Cloudflare 发布开源决策模型 Clef 与 Clef-flash，并推出 RL 微调服务

Cloudflare 发布两个自研决策模型 Clef 和 Clef-flash，托管在 Workers AI 并以 Apache 2.0 许可开源到 Hugging Face，与 Jev-API 完全兼容。

OpenAI 推出 GPT-6 Astra Ultrafast，基于 NVIDIA Blackwell GPU 将 token 生成速度提升至 8 倍

OpenAI 发布 GPT-6 Astra Ultrafast，运行在 NVIDIA Blackwell GPU 上，现已在 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户中可用。

Ai2 发布 Olmo-core 3 开源 MoE 训练框架，支持扩展至万亿参数

Ai2 发布 Olmo-core 3，为 Olmo 框架带来重新设计的开源 MoE 训练系统，可扩展到万亿参数规模并保持计算效率。新实现从 FSDP 切换到基于 DDP 的方案，47B 参数 MoE 在 8 张 NVIDIA B300 上达到每 GPU 每秒 52,000 tokens，约为旧实现的 2.7 倍；启用 MXFP8 后吞吐比 BF16 高约 21%。

Google 发布 Gemini 4 Argon，初期仅限受信任的网络防御者使用

Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识工作和网络安全防御方面具有前沿性能。初期仅向一组受信任的网络防御者开放，Google 正参与美国政府预发布模型访问的自愿流程并逐步扩大访问。模型已用于 Google 内部工作流，如大规模代码库迁移；Google 将在更广泛发布前加强防范滥用和提示词注入攻击、监测错位等安全措施。

Google 发布 Gemini 4 Argon 模型，暂未开放使用

Google 发布 Gemini 4 Argon，称其在编码、知识工作和网络安全方面性能领先，但模型仍处有限测试，普通用户暂无法使用。DeepSWE v1.1 达 77.9%，高于 GPT-6 Astra、Fable 5.1 和 Opus 5.5；API 定价为每百万输入 token $2、输出 $10，输出上限提升至 100 万 token（此前为 64,000）。

Microsoft Research 发布生物研究领域 AI 系统 Quine

Microsoft Research 推出 Quine，一个面向生物学的多模态世界模型与交互式 harness，连接科学工具、文献和研究人员。在与 Broad Institute 合作中，Quine 用于预测可驱动胰腺癌肿瘤细胞状态转变的化合物，排名第一的候选化合物在湿实验中产生了最大的预期细胞状态转变，从缩小化合物范围到确定候选名单仅用了一个周末。

OpenBMB@OpenBMBAI 评分3737

社区为 MiniCPM5-2B 构建了 EXL3 4-bit 量化版本，量化后模型权重仅 1.61 GB，采用 4.0 bpw 量化以缩小模型体积。该版本在 NVIDIA Tesla T4 上实测约 68–70 tokens/s，支持通过 ExLlamaV3 和 TabbyAPI 进行本地推理。

Anthropic 发布 Claude Sonnet 5.5（claude-sonnet-5-5）并给出迁移指南

Anthropic 发布 Claude Sonnet 5.5（claude-sonnet-5-5），可在 Claude API、Amazon Bedrock、Claude Platform on AWS、Google Cloud 和 Microsoft Foundry 使用。

Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 草稿模型，解码最高提速 3.13x

Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下加速推理。解码最高提速 3.13x（M5 Max 设备端）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。

OpenBMB@OpenBMBAI 评分3838

开发者 @Scorp1o_117 用 FIT-GGUF 为 MiniCPM5-2B 构建了可控尺寸的混合精度量化 GGUF 变体，用户可设定目标文件大小或保真度档位，由工具自动分配各张量精度并预测、生成、验证最终文件。

inclusionAI 开源 Ling-mini-2.0：16B 总参数 MoE 模型，激活仅 1.4B

inclusionAI 开源 Ling 2.0 系列首个模型 Ling-mini-2.0，总参数 16.26B、每 token 激活 1.4B（非嵌入 789M），采用 1/32 激活比 MoE 架构，称可达到 7–8B dense 模型的等效性能，在 H20 上简单 QA 场景生成速度超过 300 token/s，支持 128K 上下文（YaRN）。

inclusionAI 发布 Ring-mini-2.0：16B 总参数 MoE 推理模型，支持 128K 上下文

inclusionAI 基于 Ling 2.0 架构正式发布 Ring-mini-2.0，总参数 16.8B、激活参数仅 1.4B，经 Long-CoT SFT。

inclusionAI 开源 Ring-flash-2.0 推理模型：100B 参数仅激活 6.1B

inclusionAI 正式开源思考模型 Ring-flash-2.0，总参数 100B、每次推理仅激活 6.1B，基于 Ling-flash-2.0-base 深度优化。

inclusionAI 开源万亿参数思考模型 Ring-2.5-1T

inclusionAI 发布开源万亿参数思考模型 Ring-2.5-1T，采用 1:7 MLA + Lightning Linear Attention 混合线性注意力架构，激活参数从 51B 增至 63B。

inclusionAI 开源 Ling-2.5-1T：1T 总参数、63B 激活的即时模型，支持 1M 上下文

inclusionAI 发布并开源 Ling-2.5-1T，总参数 1T、激活 63B，预训练语料扩至 29T tokens，经 YaRN 外推支持最长 1M tokens 上下文。

inclusionAI 正式开源 Ling-2.6-flash：104B 总参数、7.4B 激活的混合线性 MoE 模型

inclusionAI 正式开源 instruct 模型 Ling-2.6-flash，总参数 104B、激活 7.4B，采用 1:7 MLA + Lightning Linear 混合线性注意力与高稀疏 MoE 架构。

OpenRouter 解析 NVIDIA Nemotron 3.5 Lightning 如何承担智能体高频执行调用

OpenRouter 发文解析 NVIDIA 的 Nemotron 3.5 Lightning，这是一个 30B 总参数、每 token 激活约 3B 的 MoE 开源权重模型，定位于智能体工作流中的高频执行步骤。

TypeSafe AI 发布决策模型 Jev：文本输入返回置信分数

TypeSafe AI 上周发布 Jev，称其为 System One 或决策模型：接受文本输入，输出对应类别、是非判断和评分的浮点数及置信分数。其首个模型按输入 token 计费，每百万 token $0.042，输出免费，比 GPT-5 Nano（$0.05/百万）更便宜；问题并行评估，但对数字、日期和对抗性内容表现不佳。

NVIDIA Vera Rubin NVL72 首登 MLPerf Inference v6.1，性能领先

NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中，Qwen3-VL 吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。GB300 NVL72 以 288 GPU 四机架提交实现 99% 扩展效率，软件优化较 v6.0 带来最高 1.6 倍性能提升。

Ant Ling@AntLingAGIAI 评分2626

Ling-3.0-flash-Fin 现已推出三个量化版本：FP8、FP4 和 INT4。 如果你正在构建真实的金融工作流，可以选择最契合你基础设施、内存和效率需求的版本。🧵

inclusionAI 发布 SingProbe 流式安全探测，基于 Qwen3.6-35B-A3B

inclusionAI 在 Hugging Face 发布 SingProbe，一个复用 Qwen3.6-35B-A3B 隐层状态的轻量流式安全探测，逐 token 输出 8 类查询意图、不安全与幻觉风险分数，探测参数仅 4.2M。

inclusionAI 发布基于 Qwen3-0.6B 的 SingProbe 流式安全探针

inclusionAI 发布 SingProbe，一个构建在 Qwen/Qwen3-0.6B 之上的流式安全探针，复用基座模型隐藏状态在每个 token 上评估查询意图、回复不安全性和幻觉风险。

inclusionAI 发布基于 MiniMax-M2.7 的流式护栏探针 SingProbe

inclusionAI 发布 SingProbe，一个构建在 MiniMaxAI/MiniMax-M2.7 之上的流式护栏探针，在生成过程中复用基座模型隐藏状态，对每个 token 输出查询意图、回复不安全度和幻觉风险评分。

SGLang 为 Qwen3.8-Flash-Next 提供 Day-0 支持

SGLang 团队与 Qwen、NVIDIA、AMD 合作，为 Qwen 团队开源的多模态 MoE 模型 Qwen3.8-Flash-Next 提供 day-0 支持。

Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理吞吐最高提升 3.2x

Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型发布 DSpark 草稿模型 checkpoint，通过投机解码在不改变输出质量的前提下加速推理，GPU 吞吐最高提升 3.18x，端侧最高 2.87x。

Microsoft 阐述按 token 效率优化前沿性能曲线的策略并盘点 MAI Flash 模型成果

Microsoft 提出行业下一个焦点是 token 效率，主张通过联合优化模型、harness 和 RL 环境为具体产品调校模型，而非所有任务都用前沿通用模型。

Z Lab 联合 SGLang 与 Modal 发布 DFlash 投机解码模型并上线 Spec V2 引擎

Z Lab、SGLang 与 Modal 联合发布面向 Qwen 3.5 397B-A17B 的 DFlash 投机解码草拟模型，并随 SGLang 新的 Spec V2 引擎默认可用。

SGLang 与 Miles 为 NVIDIA Nemotron 3 Ultra 提供 Day-0 支持

SGLang 与 Miles 团队宣布 Day-0 支持 NVIDIA Nemotron 3 Ultra，一个面向长程自主智能体的开源推理模型，采用混合 Transformer-Mamba 架构的 Latent MoE，总参数 550B、激活 55B，上下文最长 1M token，支持 NVFP4 与 BF16 推理。

SGLang 支持 NVIDIA Nemotron 3 Super，面向高效多智能体系统

SGLang 宣布 Day 0 支持 NVIDIA Nemotron 3 Super。该模型为 120B 参数混合 MoE，每次前向仅激活 12B 参数，采用混合 Transformer-Mamba 架构，支持 1M token 上下文、多 token 预测和思考预算，相比上一代 Nemotron Super 1.5 吞吐提升至 5 倍。

LMSYS 联合蚂蚁、美团等发布 SpecBundle（Phase 1）与 SpecForge v0.2

SpecForge 团队联合蚂蚁集团、美团、Nex-AGI 和 EigenAI 发布 SpecBundle（Phase 1），提供覆盖 8B 到 1T 参数主流 instruct 模型的生产级 EAGLE3 草稿模型权重，最高可达 4 倍端到端推理加速。

Mistral AI 发布 Mistral Medium 3，以约八倍更低的成本逼近 Claude Sonnet 3.7 表现

Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、成本低约 8 倍和更易部署的新级别模型。