Havon v4 分词器：覆盖 204 种语言，英语 Token 数比 GPT-4o 少 6.1%
原文标题：A Multi-Word Tokenizer for 204 Languages That Needs Fewer Tokens Than GPT-4o's, Including on English
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者从零训练约 200 种人类语言的分词器 Havon 系列。v4 在 SuperBPE 多词训练阶段加持下，于 GPT-4o 同等 200,019 词表规模时英语 Token 少 6.1%，印度 25 种语言全部占优（中位数 0.74）。v5 用 15 种语言的宽松许可代码替换 Python 样本，改善代码压缩。作者强调目前仅为压缩结果，尚未用 v4/v5 训练模型验证。
AI 处理过程展开/收起
相关推荐
Jais 3 开源发布：0.9B 至 375B 阿拉伯语智能体模型系列
AI 摘要研究团队发布 Jais 3，六个开源阿拉伯语智能体模型覆盖 0.9B 至 375B 参数，可规划多步任务、调用工具与 MCP 服务器、操作终端、联网搜索并读写 PDF、表格与演示文件。模型基于 K2 Horizon 系列经持续预训练、SFT、FTPO 与 RLVR 适配阿拉伯语，继承 512K 上下文。375B 版本称是迄今最大开源阿拉伯语模型，并公开全部权重、检查点与训练数据配方。
腾讯混元发布开源模型 Hy4，实测搭配 WorkBuddy 做多模态 Agent
AI 摘要腾讯混元推出新一代开源模型 Hy4，作者实测将其与 WorkBuddy 搭配，展示多模态 Agent 的任务交付能力。该模型被视为国产开源阵营中性能靠前的新选手，进一步加剧开源大模型竞争。
Kimi 领衔中国 AI 模型主导开源企业支出
AI 摘要据南华早报报道，以月之暗面 Kimi 为代表的中国 AI 模型在开源模型的企业级支出中占据主导地位。这显示中国开源模型在成本敏感的企业市场中获得显著采用，正在改变全球开源模型竞争格局。
2026 PyTorch 大会：谷歌与 Meta 开源 TorchTPU，原生支持 TPU 运行 PyTorch
AI 摘要在 2026 年 PyTorch 大会上，谷歌与 Meta 宣布开源 TorchTPU，使 PyTorch 能在 TPU 上获得原生支持。此举有望降低开发者在谷歌 TPU 上训练与部署模型的迁移成本，强化 PyTorch 生态与 TPU 硬件的结合。