Pins zu tag:Multimodal

Alibaba stellt das Flaggschiff Qwen3-VL-235B-A22B als Open Source in den Versionen Instruct und Thinking bereit, ein Vision-Sprach-Modell mit Mixture-of-Experts und 235B Parametern sowie 256K Token nativem Kontext, das laut Alibaba bei wichtigen Benchmarks zur visuellen Wahrnehmung Gemini 2.5 Pro erreicht oder übertrifft.

Mistral AI veröffentlicht Mistral 3: Mistral Large 3, ein spärliches Mixture-of-Experts-Modell mit 675B Parametern, davon 41B aktiv, unter Apache 2.0, sowie drei dichte Ministral-3-Modelle (3B, 8B und 14B).

Z.ai veröffentlicht GLM-4.6V, ein Vision-Sprach-Modell mit Mixture-of-Experts und 106B Parametern, sowie das 9B große GLM-4.6V-Flash unter MIT-Lizenz, die ersten GLM-V-Modelle mit nativem Function Calling, trainiert für einen Kontext von 128K Tokens und zu $0.30 pro Million Eingabe-Tokens.

Moonshot AI veröffentlicht Kimi K2.5, ein natives multimodales Open-Weight-Modell, das kontinuierlich mit rund 15 Billionen gemischten Bild- und Text-Tokens vortrainiert wurde, mit einem Agent-Swarm-Modus, der bis zu 100 Sub-Agenten über 1,500 Tool-Aufrufe koordiniert.

Alibaba veröffentlicht Qwen3.5-397B-A17B, ein nativ multimodales Open-Weight-Modell, das 17B von 397B Parametern aktiviert, sowie das gehostete Qwen3.5-Plus mit 1M Token Kontext, am Vorabend des Mondneujahrs.

Alibabas Qwen-Team veröffentlicht drei Open-Weight-Modelle der mittleren Größe für Qwen3.5 unter Apache 2.0: ein Mixture-of-Experts-Modell mit 122B und 10B aktiven Parametern, eines mit 35B und 3B aktiven sowie ein dichtes 27B-Modell, die laut Alibaba GPT-5 mini von OpenAI in den meisten Benchmarks schlagen.

Z.ai (Zhipu AI) veröffentlicht GLM-5V-Turbo, sein erstes multimodales Coding-Foundation-Modell, das Design-Mockups, Screenshots und Videos in lauffähigen Frontend-Code umsetzt und auf Design2Code 94.8 erreicht, gegenüber 77.3 für Claude Opus 4.6.

Alibaba veröffentlicht Qwen3.6-Plus, ein gehostetes multimodales Modell für agentisches Programmieren mit einem Kontextfenster von 1M Token, zu einem Preis von CNY 2 pro 1M Eingabe-Tokens und mit 78.8 bei SWE-bench Verified.

Meta veröffentlicht Muse Spark, das erste Modell von Meta Superintelligence Labs und sein erstes Grenzmodell ohne offene Gewichte; Es unterstützt die Meta AI-App und erzielte bei der Markteinführung einen Wert von 52 im Artificial Analysis Intelligence Index, nur hinter Gemini 3.1 Pro, GPT-5.4 und Claude Opus 4.6.

Moonshot AI stellt Kimi K2.6 als Open Source bereit, ein multimodales Mixture-of-Experts-Modell mit 1 Billion Parametern und 32 Milliarden aktiven, einem Kontextfenster von 256K Tokens und Agentenschwärmen mit bis zu 300 Sub-Agenten, die 4,000 koordinierte Schritte ausführen.

Xiaomi veröffentlicht MiMo-V2.5-Pro, ein agentisches Modell mit 1.02T Parametern, 42B aktiven Parametern und 1M Token Kontext, sowie MiMo-V2.5, ein omnimodales Schwestermodell mit 310B, und stellt beide unter der MIT-Lizenz als Open Source bereit.

Mistral AI veröffentlicht Mistral Medium 3.5, sein erstes zusammengeführtes Flaggschiff: ein dichtes Open-Weight-Modell mit 128B Parametern und 256K Kontextfenster, das 77.6% bei SWE-Bench Verified erreicht und $1.50 pro Million Eingabe-Token sowie $7.50 pro Million Ausgabe-Token kostet.

MiniMax veröffentlicht MiniMax-M3, ein nativ multimodales Modell mit 1M Token Kontext auf Basis seiner neuen Sparse Attention, das 59.0% auf SWE-Bench Pro erreicht und nach einem Einführungsrabatt $0.30 pro 1 Million Eingabe-Token kostet.

Alibaba veröffentlicht Qwen3.7-Plus, ein proprietäres multimodales Agentenmodell, das Bilder und Videos liest, Bildschirme bedient und auf ScreenSpot Pro 79,0 Punkte erzielt, zum Preis von etwa 0,40 US-Dollar pro 1 Mio. Eingabe-Tokens.

Meta veröffentlicht Muse Spark 1.1, ein multimodales Reasoning-Modell für agentische Aufgaben mit einem Kontextfenster von 1M Tokens, zusammen mit einer öffentlichen Vorschau der Meta Model API zu $1.25 pro 1 Million Eingabe-Tokens und $4.25 pro 1 Million Ausgabe-Tokens; im Artificial Analysis Intelligence Index erreicht es 51.

Thinking Machines Lab veröffentlicht Inkling, sein erstes Modell und ein Mixture-of-Experts-System mit offenen Gewichten, 975B Parametern (41B aktiv) und 1M-Token-Kontext, das über Text, Bilder und Audio schlussfolgert und als Basis für Feinabstimmung gedacht ist.

Moonshot AI veröffentlicht Kimi K3, ein multimodales Open-Weight-Modell mit 2.8 Billionen Parametern und einem Kontextfenster von 1 Million Token, zu einem Preis von $3.00 pro Million Eingabe-Token und $15.00 pro Million Ausgabe-Token; die Gewichte wurden am 27. Juli veröffentlicht.

Thinking Machines Lab veröffentlicht Inkling-Small, ein Modell mit offenen Gewichten, 276B Parametern und 12B aktiven Parametern, das das 975B große Inkling bei Reasoning- und agentischen Coding-Benchmarks erreicht oder übertrifft, darunter 80.2 % bei SWE-bench Verified.

Alibaba bringt Qwen3.8-Max heraus, ein Mixture-of-Experts-Flaggschiff mit 2,4 Billionen Parametern und einem 1-Millionen-Token-Kontextfenster, Fünfter in der Text Arena und Zweiter in der Vision Arena, und der erste Qwen der Max-Stufe, dessen Gewichte Alibaba anschließend veröffentlichte.

Alibabas Qwen-Team veröffentlicht Qwen3.8-27B als Open Source, ein dichtes multimodales 27B-Modell unter Apache 2.0, das nach eigenen Angaben das proprietäre Qwen3.7-Plus bei Coding und Büro-Workflows übertrifft, mit 262K nativem Kontext.

Z.ai veröffentlicht GLM-5.3-Flash, ein nativ multimodales Open-Weight-Modell mit 320B Parametern (18B aktiv) auf einer neu trainierten Basis, das laut Unternehmen GLM-5.2 zu einem Zehntel des Preises übertrifft; der Preis liegt bei $0.15 pro Million Eingabe-Tokens.

StepFun bringt Step 5 Preview auf den Markt, ein Sparse-Mixture-of-Experts-Flaggschiff mit 600B Parametern, davon 27B aktiv, und einem Kontext von 1M Token, zu einem Preis von $1.00 pro 1 Million Eingabe-Token und mit 44 Punkten auf dem Artificial Analysis Intelligence Index.

Xiaomi veröffentlicht und öffnet den Quellcode von MiMo-V2.6-Pro und MiMo-V2.6-Flash, nativ omnimodalen Modellen mit 1-Millionen-Token-Kontext; Pro erreicht 46,32 Punkte im Artificial Analysis Intelligence Index, den höchsten Wert eines Open-Source-Modells.

Mistral AI veröffentlicht Mistral Large 4 als öffentliche Vorschau, ein nativ multimodales Mixture-of-Experts-Modell mit rund 1 Billion Parametern, trainiert auf dem eigenen Cluster, mit offenen Gewichten, die bis Ende Oktober 2026 versprochen sind.