OXR 开源:1.3B 参数模型横扫三项文档解析基准第一
SoMark 团队开源文档解析模型 OXR,其 1.3B 参数主模型在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一。
SoMark 团队开源文档解析模型 OXR,其 1.3B 参数主模型在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一。
谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展至代码、图像、视频、音频,可统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,量化后纯文本端侧运行仅需约 191 MB 内存,配备 8K Token 上下文窗口。开发者可在 Hugging Face 下载并用于搭建离线跨模态检索系统,这是初代 EmbeddingGemma 的升级版本。
Google DeepMind 发布 EmbeddingGemma 2,一个 740M 参数、基于 Gemma 4 架构并采用 Apache 2.0 许可的开源多模态嵌入模型,可将文本、代码、图像、视频和音频统一映射到嵌入空间。
推荐理由:原文给出了轻量多模态嵌入模型的端侧性能指标与模块化设计,读者可据此评估本地 RAG 与跨模态搜索的可行性。
Google 称 EmbeddingGemma 2 多模态嵌入模型以 740M 参数在基准上超越两倍大小竞品。模型开源可本地运行,配合 Gemma 4 支持离线 RAG,权重发布于 Hugging Face 与 Kaggle。其在 MTEB(Code) 获 78.68 分,较前代 68.76 提升近 10 点,浏览器 WebGPU 查询需 20-70 毫秒。
Aleph Alpha 于 2026年10月3日发布开放权重德英双语 MoE 模型 Kolibri,总参数78.1B、每token激活3.46B。它采用 Apache 2.0 许可,权重在 Hugging Face,原生上下文262,144 tokens 可扩至1,048,576,支持四级推理与工具调用,评测中德语与长上下文表现优于同规模开放模型但编码较弱。
Ai2 开源 AstaBrief 8B,一个把研究问题和检索文献片段转成带引用报告的小模型,已在 Asta 的 Generate a report 功能中作为 Fast 模式上线,并同步开放模型权重、训练数据和可从自有 PDF 生成报告的示例工作流。
推荐理由:原文给出数据过滤和 SFT 加 DPO 的具体配方,读者能据此判断开源小模型在科学报告生成上保留了多少专有模型的质量。
Hugging Face 推出 NeoMME 系列多模态多语言编码器,含 260M 和 800M 两个版本,用单个双向 Transformer 同时处理文本 token 与 32×32 图像 patch,无需独立视觉塔或因果语言模型,并以掩码离散扩散目标从零训练。
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed,称在真实代码检索场景中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由:官方给出代码嵌入模型在检索基准上的对比与多维度、多精度取舍,可据此评估代码 RAG 的存储与质量平衡。
deepseek-chat 模型升级至 DeepSeek-V2-0517,IFEval 指令遵循准确率从 63.9% 提升至 77.6%。API 端优化 system 指令遵循,JSON 解析率从 78% 升至 85%,配合正则达 97%,改善了沉浸式翻译与 RAG 等任务体验。