开源模型与生态

此模型热度与下载量显示开发者对多模态开放权重模型的兴趣，其稀疏 MoE 架构可能提升推理效率，对应用开发有潜在影响。

Inkling是开放权重的多模态模型，同时支持文本、图像和音频输入，可降低开发者构建多模态AI应用的门槛。此前多模态模型多由大公司闭源提供，Inkling为社区提供了可自由定制和部署的选择。

相比原始 Qwen3.5-9B，该 SFT checkpoint 在多项评测上明显提升，尤其是通用 agent 与网络安全任务，说明小米正把自身生成的训练数据用于改造第三方开源基座，并以 9B 规模切入 agentic 场景。

该模型是首次以开放权重形式发布的 Qwen4 架构预览，代表了对 LLM 核心组件交互方式的根本性重新思考，而非单纯参数规模或上下文的扩展。它可能为高效可扩展的 AI 发展提供新方向，并影响未来模型的设计范式。

Qwen3.8 是开源 Qwen 系列最新一代，相比 Qwen3.5 和 3.6 在核心能力上有实质性提升，且 27B 为紧凑型稠密模型，易于部署，并原生支持图像视频，扩展了多模态应用场景，对开源社区和开发者有重要意义。

此前主流开源大模型在长上下文场景下推理成本极高或上下文窗口有限。Solar-Open2-250B通过混合注意力和稀疏激活，以接近小模型的推理成本提供大模型能力，同时支持百万token，为代理型应用（如文档分析、代码生成）提供了更实用的开源选择。

此前开源权重图像模型在两个 AA-Image 榜单上均未达到这一位置，Qwen-Image-2.1 同时超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct，说明开源权重方案在文生图与图像编辑两个维度上已进入可对比头部模型的行列，而不再只是低成本的替代选项。

同一系列从上一代开源第13、净得分为负，变为新一代开源第5且净得分为正，名次提升9位，说明该模型在真实智能体任务上的可用性出现明显跃迁，而非仅参数或基准分数的变化。

此前 Qwen-Max 级能力仅限闭源 API，本次 Qwen3.8-2.4T-A95B 将同类能力开源，使开发者可自行部署，降低了使用高性能模型的门槛，可能影响行业对开源与闭源模型的性能认知和选型。

此前 DeepSeek 的开源基础设施组件以英伟达平台为主，此次则把同一套组件体系搬到华为昇腾平台，形成一一对应的双平台布局。这为在昇腾上复现 DeepSeek 的模型训练与推理流程提供了可用的基础组件。

Hy3在Hy3 Preview基础上收集50+产品反馈并提升后训练数据质量，以21B激活参数达到更大模型的性能水平，降低部署成本同时增强agent能力，对中小规模AI应用落地意义重大。

此前小参数模型通常在编码、数学、长上下文与工具调用上明显落后于更大模型。该模型宣称在保持 2B 规模的同时，于这些能力上优于同尺寸模型，并可对标 4B 级模型，意味着本地部署可用的能力下限被抬高，端侧方案的选型空间发生变化。

该模型以不到其他模型三分之一参数实现超越，证明循环架构能有效提升小模型代理能力。此前小模型在复杂代理任务上表现较弱，Nanbeige4.2-3B填补了这一空白，为资源受限场景提供可行方案。

dots3-note preview 是 dots3 系列首款开放权重模型，提供 512K 长上下文和多模态支持，且为最轻量级成员，可能降低多模态推理成本。其出现可能丰富开源模型生态，为开发者在长上下文和多模态场景提供新选择，但作者未知，需关注其来源与可信度。

GLM-5.3 是开源权重模型，其编码能力显著提升，并首次在漏洞发现方面展现 SOTA 表现。这改变了开源模型在复杂任务上的能力上限，对依赖开源模型的开发者与产品团队有实质影响。

这是世界首个开放的3T级模型，通过新架构KDA和AttnRes以及Stable LatentMoE框架，激活16/896专家，整体缩放效率比上一代Kimi K2提升约2.5倍，使更大规模的开源多模态智能体模型成为可能。

此前文档解析模型多分别面向数字文档或拍摄文档，TeleOCR 试图用单一约 1.2B 参数框架覆盖两类场景，并已放出权重与技术报告。若作者所述评测结果成立，开源方案在文档解析上的可选范围会进一步扩大。

此前开源模型在 Agent 类基准上通常落后于头部闭源模型，此次 Pro 宣称在多数 Agent 基准上对标 Claude Opus 5 与 GPT-5.6 Sol，且 Intelligence Index 得分为开源最高，意味着开源与闭源的能力差距可能进一步收窄，企业选型时多了一个可自部署的候选。

GLM-5.2 首次在开源模型中提供稳定的百万 token 上下文，推理能力（如数学竞赛 AIME 2026 得分 99.2）达到顶尖水平，相比前代 GLM-5.1 有质的飞跃。纯开源 MIT 许可消除了地域和技术获取障碍，使长上下文模型更易被开发者和企业采用。

较上一代 MiMo-V2.5-Pro，该模型在同一榜单分数上涨 153 分，并同时进入开源权重前列，说明小米在代码与 Web 开发方向的模型能力与开源姿态均有实质推进。

相较前代 MiMo-V2.5-Pro，MiMo-V2.6-Pro 在同一指数上的得分由 26 提升至 46，且在该指数中位列开放权重模型第一，说明小米在开放权重模型赛道的位置出现明显变化。

相较此前动作，这次小米同时发布 Pro 与 Flash 两档原生全模态模型并直接开源，且把目标明确指向 RSI 这一长期方向，而不只是常规版本迭代。对关注开源权重与自我改进路线的团队来说，多了一个可验证的候选基座。

此前大模型性能提升主要依赖参数扩张，而 Agents‑A1 证明：通过横向扩展智能体能力（长程任务、多领域工具调用），较小的 MoE 模型也能达到同等效果，可能重塑模型研发成本与部署策略。

此前开源模型在综合智能评测与超长上下文、多模态能力上通常难以同时对标顶级闭源模型。Step 5 Preview 以 44 分进入全球开源模型前三，并把单任务成本压至 Claude Opus 5 的 1/8，意味着开源阵营在能力与成本两个维度同时逼近闭源旗舰。

此前该平台上线的开源模型较少同时具备 770B 级总参数与 1M 上下文，Hy4 preview 把这两项规格与 Apache 2.0 协议、按 token 计费放在一起，使开发者可以在既有工具链中直接调用超大上下文模型，而不必自行部署。

此前搜索类 Agent 的领先方案多为闭源，且公开信息通常只给结果不给权重。此次同时开放权重和评测代码，并覆盖 35B 与 397B 两个量级，使外部团队可复现验证，而不只是看榜单数字。

Qwen3.8-Flash 作为 Qwen4 架构的早期预览，在训练成本大幅降低（仅为前代 1/9）的同时性能全面超越前代，且开放权重，这标志着多模态 MoE 模型在效率和可及性上迈出实质性一步，可能推动行业成本结构和竞争格局变化。

这是 GLM-5 系列首次推出原生多模态模型，并在智能指数上对标顶级模型，同时以极低定价策略切入市场。开源免费获取模型权重，配合低价 API，显著降低了企业和开发者采用高性能多模态模型的门槛，可能影响现有模型选型和成本结构。

该模型是蚂蚁百灵开源的 MoE 模型，总参数达 124B，激活参数仅 5.1B，显著降低推理成本，并提供多种量化版本，体现开源生态在模型效率和部署灵活性上的进展。

这是 DeepSeek 在开源模型领域的一次重要进展，模型性能进入开源前三，且采用 MIT 许可，降低了使用门槛。对于依赖开源模型的产品团队而言，多了一个高性能、低激活参数的选择，可能影响模型选型和成本结构。