H 公司发布 Holo4 系列通用计算机操作智能体模型，可在桌面、网页、Android、代码沙箱和业务 API 上以同一模型同一调用方式运行，并能点击输入、编写执行代码以及调用 MCP 或 API 工具。在 OSWorld 2.0 上，Holo4 27B 得分 61.7%，Holo4 35B-A3B 为 30.9%，官方称其以远少得多的参数量和更低成本接近前沿闭源模型。两个尺寸已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式发布在 Hugging Face，公开基准的全部轨迹也已开源。
匹配字段摘要、正文
斯坦福大学 Jacky Kwok 等人发布新方式 Contrastive Language Model（CLM）及基于 Qwen3-8B 的 CLM-v0.1-8B，用于让 AI 智能体从给定候选中快速选择下一步操作或工具。在计算机操作、游戏和工具调用任务中，CLM-8B 性能与 TypeSafe AI 的判断模型 Jev 相当，零样本评测下推理速度最高提升 9 倍，候选多或动作可复用时提速最明显。代码在 GitHub、模型在 Hugging Face 以 Apache 2.0 许可公开，团队还在训练多模态版 CLM-35B，计划 10 月上旬发布。
匹配字段摘要、正文
NVIDIA 发布 NV-Reason-CT，一个面向 3D CT 分析的视觉语言模型，将思维链推理扩展到全容积 CT，可生成结构化诊断报告并支持多轮追问。模型由 3D ViT 编码器与 Qwen3.5-4B 语言模型组成，在 CT-RATE 基准上取得 Macro-F1 0.614、Macro-AUROC 0.871，超过已发表的 3D 对比学习与 2D/3D 融合基线。权重和配置已在 Hugging Face 开放，训练配方与推理脚本发布在 NVIDIA-Medtech/NV-Reason-CT 仓库，定位为供研究者后训练的研究基础模型，而非获批的临床诊断产品。
匹配字段摘要、正文
Aikido Security 于 9 月 21 日发布其首个开源权重安全模型 Altar-1，模型权重已公开，可在组织自管基础设施上运行。Altar-1 基于 GLM-5.3 压缩，通过量化和 REAP 专家剪枝把每层专家候选从 256 减到 168，体积降至 328GB，比量化版 GLM-5.3 小 32.8%，且未做再训练。在 30 个仓库 32 个已知漏洞的 3 次评测中，Altar-1 与量化版 GLM-5.3 均重新发现 23 个，16 位版为 25 个；模型已在 Hugging Face 的 AikidoSec/altar-1 发布，模型卡建议使用 4 基 NVIDIA H200 搭配 vLLM 推理。
匹配字段摘要、正文
小米于9月21日发布 MiMo-V2.6 系列的 Pro 和 Flash 并公开模型权重，两者均为可处理文本、图像、视频和音频的多模态模型，通过扩大强化学习规模提升编码、PC 操作、3D 空间推理和内容制作等智能体能力。小米称 Pro 在多数智能体基准上达到 Claude Opus 5 和 GPT-5.6 Sol 的水平，在 Artificial Analysis Intelligence Index 上得分 46，为发布时开源模型最高，但与 Claude Fable 5.1、GPT-6 Astra 等顶级闭源模型仍有差距。权重和技术报告已在 Hugging Face 的 MiMo-V2.6 集合发布，同时公开 7000 多个强化学习任务环境、训练框架、轻量智能体运行基座 mini-harnesses，以及基于 Qwen3.5-9B 蒸馏的 MiMo-V2.6-Distill-Qwen-9B。
匹配字段摘要、正文
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，支持原生生成和编辑 RGBA 透明图层，最多可输入 10 张参考图进行高保真局部编辑，并针对多图输入的推理速度做了大幅加速。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，原生生成和编辑 RGBA 图层，支持最多 10 张参考图像与局部精确控制，并覆盖全景图、信息图和虚拟试穿等场景。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、性价比最高的图像生成模型，并已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，在多图输入下推理速度大幅提升。官方同时给出博客、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到单一模型，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，并原生支持透明图像生成与编辑。该版本支持最多 10 张参考图、圈选与掩码等局部编辑方式，并通过混合粒度注意力与 KV cache 复用降低多图编辑时的推理开销和显存占用。官方称其在 Qwen-Image-Bench 上与其他开源及闭源模型进行了对比，模型权重已在 GitHub、Hugging Face 和 ModelScope 发布。
匹配字段摘要、正文
阶跃星辰与 ACE Studio 联合发布 StepAudio 3 Music，这是阶跃星辰首个音乐生成基础模型，可根据提示词和歌词生成完整歌曲。该模型集成歌曲生成、伴奏生成、音乐翻唱和人声转歌曲编曲四种工作流，由 ABC-COT 在合成前规划音乐结构与编曲，用户可改写提示词、编辑 ABC 记谱并迭代。Hugging Face Space 演示和 API 文档已放出，ABC-COT API 即将推出。
匹配字段摘要、正文
Cohere 发布混合专家机器翻译模型 North Small Translate，支持 50 多种语言，在 WMT26 全语言基准中获得 83.6 分。该模型可在 Hugging Face 下载多种近无损量化权重，并以 CC BY-NC 4.0 许可开放研究和非商业使用；Cohere 称其相同并发和硬件配置下的输出吞吐量最高比 Gemma 4 31B TP1 高 1.4x。
匹配字段摘要、正文
蚂蚁百灵发布并开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL，基于 Ling-3.0-flash 的 MoE 架构拓展，总参数 124B、单次推理激活 5.5B，原生支持图像、文本与视频输入，上下文窗口 256K Token。官方称原生多模态联合训练使模型在 Artificial Analysis Intelligence Index v4.1.1 上较纯文本版本提升 4 分，并引入观察、行动、验证、修正的视觉反馈闭环用于前端复刻、GUI Agent 和医疗报告解读。模型已在 Ling Studio 上线免费体验，BF16 和 FP8 版本已在 Hugging Face 与 ModelScope 开源。
匹配字段摘要、正文
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理基础模型，均以 Apache 2.0 许可开源，权重和代码已在 Hugging Face 提供。GigaPath-Flash 由 22M 参数的 ViT-S 切片编码器和 21M 参数的 LongNet 全切片编码器组成，切片编码器从原 GigaPath ViT-g 蒸馏而来，在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。GigaTIME-Flash 用该 ViT-S 编码器替换原 GigaTIME 的 CNN 骨干并配合轻量卷积解码器，经 LoRA 微调，在脑、乳腺、结肠和肺癌的分布内与分布外队列上空间蛋白预测质量持平或优于原版。两个模型均为研究用途，未经验证用于临床诊断、预后或治疗决策。
匹配字段摘要
腾讯混元发布 Hy4 preview，总参数 770B、激活 49B，支持 1M 上下文，定位生产力场景与开源前沿，并强调价格稳定可负担。官方同时给出博客、Hugging Face 和 GitHub 入口，并邀请用户反馈问题。
匹配字段摘要
Qwen 团队开源多模态 MoE 模型 Qwen3.8-Flash-Next，主模型 125B 参数、额外 51B N-gram 嵌入参数、每 token 激活 6B，训练成本约为 Qwen3.7-Plus 的 1/9，原生支持 262,144 tokens 上下文并可通过 YaRN 扩展至 1,000,000 tokens。该模型是 Qwen4 架构的早期预览，在注意力、残差、嵌入和优化四方面升级，采用 GDN + QSA 混合注意力、Gated Residual、N-gram Embedding 与 Muon 优化器，权重已在 Hugging Face 和 ModelScope 开放。生产版本以 qwen3.8-flash 名称在 QwenCloud 提供服务，默认 1M 上下文并内置官方工具，定价为每百万输入 tokens 0.15 美元、每百万输出 tokens 0.47 美元。
匹配字段摘要、正文
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 投机解码草稿模型，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍，且不改变输出质量。草稿模型约 300M 参数，采用 5 层、block size 9 的简化注意力结构，已在 Hugging Face 提供 Safetensors 与 GGUF 权重，并开源集成到 llama.cpp 和 SGLang。在 BFCL 多工具函数调用场景中，LFM2.5-2.6B 的延迟平均降低 57%；LFM2.5-8B-A1B 受 llama.cpp Metal 后端 MoE 实现影响，端侧仅提升 18%。
匹配字段摘要、正文
Z.ai 发布 GLM-5.3，目前仅在编码套餐中提供，即将上线 API，两周后将在 Hugging Face 开放权重。该模型与 GLM-5.2 同基座，仅大幅扩展后训练，参数量约 750B，在多项智能体编码基准上超过 Kimi K3，部分指标超过 Claude Fable 5 或 GPT-5.6-Sol。作者认为中国实验室贴近前沿的主因是发布周期以天计而非以月计，并指出 Z.ai 对公开基准的重视与其融资和股价相关。
匹配字段摘要、正文
MiniMax 发布开源权重音乐生成模型 MiniMax Music 3，已在 ComfyUI 上线。该模型根据歌词和音乐描述生成最长五分钟的完整歌曲，输出 32 kHz、16-bit 立体声，架构由 8B Global LLM（基于 Qwen3-8B 初始化）、0.6B Local LLM、2.4B Flow Matching 阶段和 123M Flow-VAE 解码器组成。歌词支持 [Intro]、[Verse]、[Chorus] 等段落标签，并可通过包含全局元数据、人声细节和编曲三部分的 Structured Caption 控制歌曲走向。MiniMax 同时发布官方音乐描述改写技能，可用 npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter 安装，模型权重发布于 Hugging Face 的 MiniMaxAI/MiniMax-Music3。
匹配字段摘要
Liquid AI 发布 LFM2.5-VL-3B，一款面向端侧的视觉语言模型，已在 Hugging Face 和官方 Playground 上线。相比上一代 LFM2-VL-3B，它在屏幕与 UI 理解、函数调用、grounding 和多图输入四方面提升，ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO precision@1 从 57.1 升至 87.9。模型为非推理模型，直接作答以降低延迟，在 Apple M5 Max 上解码 228 tokens/s、Galaxy S26 Ultra 上 20 tokens/s，占用约 3 GB 内存，并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要、正文
Meta 发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口 120K+，面向本地 AI 智能体工作负载。该模型采用稠密架构，每个 token 激活全部参数，在 NVIDIA Blackwell Ultra 上以 BF16/NVF4 精度实现单 GPU 超过 20K tokens/s，可完整放入单卡显存，无需模型分片、CPU offload 或外部端点，覆盖 GeForce RTX 5090、DGX Spark、DGX Station 和 Jetson 平台。开发者可用 NeMo AutoModel 做全量 SFT 和 LoRA 微调，权重已上线 Hugging Face，并提供 SGLang、vLLM 推理方案和可下载的 NIM 容器。
匹配字段摘要、正文