vLLM 官方博客宣布与 Speculators 合作，正式提供对 P-EAGLE、DFlash 和 DSpark 三种最先进并行起草算法的完整开源支持。这些算法通过在单次验证器模型前向传播中并行生成整个候选 token 块，消除了传统自回归起草（如 EAGLE-3）中逐 token 生成的线性延迟瓶颈。
推荐理由：vLLM 与 Speculators 开源支持 P-EAGLE、DFlash 和 DSpark 并行起草算法，通过单次前向传播生成候选块以突破自回归限制并提升推理速度。
vLLM 宣布为开源多模态 MoE 模型 Kimi K3 提供 Day-0 支持，涵盖架构适配、内核优化及部署配方。在 16 张 NVIDIA GB300 NVL72 GPU 上，启用 DSpark 推测解码后单用户吞吐可达 370 tok/s，较无推测解码提升 3.14 倍。该支持包括混合前缀缓存、预填充/解码分离及 AMD ROCm 兼容，相关 Docker 镜像和详细配置已开放获取。
推荐理由：vLLM 官方给出了 Kimi K3 的 Day-0 支持细节与性能数据，开发者可据此评估其在生产环境中的部署可行性。
强大且安全的开放生态系统对于世界受益于 AI 至关重要。我们一直支持并大力贡献于开源和科学，从 Jax、Transformers、AlphaFold 到 Gemma 开放模型，后者目前的下载量已超过 3 亿次。以及标准
Ai2 通过发布 Olmo 3 等全开源模型及训练数据、代码和检查点，确立开放科学以保障 AI 系统的可理解性与独立性。外部研究机构利用这些资源验证了临床偏见、基准测试虚高及药物推理逻辑，证明完全开放是独立复现与扩展研究的关键。此举旨在降低对单一供应商的依赖，支持美国本土机构在 AI 研发中的广泛参与。
vLLM 推出实验性 AFD 插件，将 Mixture-of-Experts 模型的 Attention 和 FFN 分离为独立服务以实现弹性扩展。该插件支持 NVIDIA GPU 和 Ascend NPU，兼容 DeepSeek V2/V3 系列模型及 OpenAI 接口。目前项目处于实验阶段，需进一步进行大规模硬件测试。
Ai2 发布文章阐述 MolmoAct 2 如何推动机器人领域开放模型发展。LiveKit 工程师 Binh Pham 在黑客松中使用该模型构建语音控制机器人，指出其具备良好空间感知能力且能执行未专门训练的任务。Pham 认为这是机器人领域的 GPT-2 时刻，强调提供权重、数据和代码的完整开放对复现和定制至关重要。
推荐理由：通过开发者实测案例，具体展示了开放模型在机器人任务泛化上的实际表现与社区价值。
OdenseNLP 团队基于 Ai2 的 FlexOlmo 架构推出 FlexMoRE，通过引入低秩适配器将专家模块参数缩减至原模型的三分之一以下。该方案在保持推理与知识任务性能的同时显著降低内存需求，使丹麦基金会模型（DFM）等机构能在不共享敏感数据的前提下，于消费级硬件上运行模块化多语言模型。
Modal 在 Hugging Face 发布针对 Qwen 3.5 和 3.6 系列的多个 DFlash 推测解码（speculative decoding）草稿模型，包括 Qwen 3.6 35B-A3B-DFlash 等版本。
推荐理由：官方开源多款DFlash推测解码模型并给出实测加速数据，为自托管推理优化提供了可直接复用的方案。
Domyn 和 AISquared 利用 Ai2 的 Olmo、Dolma 及 Dolci 等开源资源，为受监管行业打造具备数据溯源能力的模型。
Gemma 4 推出新的 17B 参数版本，该模型专为在笔记本电脑等本地设备上高效运行而设计。这一更新旨在让开发者无需依赖云端即可利用前沿 AI 能力进行构建和实验。
Modal 发布开源库以解决 LLM 强化学习后训练的基础设施瓶颈。该方案通过 RDMA 技术将 Qwen3-8B 等模型的权重同步速度提升 100 倍，显著降低多节点集群成本。
开发者 Brendan Works 利用开源模型 Molmo、MolmoWeb 和 Olmo 3 构建了网页无障碍检测工具 PointCheck。该工具通过 Playwright 模拟键盘导航，结合视觉模型检查屏幕渲染效果以验证焦点指示器可见性，并由 Olmo 3 生成报告。PointCheck 支持完全自托管，旨在弥补传统代码静态检查在感知层面的不足。