文章

至知创新研究院（IQuest Research）开源了 IQuest-Coder-V1 系列代码大模型，涵盖 7B 至 40B 参数规模，提供 Base、Instruct、Thinking 及 Loop 版本，并支持 128K 上下文长度。该模型最大的创新是提出了“Code-Flow”多阶段训练范式，通过学习代码库的历史演变和 Commit 记录，模拟代码开发全流程，旨在解决传统模型在长程推理和复杂多文件代码库理解上的不足。研究团队发现仓库转换数据能提供更优越的任务规划信号，且 Thinking 路径能触发自主错误恢复能力。LoopCoder 架构通过循环 Transformer 设计，在性能和部署足迹之间取得平衡，可在消费级硬件上运行。IQuest-Coder-V1 在 SWE-Bench Verified、BigCodeBench、Bird-SQL 等多项权威基准测试中表现出色，并在代码效率、Text-to-SQL、代理编码和通用工具使用等特定任务中优势明显。文章最后提供了使用 Transformers、vLLM 进行推理以及使用 ms-swift 进行微调的实践示例。

本文介绍了魔搭社区推出的 EvalScope 自定义评测框架，旨在帮助用户摆脱对通用大模型榜单的盲目依赖，构建符合自身业务场景的专属评测指数。文章首先指出现有通用榜单（如 MMLU， AIME25）的局限性，即高分模型未必能适应具体的“岗位工作”。随后，详细阐述了构建自定义评测指数的必要性，例如实现业务对齐、简化评测流程及提供统一评测标准。核心思路分为定义 Schema、采样数据和统一评测三步，并以构建“企业级 RAG 助手指数”为例，提供了详细的代码示例和操作步骤，包括如何配置数据集权重、进行加权采样，以及最终如何解读评测报告。此外，文章还展示了代码补全、模型推理等其他场景的指数构建案例，并鼓励用户将自定义评测指数分享至 ModelScope 社区，促进行业共识。

腾讯 Youtu 团队开源了其 1.96B 参数的轻量级大模型 Youtu-LLM，旨在打破轻量模型能力有限的偏见。该模型通过创新的原生智能体训练范式，在通用与复杂推理任务中表现出媲美甚至超越更大模型的性能，特别是在智能体（Agentic）任务中表现突出。文章详细阐述了 Youtu-LLM 的设计理念、三大关键技术突破（包括紧凑架构、128K 长上下文支持、三阶段预训练课程以及可扩展的智能体轨迹合成框架），并展示了其在多项权威基准测试上的优异表现，包括通用能力超越同规模模型并接近 4B 级别模型，在智能体任务上显著领先。最后，文章提供了 Youtu-LLM 的开源信息和微调指南，强调了其在成本敏感、部署受限场景下的潜力，并展望了未来发展方向。

之江实验室与华大生命科学研究院联合发布了百亿级人类基因组基础模型 Genos-10B，标志着大模型技术开始真正适配人类基因组的超长、高维度特征。该模型通过分层混合专家架构（HMoE）和分形注意力机制（Fractal Attention），实现了百万碱基（1Mb）超长上下文序列和单碱基精度建模，旨在解读超过 90%的非编码区“功能黑盒”。Genos 在数据层面采用了 T2T 级高质量语料和多样性人群数据以避免偏见。技术创新方面，HMoE 提升了推理能效比，Fractal Attention 克服了传统注意力机制的复杂度限制，使其能捕捉染色体级别的长程调控。实验结果显示，Genos 在基因元件识别、RNA 表达量模拟和临床组学诊断上表现出色。此外，团队秉持“技术全民化”理念，开源了 Genos 的不同参数版本，并进行了国产硬件适配和云端 API 部署，推动基因组研究进入“编程生物学”时代。

元象科技正式开源了其泛娱乐底座大模型 XVERSE-Ent，包含中英文双版本，专注于社交互动、游戏叙事和文化创作等泛娱乐核心场景。该模型通过垂直领域数据的深度训练和优化，强化了角色一致性、长剧情理解和多元语境适配能力，有效解决了传统通用模型在泛娱乐场景中的局限。文章详细介绍了其核心技术创新，包括 MoE 热启动技术和多阶段训练策略，实现了“通用能力稳、领域适配准、部署成本低”的优势，并支持单卡部署。评测结果显示，XVERSE-Ent 在泛娱乐任务上表现卓越的同时，通用能力仍保持在 98%以上。目前，该模型已成功应用于元象自家的 AI 社交产品“Saylo”，并在全球市场取得了显著商业成效。此次开源旨在降低开发者创新门槛，共建泛娱乐 AI 生态，并计划未来拓展多模态生成能力。