NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布 Kumo Tabular,一款面向表格分类和回归的开放基础模型,可在单次前向推理中直接预测新行,无需训练、调参或特征工程。模型提供 28M 至 215M 参数的三种规格,通过 Hugging Face 提供,采用 OpenMDW-1.1 license,支持商业使用。
推荐理由:材料同时交代了免训练推理、人工数据预训练方式与四项基准结果,便于评估其工程可用性。
NVIDIA 发布 Kumo Tabular,一款面向表格分类和回归的开放基础模型,可在单次前向推理中直接预测新行,无需训练、调参或特征工程。模型提供 28M 至 215M 参数的三种规格,通过 Hugging Face 提供,采用 OpenMDW-1.1 license,支持商业使用。
推荐理由:材料同时交代了免训练推理、人工数据预训练方式与四项基准结果,便于评估其工程可用性。
Holo4 发布通用智能体模型系列,提供 27B dense 和 35B-A3B Mixture of Experts 两种规格,可通过 GUI、代码、MCP 和 API 与软件交互。
推荐理由:文章同时给出 OSWorld 2.0 成绩、成本口径与可复现轨迹,便于比较 Holo4 在多界面工作流中的实际取舍。
H Company 发布 NeoMME 多模态多语言编码器,提供 260M 和 800M 两种规模,并从头训练单一双向 Transformer 处理文本与原始图像块。
推荐理由:文章系统说明了 NeoMME 的单 Transformer 架构、检索性能与压缩方案,便于评估多模态文档检索在速度、质量和存储之间的取舍。
Meta 发布 Muse Glimmer 30B,这是一款面向本地智能体场景的开源多模态模型,采用 Apache 2.0 许可,并支持图像、视频和多模态工具调用。模型已获得 transformers、llama.cpp、vLLM 和 Inference Endpoints 的 day-0 支持,还提供 DFlash speculative decoding 和微调示例。
推荐理由:文章既交代 Muse Glimmer 的 30B 架构与开源许可,也提供本地部署、推理加速和智能体接入的可复用路径。
Thinking Machines 发布开放模型 Inkling 及 Inkling-Small,支持文本、图像和音频输入,并具备 Agent 能力与 1M context。
推荐理由:文章同时拆解了 Inkling 的 MoE、混合注意力与多模态输入架构,并给出不同量化版本的显存需求和部署路径,便于评估落地成本。
Google Research 发布 TabFM,这一面向表格数据分类和回归的基础模型可通过单次前向传播生成预测,无需手动训练、超参数调优或复杂特征工程。TabFM 采用交替行列注意力、行压缩和 Transformer,并基于数亿个合成数据集训练。
推荐理由:文章解释了 TabFM 如何用交替行列注意力、行压缩和合成数据训练,将表格分类与回归转为零样本推理,并给出 BigQuery 使用入口。
Mistral AI 发布 Mistral Medium 3.5 public preview,这是一款 128B dense open-weight 模型,成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由:文章同时交代模型规格、编码基准与部署方式,并说明它如何支撑云端并行编码和多步骤工作流。