Artificial AnalysisのText to Image Leaderboardで、60億パラメータのMing-Image-0.1-DesignはUI/UXデザインで81モデル中17位、オープンウェイトモデルでは首位となり、総合では160モデル中45位だった。MITライセンスで公開され、RGBA出力に対応する。評価は2K解像度、推論12ステップで行われた。
ウェイト、コード、ファインチューニング手順、ベンチマーク、再現可能な例が公開されている。Black Forest Labsによると、このワールドアクションモデルはRoboLabで首位となり、従来最高のオープンモデルを6.1ポイント上回り、パラメータ数は56%少なく、実行速度は最大3.95倍だという。
B.AIは、Xiaomi MiMoのオープンウェイトモデルであるMiMo-V2.6-ProとMiMo-V2.6-Flashを、APIとウェブチャットで提供している。いずれもネイティブなマルチモーダル推論モデルで、コンテキストウィンドウは100万、テキスト、画像、動画、音声をすべて理解できる。
Artificial Analysisは、新たな9言語のリーダーボードすべてで首位に立つオープンウェイトの音声合成モデルは1つもないとしている。首位はHiggs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS、Breeze TTS 2に分かれている。
Artificial Analysisのランキングで、9言語すべてを首位とするオープンウェイトの音声合成モデルはない。Higgs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS、Breeze TTS 2が、それぞれ異なる言語でオープンウェイト分野の首位に立ち、各ボードに含まれるオープンウェイトモデルは2〜6件にとどまる。
StepFunは、Step 5 PreviewがIntelligence Indexで44、タスクあたり$0.71となったArtificial Analysisの結果を強調し、10月15日にさらに発表があるとした。評価では、ファーストパーティAPIアクセスを備え、10月15日にオープンウェイトを予定する600B/27B MoEフラッグシップと説明されている。
Clineは、フラッグシップモデルMiMo-v2.6-Proが正式に公開され、すでにClinePassで利用可能だと述べた。また、同モデルを人工知能インデックスで最も高性能なオープンウェイトモデルと呼んだ。
Alibaba Cloudは、オープンウェイトの統合型7B画像生成・編集モデルQwen-Image-2.1を発表した。同社によると、RGBAレイヤーをネイティブに処理し、最大10枚の参照画像に対応し、GitHub、ModelScope、Hugging Faceで利用できる。
ComfyUIは、Qwen-Image-2.1がサポートされるようになったと述べ、生成と編集のためのオープンウェイトの7Bチェックポイントであると説明しました。Qwenはその発表を引用し、ComfyUIのサポートを強調しました。
QwenはQwen-Image-2.1を発表し、7Bモデルが画像生成と編集を統合し、その重みが現在オープンであると述べた。同社は、RGBAレイヤーをネイティブに扱い、最大10枚の参照画像をサポートし、精密な局所制御を提供すると述べた。
