阿里通义千问推出Qwen3-Max模型，新增“深度思考”模式，通过强化推理链分析和多步骤问题拆解，显著提升复杂任务处理效率。该模型参数量超1万亿，预训练数据达36T tokens，是目前规模最大、能力最强的版本，在代码和智能体能力方面均有明显进步。
英伟达发布OmniVinci全模态理解模型，在多项基准测试中领先顶尖模型19.05分。该模型仅用0.2万亿训练Token，数据效率达竞争对手六倍，旨在实现视觉、音频和文本的统一理解，推动机器多模态认知能力发展。
腾讯发布Training-Free GRPO技术，通过外部知识库替代参数微调，在模型参数冻结状态下实现性能优化。该方法将经验知识转化为token级先验信息，显著降低训练成本，在DeepSeek-V3.1-Terminus模型上达到与昂贵微调相当的提升效果。
阿里云Qwen团队发布最新AI模型Qwen3-Max，参数超1万亿，预训练数据达36万亿tokens。该模型基于MoE架构，在LMArena文本榜排名第三，超越GPT-5-Chat，并在代码生成与智能体能力等基准测试中表现突出，标志着AI技术新突破。
TokenVerse 是一种基于预训练文本到图像扩散模型的多概念个性化方法。
deepseek
-
Input tokens/M
Output tokens/M
128k
Context Length
perplexity
127k
200k
Ali-Yaser
本模型是基于meta-llama/Llama-3.3-70B-Instruct进行微调得到的版本，使用mlabonne/FineTome-100k数据集进行训练，包含100k token数据。模型采用Unsloth和Huggingface TRL库进行微调，支持英文语言处理。
gabriellarson
Seed-OSS是由字节跳动Seed团队开发的开源大语言模型系列，具备强大的长上下文处理、推理和智能体交互能力。仅使用12T token训练，在多个公开基准测试中表现出色，支持高达512K的原生长上下文处理。
ByteDance-Seed
Seed-OSS是由字节跳动Seed团队开发的开源大语言模型系列，具备强大的长上下文处理、推理、智能体交互能力和通用性能。该模型仅使用12T token训练，在多个公开基准测试中表现出色。
nvidia
Llama-3.3-Nemotron-Super-49B-v1.5是基于Meta Llama-3.3-70B-Instruct的大语言模型，经过多阶段后训练增强了推理和非推理能力。支持128K token上下文长度，在准确性和效率之间取得了良好平衡，适用于推理、聊天和代理任务。
internlm
Intern-S1是目前最先进的开源多模态推理模型，结合了强大的通用任务处理能力和在广泛科学任务中的卓越性能，可与领先的闭源商业模型相媲美。该模型在5T token数据集上进行持续预训练，其中超过50%是专业科学数据，具备动态分词器能够原生理解分子式、蛋白质序列和地震信号。
FlameF0X
SnowflakeCore-G1-Tiny2是基于GPT风格的自定义Transformer语言模型，是SnowflakeCore-G1-Tiny的改进版本。该模型使用PyTorch从头构建，在common-pile/wikimedia_filtered数据集上训练，拥有约4亿参数，支持2048 token上下文窗口，专为文本生成任务设计。
SynthLabsAI
ALP_DeepScaleR_1.5B_C16K是基于DeepScaleR-1.5B模型，采用自适应长度惩罚（ALP）方法进行训练的模型，能在保持性能的同时显著减少token使用量。
Mungert
OpenCodeReasoning-Nemotron-14B 是基于 Qwen2.5-14B-Instruct 进行后训练的大型语言模型，专为代码生成推理优化，支持32K tokens上下文长度。
OpenCodeReasoning-Nemotron-7B是基于Qwen2.5-7B-Instruct专门为代码生成推理而训练的大语言模型，支持32K token上下文长度，适用于商业和非商业用途。该模型在OpenCodeReasoning数据集上进行后续训练，专注于编程问题的推理和代码生成。
lmstudio-community
INTELLECT 2是由PrimeIntellect推出的大语言模型，支持40960 tokens的上下文长度，采用QwQ架构和GRPO强化学习框架训练。
OpenCodeReasoning-Nemotron-32B-IOI 是一个基于 Qwen2.5-32B-Instruct 的大型语言模型，专门针对代码生成任务进行了推理后训练，支持 32K token 的上下文长度。
Qwen
Qwen3-4B-Base是通义千问系列最新一代40亿参数大语言模型，基于36万亿token的多语言数据预训练，支持32k上下文长度。
Qwen3是通义千问系列最新一代大语言模型，提供完整的稠密模型与混合专家（MoE）模型体系，覆盖119种语言的36万亿token预训练数据。
rhysjones
该模型源自karpathy的llm.c项目，为研究bfloat16性能而转换为HuggingFace格式，训练过程消耗了1500亿token。
microsoft
微软研究院开发的首个开源、原生1比特的大语言模型，参数规模达20亿，在4万亿token的语料库上训练而成。
微软研究院开发的首个开源20亿参数规模原生1比特大语言模型，在4万亿token语料上训练完成，证明了原生1比特大语言模型在保持与同规模全精度开源模型相当性能的同时，能显著提升计算效率。
由微软研究院开发的开源原生1位大语言模型，参数规模达20亿，在4万亿token的语料库上训练而成，显著提升计算效率。
OpenCodeReasoning-Nemotron-32B 是一个基于 Qwen2.5-32B-Instruct 的大型语言模型，专门针对代码生成推理能力进行训练，支持 32K token 的上下文长度，可自由用于商业/非商业用途。
基于DeepSeek-V3架构的90亿参数大语言模型，使用完全开源且仅含英文的3500亿+token数据集从头训练而成，专为开源社区开发和调试设计。
dongyh
FANformer-1B是通过创新周期性机制增强语言建模能力的自回归模型，具有11亿非嵌入参数，训练token量达1万亿。
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)
