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。
Together AI 发布 Together Compiler（TKCC），用高吞吐 agent 针对不同流量形态持续生成推理优化，24 小时内在前沿开源模型上取得 1.3-3x 的 TPS 提升。
可借鉴的是持久化引擎加热重载候选前向、多 agent 消息板并行试错、快慢两级引擎权衡吞吐与保真度，能落到本地模型部署的推理调优；代价是要自建成本模型和引擎热重载能力。
Mistral 发布 Mistral Large 4（Le Chonk）的开源权重，这是其 1 万亿参数原生多模态旗舰模型，此前已进入公开预览。
能拿走的是三档推理模式与 token 效率取舍，以及 vLLM/SGLang 自托管部署路径；可落到本地模型部署和软件工厂，代价是 1 万亿参数对硬件要求高，商用 MaaS 还需另签许可。
Dharma AI 在 Hugging Face 博客披露 VocabX 方法，在不改基础模型、数据和训练配方的前提下，把 Qwen3-4B 葡语作文评分器的实测推理成本降低 77.0%，平均响应从 350 token 降到 101 token。
能拿走按 token 成本而非频次重建词表的方法，子词合并加宏 token 两层同预算筛选，落到本地小模型部署可省 77% 推理成本；代价是需重训分词器并重跑训练，且压缩掉关键决策 token 会掉点。
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物和量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo RFD4-Proteina 和 Ising。
能拿走的是 Nemotron 3.5 系列加 Kumo、Cosmos、Ising 的开源权重与 NIM 打包方式，可落到本地模型部署和 Agent 数据管线；代价是多数模型要自己用本地数据后训练，Bolt E4B 4GB 还要等到 10 月 23 日。
AWS 在 Amazon SageMaker HyperPod 上用 LoRA 微调 GPT-OSS-20B，SFT 把推理语言正确率从 22% 提到 100%，再叠加 GRPO 把答案语言正确率从 62% 提到 70%。
能拿走 SFT 与 GRPO 的分工判据和 LoRA r=8/α=16 配置，落到本地模型部署与训练流水线；前提是先测出 pass@k 与 pass@1 的差距，没有余量时 GRPO 白烧 GPU。
Cloudflare 发布 System One 类抽取模型 Clairic，已在 Workers AI 以 @cf/cloudflare/clairic 提供预览，并计划后续开放权重。
可用字段 schema 一次并行抽取文本 span、数字、日期、估计分布和预测区间，替换 LLM 逐字段生成 JSON 的抽取管线；代价是多步算术和长序列预测仍要交给代码。
AWS 在 vLLM 中贡献了推模式（push-based）NIXL KV 连接器，把 decode 侧的块注册和传输提交从首 token 关键路径移到 prefill 侧后台线程，从而降低 TTFT 和 TPOT。
在 vLLM 的 P-D 分离部署里把 NixlConnector 换成 NixlPushConnector，让 decode 侧注册与传输提交挪到 prefill 后台线程，代价是 decode 实例需提前选定、失去按负载后置路由的灵活性。
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已算好的 KV 回传给 prefill 节点复用，减少多轮 Agent 对话中重复的 prefill 计算。
在 vLLM 的 P-D 分离部署里开启 bidirectional_kv_xfer，让 decode 节点把 KV 回传给 prefill 复用，可换掉每轮重算整段历史的做法；代价是要配 KV-cache 感知路由，并调好 480 秒 TTL 和 64 token 重算阈值。
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。
Mistral 发布首个时序基础模型系列 Timestral，含 5M、28M、123M、209M 四个尺寸，最大模型以 209M 参数在 GIFT-Eval、TIME、fev-bench 三个公开基准的预训练零样本模型中排名第一，参数约为此前 SOTA 的三分之二。
可借鉴的是合成数据优先加两阶段训练配方，以及把协变量按目标、仅历史、已知未来分角色做注意力掩码；前提是自建时序预测管线，代价是需自造合成数据并调 21 分位 pinball loss。
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。
Apple 发布新版 MLX，演示在 Mac Studio 上本地运行近万亿参数的 Muse Spark Open，四台 M5 Ultra 集群解码速度超过 36 tokens/s。
能拿走 mlx.launch 配 jaccl 后端跑流水线/张量并行的完整命令和 OpenCode 接本地 server 的配置，落到本地模型部署这条线，前提是 macOS 26.2 加 Thunderbolt 5 双线互联，816B 模型仍需四台机器才跑得动。
Google DeepMind 发布 Gemini 4 Argon，定位为通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
可借鉴的是把机器人任务写成带坐标网格、动作原语和 curl 闭环的提示词模板，以及 Real2Sim 的视觉与接触力双重校验约束；落到本地模型部署和视频产线要先有 MuJoCo 场景与真机遥测数据。
Google DeepMind 发布 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 向开发者与企业开放，Google AI Ultra 订阅者可在 Antigravity 使用，Gemini 应用和 Search 的 AI Mode 面向 Ultra 与 Pro 订阅者开放。
可借鉴的是把 .agents/skills 规则本加一段目标交给模型整夜自主跑，换来 ADK 会话准备时间降 40%、冷导入快 21%；前提是能接受无人值守改生产代码并逐条审 PR。
Google 发布前沿模型 Gemini 4 Argon，面向开发者、企业、科研人员和消费者全球开放，API 介绍价每百万输入 token 2 美元、输出 10 美元，缓存输入享 95% 折扣。
可借鉴的是把 .agents/skills 规则本加一段目标交给模型夜间自主跑优化，ADK 会话准备时间降 40%、冷导入快 21%；前提是已有可跑的基准和测试兜底。
AWS 团队提出 Priming 方法，把预训练 Transformer 的权重作为混合架构的初始化，将混合架构的预训练成本降低 99% 以上，整个流程消耗不到源模型预训练 token 预算的 0.5%。
用预训练 Transformer 权重初始化混合架构，把预训练成本压到 0.5% 以下，可低成本对比 GKA、GDN、Mamba-2 与 SWA 的层替换方案；代价是仍需短蒸馏和端到端微调，且层选择依赖 SWA 替换代理实验。
Mistral 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 的 API 试用，权重定于本月底放出。该模型为 1 万亿参数原生多模态模型，激活参数 520 亿，在 3800 块 NVIDIA Grace Blackwell GPU 上从零训练，训练数据覆盖 160 多种语言。
可借鉴的是其 RL 训练栈设计：共享可组合接口把单轮对话、科学解题、安全对齐、长程工具调用放进同一次训练，验证侧混用奖励模型、单测、LLM 判官；代价是 3k GPU 规模与每天约 330 亿 token 的吞吐，本地复现门槛高。
Berkeley Sky Lab 与 IBM Research 在 K-Search 上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
可拿走 CUDA 到 MLX 的概念映射表、exp2 技巧和并行 scan 改写，落到本地模型部署；前提是自备 LLM API key 并接受搜索迭代成本。