2026年6月22日,Qwen团队发布语言世界模型Qwen-AgentWorld。据Qwen Blog介绍,该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。此外,Qwen已开源Qwen-AgentWorld-35B-A3B,为MoE架构,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。目前尚无后续发展事实。
匹配字段摘要
2026年6月8日,小米MiMo与TileRT联合发布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,且仅用单台标准8卡通用GPU节点实现,不依赖晶圆级集成或片上SRAM芯片。该速度来自模型与系统协同设计:模型侧采用FP4量化与DFlash块级掩码并行推测解码,编码场景平均接受长度6.30;系统侧由TileRT定制编译器与kernel。官方已在Hugging Face开源MiMo-V2.5-Pro-FP4-DFlash权重。该API按申请制限时开放,试用窗口为6月9日至6月23日,价格为MiMo-V2.5-Pro的3倍、生成速度约10倍。
匹配字段摘要
2026年6月12日,Zyphra发布实时文本转语音模型ZONOS2。据Zyphra Research介绍,该模型采用稀疏MoE架构,具备9亿激活参数、80亿总参数,是首个开源MoE TTS模型,并以Apache 2.0许可发布,支持高保真声音克隆。相比Zonos-v0.1,其训练数据从约20万小时扩展至超600万小时,模型规模从1.6B增至8B,实时吞吐提升4倍,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。目前尚无后续发展事实。
匹配字段摘要
2026 年 6 月 5 日,Ollama 发布 0.30 版本。据 Ollama Blog 介绍,该版本通过 llama.cpp 增强 GGUF 模型兼容性,并补充 Apple silicon 上的 MLX 引擎;NVIDIA 硬件性能最高提升 20%,实测使用 Gemma 4 26B 模型在 NVIDIA RTX 5090 上以 Q4_K_M 量化运行。Vulkan 现默认启用,将 GPU 加速扩展至 AMD 和 Intel 设备。此外,新版本新增对 LFM、Prism 及 Unsloth 微调模型的支持,并可直接运行 Hugging Face 上的 GGUF 模型。目前该故事尚无后续发展事实,状态为发布后的初始版本。
2026 年 6 月 5 日,Ollama 发布 0.30 版本。据 Ollama Blog 介绍,该版本通过 llama.cpp 增强 GGUF 模型兼容性,并补充 Apple silicon 上的 MLX 引擎;NVIDIA 硬件性能最高提升 20%,实测使用 Gemma 4 26B 模型在 NVIDIA RTX 5090 上以 Q4 K M 量化运行。Vulkan 现默认启用,将 GPU 加速扩展至 AMD 和 Intel 设备。此外,新版本新增对 LFM、Prism 及 Unsloth 微调模型的支持,并可直接运行 Hugging Face 上的 GGUF 模型。目前该故事尚无后续发展事实,状态为发布后的初始版本。
匹配字段摘要
2026年5月7日,Zyphra发布ZAYA1-74B-Preview预览版。据Zyphra Research介绍,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。目前尚无后续发展事实。
匹配字段摘要
2026年5月6日,Zyphra 发布 MoE 语言模型 ZAYA1-8B。据 Zyphra Research 介绍,该模型激活参数不到 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。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。发布时模型已在 Zyphra Cloud 提供免费 serverless 端点,权重上线 Hugging Face,采用 Apache 2.0 许可。目前尚无后续发展事实。
匹配字段摘要
2026年4月22日,Qwen Team 开源了 27B 参数的稠密多模态模型 Qwen3.6-27B。据官方博客,该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。目前尚无后续发展事实。
2026年4月22日,Qwen Team 开源了 27B 参数的稠密多模态模型 Qwen3.6-27B。据官方博客,该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。目前尚无后续发展事实。
匹配字段摘要
2026 年 4 月 15 日,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。目前尚无后续发展事实。
匹配字段摘要
2026年4月9日,LG AI Research 推出 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)。据官方博客介绍,该模型在 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;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。目前尚无后续发展事实。
2026年4月9日,LG AI Research 推出 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)。据官方博客介绍,该模型在 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;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。目前尚无后续发展事实。
匹配字段摘要
2026年3月11日,SGLang 宣布在发布当天支持 NVIDIA Nemotron 3 Super,并给出安装与推理部署步骤。据 LMSYS Blog 同日发布的信息,Nemotron 3 Super 是 120B 参数的混合 MoE 模型,每次前向仅激活 12B 参数,支持 1M token 上下文,官方称其吞吐效率最高可达上一代 Nemotron Super(Llama Nemotron Super 1.5)的 5 倍,并支持 Multi-Token Prediction 与 Thinking Budget。模型权重已在 Hugging Face 提供 BF16、FP8 和 NVFP4 版本,可配合 SGLang 在 4xH200 等配置上部署。目前该事件尚无后续发展事实,状态停留在首日支持与部署说明。
匹配字段摘要
2026年3月6日,Sarvam AI 开源发布 Sarvam 30B 与 Sarvam 105B 两款从零训练的推理模型。据官方信息,两款模型预训练分别使用 16T 和 12T token,训练全程在印度完成,采用 IndiaAI mission 提供的算力。架构上两者均为 MoE:30B 仅 2.4B 激活参数并使用 GQA,105B 采用 MLA。权重可从 AI Kosh 和 Hugging Face 下载,并支持 Transformers、vLLM、SGLang 本地推理。官方称两者在印度语言基准上取得领先结果,30B 已用于对话智能体平台 Samvaad,105B 用于 AI 助手 Indus。目前尚无后续发展事实。
匹配字段摘要
2026年2月18日,Zyphra 发布首个基于脑数据训练的基础模型 ZUNA。据 Zyphra Research 介绍,ZUNA 是一个 380M 参数的扩散自编码器,可从有噪声或不完整的头皮 EEG 数据中重建高保真脑信号,并能从稀疏输入和电极坐标预测缺失通道,适配从消费级头戴设备到 256 电极研究系统的多种布局。该模型在更高缩放因子下持续优于 MNE 中实现的球面样条插值这一行业标准方法;在通道丢失超过 75% 时于所有数据集上超越 MNE 默认的球面样条插值,优势随数据退化程度增加而扩大。ZUNA 面向研究人员、临床医生和 BCI 开发者,可恢复部分损坏的 EEG 会话并让低通道设备映射到更高分辨率信号空间。模型以 Apache 2.0 许可开源,权重发布于 Hugging Face,推理与预处理代码发布于 GitHub,并提供 pip install zuna 安装包。目前尚无后续发展事实。
匹配字段摘要
2026年6月9日,Cohere发布并开源其首款智能体编程模型North Mini Code。该模型采用MoE架构,总参数量为300亿、激活参数量为30亿,并使用Apache 2.0许可证。Cohere测试显示,其输出吞吐量最高可达Devstral Small 2的2.8倍,词元间延迟低30%,Artificial Analysis Coding Index得分为33.4。目前,模型权重已在Hugging Face提供bf16、fp8和w4a16版本,用户也可通过OpenRouter、Model Vault或Cohere API使用。
匹配字段摘要
2026年5月28日,Liquid AI发布端侧混合专家(MoE)模型LFM2.5-8B-A1B,面向消费级硬件上的工具调用场景。据其模型与工程博客介绍,该模型上下文窗口从32,768扩展至128,000 tokens,预训练规模从12T提升至38T tokens,词表从65,536扩至128,000,且为纯推理模型。性能方面,其在M5 Max上解码253 tokens/s,在Ryzen AI Max+ 395上为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
2026年4月18日,Sebastian Raschka 分享了一套手工理解开放权重LLM架构的工作流:先阅读官方技术报告,再检查 Hugging Face Model Hub 上的配置文件与 Python transformers 参考实现,以补足论文中缺失的架构细节。由于 ChatGPT、Claude 和 Gemini 未公开权重及技术细节,这套方法不适用于这些模型。
匹配字段摘要
2026年4月8日,Liquid AI发布LFM2.5-VL-450M,为其LFM2-VL-450M的改进版本。据Liquid AI模型与工程博客介绍,新模型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扩至28T tokens,后训练采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
2026年3月31日,Liquid AI发布LFM2.5-350M模型。该模型基于LFM2架构,预训练数据从10T扩至28T tokens,并加入大规模强化学习,仅350M参数即可在云GPU到廉价CPU上运行。相比LFM2-350M,其指令遵循(IFBench 18.20→40.69)、数据抽取(CaseReportBench 11.67→32.45)和工具调用(BFCLv3 22.95→44.11)显著提升,单张H100峰值吞吐达40.4K output tokens/秒。基础版与后训练版已在Hugging Face、LEAP和Playground上线,官方提示不适用于数学、代码和创意写作。
匹配字段摘要
2026年3月26日,Cohere发布开源权重的Conformer语音识别模型Cohere Transcribe,并开放下载。该模型可将14种语言的语音转为文本,在Hugging Face Open ASR Leaderboard上的平均词错误率为5.42%。模型支持本地或端侧运行,用户也可通过设有速率限制的免费API及Model Vault使用。
匹配字段摘要
2026年2月24日,Liquid AI发布LFM2-24B-A2B早期检查点,这是其最大的LFM2模型,采用稀疏MoE架构,总参数24B、每token激活2.3B,设计上可放入32GB内存,权重已在Hugging Face开放。模型沿用LFM2-8B-A1B配方,层数从24增至40、每MoE块专家数从32增至64,保持top-4路由,前两层仍为稠密层。官方称在GPQA Diamond、MMLU-Pro、IFEval、IFBench、GSM8K和MATH-500等基准上,从350M到24B质量随规模呈对数线性提升;该模型已获llama.cpp、vLLM和SGLang首日支持,在单张H100 SXM5上用vLLM于1024并发请求下达到约26.8K tokens/s。3月5日,Liquid AI发布开源桌面智能体LocalCowork,完全在本地运行,模型、工具和数据都不离开设备,无需云端和API key。在Apple M4 Max、36GB统一内存笔记本上,模型以Q4_K_M GGUF经llama-server部署,占用约14.5GB内存,单次工具选择平均约385ms,在13个MCP服
2026年2月24日,Liquid AI发布LFM2-24B-A2B早期检查点,这是其最大的LFM2模型,采用稀疏MoE架构,总参数24B、每token激活2.3B,设计上可放入32GB内存,权重已在Hugging Face开放。模型沿用LFM2-8B-A1B配方,层数从24增至40、每MoE块专家数从32增至64,保持top-4路由,前两层仍为稠密层。官方称在GPQA Diamond、MMLU-Pro、IFEval、IFBench、GSM8K和MATH-500等基准上,从350M到24B质量随规模呈对数线性提升;该模型已获llama.cpp、vLLM和SGLang首日支持,在单张H100 SXM5上用vLLM于1024并发请求下达到约26.8K tokens/s。3月5日,Liquid AI发布开源桌面智能体LocalCowork,完全在本地运行,模型、工具和数据都不离开设备,无需云端和API key。在Apple M4 Max、36GB统一内存笔记本上,模型以Q4 K M GGUF经llama-server部署,占用约14.5GB内存,单次工具选择平均约385ms,在13个MCP服
匹配字段摘要
2026年4月24日,goose 发布内置本地推理能力,该能力基于 llama.cpp,集成于 goose 桌面应用中。用户在应用内选择 Local provider 后,可直接从 Hugging Face 下载量化 GGUF 模型并在本机运行,无需 Ollama、Docker 或外部服务器,也无需 API key,可离线使用。官方说明指出,本地模型首次请求需 30–120 秒加载,上下文多为 4K–8K token,工具调用是最大短板,Gemma 4 表现较好,而模拟模式仅限 shell 命令;官方建议从小模型起步并使用 Code Mode。目前该事实尚无后续发展。
匹配字段摘要