英国 AI Security Institute 首次公开分析领先开源权重模型的网络安全能力差距，测试发现 GLM-5.2 是测试时最强的开源权重模型，在 AISI 窄域网络任务上接近 4 个月前发布的 Opus 4.6，在长时程网络靶场上接近 Opus 4.5，整体落后前沿 4 至 7 个月，窄于 2025 年 1 至 9 月内部评估测得的 6 至 10 个月。
推荐理由：这是 AISI 首次公开量化开源权重模型与闭源前沿在网络安全能力上的差距，并给出成本对比，为防御方的准备窗口提供依据。
月之暗面推出迄今最强模型 Kimi K3，拥有 2.8 万亿参数和 100 万 Tokens 上下文窗口。该模型在 Frontend Code Arena 中以 1679 分超越 Claude Fable 5 位居第一，在 7 个前端领域中的 6 个排名 #1。API 定价为每 100 万 Tokens 输入 2 元（缓存命中）或 20 元（缓存未命中），输出 100 元。
推荐理由：Kimi K3 的 2.8T 参数和 100 万上下文不是数字游戏，前端跑分实打实地压过 Claude Fable 5，七个子领域拿六个第一，这对做前端和长文档处理的人是个明确信号，可以下场试了。
今天，我们推出 Inkling。 Inkling 能高效地对文本、图像和音频模态进行推理。我们将提供完整权重。 https://thinkingmachines.ai/news/introducing-inkling/ 即日起可在 Tinker 上进行微调。在 Inkling Playground 中试用。🧵
推荐理由：多模态推理终于有了开放权重的选项，Inkling不是最强的，但可能是最方便你上手微调的。想试试多模态Agent的，今天就能在Playground玩。
找不到基准测试和下载链接？看这里👇https://huggingface.co/AngelSlim/Hy3-GGUF 我们刚刚发布了 Hy3 的 1-bit 与 4-bit 版本，这是一个旗舰级 295B 模型，可在单张 GPU 上运行。👌 使用 llama.cpp 运行 Hy3，启用 MTP，在显著更低的硬件上体验强大的智能。🚀🚀🚀 迫不及待想看到你们的作品。 #Hy3 #Hy #GGUF #llamacpp
推荐理由：混元把295B旗舰模型压进单GPU，1-bit和4-bit版本对本地部署是个大礼包，开源社区可以动起来了。
阿里语音交互模型 Fun-Realtime-AudioChat 全面升级并更名为 Qwen-Audio-3.0-Realtime，支持根据语境动态调整语气与情感、音色克隆，并内置多模态双工控制模型，实现声纹级背景过滤。
推荐理由：把文本推理能力蒸馏到语音模型同时保留毫秒级响应，这种架构为需要复杂决策的语音智能体提供了可行路径。
阿里通义实验室发布实时语音交互模型 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 的 Speech Reasoning 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。
推荐理由：我觉得Qwen-Audio-3.0-Realtime把情感表达和背景降噪结合得很好，加上工具调用，语音交互终于从聊天走向任务执行，有API可以直接上手，推荐语音产品经理试试。
Thinking Machines 发布通用多模态模型 Inkling，可输入文本、图像和音频并输出文本，Modal 以 Day 0 支持将其作为按 token 计费的 Managed Endpoint 上线。
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 于发布当日在其 Serverless 平台提供访问，支持 1M 上下文窗口和 OpenAI 兼容 API。
推荐理由：原文来自提供推理服务的合作方，给出了 Inkling 的架构细节、参数规格和初步评测，读者可据此了解新模型的技术取向与可用入口。
Bonsai 27B 基于 Qwen3.6 27B，提供三元（1.71 有效比特/权重，5.9 GB）和 1-bit（1.125 有效比特/权重，3.9 GB）两个变体，后者首次将 27B 级模型装入 iPhone 17 Pro。模型支持多步推理、结构化工具调用、视觉任务和计算机使用智能体循环，拥有 262K token 上下文窗口，支持推测解码加速。在 15 项基准测试中，三元变体保留全精度基线 95% 的性能，1-bit 变体保留 90%，数学和编码能力几乎无损。采用 Apache 2.0 许可证开源。
推荐理由：1-bit 量化把 27B 模型压到 4GB，首次能在 iPhone 上跑，agent 循环零边际成本，做端侧产品的该坐不住了。
在 Google I/O Connect India 上，Google 展示了由定制 Tensor SoC 和 TPU 驱动的 Pixel 10 系列所支持的 100% 私有端侧 AI 未来。活动首次推出轻量级 Gemma 4 E2B 模型，该模型原生运行于设备端，可实现完全离线的多模态功能，包括 AI 聊天、实时图像识别和个人智能体任务。开发者即日起可通过新发布的 Tensor SDK beta 及其配套开源资源，开始构建这些安全的边缘应用。
推荐理由：我觉得这是端侧 AI 从实验到落地的信号，Gemma 4 E2B 的离线能力搭配新 SDK，让完全本地的多模态应用不再是期货，做移动隐私 AI 的开发者该上手试试了。
Google 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成 256 token 块，推理速度最高提升 4 倍。该 26B MoE 模型仅激活 3.8B 参数，量化后适配 18GB VRAM 消费级 GPU，在单张 H100 上达 1000+ tokens/s。
推荐理由：Google把扩散模型首次做进大语言模型，生文速度提升4倍，还开源了权重。虽然实验性质量打折，但本地实时交互的开发者终于有个新选项可以玩了。
GPT-5.6 sol 价格减半，且在多数情况下完成相同任务时 token 效率约为 fable 的两倍。 很高兴能以四分之一的价格交付。
推荐理由：OpenAI把GPT-5.6 sol的价格压到fable的四分之一，token效率翻倍，对大批量调用场景的成本优化很实在，做API集成的可以重点关注。
Inception Labs 发布 Mercury 2，称其为全球首个推理扩散语言模型（dLLM），在 NVIDIA H100 上以 1000+ token/秒并行解码，300 token 的推理链可在约 300ms 内完成，适配语音对话延迟预算。
推荐理由：官方给出扩散架构推理模型在 NVIDIA GPU 上的延迟与定价数据，语音 Agent 开发者可以据此评估是否能替换现有默认模型。
商汤发布并完全开源 SenseNova-Vision-7B-MoT，一个统一处理检测、OCR、GUI、深度与法线估计、分割、多视图等主要视觉任务的模型。该模型支持通过自然语言定义新的视觉任务变体，跨传统任务边界重组视觉能力。开源内容包括模型权重及 SenseNova-Vision Corpus（含 5000 万示例子集及复现剩余公开数据的完整工具包）。
推荐理由：商汤把检测、OCR、深度估计等多个视觉任务塞进一个7B模型，还贴心地开源了数据集和复现工具，做视觉理解或GUI agents的团队可以直接拿它当基座，不是又一个刷榜的轻量版。
Boogu-Image-0.1 系列开源统一多模态理解与生成模型发布，包含 Base、Turbo、Edit 和 Edit-Turbo 四个变体，支持高质量文生图、快速推理、指令编辑及中英双语文本渲染。
推荐理由：开源多模态模型终于有一个能打闭源系统的了，40万美元训练成本刷到接近GPT-Image-2的水平，想自己部署图像生成和编辑产品的开发者可以认真看看。
月之暗面发布 Kimi K3，一个 2.8T 参数的开源模型，采用 Kimi Delta Attention 和 Attention Residuals 架构，支持原生视觉能力与 100 万 token 上下文窗口。
推荐理由：首个开源 3T 级模型，架构上有 KDA 和 AttnRes 创新，在超长程编码和知识工作上比肩闭源。权重两周后放出，所有做 agent 的都该盯紧。
德国AI协会协调的研究联盟发布开源大语言模型Soofi S 30B-A3B。该模型总参数量316亿，每个token仅激活约32亿参数，采用Mamba-2与标准注意力层混合的MoE架构。模型完全在德国电信慕尼黑工业AI云上训练，训练数据中德语占比从第一阶段的7.2%提升至第二阶段的15.3%。在基准测试中，Soofi S在所有完全开源模型中取得英语和德语综合最高分，超越OLMo 3 32B和Apertus 70B。在HumanEval上得分73.8%，MBPP得分70.2，德语版MBPP得分84.2。上下文窗口支持最高100万token，在4万token长度下，生成吞吐量约为同规模稠密模型的8倍。模型权重已开源。
推荐理由：德国联盟用 Mamba-Transformer 混合架构做出一个 30B 开源模型，德语基准横扫，长上下文推理吞吐八倍于同级密集模型，想做德语 AI 的可以认真看了。
腾讯混元开源端到端 OCR 大模型 HyOCR-1.5，仅 1B 参数覆盖 8 种以上 text-centric 任务，在 OmniDocBench v1.6 上以 94.74 分居端到端第一。
推荐理由：轻量端到端OCR的实用化一步，投机解码让长文档生成加速可落地，智能体数据闭环提示了用短板驱动自进化的可复用路径。
腾讯混元发布 HyOCR-1.5，这是端到端 OCR 大模型领域首个将训练、推理、模型权重完整开源的专家模型。仅 1B 参数，覆盖 8 种以上 text-centric 任务。引入 DFlash 投机解码框架，在 Transformers 下实现 6.37× 加速，vLLM 下 2.14× 加速，端到端推理达每页 1.408s。支持 4K 分辨率与 128K 上下文窗口，通过 Agentic Data Flow 扩展低资源 OCR（331 种语言）、古文字识别与多图问答能力。在 OmniDocBench v1.6 上以 94.74 分居端到端第一。
推荐理由：我觉得这是近期最实在的OCR开源，1B参数覆盖多任务、推理加速6倍，还支持llama.cpp本地部署，做文档解析的同学可以直接上车。
OpenAI 发布 GPT-5.6 系列在医疗领域的评估结果。最小变体 GPT-5.6 Luna 在最低推理强度下即超越最高推理强度的 GPT-5.5，且成本低 25 倍；最大变体 GPT-5.6 Sol 树立新标杆。在涵盖患者端与临床端的多样化任务中，专科医生被要求以无限时间和网络访问权限撰写回答，随后由其他医生盲评。评估基于准确性、沟通、完整性、指令遵循及健康决策帮助性五个维度，共 20000 次评分。结果显示，所有 GPT-5.6 模型表现均显著优于医生，且医生发现 GPT-5.6 回答中的缺陷少于医生自己撰写的回答。
推荐理由：GPT-5.6 在医疗任务上被医生评价比真人医生缺陷更少, 这是AI辅助诊断的分水岭, 产品人和医疗从业者值得看具体数据。
蚂蚁集团旗下具身智能团队 Robbyant 发布 LingBot-VA 2.0，首个原生具身基础模型。该模型采用因果 DiT 架构，视频专家约 13.0B 参数（约 1.9B 激活），训练规模约 15.3B 参数，推理时每 token 约 2.5B 激活。模型引入多块预测（MCP）实现 2.3 倍训练加速，并通过前瞻推理将推理延迟降至 142 ms/chunk。在 RoboTwin 2.0 的 50 个任务上，干净与随机演示数据平均成功率分别达 93.8% 和 93.4%。
推荐理由：具身智能领域第一个从零预训练的因果视频-动作模型，将世界状态和动作统一在一个隐空间，异步推理优化到 225Hz，做机器人的值得仔细研究。
GPT-5.6 用于健康智能，团队一直专注于这方面的改进： 整个产品线中，我们以更低成本提供更强性能：GPT-5.6 Luna 在最高推理设置下性能优于 GPT-5.5，而成本降低 25 倍。 这些进步共同提升了质量，同时让全球更多人能够使用先进模型。
推荐理由：GPT-5.6 主打健康智能，虽然还没实测，但 25 倍的降本让高级推理不再是实验室专属，做医疗应用的可以提前评估切换成本了。
GigaChat Audio 是一种时间感知的音频大语言模型，支持长达120分钟的输入，并能生成带有明确时间戳的问答、片段描述和摘要。该模型通过将周期性时间标记与连续音频 token 交错，并利用级联合成数据管道进行大规模训练，在短时和长时基准上均实现了强时间定位精度。研究团队已开源模型权重及超过1万小时的时序数据集。
推荐理由：首个大规模时间感知音频LLM开源，把长音频问答的时间定位做到可验证，且附带完整数据集和消融分析，做语音产品的该认真看一下。
GPT-5.6 是健康智能领域的一大进步。 在整个产品线中，我们以更低成本提供更强性能：GPT-5.6 Luna 在最高推理设置下性能优于 GPT-5.5，而成本降低 25 倍。 这些进步共同提升了质量，同时让全球更多人能够使用先进模型。
推荐理由：GPT-5.6把性价比直接拉了个数量级，做健康AI的团队该重新算账了。但官方只扔了一句话，实际能力等实测再鼓掌。
OpenAI 模型在东京举行的 AtCoder World Tour Finals 2026 两个赛项中击败人类顶尖程序员。启发式赛项中它大幅领先，Psyho 估计人类至少还需数天才能追上其分数；次日算法赛项七小时内解开全部五题，其中两题12名人类选手无一解出，主办方为此向 OpenAI 颁发两个“人类投降”奖。
推荐理由：作者采访了参赛顶尖选手 Psyho，从当事人视角还原 AI 与人类顶尖程序员差距的量级，便于理解竞技编程格局的变化。
为庆祝 GPT-5.6 Sol 发布，我们将在接下来 24 小时内（两次）重置 ChatGPT Work 和 Codex 的速率限制。 我们希望你有时间真正尝试有挑战性的任务并掌握它。祝探索愉快！
推荐理由：GPT-5.6 Sol 发布没给性能指标，更像一次稳定迭代，但速率限制重置是个好信号——至少在基础设施层面 OpenAI 有底气让人放开用。
GPT 5.6 Sol 是我们迄今为止在几乎所有方面最好的模型。 与GPT-5.5相比，在编码、困难上下文与策略任务、搭建网站……以及任何我需要完成的事情上，差异非常显著。这完全要求你提升自己的尝试目标。
推荐理由：OpenAI 员工首次透露 GPT 5.6 Sol，宣称全面超越 5.5，但推文无任何技术细节，目前只是预告。若属实，这将是年内最重要的模型升级，但先保持观望。
微软发布 Aurora 1.5，对开源 Aurora 地球系统基础模型进行重大扩展，新增 22 个天气变量（原 4 个）、支持小时级时间分辨率和概率集合预报，已在 GitHub 开源并放出的 Hugging Face 模型检查点。
推荐理由：原文来自模型发布方，给出新增变量数、小时级分辨率和与 ECMWF 集合的对比数字，读者可据此评估其在能源等场景的适用性。
来自 @finkd 的消息 — Muse Spark 1.1 已上线。
推荐理由：Muse Spark 1.1 主打 agent 和 coding 能力，同时压到极低价，这可能是 Meta 低价模型策略的正式开场。虽然这次没给具体数据，但后续模型、API 的布局值得关注。
今天我们发布 Muse Spark 1.1——一款价格极低、能力强大的智能体与编程模型。它已通过我们新的 Meta Model API 上线，并集成于 Meta AI 中。
推荐理由：低价位 agentic coding 模型即日可用，可能使原先因成本顾虑而推迟的智能体原型更早启动。
美团万亿参数大模型 LongCat-2.0 正式开源，总参数 1.6T，平均激活约 48B，专为真实 Agentic Coding 任务设计。模型引入 LongCat 稀疏注意力机制与 N-gram Embedding，提升长上下文处理效率与 Token 级表示能力。LongCat-2.0 是业界首个在五万卡国产算力集群上完成推理的万亿参数模型，从模型架构、芯片适配到部署策略进行深度协同优化，支持百万上下文高效推理。开源同步提供 BF16、FP8、INT8 等多精度版本及针对国产算力极致优化的推理代码。
推荐理由：国产算力跑万亿模型的第一份完整开源答卷，代码、芯片适配细节全公开，做国产大模型落地的直接抄作业。
NVIDIA 发布 Nemotron-3-Super 的压缩变体 Nemotron-Labs-3-Puzzle-75B-A9B，总参数从 120.7B 降至 75.3B，活跃参数从 12.8B 降至 9.3B，保持 88 块混合布局（40 Mamba、40 MoE、8 注意力）。在 8×B200 节点上，8K/64K 场景匹配用户吞吐量≥100 tok/s 时，服务器吞吐量提升 2.03 倍。单 H100 上 1M-token 并发从 1 增至 8，权重占用从 70 GB 降至 44.5 GB。迭代式 Puzzle 方法平均得分比单步高 0.57。代价：Arena-Hard-V2 降 4.2 分、SWE-Bench 降 2.6 分。Hugging Face 提供 BF16、FP8、NVFP4 检查点。
推荐理由：把120B MoE压到75B后，同节点服务吞吐几乎翻倍，单张H100百万token并发从1涨到8。对长上下文RAG和AI编码助手这类对吞吐敏感的产品来说，这不是论文调优，是实打实的降本方案。
蚂蚁灵波科技正式开源LingBot-Video，这是全球首个基于MoE架构、面向具身智能的视频生成基础模型。总参数30B，推理时仅激活约3B，效率较同规模Dense架构提升约3倍。模型引入7万小时VLA、VLN、Ego等机器人数据，并通过多维强化学习奖励系统对齐物理合理性与任务完成度。在RBench上总分0.620，超越Wan2.6等模型；在Physics-IQ Verified评测中排名第一。可用于机器人动作预测、仿真数据生成等方向。
推荐理由：蚂蚁灵波开源了首个面向具身智能的视频基模，用MoE控制推理成本，对机器人仿真和世界模型研究是个真工具，做具身的可以跑起来了。
OpenAI 发布 GPT-5.6（Sol、Luna、Terra）系统卡，将三款模型在生物化学领域均预防性定为 High 能力，未达 Critical 阈值。
推荐理由：这份系统卡披露了 GPT-5.6 家族在生化和网络安全领域的准备度评估细节与部署模拟方法，可了解前沿安全评估如何落地。
蚂蚁灵波开源新一代实时交互世界模型 LingBot-World 2.0（14B 参数），支持施法、攻击、跳跃等丰富角色动作及文本驱动事件（如切换场景、召唤风暴），内置 Pilot Agent 与 Director Agent 实现世界持续演化，并支持多人同时交互。模型采用因果预训练范式和混合双向自回归注意力掩码（MoBA），可稳定输出 720p/60fps 实时画面，长达一小时测试画质不衰减。通过一致性蒸馏与 DMD 降低采样成本，结合注意力 kernel 优化、混合并行推理、动态 KV 缓存调度和异步流媒体传输实现低延迟交互。模型权重及推理代码以非商用协议开源，SGLang 已适配，并提供 Reactor PC 端和灵光 APP 在线体验。
推荐理由：蚂蚁灵波这个开源世界模型把实时世界生成推到了小时级还不崩，720p/60fps实时交互，做开放世界游戏或自动驾驶仿真的团队值得上手测。
Robbyant 推出 LingBot-VLA 2.0，一个 6B 参数的开源视觉-语言-动作（VLA）基础模型。它以 Qwen3-VL-4B-Instruct 为骨干，采用 MoE 动作专家架构，通过 55 维规范向量统一表示不同机器人的状态和动作。训练数据涵盖约 60,000 小时高质量数据（50,000 小时机器人轨迹 + 10,000 小时第一人称人类视频），覆盖 20 种机器人配置。在 GM-100 双机械臂基准测试中，模型在多个平台上超越 π0.5 和之前版本。模型权重、代码和技术报告已以 Apache-2.0 许可开源。
推荐理由：蚂蚁Robbyant放出的开源VLA 2.0把通用机器人策略往前推了一步，60,000小时跨具身数据、统一动作空间和MoE设计对做机器人的团队是实打实的参考，不是又一个lab-only的demo。
Meta Superintelligence Labs 发布 Muse Spark 1.1，定位面向智能体任务的多模态推理模型，在工具与计算机使用、编码、多模态理解上较 Muse Spark 有明显提升，支持 1M token 上下文窗口。
推荐理由：官方博客给出模型在智能体、编码、多模态上的能力细节和百万 token 上下文，并开放 Meta Model API 公测，可对照现有工作流评估。
OpenAI GPT-5.6 模型于周四发布。该模型6月底亮相，最初因美国政府限制仅向部分合作伙伴提供，商务部在AI标准与创新中心完成额外测试后批准公开。OpenAI公开批评延迟，称将最佳工具与开发者及企业隔离。新模型Sol在TerminalBench 2.1得分88.8%，Sol Ultra达91.9%，高于Anthropic的Claude Mythos 5（88%）。在网络安全任务中，Sol与Mythos 5水平相当但仅用三分之一的token。Sol定价$5/$30每百万输入/输出token，Anthropic的Fable 5为$10/$50。
推荐理由：被美国政府按了暂停键的 GPT-5.6 终于要公开了，基准测试小胜 Claude Mythos 5 且 token 消耗仅三分之一，价格也比 Anthropic 便宜近半，开发者可以准备预算了。
OpenAI 发布 GPT-Live-1 与 GPT-Live-1 mini 系统卡，并因发现评测配置不匹配而重跑了语音原生违禁内容评测。
推荐理由：OpenAI 公开更正后的语音安全评测数据，附带修正前后对照，读者可看到误配置如何影响安全评估结论。
GPT-5.6 Sol 与 Terra、Luna 将于本周四公开发布。目前正面向全球扩展预览访问权限。Sol 正在升起，是个好模型。
推荐理由：OpenAI的新模型Sol周四上线，虽然信息不多，但任何来自他们的模型更新都值得所有做AI产品的人盯紧机会。