新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
Granite Switch 4.1 系列模型（8B 与 30B）正式发布，将通用决策 aLoRA、安全决策 Guardian aLoRA 以及语音识别模型整合至单一托管端点。适配器与基座模型共享显存并复用基座生成的 KV cache，可在对话响应、多步骤决策及语音转文字等任务间快速切换。该系列模型支持开箱即用，官方后续还将发布 Adapter SDK 供社区训练与组合自定义适配器。
推薦理由：原文展示了多适配器共享显存与缓存的架构设计，读者可以参考如何以低开销在单端点组合多任务工作流。
Meta 推出开源权重模型 Muse Spark Open，具备 816B 参数与 1M token 上下文窗口，专为复杂编码和 Agent 任务设计并支持在 Mac 上本地运行。
推薦理由：原文给出了 816B 参数量与至少 1TB 内存的本地门槛，读者可据此评估大参数开源模型在 Mac 工作站端侧落地的软硬件要求。
Meta 正式发布 816B 参数的原生多模态模型 Muse Spark Open，并联合 Apple 优化其在 Mac 桌面端的运行性能。该模型针对长程任务、复杂软件工程和多步推理进行优化，借助 Apple 最新的 MLX 框架，可在两台 Apple M5 Ultra Mac Studio 组成的桌面环境下完成本地运行。
推薦理由：原文展示了超大参数开源模型与 Apple MLX 框架的适配细节，读者可据此评估在桌面端硬件部署大模型的落地可行性。
Meta 宣布开源多模态模型 Muse Spark Open 权重，总参数量达 816B（42B 激活），具备 1M token 上下文窗口并主打代码与长程任务。
推薦理由：原文给出了超大参数模型的激活比例与双机运行配置，读者可以据此评估在桌面端本地部署 Agent 的硬件门槛。
Meta 推出开源权重模型 Muse Spark Open，拥有 816B 参数（42B 激活）并支持 1M tokens 上下文及图文音视频多模态输入。该模型专为编码与 AI 智能体任务构建，权重已上线 Hugging Face，在智能体与多模态基准上领先 Qwen 3.8、GLM 5.3 和 Kimi K3，但在部分编码评测中落后。
推薦理由：原文给出了具体参数、基准对比与本地运行硬件门槛，读者可据此评估其在开源多模态与智能体任务中的实用价值。
Meta 推出面向代码优化的 MoE 模型 Muse Spark Open，总参数量达 816B，激活参数为 42B，并支持 1M token 上下文窗口。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上针对智能体编码工作流完成训练，具备更高的首次尝试准确率、可靠的工具调用能力与跨仓库的代码库理解水平。
推薦理由：该模型针对智能体编程场景设计，结合超大参数与长上下文，为多仓库代码理解与工具调用提供了落地参考。
Meta 推出开源多模态 MoE 架构模型 Muse Spark Open，总参数约 816B，单 token 激活约 42B，上下文窗口支持最高 100 万 tokens。
推薦理由：Meta 开源了 816B 参数的多模态 MoE 模型 Muse Spark Open，为结合图文音视频输入的高阶代码智能体提供了超长上下文选项。
Google 推出具身智能模型 Gemini 4 Argon，主打使用单一模型覆盖机器人控制、虚拟仿真生成以及训练视频质检全流程。在无外置工具的 ERQA 空间推理测试中该模型取得 87% 得分，但在真实的 AA-Robotics 机器人臂控制测试中以 55 分位列第三，且实际部署仍依赖提示词中的细致约束。
推薦理由：原文对比了该模型在空间推理基准与实体臂控制测试上的差异，有助于客观评估端到端机器人大模型的真实落地现状。
Black Forest Labs 正式发布开放权重图像模型 FLUX 3 Image Klein，参数量为 5.6B，支持文生图、图像编辑、最多 10 张参考图生成及原生 4K 输出。
推薦理由：该模型在 5.6B 参数下支持原生 4K 输出且仅需 8GB 显存即可本地运行，大幅降低了高质量图像生成的硬件门槛。
Liquid AI 发布多模态决策模型 d1-ultra，支持在单次前向传播中同时读取文本与图像并直接输出概率，无需生成任何输出 token。模型在 112 项评测中超越 Jev 1.14，并在 Artificial Analysis Decision Index 上领先竞品至少 8 分。
推薦理由：该模型采用单次前向传播直接输出概率而非生成文本，为工业质检与核保审核等分类任务提供了极低推理成本的新选择。
NVIDIA 正式发布专为企业智能体打造的开源多模态模型 Nemotron 3.5 Super VL，采用 MoE 架构，总参数量 120B 且每 token 仅激活 12B。
推薦理由：采用MoE架构在保持轻量激活的同时提升吞吐，为企业在自建算力上低成本部署全天候智能体提供了开源方案。
Microsoft AI 宣布完成新一代基座模型 MAI-Base-2 的预训练，该模型为 80B 激活、2.8T 总参数的 MoE 架构，并原生集成了视觉多模态能力。
推薦理由：文章系统披露了万亿级 MoE 模型在训练标度预测、超参数缩放规律以及大规模 Muon 优化器上的工程实践细节。
NVIDIA 发布开源 120B 参数的多模态智能体模型 Nemotron 3.5 Super VL，以及两款面向本地和边缘场景的 Nemotron 3.5 Bolt 模型。
推薦理由：这批开源模型从 120B 多模态覆盖到 4GB 端侧规格，让企业能在本地和边缘硬件上直接部署多步骤智能体工作流。
Black Forest Labs 推出图像生成模型 FLUX.3 Image Klein，并在 Hugging Face Diffusers 实现首日支持。该模型可在单个架构内同时完成文生图、多参考图生图以及基于边界框的布局控制，开源了基础版与时间步蒸馏版两种权重，蒸馏版在 H100 上生成 1024×1024 图像耗时约 2 秒。
推薦理由：模型单模型集成了文生图与边界框布局控制，读者可据此了解其双阶段架构设计与在 Diffusers 中的模块化工程落地方法。
英伟达推出开放多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍。
推薦理由：原文给出了 MoE 架构参数、量化部署指标与端侧模型规格，读者可以据此评估本地智能体与多模态任务的推理部署成本。
NVIDIA 推出开源可定制的多模态模型 Nemotron 3.5 Super VL，用于支持复杂企业工作流中的专用智能体。该模型采用 120B 参数的 MoE 架构，推理时仅激活 12B 参数，支持文档阅读、跨源信息核验与工具调用等多模态推理任务。
推薦理由：原文给出了 120B MoE 激活 12B 参数的架构信息，读者可以据此评估其在企业专用智能体工作流中的运行成本与适用场景。
独立研究者发布完全基于 19 世纪英国文献训练的语言模型家族 Mr. Chatterbox，包含 345M、500M、1.2B 和 2.7B 四个基座版本及 2.7B-Chat 对话模型，并开源代码与微调数据集。
推薦理由：展示了如何仅用历史公开文献与极低合成数据训练特定风格模型，为数字人文与垂直领域模型构建提供了可复现的完整流程。
阶跃星辰正式开放 Step 5 Preview 模型权重，提供 BF16 与 FP8 两个版本，已上线 Hugging Face 与 ModelScope，支持通过 vLLM、SGLang 或 Transformers 部署。
推薦理由：阶跃星辰开源新模型权重，国产算力芯片厂商同步公布适配方案与算力指标，可用于评估国产软硬件协同生态。
开源多模态模型 Apertus 1.5 正式发布并开源 8B 与 70B 权重，支持图像与音频理解、可选思考模式以及强化工具调用。模型采用基于 Tokenizer 的早期融合架构保持文本级训练速度，上下文窗口扩展 4 倍至 262,144 tokens，并在 Apache 2.0 协议下公开了全阶段训练数据配比、中间检查点与评测记录。
推薦理由：该版本公开了完整训练数据配比、各阶段中间检查点与评测规范，为多模态早期融合研究提供了高透明度开源样本。
阶跃星辰正式开放 Step 5 Preview 的 BF16 与 FP8 模型权重并上线技术博客。该模型面向长程 Agent 任务设计，采用稀疏 MoE 架构，总参数量 600B、每 token 激活 27B，支持 100 万 token 上下文与文本视觉多模态输入。
推薦理由：原文详细给出了600B稀疏MoE的架构细节与长程Agent训练方案，有助于了解深层网络与百万上下文的工程落地。