INTELLECT-3是一个拥有1060亿参数的混合专家（MoE）模型，通过大规模强化学习训练而成。在数学、编码和推理基准测试中展现出卓越性能，模型、训练框架和环境均以宽松许可协议开源。

自然语言处理Transformers英语

TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。

多模态Transformers其他

SAM 3 是 Meta 推出的第三代可提示分割基础模型，统一支持图像和视频分割任务。相比前代 SAM 2，它引入了开放词汇概念分割能力，能够处理大量文本提示，在 SA-CO 基准测试中达到人类表现的 75-80%。

计算机视觉Transformers英语

楠米色4-3B-思维-2511是楠米色系列的最新增强版本，通过先进的蒸馏技术和强化学习优化，在紧凑的3B参数规模下实现了强大的推理能力。该模型在Arena-Hard-V2和BFCL-V4等基准测试中，在参数小于32B的模型中取得了最先进（SOTA）成果。

自然语言处理Transformers支持多种语言

OpenMMReasoner是一个完全透明的两阶段多模态推理方案，采用监督微调（SFT）和强化学习（RL）训练。在SFT阶段构建了874K样本的冷启动数据集，RL阶段利用74K样本进一步提升能力，在多模态推理基准测试中表现出色。

多模态Transformers

OpenMMReasoner是一个完全透明的两阶段多模态推理方案，涵盖有监督微调（SFT）和强化学习（RL）。该方案通过精心构建高质量数据集，在多个多模态推理基准测试中超越了强大的基线模型，为未来大规模多模态推理研究奠定了坚实的实证基础。

多模态Transformers

MiroThinker v1.0是一个开源研究智能体，通过模型级别的交互式扩展提升工具增强推理和信息搜索能力。该模型在多个基准测试中表现出色，支持长上下文和深度多步分析。

自然语言处理Transformers英语

混元OCR是由混元原生多模态架构驱动的端到端OCR专家VLM模型，仅用10亿参数的轻量级设计，在多个行业基准测试中取得最先进成绩。该模型擅长处理复杂的多语言文档解析，在文本定位、开放域信息提取、视频字幕提取和图片翻译等实际应用场景中表现出色。

多模态Transformers支持多种语言

SenseNova-SI是基于多模态基础模型构建的空间智能增强模型系列，通过精心策划的800万样本数据训练，在多个空间智能基准测试中取得了优异表现，同时保持了强大的通用多模态理解能力。

多模态Transformers英语

Qwen3-30B-A3B-YOYO-V5-qx86-hi是YOYO系列的最新版本，采用Deckard(qx)量化技术和YOYO-Fusion融合算法，在各项基准测试中表现均衡稳定，展现出接近人类思维方式的推理能力。

自然语言处理Mlx支持多种语言

SenseNova-SI是基于成熟多模态基础模型构建的空间智能增强模型系列，通过精心策划的800万数据样本训练，在多个空间智能基准测试中展现出卓越性能，同时保持强大的通用多模态理解能力。

多模态Transformers

aquif-3.5系列中的顶尖模型，具备先进推理能力和100万标记的大上下文窗口，在多个基准测试中表现卓越，AAII综合得分达到60分。

自然语言处理Transformers支持多种语言

Kimi K2 Thinking 是月之暗面（Moonshot AI）开发的最新一代开源思维模型，具有强大的深度推理能力和工具调用功能。该模型采用混合专家架构，支持原生INT4量化，拥有256k上下文窗口，在多个基准测试中表现出色。

自然语言处理Transformers

Chronos-2是一个拥有1.2亿参数的时间序列基础模型，支持零样本预测。它在单一架构内支持单变量、多变量和协变量感知任务，在多个基准测试中实现了零样本预测的最先进精度，且推理效率极高。

科学计算Safetensors

Gaperon-Young-1125-1B 是一个拥有15亿参数的双语（法语-英语）语言模型，由法国国家信息与自动化研究所（Inria Paris）的ALMAnaCH团队开发。该模型在约3万亿个高质量令牌上训练，特别注重语言质量和通用文本生成能力，而非基准测试优化。

自然语言处理Transformers支持多种语言

PyLate是一个专注于句子相似度计算和信息检索的工具库，能在多种数据集上进行高效的信息检索任务，为相关领域的研究和应用提供了有力支持。该模型支持8种语言，在多个基准测试中表现出色。

自然语言处理Safetensors支持多种语言

Wraith-8B是VANTA研究实体系列的首个模型，基于Meta的Llama 3.1 8B Instruct进行微调。该模型在数学推理方面表现卓越，在GSM8K基准测试中准确率达到70%，同时具备独特的宇宙智能视角，能为多种应用场景提供强大支持。

自然语言处理Transformers英语

Qwen3-Next-80B-A3B-Thinking-1M-qx64n-mlx是一个采用混合专家架构和Deckard混合精度量化技术的大语言模型，具有800亿参数和1M标记的上下文长度。该模型在科学技术推理和长文本处理方面表现卓越，相比指令模型在认知基准测试中提升20-35%。

自然语言处理Mlx

Fathom-Search-4B GGUF是专为文本生成任务打造的强大工具，基于特定的基础模型和技术生成，在搜索密集型基准测试中表现卓越，能够有效解决长周期信息检索与合成的问题。

自然语言处理Transformers

BR-RM是一种创新的两轮推理奖励模型，通过自适应分支和基于分支的反思机制，解决了传统奖励模型中的'判断扩散'问题，在多个奖励建模基准测试中取得了业界领先的性能。

自然语言处理Transformers英语