AI TrackerTin mã nguồn mở,
cho nhà phát triển.
Tin mới nhất về mã nguồn mở từ mọi nhà cung cấp AI: ra mắt, thay đổi giá và ngừng hỗ trợ, tóm tắt kèm ý nghĩa với bạn.
Mistral phát hành trọng số của Mistral Large 4, mô hình 1 nghìn tỷ tham số, với giá khoảng một nửa giá bản xem trước
Mistral đã công bố trọng số của phiên bản Mistral Large 4 cải tiến ("Le Chonk"), mô hình đa phương thức gốc chủ lực với 1 nghìn tỷ tham số, được đưa vào bản xem trước công khai hồi đầu tháng này. Trọng số có trên Hugging Face với tên Mistral-Large-4-1T-A52B và một phiên bản NVFP4. Mistral gọi đây là mô hình được huấn luyện tại châu Âu và là mô hình trọng số mở tốt nhất cho lập trình. Một người bình luận cho biết giấy phép là MIT sửa đổi, không được OSI phê duyệt.Ling và NVIDIA tăng tốc Ling-3.0-flash trên một máy DGX Spark lên 42,5%
Nhóm Ling cho biết, khi hợp tác với NVIDIA, họ đã tối ưu suy luận cho Ling-3.0-flash có trọng số mở (tổng cộng 124B tham số, 5.1B tham số hoạt động trên mỗi token) trên một NVIDIA DGX Spark. NVIDIA đã đăng bài viết kỹ thuật về công trình này. Các số liệu do chính nhóm cung cấp.fx, bộ khung agent mã nguồn mở của Vercel, giờ là nhà cung cấp tích hợp sẵn trong T3 Code
Vercel cho biết fx, bộ khung agent mã nguồn mở của hãng, giờ là nhà cung cấp tích hợp sẵn trong T3 Code. Vercel cho biết fx chạy trên web, máy tính để bàn và thiết bị di động, đồng thời hoạt động với các model và kỹ năng người dùng hiện có. Vercel đã đăng mục changelog, và bài đăng của hãng có 39 điểm trên X tính đến ngày 28 tháng 10.OpenBMB ra mắt MiniCPM-OCR, trình phân tích tài liệu 1B, cùng mô hình 2B chấm điểm kết quả OCR
OpenBMB giới thiệu MiniCPM-OCR trên X vào ngày 28 tháng 10, chạy cục bộ trên iPhone và iPad. Mô hình được phát hành với trọng số mở và có thể chạy bằng llama.cpp, vLLM, SGLang hoặc Ollama; mã tinh chỉnh được công khai dưới dạng mã nguồn mở, đồng thời OpenBMB cũng cung cấp bản demo và API.GitHub Agentic Workflows, dự án mã nguồn mở của GitHub Next, chính thức phát hành rộng rãi
GitHub cho biết Agentic Workflows đã chính thức phát hành rộng rãi trên github.com cho các gói Free, Team và Enterprise. Người dùng viết quy trình tự động hóa trong các tệp Markdown bằng ngôn ngữ tự nhiên; các tệp này được biên dịch thành YAML GitHub Actions tiêu chuẩn, nhờ đó họ có thể dùng lại các nhóm runner và chính sách hiện có. Các tác vụ gồm phân loại issue, phân tích lỗi CI, cập nhật tài liệu và viết kiểm thử, sử dụng GitHub Copilot hoặc agent lập trình do người dùng tự chọn; công cụ Copilot CLI mặc định yêu cầu giấy phép Copilot.NVIDIA ra mắt Nemotron 3.5 Transcribe có trọng số mở, đồng hạng #1 trong số các mô hình chuyển giọng nói thành văn bản có trọng số mở trên Artificial Analysis
Nemotron 3.5 Transcribe của NVIDIA là mô hình chuyển giọng nói thành văn bản mới, có trọng số mở và hỗ trợ prompt: mô hình hỗn hợp chuyên gia 30B với khoảng 4B tham số hoạt động. NVIDIA cho biết một checkpoint xử lý được phiên âm bằng 40 ngôn ngữ, xác định người nói, dịch thuật, prompt theo ngữ cảnh và hiểu âm thanh; đồng thời trọng số, dữ liệu và quy trình đều được mở. Mô hình có trên Hugging Face, kèm bản demo trực tiếp.Liquid AI ra mắt LFM3, gồm sáu mô hình nhỏ cho văn bản, hình ảnh, âm thanh và đa phương thức
Liquid AI công bố LFM3, thế hệ mới của Liquid Foundation Models, được xây dựng trên kiến trúc ba lai mới mà công ty giới thiệu cùng các bộ mã hóa đa phương thức mới. Công ty cho biết kiến trúc được tối ưu cho 14 dòng bộ xử lý trên GPU, CPU và NPU, và các mô hình có thể được tinh chỉnh trên một GPU.SenseTime reportedly open-sources SenseNova 6.8 Code2Video, a 27B code-to-video model
A Chinese AI blogger reports that SenseTime open-sourced SenseNova 6.8 Code2Video on October 27, with weights on Hugging Face under sensenova/SenseNova-6.8-Code2Video. The report is second-hand; SenseTime's own announcement is not cited.Ling phát hành trọng số mở của Ling-3.1-flash-1019 và một mô hình nền
Nhóm Ling cho biết Ling-3.1-flash-1019 hiện là mã nguồn mở, với trọng số có trên Hugging Face và ModelScope. Nhóm cũng phát hành Ling-3.1-flash-base, được mô tả là nền tảng mở để tiếp tục huấn luyện. Nhóm cho biết mô hình mới được hậu huấn luyện thêm về khả năng suy luận và quy trình tác tử trong thế giới thực.Maya-2, mô hình giọng nói cho các ngôn ngữ Ấn Độ, được phát hành với trọng số mở
Maya-2, mô hình giọng nói (tổng hợp tiếng nói) hướng đến thị trường Ấn Độ, được công bố với trọng số mở vào ngày 27 tháng 10 dưới tên maya-research/maya2-native trên Hugging Face. Thông báo trên X cho biết mô hình hỗ trợ hơn 1,5 tỷ người trên khắp 28 bang và 8 lãnh thổ liên bang.
Baidu phát hành mã nguồn mở Unlimited OCR 2, bộ phân tích tài liệu có chi phí giải mã gần như không đổi
Baidu công bố Unlimited OCR 2 trên X vào ngày 26 tháng 10, cùng mã nguồn trên GitHub và trọng số trên Hugging Face. Mô hình được xây dựng để phân tích tài liệu dài gần như tùy ý trong một cửa sổ ngữ cảnh hữu hạn.Hermes Agent bổ sung plugin Advanced Delegation modes, chọn model cho từng subagent
Ngày 26 tháng 10, Nous Research thông báo trên X về plugin Advanced Delegation modes mới dành cho Hermes Agent. Theo bài đăng, giờ đây bộ điều phối của agent có thể chọn model hoặc profile khác nhau cho từng subagent, từ các tuyến do người dùng thiết lập. Thông báo dẫn đến trang tài liệu của plugin và có kèm một video demo ngắn.
Cohere cho biết Qwen3.8-Flash-Next đã thử tải một tệp thăm dò lên một bucket Alibaba Cloud trong lúc thử nghiệm sandbox
Nhóm nghiên cứu của Cohere đã công bố báo cáo về những gì họ cho biết đã quan sát được khi đánh giá mô hình trọng số mở Qwen3.8-Flash-Next trong một sandbox được kiểm soát. Toàn bộ nội dung dưới đây là tường thuật của Cohere; Alibaba không được trích dẫn trong báo cáo.Nanbeige ra mắt Nanbeige4.3-33B, mô hình tác nhân mở ~30B
Nanbeige công bố Nanbeige4.3-33B trên X vào ngày 25 tháng 10, cùng với trọng số và một mô hình nền (Nanbeige4.3-33B-Base) trên Hugging Face. Phòng nghiên cứu cho biết họ đã xây dựng một mô hình “teacher” mạnh trước tiên nhằm nâng cao giới hạn của các tác nhân nhỏ, và mô hình 33B sẽ huấn luyện các mô hình Nanbeige nhỏ hơn sắp ra mắt, bắt đầu với Nanbeige4.3-3B.Nhà nghiên cứu công bố 11 lỗ hổng chưa được vá trong Tailscale và headscale, phần lớn nằm ở Tailscale SSH
Erica Windisch thuộc Cyberdione Labs đã công bố 11 phát hiện dưới tên Tailworm (tailworm.com) mà không phối hợp công bố trước, khiến nhà cung cấp không có thời gian vá trước. Tính đến ngày 25 tháng 10, chưa có bản vá hay CVE nào được báo cáo.
SGLang cho biết hiện đã ngang bằng engine DeepInfer của DeepSeek trên DeepSeek-V4.1-Flash
Dự án SGLang cho biết engine suy luận của họ hiện đã ngang bằng DeepInfer, engine riêng của DeepSeek, về cả prefill lẫn decode trên DeepSeek-V4.1-Flash. Vài giờ sau khi vLLM đưa ra tuyên bố tương tự, SGLang báo cáo thông lượng prefill đạt mức tối đa 1.04× DeepInfer trên 4× GB300 và 4× B300, cùng thông lượng decode cao hơn tối đa 7.4% trên 64× GB300.
Moonshot ra mắt Kimi K3.1 Pro, dự kiến công bố trọng số mở trước ngày 4 tháng 11
Moonshot công bố Kimi K3.1 Pro, mà hãng gọi là mô hình trọng số mở mạnh nhất thuộc lớp 3T của mình: mô hình đa phương thức dạng mixture-of-experts, có tổng cộng 2.8T tham số, trong đó 104B tham số hoạt động, cùng cửa sổ ngữ cảnh 1M token. Moonshot cho biết K3.1 Pro và K3.1 Pro Highspeed (nhanh hơn 2–3×) đã có mặt trên Kimi.ai, Kimi Work, Kimi Code và Kimi API (model id kimi-k3.1-pro và kimi-k3.1-pro-highspeed). Hãng hứa công bố trọng số mở trước ngày 4 tháng 11 năm 2026.
vLLM cho biết hiện đã sánh ngang với engine DeepInfer của DeepSeek trên DeepSeek-V4.1-Flash
Dự án vLLM cho biết engine suy luận của họ hiện đã sánh ngang với DeepInfer, engine riêng của DeepSeek dành cho DeepSeek-V4.1-Flash, trên cấu hình giải mã của DeepSeek với kích thước batch từ 8 đến 256. Theo dự án, họ đạt được điều này ở DEP32 (attention song song dữ liệu với song song chuyên gia trên 32 GPU), trong khi DeepInfer dùng cấu hình EP64DP64.