Anthropic 的评测显示，智谱开放权重模型 GLM-5.3 的漏洞利用开发能力接近 Claude Mythos Preview，但安全防护容易被绕过。ExploitBench 的 410 次尝试中，两者分别构建了 50 和 56 个有效漏洞利用；内部二进制漏洞利用测试中，完全控制目标程序的任务占比分别为 4% 和 6%。
推荐理由：同一漏洞利用基准下的直接对照，让开放权重模型与受限模型的能力差距更具体，也将攻击能力与拒绝机制的有效性区分开来。
NVIDIA 发布开放表格基础模型 Kumo Tabular，利用带标签行作为上下文，单次前向传播即可完成分类或回归，无需针对任务训练、调参或特征工程。
推荐理由：相较每个任务重新训练的表格建模流程，上下文学习把带标签样本直接用于预测，为减少特征工程与调参提供了具体路径。
H company 发布 Holo4 智能体模型系列，包含 27B 稠密模型和 35B-A3B MoE 模型，可结合 GUI、代码、MCP 和 API 完成任务。
推荐理由：公开评测轨迹与成本计算口径为比较跨界面智能体提供了依据，文中也明确列出了任务子集和运行框架不同带来的比较边界。
LFM2.5-VL-DSpark 通过推测解码加速 LFM2.5-VL-3B，端侧解码最高提速 3.13x，且不改变输出质量。草稿模型增加约 280M 参数，增幅为 8.9%，端侧端到端最高提速 2.62x。模型已开放权重，支持 llama.cpp、MLX-VLM 和 SGLang。
小米发布原生全模态 MiMo-V2.6-Pro 和 Flash，其中 Pro 以 46 分登顶 Artificial Analysis Intelligence Index 开放权重模型榜。
推荐理由：模型权重之外，公开的强化学习环境与训练配方提供了更具体的技术参照，有助于理解后训练投入与能力提升之间的关系。
Microsoft Research 的 RetroChimera 通过集成互补模型改进小分子逆合成预测，盲测中其单步反应预测更受专家化学家青睐。模型结合 R-SMILES 2 与 NeuralLoc，在 10 个高难度目标中有 9 个的完整合成路线获专家认可。相关研究已发表于 Nature，实现代码与权重已开源。
NVIDIA CEO 黄仁勋在 Dreamforce 表示，AI 作为基础设施将让人们“知晓一切、做到任何事”，并强调创新速度与安全可以兼顾。同期公布的 Salesforce 首款 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 构建，已在内部运行，计划于 10 月进入客户试点。
NeoMME 推出 260M 和 800M 多语言多模态编码器，以单一双向 Transformer 处理文本和图像，全部检查点按 Apache 2.0 许可开放。
GigaPath-Flash 与 GigaTIME-Flash 通过知识蒸馏降低病理分析计算需求，支持更大患者队列的研究。GigaPath-Flash 在切片分类基准上与原模型得分差距不超过 3%，计算量约为其五十分之一。两款模型均以 Apache 2.0 许可开放，仅供研究，未经临床用途验证。
Liquid AI 发布适配 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型，实测 H100 上最高加速 3.18x，M4 Max 上最高加速 2.87x。
NVIDIA Magpie TTS 以开放权重和自主部署支持低延迟多语言语音智能体构建，可通过 NVIDIA NIM 在自有基础设施运行。模型参数规模为 364M，支持 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语。本地 NIM 测试中，B200 单流首音频延迟为 32 ms。
Meta 今天发布 Muse Glimmer，这是从 Muse 蒸馏而来的 30B 多模态模型，采用 Apache 2.0 许可证，面向本地智能体应用。模型支持图像、无音频视频理解及多模态工具调用，可选用基于 DFlash 的推测解码模块，以额外内存开销换取生成加速。
推荐理由：从量化部署到推测解码的具体示例，为评估本地多模态智能体的部署路径及速度与显存之间的取舍提供了工程参考。
Google DeepMind 的 WeatherNext 在气旋路径、强度和风场结构预测中达到 SOTA 精度，平均三天预报可达到以往模型两天预报的准确度。发表于 Nature 的研究基于 2023 至 2024 年历史气旋进行评测，模型可在单个 TPU 上用不到一分钟生成一次 15 天预报，今年每个气旋的集合预测已扩展至 1,000 种可能情景。
推荐理由：以相同预报精度比较提前量，比单看误差更容易理解模型进步的实际意义，也为评估气旋预报工具提供了具体参照。
Mistral AI 发布 3B 多模态安全分类器 Shieldstral，以 Apache 2.0 开放权重，支持推理时用自然语言指定审核策略，无需重新训练。
推荐理由：将审核策略从固定类别改为推理时输入的自然语言问题，为不同产品调整安全边界提供了无需重新训练的部署路径。
Thinking Machines Lab 开放多模态模型 Inkling，并新增同架构的 Inkling-Small，原生接收图像、文本和音频输入。Inkling 总参数为 975B、激活参数为 41B，支持 1M 上下文窗口；Inkling-Small 总参数为 276B、激活参数为 12B，提供 MXFP8 和 NVFP4 权重。
推荐理由：不同精度版本的显存需求与部署配置并列呈现，为比较完整模型和小型版本的硬件门槛提供了具体依据。
Mistral 发布 Leanstral 1.5，这款面向 Lean 4 证明工程的模型总参数为 119B、激活参数为 6B，以 Apache-2.0 许可开放权重并提供免费 API。
推荐理由：从数学竞赛题到真实代码缺陷，材料给出了形式化验证的成本对比与工程案例，便于判断证明模型进入开发流程的实用价值。
Google DeepMind 发布实验性开放模型 DiffusionGemma，以 Apache 2.0 许可提供权重，在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由：本地低并发与高并发云端的收益差异交代清楚，能帮助开发者结合输出质量取舍判断文本扩散是否适合自己的工作负载。
Google DeepMind 发布 Gemma 4 12B，采用统一的无编码器架构，将视觉与音频输入直接接入 LLM 主干，面向笔记本本地多模态智能体应用。官方称其标准基准表现接近 26B MoE 模型，总内存占用不到后者一半，可在配备 16GB 显存或统一内存的设备上运行，并配备 Multi-Token Prediction（MTP）草稿模型以降低延迟。
推荐理由：无独立编码器的音视频处理路径与本地内存要求，为评估多模态智能体从大模型迁移到笔记本的资源取舍提供了具体参照。
Google DeepMind 发布 Gemma 4 开放模型系列，采用 Apache 2.0 许可，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，面向高级推理与智能体工作流。
推荐理由：不同尺寸对应的硬件要求、上下文窗口与模态差异，为开发者在端侧离线运行和工作站部署之间选型提供了具体依据。
Mistral 发布文本转语音模型 Voxtral TTS，以 4B 参数支持 9 种语言的情感表达语音生成及零样本跨语言声音适配。官方称，在输入 10 秒声音样本和 500 个字符的典型条件下，模型延迟为 70ms；其人类评估显示，自然度优于 ElevenLabs Flash v2.5，音频质量与 ElevenLabs v3 相当。
推荐理由：原文将语音自然度的人类评估与具体输入条件下的延迟并列呈现，为企业权衡语音智能体的表达质量与响应速度提供了参考。
Mistral 发布 Mistral Small 4，以 Apache 2.0 许可开放，将推理、多模态和智能体编码能力整合进单一模型。该模型采用 MoE 架构，总参数为 119B，每个 token 激活 6B 参数（计入嵌入与输出层为 8B），支持 256k 上下文窗口、文本与图像输入，并可通过 reasoning_effort 调节推理强度。
推荐理由：将可调推理、图像输入与编码能力放进同一开放模型，为需要兼顾多类任务与部署效率的团队提供了减少模型切换的选型思路。
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库任务，以 Apache 2.0 许可开放权重，并接入 Mistral Vibe。
推荐理由：基于真实形式化仓库任务的评测同时列出得分与运行成本，为比较专用模型和通用编码智能体的证明工程取舍提供了依据。
Mistral AI 发布 Voxtral Transcribe 2，包括批量转写模型 Voxtral Mini Transcribe V2 和实时模型 Voxtral Realtime，均支持 13 种语言。
推荐理由：批量版的错误率与定价、实时版的延迟与开放权重条件，为语音工作流在成本、响应速度和部署方式之间的取舍提供了具体参照。
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型，并推出支持端到端代码自动化的开源助手 Mistral Vibe CLI。
推荐理由：两种规模模型的基准成绩、许可差异与硬件要求提供了具体选型依据，可用于权衡编码智能体的性能需求和本地部署条件。
Mistral 发布 Mistral 3 系列，包括 3B、8B、14B 的 Ministral 3，以及激活参数为 41B、总参数为 675B 的混合专家模型 Mistral Large 3，均采用 Apache 2.0 许可证。
推荐理由：从端侧稠密模型到大型混合专家模型均采用宽松许可证，并给出压缩格式与硬件部署条件，为不同资源预算下的模型选型提供参考。
Mistral AI 发布 Voxtral 语音理解模型，提供面向生产应用的 24B 和面向本地、端侧部署的 3B 版本，均采用 Apache 2.0 许可证。
推荐理由：将音频问答、摘要和函数调用纳入可开放部署的语音模型，为需要兼顾数据控制与语义理解的应用提供了选型参考。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium 和 Devstral Small 1.1，在 SWE-Bench Verified 上分别取得 61.6% 和 53.6% 的成绩。
推荐理由：两款模型给出了同一编码基准下的成绩与调用价格，并区分开放许可和私有部署路径，便于按预算与部署需求比较选型。
Mistral AI 发布首款推理模型 Magistral，包括 24B 参数的 Small 开放权重版和 Medium 企业版，主打多语言、多步骤及可追溯推理。
推荐理由：开放权重与企业版本并行提供，并披露相同基准下的成绩和部署入口，为比较自部署与托管推理模型提供了具体依据。
Mistral AI 与 All Hands AI 合作推出软件工程智能体模型 Devstral，以 Apache 2.0 许可开放，定位为研究预览。模型针对真实 GitHub 问题训练，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SOTA 模型高出超过 6 个百分点，可通过 OpenHands 或 SWE-Agent 等框架处理代码库任务。
推荐理由：同一智能体框架下的基准比较结合单卡运行条件，为评估开源编码模型在本地代码库中的部署取舍提供了具体参照。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens。
推荐理由：单张消费级显卡或指定内存的电脑即可运行，加上开放的基础与指令检查点，为端侧多模态应用的部署和定制提供了具体参考。