Tim Longcat Meituan yang bersumber terbuka LongCat-Next adalah model multimodal berbasis arsitektur MoE yang mengintegrasikan lima kemampuan: pemahaman teks, pemahaman visual, generasi gambar, dan suara. Desain inti DiNA mencapai pemrosesan tugas terpadu melalui token diskrit, sementara aspek visual menggunakan dNaViT yang membuat kinerja generasi gambar menonjol. Dibandingkan dengan model serupa, kinerja benchmark LongCat-Next terdepan di berbagai metrik, menunjukkan keunggulannya di bidang pemahaman dan generasi multimodal.

Cursor merilis laporan teknis Composer 2, yang menjelaskan solusi pelatihan lengkap untuk arsitektur Kimi K2.5 MoE-nya, termasuk pelatihan dua tahap dan tolok ukur proprietary CursorBench. Setelah pelatihan, kinerja Composer 2 meningkat secara signifikan dan mengungguli model-model terdepan lainnya dalam hal biaya inferensi.

Cursor merilis laporan teknis Composer 2 pada 25 Maret, mengungkapkan skema pelatihan model Kimi K2.5, yang mengadopsi arsitektur MoE dengan parameter mencapai 1,04 triliun. Pelatihan dibagi menjadi dua tahap, menggunakan simulasi skenario nyata untuk pembelajaran penguatan, akhirnya mencapai skor 61,3 pada tolok ukur CursorBench, peningkatan 70%, dan biaya inferensi lebih rendah dari API model besar lainnya.

Tim LongCat Meituan telah membuka sumber LongCat-Flash-Prover pada 21 Maret, sebuah model MoE dengan 560 miliar parameter yang berfokus pada pembuktian teorema formal Lean4. Model ini dibagi menjadi tiga kemampuan: formalisasi otomatis, pembuatan sketsa, dan pembuktian lengkap, yang menggabungkan alat penalaran dengan kompiler Lean4 untuk verifikasi waktu nyata. Pelatihan menggunakan Hybrid-Experts Iteration Framework dan algoritma HisPO untuk mencegah kecurangan reward. Pengujian tolok ukur menunjukkan bahwa model ini memecahkan rekor model bobot sumber terbuka dalam formalisasi otomatis dan pembuktian teorema.

Mistral AI merilis agen kode sumber terbuka Leanstral, dirancang khusus untuk verifikasi formal Lean 4, mampu menghasilkan kode dan bukti yang dapat diverifikasi secara otomatis. Model ini menggunakan arsitektur MoE yang jarang, mengungguli model-model terkemuka lainnya, dan menyediakan unduhan gratis serta panggilan API.