Liquid AI 发布 LFM2.5-2.6B，一款完全在设备端运行的智能体模型，基础版与后训练版已在 Hugging Face 上线。该模型为 2.6B 参数、预训练约 34T tokens，词表扩展至 128K 并包含 128K 上下文扩展阶段，后训练经 SFT、教师专精、MOPD 蒸馏与 Agentic RL 四阶段。推理方面在 M5 Max 上解码 220 tokens/s、Ryzen AI Max+ 395 上 113 tokens/s，占用低于 2.5 GB，手机端保持 30 tokens/s，并首日支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要、正文
Poolside 发布 Laguna S 2.1，这是一个可在终端或开发环境中自主规划、改文件、跑代码并持续数小时的智能体编码模型，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可跑在单台 NVIDIA DGX Spark 上。在 Poolside 自家 harness 中，开启思考模式的 Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，权重以 OpenMDW-1.1 许可发布在 Hugging Face，最终评测轨迹（含失败案例）也已公开。公司同时上线 macOS 桌面应用 Poolside Desktop Assistant，基于 Agent Client Protocol，可在同一窗口运行 Claude Code、Codex、Gemini 等智能体，本地模型通过 MLX 离线运行。
匹配字段摘要、正文
Liquid AI 发布两款双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，基于 LFM2 混合架构，支持 8,192 token 上下文，已在 Hugging Face 开放权重。官方称在分类、自然语言理解和 token 级任务上可微调，350M 在 14 个模型 17 项任务中排名第四，230M 超过 ModernBERT-base 和所有 EuroBERT。CPU 上 8,192 token 单次前向约 28 秒，约为 ModernBERT-base 的 3.7 倍速度，评测框架已在 GitHub 开源。
匹配字段摘要、正文
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和复杂特征工程，单次前向传播即可对未见过的表格生成预测。模型完全基于数亿个由结构因果模型生成的合成数据集训练，采用融合 TabPFN 与 TabICL 的混合架构。TabFM 已在 Hugging Face 和 GitHub 开源，并上线 Google Cloud BigQuery；在 TabArena 的 38 个分类和 13 个回归数据集上评测。
匹配字段摘要、正文
Liquid AI 发布目前最小的模型 LFM2.5-230M，基于 LFM2 架构，预训练 19T tokens 并含 32K 上下文扩展阶段，Base 与后训练版本已在 Hugging Face 开放。官方称其在 Galaxy S25 Ultra 上解码速度 213 tok/s、Raspberry Pi 5 上 42 tok/s，并在 GPQA Diamond、MMLU-Pro、IFEval、BFCLv3/v4 等十项基准上与参数量两倍以上的模型竞争。该模型已适配 llama.cpp、MLX、vLLM、SGLang 和 ONNX，官方同时提示不适合高级数学、代码生成和创意写作等重推理任务。
匹配字段摘要、正文
Qwen 团队发布 Qwen-AgentWorld，一个原生语言世界模型，在单一模型中模拟 MCP、Search、Terminal、SWE、Web、OS、Android 七个智能体交互域，训练流程为 CPT → SFT → RL，使用超过 10M 条真实环境交互轨迹。团队同时发布七域评测基准 AgentWorldBench，Qwen-AgentWorld-397B-A17B 在该基准上取得最高综合分 58.71，超过 GPT-5.4 的 58.25。已开源 Qwen-AgentWorld-35B-A3B（MoE，35B 总参数 / 3B 激活参数，256K 上下文窗口），可在 Hugging Face 和 ModelScope 获取，并给出 SGLang 与 vLLM 部署命令。
匹配字段摘要、正文
Zyphra 发布 ZONOS2，一个 Apache 2.0 许可的实时文本转语音模型，具备高保真声音克隆能力，采用 9 亿激活参数、80 亿总参数的稀疏 MoE 架构，是首个开源 MoE TTS 模型。相比 Zonos-v0.1，训练数据从约 20 万小时扩展到超 600 万小时，模型规模从 1.6B 增至 8B，实时吞吐提升 4 倍，并支持最长一分钟的多语言与语码转换音频生成。模型权重已在 Hugging Face 发布，基于 SGLang 的推理代码在 GitHub 开源，同时上线 Zyphra Cloud 并提供 API，发布后促销期内免费。Zyphra 还提出新的 ZTTS1-Eval 评测基准，覆盖 9 种语言的 Clean 集与 17 种语言的 In-The-Wild 集。
匹配字段摘要、正文
Cohere 开源发布其首款智能体编码模型 North Mini Code，采用 MoE 架构，拥有 30B 总参数、3B 激活参数，并使用 Apache 2.0 许可证。Cohere 测试显示，其输出吞吐量最高为 Devstral Small 2 的 2.8x，inter-token latency 优势为 30%，Artificial Analysis Coding Index 得分为 33.4。模型权重已在 Hugging Face 提供 bf16、fp8 和 w4a16 版本，也可通过 OpenRouter、Model Vault 或 Cohere API 使用。
匹配字段摘要、正文
小米与 TileRT 合作发布 MiMo-V2.5-Pro-UltraSpeed，首次在 1 万亿参数模型上把解码速度突破 1000 tokens/s，仅用单台标准 8 卡通用 GPU 节点实现。该 API 按申请制限时开放，价格为 MiMo-V2.5-Pro 的 3 倍、生成速度约 10 倍，试用窗口为 6 月 9 日至 6 月 23 日。团队对 MoE Experts 做 FP4 量化并采用 DFlash 块级掩码并行预测投机解码，编码场景平均接受长度 6.30，同时已在 Hugging Face 开源 MiMo-V2.5-Pro-FP4-DFlash 权重。
匹配字段摘要
Liquid AI 发布端侧 MoE 模型 LFM2.5-8B-A1B，面向消费级硬件上的工具调用，上下文窗口从 32,768 扩展到 128,000 tokens，预训练规模从 12T 提升到 38T tokens，词表从 65,536 扩至 128,000。该模型为纯推理模型，在 M5 Max 上解码 253 tokens/s、Ryzen AI Max+ 395 上 146 tokens/s，占用低于 6 GB，单张 H100 高并发下输出吞吐达 18.5K tokens/s。基础版与后训练版已在 Hugging Face 和 Playground 上线，首日支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要、正文
Cohere 开源发布 Command A+，这是一款面向企业智能体任务、支持私有部署的 MoE 模型，采用 Apache 2.0 许可证，提供 218B 总参数和 25B 激活参数。该模型支持 48 种语言，并提供 BF16、FP8 和 W4A4 量化版本，最低可在两块 NVIDIA H100 或一块 NVIDIA Blackwell GPU 上运行。模型权重已上线 Hugging Face，也可通过 Model Vault、Cohere Space 或 API 使用。
匹配字段摘要、正文
Zyphra 发布 ZAYA1-74B-Preview，这是一个 4B 激活、74B 总参数的 MoE 模型，以 Apache 2.0 许可开源，权重和模型卡已上线 Hugging Face。该模型是未经 RL 后训练和指令微调的 pre-RL 推理基座，预训练约 15T token，中训练分三阶段将上下文从 32k 逐步扩展至 256k，每阶段约 1T token。训练全程使用 MI300x GPU 与 Pensando Pollara 互联，Zyphra 表示 AMD 上的完整规模 RL 正在进行，预计未来几周发布最终版 ZAYA1-74B。
匹配字段摘要、正文
Zyphra 发布 MoE 语言模型 ZAYA1-8B，激活参数不到 10 亿，在数学、编码和推理任务上对标 Nemotron-3-Nano-30B-A3B、Mistral-Small-4-119B 等更大开源模型。该模型在 1024 张 AMD MI300X 集群上完成预训练，采用压缩卷积注意力 CCA 与新型 MLP 专家路由，并配套提出 Markovian RSA 测试时计算方法。模型已在 Zyphra Cloud 提供免费 serverless 端点，权重上线 Hugging Face，采用 Apache 2.0 许可。
匹配字段摘要、正文
Zyphra 发布 ZAYA1-8B，这是一个在 AMD Instinct MI300 集群上完成预训练、中训练和监督微调的 MoE 模型，激活参数不到 10 亿，采用 Apache-2.0 许可，权重已在 Hugging Face 开放，并上线 Zyphra Cloud 无服务器端点。官方称其在数学与编码基准上可匹敌或超过 Mistral-Small-4-119B 等更大模型，配合新的 Markovian RSA 测试时计算方法，在 HMMT'25 上以 89.6 分超过 Claude 4.5 Sonnet 和 GPT-5-High。架构上引入压缩卷积注意力 CCA、基于 MLP 的专家路由器和学习式残差缩放。
匹配字段摘要
小米 MiMo 开源 MiMo-V2.5-ASR，作为 MiMo-V2.5 语音系列的识别基础模型，面向中英文真实语音场景。官方称其覆盖吴语、粤语、闽南语、四川话等中文方言，以及 AMI 等复杂英文音频、中英混说、中英文歌词识别、高噪声与远场、多说话人会议与重叠对话，并可直接生成标点无需后处理。官方表示该模型在中英文、方言、混说和歌词识别上达到 SOTA 或具备较强竞争力，Demo、代码、权重和 Hugging Face Space 均已开放。
匹配字段摘要
阿里千问开源 Qwen3.6-27B，这是一个 27B 参数的稠密多模态模型，支持思考与非思考两种模式，权重已在 Hugging Face 和 ModelScope 发布，并上线 Qwen Studio 与 API。官方称其在全部主要编码基准上超过上一代开源旗舰 Qwen3.5-397B-A17B，包括 SWE-bench Verified 77.2 对 76.2、Terminal-Bench 2.0 59.3 对 52.5、SkillsBench 48.2 对 30.0，GPQA Diamond 为 87.8。该模型可接入 OpenClaw、Claude Code 和 Qwen Code 等第三方编码助手，API 支持 preserve_thinking 以保留多轮思考内容。
阿里千问开源 Qwen3.6-27B，这是一个 27B 参数的稠密多模态模型，支持思考与非思考两种模式，权重已在 Hugging Face 和 ModelScope 发布，并上线 Qwen Studio 与 API。官方称其在全部主要编码基准上超过上一代开源旗舰 Qwen3.5-397B-A17B，包括 SWE-bench Verified 77.2 对 76.2、Terminal-Bench 2.0 59.3 对 52.5、SkillsBench 48.2 对 30.0，GPQA Diamond 为 87.8。该模型可接入 OpenClaw、Claude Code 和 Qwen Code 等第三方编码助手，API 支持 preserve thinking 以保留多轮思考内容。
匹配字段摘要、正文
Qwen 团队开源 Qwen3.6-35B-A3B，这是一个 35B 总参数、仅 3B 激活参数的 MoE 模型，主打智能体编码能力，同时支持多模态思考与非思考模式。官方称其在 SWE-bench Verified 上得分 73.4，超过前代 Qwen3.5-35B-A3B 的 70.0，并在多数视觉语言基准上接近 Claude Sonnet 4.5。模型已在 Qwen Studio 上线，可通过阿里云百炼 API 以 qwen3.6-flash 调用，权重发布于 Hugging Face 和 ModelScope，并支持 OpenClaw、Claude Code、Qwen Code 等第三方编码助手。
匹配字段摘要、正文
LG AI Research 发布 EXAONE 4.5，这是 LG 首个以开源权重方式发布的视觉语言模型（VLM），在 EXAONE 4.0 基础上集成自研 Visual Encoder，采用原生多模态预训练同时学习文本与图像。模型引入 Multi-Token Prediction（MTP）模块，推理速度较此前方法提升 1.5 倍以上，并采用自研 AGAPO 强化学习算法提升逻辑推理能力。官方称其在 MMMU-Pro、MathVision、CharXiv、OCRBench_v2 等基准上优于或接近 Qwen 3 VL 32B、GPT-5-mini、Claude Sonnet 4.5，在韩语视觉基准 k-viscuit 和 KRETA 上表现领先，模型已在 Hugging Face 发布并附技术报告。
LG AI Research 发布 EXAONE 4.5，这是 LG 首个以开源权重方式发布的视觉语言模型（VLM），在 EXAONE 4.0 基础上集成自研 Visual Encoder，采用原生多模态预训练同时学习文本与图像。模型引入 Multi-Token Prediction（MTP）模块，推理速度较此前方法提升 1.5 倍以上，并采用自研 AGAPO 强化学习算法提升逻辑推理能力。官方称其在 MMMU-Pro、MathVision、CharXiv、OCRBench v2 等基准上优于或接近 Qwen 3 VL 32B、GPT-5-mini、Claude Sonnet 4.5，在韩语视觉基准 k-viscuit 和 KRETA 上表现领先，模型已在 Hugging Face 发布并附技术报告。
匹配字段摘要、正文
Liquid AI 发布 LFM2.5-VL-450M，这是 LFM2-VL-450M 的改进版，新增目标检测与边界框定位、函数调用支持，并提升指令遵循能力。预训练规模从 10T 扩到 28T tokens，后训练用偏好优化和强化学习改进 grounding 与可靠性，支持八种语言提示。模型已在 Hugging Face、LEAP 和 Playground 上线，在 Jetson Orin 上处理 512×512 图像耗时低于 250ms。
匹配字段摘要、正文
Cohere 发布开源权重 Conformer 语音识别模型 Transcribe，可将 14 种语言的语音转为文本，并已开放下载。该模型在 Hugging Face Open ASR Leaderboard 的平均 WER 为 5.42%，可在本地或端侧运行，也可通过有限速的免费 API 和 Model Vault 使用。
匹配字段摘要、正文