Ricursive AI 发布 Ripple-65B Preview，这是一个 65B 稠密开源权重模型，从零预训练用于智能体编码，在 Terminal-Bench 2.1 上自报 80.52 分。
能拿走的是稠密 65B 做智能体编码的配方，含 ladder 实验筛选、长上下文 SFT 与截断重要性采样加长度惩罚的 RL，代价是知识类与 MCP 调用明显偏弱。
Dharma-AI 发布 20 亿参数的 Dharma Field Extractor，输入文档图像和可选 schema，输出带类型的结构化 JSON，同一 checkpoint 无需按文档类型微调。
可借鉴在 DharmaOCR-LITE v1.1 上挂 LoRA 适配器做字段抽取，用 schema 指定键名和类型、缺失字段返回 null，直接对接下游系统；代价是要自备 GPU 推理，且训练数据以英文和葡萄牙语文档为主。
腾讯微信视觉团队发布开源视觉语言模型 WeVisOne-VL，提供 2B（2.44B 参数）和 4B（4.83B 参数）两个版本，用单个模型完成检测、指代、计数、指向、OCR、分割和 alpha matting。
能用一个 2B/4B 模型加 9.6M 像素解码器替掉检测器、OCR 和分割器三套组件，单卡 BF16 跑 Transformers 或 vLLM 即可；代价是 GGUF 出不了 mask，微调代码还没放出来。
小米开源轻量级文档理解模型 Xiaomi-OCR-0，参数规模 0.8B，权重与推理代码已上线 Hugging Face 和 GitHub，单一模型覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。
0.8B 单模型同时做文档解析、字段抽取和 OCR 视觉问答，输出 Markdown/LaTeX/JSON，还带 MCP 服务和 Agent Skill 包，能直接换掉文档解析链路里拼多个模型的方案；代价是要自己验证古籍手写和复杂表格上的实际表现。
Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，直接返回标签和校准概率而非生成文本，每百万输入 token 收费 0.01 美元，权重以 MIT 协议开源在 Hugging Face。
能拿走的是决策模型输出标签加校准概率、共享前缀一次预填答多问的做法，可换掉现在用大模型生成文本再解析的路由环节；代价是知识面窄，需按置信度阈值回退到 9B 或 27B 模型。
Mistral 发布 Mistral Large 4（代号 Le Chonk），这是文本加图像输入的多模态 MoE 模型，约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本。
能直接拿走 transformers、vLLM、llama.cpp 三套启动命令和 TRL 微调脚本，落到本地模型部署与软件工厂线；代价是 1T 总参数，2-bit 量化也要 512GB 统一内存单机或 4 张 RTX6000 Pro 分布式才跑得动。
NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合进一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
可拿走 Granary v2 四阶段数据管线和 NeMo Speech 微调配方（编码器+投影训练、LoRA 调语言模型、按解码结果选 checkpoint），落到本地模型部署与知识沉淀线；代价是需自备至少 100 条真实标注片段做选点，且通用英文 WER 会小幅上升。
Liquid AI 发布 LFM3 系列 6 款开源 2B 级模型，全部从 LFM3-1.7B-Base 一个骨干分出，覆盖文本、视觉、音频、全模态和决策任务，4-bit 下约 1 GB 内存即可在手机和笔记本上运行。
可借鉴三混合骨干的层配比（13 层门控短卷积、5 层滑窗注意力、6 层全局注意力）和四阶段后训练流程，用于本地小模型部署；代价是知识类与 agentic 编码仍是短板，商用免费上限为年营收 1000 万美元。
国产开源文档解析模型OXR在OmniDocBench（97.18）、olmOCR-Bench（87.84）和DocParsingBench（87.76）三个榜单均列第一，参数量仅1.3B。
可借鉴的是后训练用RSI自造数据的三段流程，VLM判对错并保留Uncertain档、归因聚类成原因簇、再按真实版式合成训练数据；前提是任务有客观标准答案，OCR之外的领域未必成立。
岩山科技旗下岩芯矩阵联合港科大、CMU 等高校发布并开源 EdgeRock-4B，在 256K 上下文下 KV Cache 固定为 72MiB，相比源模型 Qwen3.5-4B 减少 99.1%。
能拿走的是固定容量记忆的三段拆分做法，循环状态抓大意、1024 token 局部窗口管眼前、1024 条锚点库留关键细节，把每条序列 KV 钉死在 72 MiB；落到本地模型部署和长跑 Agent 上可提前算清显存，代价是要从 Qwen3.5-4B 分阶段转换并训练评分网络，不是直接换权重。
模思智能与 OpenMOSS 团队开源 5B 参数生图模型 MOSS-Image，上线 4 天在海外社区收获 130 万次下载，GitHub 获 1.4k Stars 并登顶 Hugging Face 文生图趋势榜。
能拿走的是结构化 JSON Layout 加 Bounding Box 控制构图、4096 tokens 长提示词和 Prompt Enhancer Skill，可落到海报电商图产线；代价是官方 50 步采样，需靠社区 8 步/4 步加速和 INT8、GGUF 量化压显存。
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做流失、需求、欺诈等预测，单次前向推理完成，无需任务训练和特征工程。
能直接拿 PQL 写预测查询、用 structured-data-models 库在 GPU notebook 里做上下文学习，替掉现在按任务搭的 XGBoost 特征工程流水线；代价是上下文最多 1 万条样本，训练集极大时仍要靠微调。
Recursive Superintelligence 发布首个模型 Flint，一个 40B 总参、约 2.5B 激活参数的 MoE 编码模型，权重以 Apache 2.0 放在 Hugging Face。
能拿走的是 40B 总参 2.5B 激活的 MoE 配置、lm_head 量化到 4 bit 再用 16 bit 教师离线蒸馏补精度、以及 Metal megakernel 融合整个 decode 前向，可落到本地模型部署和编码 Agent 这条线；代价是要 48 GB 内存的 Mac 或 GPU，Terminal-Bench 2.1 只有 54.9%，弱于稠密 Qwen 3.8 的 73.0%。
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
三个模型按精度、端侧速度、说话人归属分工选型，2B 版支持 2000 词关键词偏置和语言 ID 提示词，代价是关键词表要自己维护、格式化输出得在提示词里显式要求。
NVIDIA 扩充 Nemotron Retriever 系列，开源发布 Nemotron 3.5 Embed 8B/1B（含 NVFP4 量化）、Rerank 8B 和 631M 参数的 Parse 文档解析模型。
能直接换掉现有 RAG 的检索段，Embed 8B/1B 加 Rerank 8B 组合可省约 14% 智能体 token，Parse 支持单双三遍推理调精度；代价是要有支持 NVFP4 的硬件，域适配还得自建合成查询和难负样本。
NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B 4GB，面向在 RTX、Jetson 和 Spark 硬件上本地运行的语音助手、游戏 NPC 和机器人界面。
能拿走纯 RL 后训练配方、2:1 非推理/推理样本配比和 Q4_K_M 量化加 DFlash 投机解码的部署组合，落到本地模型部署和 Agent 工具调用这条线；代价是 4GB 只是显存目标，GGUF 实际 6.18GB，Tau2-Bench 落后 Qwen3.5-4B 约 20 分。
MemT 1.0 记忆原生大模型开源发布，上线 8 天总下载量达 100K。
能拿走的是 MemT 的部署路径和记忆读写机制，Nano 版两张 GPU 起、SGLang 单节点启动，记忆快照存到 memt-state 目录；代价是 Nano 权重约 70 GB，需 Linux CUDA 和 Python 3.11 环境。
美国新实验室 Reflection 在 Hugging Face 发布首个模型 Beam，501B 参数 MoE、每 token 激活 23B，支持 1M token 上下文，Apache 2.0 许可，主打编码与智能体场景。
能拿走混合注意力与残差缩放的具体配比、vLLM/SGLang 启动参数和 LoRA SFT 配方，落到本地模型部署线；代价是 BF16 权重约 1TB，需 4 张 B200 或 8 张 H200 起步。
IBM 发布 Granite Switch 4.1，8B 和 30B 两个版本在同一个托管端点上同时提供对话、通用与安全决策、语音转写能力。模型组合了新的通用决策 aLoRA、在安全决策任务上平均优于 Jev 1.13 等模型的 Guardian aLoRA，以及 OpenASR 榜首的 Granite-Speech-5.0-Turbo-CTC，整体显存占用约等于基座模型本身。
把通用决策、安全决策和 ASR 三个 aLoRA 挂到同一基座、共享 KV cache，显存约等于基座本身；自组 Switch 模型需自己训 aLoRA，Adapter SDK 尚未放出。
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 基础上加入图像与音频理解、可选思考模式、4 倍长上下文（262,144 tokens）、更好的指令遵循与工具调用，权重于 2026 年 7 月 24 日以 Apache 2.0 协议发布在 Hugging Face。
可借鉴早期融合做法，图像音频经 tokenizer 变成离散 token 与文本同序列，架构不变、训练按纯文本速度跑；代价是只扩词表、模型只输出文本，音频理解仍是实验性。