騰訊混元開源 Hy-SimulMT:實現約 3 秒超低延遲與即時音色克隆的中英雙向同步口譯大模型
騰訊混元開源即時同步口譯大模型 Hy-SimulMT,採用 30B-A3B MoE 架構,支援中英雙向語音到語音即時同傳。具備邊聽邊譯、先開口後修補與即時音色克隆能力,流式時延低至約 3 秒,提供完整推論與訓練部署工具。
主題選讀
關於 工具 的最新消息、技術解析與應用觀察。
騰訊混元開源即時同步口譯大模型 Hy-SimulMT,採用 30B-A3B MoE 架構,支援中英雙向語音到語音即時同傳。具備邊聽邊譯、先開口後修補與即時音色克隆能力,流式時延低至約 3 秒,提供完整推論與訓練部署工具。
騰訊混元開源 8B 互動式影片世界模型 Hy-Nomas,支援片段自回歸逐段生成。使用者能透過自由文字指令或連續 3D 鏡頭軌跡動態控制世界演進,結合動作感知因果注意力與片段強制訓練,在單張 RTX 4090 上即可流暢運行。
Speridlabs 開源單圖轉 3D 模型 Idol,基於 DiT 與八叉樹/高斯解碼器架構,峰值顯示記憶體僅需 7.2GB 即可在本地生成高達 100 萬個 3D Gaussian Splatting 物件,輸出標準 PLY 格式,支援消費級顯卡快速推論。
Sperid Labs 正式開源 30 億參數像素空間流匹配模型 Iris-3B,完全捨棄 VAE 潛空間並直接生成原生 RGB 像素。支援 1024x1024 影像生成,並可微調用於單眼深度估計與 4 倍修復放大,同步推出 4 步極速蒸餾版 Iris-3B Turbo。
Qwen 團隊聯合開源大規模多語言 Agent 評測基準 BabelArena,涵蓋 23 種語言與 13 個應用領域。透過 BabelFlow 全元件本地化適配工作流,維持提示詞、工具定義與資料庫實體一致性,全面評測跨語言執行能力。
NVIDIA 開源 34B 語音模型 Nemotron 3.5 Transcribe 與 Granary v2 資料管線,採用 Mamba-Transformer MoE 架構,啟動僅 4.3B 活躍參數。整合多語言轉錄、多語者分離與音訊問答,支援最長 1 小時音訊與自然語言提示詞控制。
NVIDIA 推出 Nemotron 3.5 Bolt 系列開源模型,包含 4GB 顯示記憶體即可運行的輕量邊緣對話模型 Bolt E4B 與 24GB 級別的 74B-A9B 多模態代理模型。支援多輪非同步工具呼叫、動態思考控制與 DFlash 推測解碼,提供完整本地部署教學。
Mistral AI 正式開源旗艦模型 Mistral Large 4 (1T-A52B),採用 1 兆參數稀疏 MoE 架構與 1M 上下文視窗。整合稀疏 MLA 注意力、原生多模態視覺與內建 DSpark 投機解碼,兼顧軟體工程代理與資安防禦的高效推論。
MiniMax 開源新一代原生多模態 MoE 模型 M3.1 Flash,總參數約 428B,激活僅 23B。導入全模型稀疏注意力 MSA、量化感知訓練與 DSpark 投機解碼,支援 1M 上下文,在 Agent 自動化與程式碼評測中大幅降低使用成本。
Liquid AI 於 2026 年 10 月發布第三代液態基礎模型 LFM3 家族,透過 22T Tokens 預訓練與三混合架構,一次衍生出文字、視覺、音訊、全模態與單次前向結構化決策等 6 款 2B 級模型,支援 256K 上下文與邊緣本地推論。
© 2026 Communeify. All rights reserved.