Reflection 发布开源模型 Reflection-3.7-70B
Artificial Analysis 报道 Reflection 发布了其首个开源模型 Reflection-3.7-70B。该模型拥有 50B 总参数和 70B 激活参数，在 Artificial Analysis Intelligence Index 中得分为 42。
推荐理由：原文给出了 Reflection 新模型的基准分数和参数规模，读者可据此快速评估其在开源阵营中的性能定位。
#开源生态
Artificial Analysis精选AI 评分6060
Hugging Face Blog精选AI 评分9292 Meta 发布 Muse Spark Open：816B 参数开源多模态混合专家模型
Meta 发布 Muse Spark Open，这是一个拥有约 816B 总参数、每 token 激活约 42B 参数的混合专家（MoE）多模态模型，支持文本、图像、音频和视频输入，上下文窗口达 1M tokens。
推荐理由：原文给出了816B MoE架构、百万上下文及多模态输入的具体参数，并提供了从本地量化到集群部署的完整工程路径。
Artificial Analysis精选AI 评分6868 Artificial Analysis：Nvidia Nemotron 3.5 Super VL 成为美国领先开源权重模型
Nvidia Nemotron 3.5 Super VL 目前在 Artificial Analysis Intelligence Index 上得分为 26，成为领先的美国开源权重模型。该模型实现了前代 Nemotron 3 Super（得分 13）两倍智能水平，且每任务输出 token 减少约 60%。
推荐理由：原文提供了Nemotron 3.5 Super VL在智能指数上的具体得分及与上一代模型的效率对比数据，有助于评估其性能提升幅度。
NVIDIA Blog精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Super VL 和 Bolt 系列开源模型
NVIDIA 发布 Nemotron 3.5 Super VL、Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 三款开源模型，覆盖从企业服务器到边缘设备的智能体部署需求。
推荐理由：原文给出了从数据中心到桌面的全栈开源模型矩阵及具体性能指标，读者可据此评估其在不同算力层级下的智能体部署可行性。
Hugging Face Blog精选AI 评分6565 Apertus 1.5 发布：支持图像音频理解、思考模式及 262k 长上下文
Apertus 1.5 在 8B 和 70B 版本中新增图像与音频理解、可选思考模式，并将上下文窗口扩展至 262,144 tokens。该模型基于 Apertus 1.0 进行持续预训练，采用早期融合架构处理多模态数据，并在指令遵循与工具调用能力上有所提升。项目以 Apache 2.0 许可证开源权重、数据及训练细节，同时发布了符合 EEE 标准的评估卡片以增强透明度。
推荐理由：Apertus 1.5 通过持续预训练引入原生多模态与思考模式，并公开全链路训练细节，为复现和评估提供了完整依据。
vLLM 官方博客精选AI 评分7575 vLLM发布Bitwise-Consistent RL训练方案：解决DeepSeek-V4等模型训练推理不一致问题
vLLM团队提出一种新方案，通过让训练前向直接调用vLLM推理内核并修改内核逻辑，确保采样token的logprob在训练和推理侧逐位一致（diff=0）。在DeepSeek-V4-Flash实验中，该方法在保持91.3%基线吞吐量的同时实现了零差异，避免了因数值不一致导致的KL散度飙升和奖励下降；该流程已封装为Agent Skill开源，并成功迁移至Nemotron混合架构模型。
推荐理由：原文提供了在高性能推理引擎上实现训练与推理数值完全一致的具体方法、代码及Agent技能包，为RL训练稳定性优化提供了可复用的工程路径。
LangChain Blog精选AI 评分7878 LangChain 发布 Deep Agents Deploy：Claude Managed Agents 的开源替代方案
LangChain 正式推出 Deep Agents Deploy beta 版，这是一个基于开源、模型无关的 Agent Harness 的快速生产级部署工具。
推荐理由：LangChain 推出 Deep Agents Deploy beta，提供模型无关的开源智能体部署方案，强调通过开放标准避免记忆锁定。
LangChain Blog精选AI 评分7878 LangChain：GLM-5 与 MiniMax M2.7 在智能体任务中达到可用阈值
LangChain 发布评测结果，显示 GLM-5 和 MiniMax M2.7 等开源权重模型在文件操作、工具调用和指令遵循等核心智能体任务上的表现与 Claude Opus 4.6 等闭源前沿模型相当。
推荐理由：LangChain 通过 Deep Agents 评测展示 GLM-5 和 MiniMax M2.7 在核心智能体任务上接近闭源前沿模型，且成本与延迟优势显著。
Hugging Face Blog精选AI 评分7777 Liquid AI 发布 LFM2.5-24B-A2B：专为端侧快速私有智能体设计的推理模型
Liquid AI 发布开源权重模型 LFM2.5-24B-A2B，这是一款拥有 24B 总参数但仅 2B 激活参数的推理模型，旨在支持设备端快速、私有的智能体运行。
推荐理由：原文展示了2B激活参数在端侧推理的速度优势及与更大模型的基准对比，为构建本地智能体提供了具体性能参考。
Hugging Face Blog精选AI 评分8080 使用 Hugging Face ML Intern 低成本定制训练专用模型的实践指南
作者通过 Hugging Face 的 ML Intern 智能体，以总计约 USD 103 的计算成本成功训练了六个专用小型模型，包括柑橘病害识别 VLM、角色 LoRA 及端侧文本重写器等。文章详细分享了关键提示词技巧，如设定严格预算上限、要求基线对比以及执行小规模冒烟测试，并公开了所有示例代码与数据集链接供社区复用。
推荐理由：作者展示了利用 ML Intern 在低预算下定制训练多个专用小模型的具体提示词策略与成本数据，为个人开发者提供了可复用的低成本模型构建路径。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 d1-3B 和 d1-omni-600M 开源边缘决策模型
Liquid AI 发布两款开源决策模型 d1-3B 和 d1-omni-600M，专为边缘设备设计。d1-3B 在 Decision Index 0.2.1 中得分 48.57，优于同尺寸及更大参数量的模型，支持文本和图像输入；d1-omni-600M 作为实验性版本，支持文本与图像或音频的多模态处理。
推荐理由：原文展示了小参数量决策模型在边缘设备上的低延迟表现及多模态支持，为资源受限场景下的结构化推理提供了可复用的开源方案。
Ai2 / Allen Institute for AI精选AI 评分6565 Ai2 发布 Bolmo 字节级语言模型 Nature 论文及新检查点
Ai2 宣布其字节级语言模型 Bolmo 的研究成果发表于 Nature，并在 Hugging Face 上发布了新的模型检查点。团队展示了名为 byteifying 的技术，能将现有的子词模型（如 Olmo、Qwen 3 8B 和 Llama 3 8B）通过短期额外训练转换为字节级模型。
推荐理由：Ai2 在 Nature 发表 Bolmo 研究，展示将子词模型转换为字节级模型的通用方法，并开源了基于 Qwen 和 Llama 的新检查点。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 EmbeddingGemma 2：支持文本图像音频视频的统一端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构的开源轻量级多模态嵌入模型，拥有 740M 参数并采用 Apache 2.0 许可证。
推荐理由：原文给出了740M参数、8K上下文及端侧内存占用等具体指标，读者可据此评估其在离线多模态检索场景中的实际部署可行性。
Mistral AI精选AI 评分8484 Mistral AI 发布 Mistral Large 4 预览版
Mistral AI 推出 Mistral Large 4（ML4）公开预览版，这是一款拥有 1 万亿参数、490 亿激活参数的原生多模态开放权重模型。该模型在欧洲数据中心使用 NVIDIA Grace Blackwell GPU 从零开始训练，在编码、智能体工作流及网络安全等领域表现卓越，部分指标超越闭源前沿模型。权重将于本月底发布，目前可通过 Mistral Studio 试用 API。
推荐理由：Mistral Large 4 以开放权重形式提供前沿性能，其欧洲本土训练背景为寻求数据主权的用户提供了新选择。
Hugging Face Blog精选AI 评分9292 Reflection 发布 501B 参数开源模型 Beam
Reflection 发布了首个开源大语言模型 Beam，这是一个拥有 501B 总参数（每 token 激活 23B）的混合专家（MoE）模型，支持 1M tokens 上下文窗口并采用 Apache 2.0 许可证。
推荐理由：原文提供了501B MoE模型的架构细节、多精度检查点及vLLM/SGLang部署方案，读者可据此评估其在自有硬件上的落地可行性。
Hugging Face Blog精选AI 评分8282 H Company 发布 Holo4 系列通用计算机使用智能体模型
H Company 发布 Holo4 系列智能体模型，包含 27B Dense 和 35B-A3B MoE 两个版本，支持通过 GUI、代码、MCP 和 API 等多种接口操作软件。该模型在 OSWorld 2.0 等基准测试中表现接近前沿闭源模型，但参数量和推理成本显著更低。所有模型权重已在 Hugging Face 开源，并提供完整的执行轨迹数据集供复现和分析。
推荐理由：原文展示了 Holo4 在 GUI、代码和 API 多接口下的统一能力，并提供了与前沿闭源模型的成本性能对比及开源轨迹数据。
LangChain Blog精选AI 评分6262 LangChain 发布面向生命科学的开源智能体助手 Deep Life Sci
LangChain 推出开源智能体助手 Deep Life Sci，专为临床和实验室科学家设计，基于 Deep Agents harness 构建。该工具可访问 ClinicalTrials.gov、PubMed 等数据源，支持上传多种格式文件并通过子代理并行处理文档。
推荐理由：原文展示了针对生命科学领域的开源智能体助手，提供了从文献检索到临床文档审核的具体工作流示例及定制化路径。
vLLM 官方博客精选AI 评分6565 vLLM 团队详解如何在 GB300 NVL72 上训练 Kimi-K3 最快的 DSpark 推测解码模型
vLLM 团队利用 Speculators 库在 GB300 NVL72 集群上成功训练了 Kimi-K3 的 DSpark 推测解码模型，将单流数学推理速度从约 110 tok/s 提升至约 435 tok/s。
推荐理由：原文详细拆解了基于GB300集群训练Kimi K3 DSpark草稿模型的全流程，提供了从数据提取到多节点部署的完整技术路径。
Together AI Blog精选AI 评分6868 Together AI 解析开源 AI 技术栈的五大核心组件
Together AI 发布指南详解开发者转向开源模型所需的五层技术栈：模型、推理、网关、Harness 和工具。文章对比了 Kimi K3 等大模型与 GLM 5.3 Flash 等小模型的适用场景，并介绍了通过 OpenRouter 或 LiteLLM 实现灵活路由的方法。
推荐理由：原文拆解了从模型到工具的五层架构，为开发者提供了将闭源工作流迁移至开源栈的具体选型思路。
vLLM 官方博客精选AI 评分8282 vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持
vLLM 团队宣布为 Qwen3.8-2.4T-A95B 提供 Day-0 支持，该模型基于 Qwen 3.5 架构，是首个开放权重的 Qwen-Max 级模型。
推荐理由：vLLM 官方提供了 Qwen3.8-2.4T-A95B 的 Day-0 支持细节，包括 FP4 量化权重、硬件优化内核及基准测试数据，有助于开发者评估大规模稀疏 MoE 模型的部署成本与性能。