
当前V3-0324模型在该尺寸类别中表现最佳的量化版本，在保持性能接近Q8_0的同时显著减小了体积
mradermacher
这是Casual-Autopsy/Llama-3-VNTL-Yollisa-8B的加权/矩阵量化版本，适用于英语和日语处理，特别针对日本媒体、御宅族媒体和视觉小说（VNs）领域。
2121-8
Parler-TTS Mini v1 是一个基于日语的小型文本转语音模型，支持高质量的语音合成。
parler-tts
Parler-TTS Mini v1.1 是一个轻量级的文本转语音模型，基于45,000小时的音频数据训练而成，能够生成高质量、自然流畅的语音，其特性可以通过简单的文本提示进行控制。
simran14
基于simran14/mr-model-h在Common Voice 17.0马拉地语数据集上微调的Whisper小型语音识别模型
fairportrobotics
FRC 578团队开发的YOLO v10小模型，用于教学演示，展示目标检测模型原理
yujiepan
这是一个用于调试的小型CLIP模型，基于ViT架构，随机初始化权重。
1aurent
DinoBloom是一个基于Vision Transformer的小型特征提取模型，专门为血液学中的细胞嵌入任务设计。
avsolatorio
NoInstruct小型嵌入模型v0是一种改进的嵌入模型，专注于提升检索任务性能，同时保持对任意指令编码的独立性。
ipsilondev
Parler-TTS Mini v0.1 是一个轻量级的文本转语音模型，基于10.5K小时的音频数据训练而成，能够生成高质量、自然流畅的语音，并通过简单的文本提示控制语音特征。
unum-cloud
UForm是一款小巧的多模态AI模型，可将视觉和英文文本映射到共享向量空间，支持内容理解与生成。该模型采用轻量级设计，文本编码器为4层BERT，视觉编码器为ViT-S/16，可生成256维嵌入向量。
UForm-Gen2-dpo 是一个小型生成式视觉语言模型，通过直接偏好优化（DPO）在 VLFeedback 和 LLaVA-Human-Preference-10K 偏好数据集上针对图像描述生成和视觉问答任务进行对齐训练。
timm
基于ViT架构的小型CLIP模型，适用于零样本图像分类任务，训练于LAION-400M数据集。
fluently
Fluently V3-inpainting 是一个基于多个检查点和LoRA合并而成的图像修复模型，特别擅长处理小部件和复杂物体的修复任务。
YanweiLi
LLaMA-VID是基于LLaMA/Vicuna微调的开源多模态聊天机器人，通过扩展上下文令牌支持长达数小时的视频处理能力。
calum
这是一个小型GPT-2模型，在TinyStories V2数据集上预训练，具有3M可训练参数，表现出良好的文本生成连贯性。
rinna
由rinna株式会社训练的日语HuBERT基础模型，基于约19,000小时的日语语音语料库ReazonSpeech v1训练。
一个用于访问视觉小说数据库(VNDB)的MCP服务器，提供视觉小说搜索和详细信息查询功能，并具有API请求缓存优化。
TransformersEnglish%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
