Mistral Small 3.1 开源发布：128K 上下文、多模态、轻量级

、Java、C、C++、JavaScript 和 Bash。 Mistral Large 2 拥有 128k 的上下文窗口，支持包括中文在内的数十种语言以及 80 多种编码语言。该模型在 MMLU 上的准确度达到了 84.0%，并在代码生成、推理和多语言支持方面有非常明显的改进。 M

督微调、拒绝采样和直接偏好优化模型。 最后模型支持上下文扩展到 128K 个，同时也针对性优化了模型的多种能力，例如摘要、重写、指令遵循、语言推理和工具使用。

lama 3.1 系列在推理能力和多语言支持方面进行了改善，其上下文长度被提升至 128K，而模型参数也被提高到了 4050 亿规模，是近年来规模最大的大语言模型之一。该模型在通用常识、可引导性、数学、工具使用和多语言翻译等广

tors 的工具 通过 Ollama 视觉模型（granite3.2-vision、gemma3、mistral-small3.1）添加 OCR 添加 Mistral AI 翻译 添加 KoboldCpp AI 翻译  添加 AvalAI 翻译 为 DeepL 添加“中文繁体” 为 TTS 添加画外音 在主文本框中添加“Insert unicode sym

Transformer 的模型不同，基于 Mamba 的模型推理时间更快，上下文时间更长。 包括 AI21 在内的其他公司和开发者已经发布了基于 Mamba 的新人工智能模型。 现在，Mistral 的 Codestral Mamba 7B 采用了这种新架构，即使输入文本较

gCite-glm4-9b 和 LongCite-llama3.1-8b 这两个模型，支持最大 128K 上下文。 但它更擅长生成准确的回答和精确的句子级别的内容引用，如果说其他的知识库可能会经常出现幻觉甚至胡说八道的情况，那么 LongCite 相比精确度要高很多。

法国人工智能初创公司 Mistral AI 宣布推出其首款大语言模型 Mistral 7B 是一个，号称是迄今为止同规模产品中最强大的语言模型；在 Apache-2.0 许可下开源，可完全免费使用，不受任何限制。 Mistral AI 是一个成立仅六个月的初创

（检索增强生成）和工具调用等任务。该模型支持 128K 的上下文长度，并且可以在单个 8xH100 节点上进行推理。 据介绍，Llama-3.1-Nemotron-Ultra-253B 的设计目标是支持高级推理、指令遵循以及 AI 助手工作流程。技术特点如下：

本中删除，因为 Google 将在 6 个月后停止使用该机型。 Mistral AI 可重试的流式和非流式聊天客户端 函数调用 Mistral 应用程序的 Native compilation 函数调用改进 对函数调用进行了多项改进，并创建了一个示例程序。 Open

言模型：兼容Safetensor PyTorch格式的DeepSeek R1、Phi3、Qwen2、Mistral，以及GGUF格式的Llama3.1、Llama3.2，结合OpenVINO优化的TinyLlama、Mistral7B、Phi3mini和Phi3.5mini，提供高效的本地聊天与推理能力。 ComfyUI工作流：通过集成ComfyUI，AI Playground

合 RWKV 机制，ChemRB 将 RNN 的线性计算效率与 Transformer 的上下文感知相结合，有效捕获 SMILES 序列中的长程依赖性。该模型引入两个预训练任务 ------ 环级特征预测和全局跨度闭合预测，以提升分子有效性，尤其针对复杂环系统。

OpenAI 刚刚宣布正式推出 GPT-4。GPT-4 是 Generative Pre-trained Transformer 4 的缩写，即生成型预训练变换模型 4。 公告写道，GPT-4 是一个多模态大型语言模型（支持接受图像和文本输入，以文本形式输出），也是 OpenAI 努力扩展深度学

上海人工智能实验室（上海 AI 实验室）升级并开源了通用多模态大模型书生·万象3.0（InternVL3）。 根据介绍，通过采用创新的多模态预训练和后训练方法，InternVL3 多模态基础能力全面提升，在专家级基准测试、多模态性能全面

Jina-XLM-RoBERTa 参数量 24 亿 2.78 亿 最大上下文长度 (查询 + 文档) 10,240 tokens 8,192 tokens 最大图像块数 (动态分辨率，每个块 28x28) 768 ❌ (不支持) 多语言支持 ✅ ✅ 支持的任务