重要进展，按时间持续更新
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览基础上继续做强化学习，编码与防御性网络安全能力提升。
在 Artificial Analysis Coding Agent Index 上得分 48%，与开源领先模型 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 从预览版提升 13 个百分点至 41%，输出 token 减少 30%。
Mistral 公开了 1 万亿参数多模态模型的权重，并给出编码与安全基准及三种推理档位，可据此评估自托管成本。
Mistral 发布多模态多语言 MoE 模型 Mistral Large 4（代号 Le Chonk），总参数约 1T、激活参数 49B，上下文窗口 1M tokens，输入支持文本和图像、输出为文本。
模型提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF 量化，采用 Mistral Ecosystem Open-Weight License（MIT 衍生协议，对模型即服务用途设有限制）。
Mistral Large 4 以约 1T 总参数、49B 激活参数和 1M 上下文开放权重发布，读者可据此判断开源模型在编码智能体与安全场景的可用边界。
Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务能力上为自家最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
该模型在漏洞发现基准 SEC-bench Pro 上取得 88.2%，在利用验证基准 ExploitGym 上取得 54.8%，在补丁生成基准 CWE-bench 上取得 71.0%；WebDev Arena 上提升 89 elo 至 1769 分、排名第 4。
官方披露了 Carbon 在漏洞发现、利用验证与补丁生成上的基准成绩，以及先向网络安全防御方开放的分阶段策略。
NVIDIA 在 Hugging Face 和 ModelScope 上发布开源权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint。
它支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人分离，可处理最长 1 小时录音并标注最多 8 位说话人，开发者能用自然语言提示控制输出格式。官方称其在 Hugging Face Open ASR Leaderboard 英语开源权重模型中排名第一，平均 WER 为 5.33%，并在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。
读者可了解一个开源语音模型如何用提示词统一转写、说话人分离与翻译，以及配套数据管线和微调流程。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，六个 2B 级模型（文本、视觉、音频、全模态及两个决策模型）均从 LFM3-1.7B-Base 分支而来，全部开源权重并已在 Hugging Face 上线。
LFM3-1.7B 采用三混合层结构（13 层门控短卷积、5 层 256 token 窗口滑动注意力、6 层全局注意力），在参数比 LFM2.5-2.6B 少 35% 的情况下超过后者，WebArena-Verified 得分 38.42 对 3.02；4-bit 精度下约 1 GB，上下文窗口 256K。
Liquid AI 用同一 2B 级骨干覆盖文本、视觉、音频、全模态与决策模型，并给出单卡微调与端侧部署路径，可据此判断小模型专用化路线的可行性。
Google DeepMind 发布世界模型 Genie 4，可实时生成并交互式操控场景，同时原生生成环境音与角色对话。
Genie 4 基于 Gemini 系列能力，Gemini Omni 负责让模拟贴近真实世界的外观与行为，Gemini 3.8 Flash 作为循环中的引导智能体，把目标拆成步骤并逐帧检查进度。用户可用自然语言实时修改天气、镜头或加入人物物体。该模型已作为研究预览向可信测试者开放，之后将面向 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期访问伙伴。
Genie 4 把实时世界模拟、原生音频与 Gemini 的推理规划结合起来，读者可据此了解世界模型当前的能力边界与落地路径。
OpenAI 发布 GPT-6.1 Terra，官方称其将快速且能力较强的 computer use 带给所有人。
目前公开信息仅有这一句介绍，具体能力、可用范围和开放方式尚未披露。
NVIDIA 发布 Cosmos3-H-Dreams，一个基于 Cosmos 3 的实时生成式手术模拟器，可从视频与机器人运动学学习胆囊切除术场景，并响应器械动作实时生成画面。
模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，使用 28 个动作维度、832 x 480 视频和 10 Hz 对齐动作训练，经教师到学生蒸馏得到四步与两步两个检查点，配合 FlashDreams 流式推理可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。官方称这是首个基于临床胆囊切除术录像训练、支持实时运动学控制的生成式手术模拟器，并提供适配自有数据与控制器的方法。
读者可了解生成式手术模拟器如何从桌面任务走向临床场景，以及实时推理所需的蒸馏与缓存管理方法。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持文本输入和 1M token 上下文窗口，以 Apache 2.0 许可开放，面向编码与智能体场景。
模型共 52 层，每层 256 个专家、每 token 路由 8 个，提供 BF16、FP8 和 NVFP4 三种 checkpoint，BF16 版本约 1 TB。
Reflection 首个开源模型 Beam 给出 501B 参数、1M 上下文与完整部署配方，可据此评估自托管前沿模型的硬件门槛。
IBM 发布 Granite Switch 4.1，Granite-Switch-4.1-8B 和 -30B 在同一个托管端点上支持自然语言对话、通用与专用决策以及语音转文字。
新版本加入通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash 的 Guardian aLoRA，以及 OpenASR 排行榜上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC。
Granite Switch 4.1 把决策适配器与语音识别合入单一端点，读者可据此判断多任务模型在显存与部署上的取舍。
Mistral 发布首个时间序列基础模型系列 Timestral，最大版本仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上均排名第一，参数量约为此前 SOTA 的三分之二。
该系列包含 5M、28M、123M 和 209M 四个尺寸，共享同一架构与训练配方，支持概率化多变量预测以及过去协变量和已知未来协变量。推理无需 GPU，在 8 线程标准服务器 CPU 上，用三周 15 分钟粒度历史预测未来一天，5M 模型耗时 10 ms，209M 模型耗时 140 ms。
时间序列基础模型首次进入通用预训练范式，读者可据此判断企业传感器与金融预测场景的落地门槛。
Meta 发布开源权重模型 Muse Spark Open，采用混合专家架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可输入文本、图像、音频和视频并输出文本。
该模型面向智能体编码训练，能读取代码库、编写和调试代码并调用工具，同时可处理截图、语音和录屏。模型提供 BF16 与 NVFP4 两种 checkpoint，BF16 约 1.5 TB，NVFP4 面向 NVIDIA Blackwell GPU；官方给出 transformers、llama.cpp、SGLang、vLLM、MLX 的部署配方，以及用 TRL 在 64 张 H100 上微调 LoRA 的示例。
Meta 开源 816B 多模态 MoE 模型，给出量化、部署与微调配方，可据此评估本地与云端落地成本。
Black Forest Labs 发布 FLUX.3 Image Klein，并在 Diffusers 中首日支持。
该模型用同一个模型完成文生图、多参考图生图和新增的布局控制，可在提示词中写入边界框指定画面各部分的摆放位置，或指定参考图中哪些部分需要移动。两个开放 checkpoint 已收录在 FLUX.3 Image Klein collection 中，蒸馏版默认 16 步、无需 CFG，基础版 50 步并支持 CFG。
FLUX.3 Image Klein 在 Diffusers 首日支持，读者可了解其布局控制能力与量化权重带来的显存门槛变化。
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍长的上下文窗口，并改进指令遵循和工具调用能力，权重以 Apache 2.0 许可发布在 Hugging Face。
模型采用早期融合方式，图像和音频以离散 token 与文本进入同一序列，图像用 Emu3.5 tokenizer 编码（512×512 图像为 1,024 token），音频用 WavTokenizer（每秒 40 token），架构不变，模型只输出文本。上下文窗口扩展到 262,144 token，8B 和 70B 分别增加 4 万亿和 2 万亿 token 训练数据，总量达 19T 和 17T。
Apertus 1.5 把 8B/70B 文本模型扩展为多模态并开放全部训练细节，可观察开源模型如何用 tokenizer 方案做多模态。
Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 总参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有智能体，会先推理再作答并支持工具调用。
24B 总参数仅 2B 激活的推理模型，给出端侧速度与工具调用基准，可据此判断本地智能体的可行边界。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩展 Fairwind Program 给更多可信网络安全防御方。
该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在对抗测试集上违规请求减少近两倍，Gray Swan 间接提示注入基准上 15 次自适应攻击的成功率降至 0.7%。
官方披露 Gemini 4 Argon 在网络安全与生物风险上的防护设计，可了解前沿模型安全护栏的具体做法。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在测试 3D 环境物理空间问题的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
官方给出 Argon 在 ERQA 的 87% 成绩与四类机器人工作流示例，读者可据此判断物理推理模型在机器人栈中的落点。
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和实验性的 d1-omni-600M。
d1-3B 在 Decision Index 0.2.1 上得分 48.57，为 10B 以下最佳，支持文本与图像输入；d1-omni-600M 支持文本加图像或文本加音频，在七个公开数据集上均分 78.4，超过参数量四倍的 Decider 2B。
Liquid AI 开源两款端侧决策模型，给出决策质量、延迟与多模态输入的实测数据，便于判断端侧部署取舍。
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、Apache 2.0 许可，740M 参数，原生将文本、图像、音频和视频映射到统一嵌入空间。
官方给出 740M 参数、模块化编码器与端侧内存占用等细节，可据此判断本地多模态检索的落地成本。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52B 激活参数的原生多模态模型，权重将于本月底开放。
官方称其在编码、智能体工作流和多模态理解上表现突出，在 Artificial Analysis Cyber Index 上进入全球前五，在 Cybench 上解决 93% 的题目，并在 DeepSWE v1.1 上得分 61.7%。
官方给出 1 万亿参数、52B 激活的开放权重模型在编码、智能体与多模态上的具体基准，可对照现有开源模型判断其位置。