一、面壁智能 MiniCPM5-2B「镜像+模型」上线，初具端侧通用 Agent 能力

近日，面壁智能联合 OpenBMB 开源社区正式开源新一代「小钢炮」MiniCPM5-2B。MiniCPM5-2B 的参数规模为 2B，是一款高密度端侧语言基座模型，支持工具调用、深度搜索、代码生成等任务，初步实现了端侧通用 Agent 雏形。

广大企业与开发者可在国家超算互联网 AI 社区使用基于众智 FlagOS 统一软件栈和国产异构加速卡适配的 MiniCPM5-2B 模型镜像，快速部署面向业务场景的 AI 应用服务。

同时，依托国家超算互联网海量国产算力资源池，以及平台安全可信的 Notebook 开发环境，开发者亦可在 AI 社区快速下载 MiniCPM5-2B 模型权重文件，开展二次开发、本地部署与技术研究。

MiniCPM5-2B 镜像地址：https://www.scnet.cn/ui/aihub/models/FlagOS/MiniCPM5-2B-BF16-hygon-FlagOS

MiniCPM5-2B 模型地址：

https://www.scnet.cn/ui/aihub/models?keyword=MiniCPM5-2B

根据国际知名权威榜单 Artificial Analysis Intelligence Index（以下简称「AA榜单」）的最新评测，MiniCPM5-2B 综合能力得分 23 分，在全球 4B 参数规模以下的开源基座模型中综合表现第一。

其中，在评测智能体能力的 Agentic Index 指标上，MiniCPM5-2B 更是断层式领先：总分高达 20 分，同级模型（如 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B）仅 2 分。

二、腾讯视觉文档检索模型 EVIE 上线，精确的视觉文档检索器

近日，腾讯发布 EVIE-8B 和 EVIE-4.5B 视觉文档检索模型，面向复杂版式文档提供视觉检索能力，它将页面中的不同区域表示为多个向量，再与查询匹配，有助于保留表格结构、图表和小字号文字等细节，适合接入企业文档检索与知识库。

官方以 Apache 2.0 许可开放模型权重、训练流程、压缩算法和评测套件。开发者可在超算互联网 AI 社区下载模型文件进行快速开发。

EVIE 突出亮点：

最高检索准确率：在 ViDoRe V3 上达到 66.75 nDCG@10，提供行业领先的视觉文档检索准确率。

高容量 4096D 表示：全token多向量嵌入，保留细粒度的布局、排版、图表和表格结构。

教师基础：为轻量级的 EVIE-4.5B Prefix-MRL 模型提供容量感知的关系和边缘蒸馏目标。

多基准 138 任务覆盖：在 4 个标准指标家族（nDCG、召回率、MAP、MRR @1/5/10）的 138 个任务（ViDoRe V1、V2、V3 和 JinaVDR）上进行了彻底验证。

一键直达 EVIE：https://www.scnet.cn/ui/aihub/models/sugon_scnet/EVIE-8B

三、 基元律动 NeoHorse-1 上线，Agent 驱动的模型训练

近日，基元律动（TokenRhythm）联合无问芯穹，与清华大学、北京大学、香港中文大学、阿里巴巴等合作伙伴发布 NeoHorse-1，包含 4B 和 9B 两个版本。该系列面向 Agent 场景训练，覆盖工具调用、任务规划、深度搜索和代码生成。

超算互联网 AI 社区即刻上线 NeoHorse-1，企业及开发者可下载模型文件进行二次部署、开发。

NeoHorse-1 4B 在 Agent 任务上的表现已超过多个参数量显著更大的通用模型；9B 版本在更复杂的推理与长程规划任务上表现更优。两个规模的后训练增益，都最突出地体现在 Agentic 任务上。

一键直达 NeoHorse-1：https://www.scnet.cn/ui/aihub/models/sugon_scnet/NeoHorse-1-9B

三、蚂蚁 Ling-3.0-flash-VL 上线，让视觉能力服务真实任务

近日，超算互联网 AI 社区上线蚂蚁百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。模型基于 Ling-3.0-flash 的 MoE 架构拓展而来，总参数量为 124B，单次推理激活 5.5B 参数，原生支持图像、文本与视频输入，上下文窗口达到 256K Token。

在 Ling-3.0-flash-VL 的训练中，通过原生多模态联合训练，视觉信息的引入对模型的文本能力带来了正向提升。在 Artificial Analysis Intelligence Index v4.1.1 评估中，Ling-3.0-flash-VL 较纯文本版本（Ling-3.0-Flash）提升了 4 分; 在多模态综合评测中，模型也取得了不错的表现。这说明视觉不止是一种新的输入模态——来自图像和视频的信息，也在帮助模型建立对概念、空间、关系乃至现实世界更完整的理解。

理解视觉信息只是起点。真实任务往往要求模型根据视觉信息持续行动，并对行动结果负责。为此，Ling-3.0-flash-VL 引入了视觉反馈机制, 将任务从一次性生成，推进为"观察 → 行动 → 验证 → 修正"的持续闭环，使最终结果更接近真实可用、可验证的交付。

一键直达 Ling-3.0-flash-VL：https://www.scnet.cn/ui/aihub/models/sugon_scnet/Ling-3.0-flash-VL

四、蚂蚁扩散模型 LLaDA2.2-mini 上线，128K 上下文

近日，超算互联网 AI 社区上线蚂蚁 LLaDA2.2-mini，该模型是 LLaDA2 系列中智能体扩散语言模型的轻量级变体。它基于 LLaDA2.0-mini 架构构建，继承了 LLaDA2.2 系列的核心创新——Levenshtein 编辑（引入了 DELETE 和 INSERT 控制标记），从而支持长上下文工具调用、多轮交互和强大的错误纠正能力，同时保持更小的参数量和更低的推理成本。

LLaDA2.2-mini 核心特性如下：

高效的 128K 扩散架构：LLaDA2.2-mini 将上下文窗口扩展至 128K，并引入块路由（Block Routing） 机制，在扩散块级别限制 MoE 专家的激活，从而高效支持长上下文智能体任务。

Levenshtein 编辑：引入 DELETE 和 INSERT 控制标记，使扩散解码能够编辑序列结构、删除冗余内容，并在并行生成过程中创建插入点。

智能体强化学习：提出基于 Levenshtein 编辑 ELBO 的块级策略优化（L-EBPO），利用智能体环境奖励，在多轮工具使用场景中训练 Levenshtein 编辑与错误修正能力。

轻量高效：模型总参数量为 16B，推理时仅激活 1.4B 参数，在显著降低计算成本的同时保持强大能力。

一键直达 LLaDA2.2-mini：https://www.scnet.cn/ui/aihub/models/sugon_scnet/LLaDA2.2-mini