推荐理由：权重开源伴随技术报告公开训练细节，为研究机构直接复现和改造千亿级MoE模型提供了完整路径，也降低企业自部署门槛。

推荐理由：Modal 作为发布当天的托管方，给出了 K3 架构细节与推理加速数据，读者可据此评估运行这级开源模型的工程门槛。

推荐理由：官方发布给出 K3 关键规格与多组第三方基准数据，读者可与闭源模型直接比较能力和成本。

推荐理由：卡兹克第一时间上手 Claude Opus 5，用实测撕开官方跑分的伪装，发现它在实际工程中的漏洞，并点出 Anthropic 删掉 80% 系统提示的趋势——模型变聪明了，过去那些繁琐的 Skill 该扔了。

推荐理由：Midjourney V8.2 把审美和个性化放到了C位，不再追分辨率，这对重度用户是实在的体验升级，建议立刻用老 profile 试试新模型。

推荐理由：Anthropic 这次把 Opus 的性价比条拉满了，性能翻倍价格减半，实际编码和知识工作基准已经超越所有模型。最打动我的是它自查自纠的严谨，写代码像真开发者一样审自己的页面，这种责任心以前只在人身上见过。

推荐理由：蚂蚁百灵用124B总参、5.1B激活做到对标1T模型，还开源加免费API，想要低成本跑强Agent的团队可以立刻试。

推荐理由：SANA-Video 2.0 视频生成模型把单 GPU 的 720p 生成压到 13 秒，比 Wan 2.2 快 120 倍，做视频应用的开发者该重新评估成本模型了。

推荐理由：FLUX 3 把图像、视频、音频塞进同一个架构，单次能出 20 秒带声视频，对比 Grok Video 胜率 69%，视频生成赛道的竞争又升温了。

推荐理由：官方给出具体接受率、回访率和 token 用量数据，读者可据此比较小模型在产品内替代大模型的路径。

推荐理由：原文给出两款新模型的定价、性能数字和已落地的产品场景，读者可以据此评估在质量速度成本曲线上的选型。

推荐理由：蚂蚁把124B模型的激活参数压到5.1B，还敢对标上代1T旗舰，如果实测不翻车，这个智能密度对端侧和低成本部署是个真信号。

推荐理由：TTS 模型终于学会控制情感和语调了，Qwen 这次把自然语言提示和细粒度标签一起放进去，做语音助手的可以直接从‘能说话’跳进‘有性格’。

推荐理由：Gemini 3.6 Flash 降本增效，3.5 Flash-Lite 主打低成本高速，弃用 temperature 等参数是个硬变更，使用 Gemini 的开发者必须检查迁移。

推荐理由：把置信度探针塞进 Gemma 4 E2B，让模型自己判断该不该求助大模型，仅路由 15-35% 的查询就能持平 Flash-Lite，对离线/隐私优先的端侧产品是个省成本的新思路。

推荐理由：Black Forest Labs 把图像、视频、音频拉通到一个模型里，这比单纯提升画质更有想象力，但目前只有一句简介，像个预告片，想真评估的还得等技术细节。

推荐理由：Google一口气扔出三个Gemini Flash新模型，3.6 Flash把复杂编码token砍了65%，做Agent的成本敏感型选手可以直接收益，Cyber模型专攻漏洞修复是个有意思的细分信号。

推荐理由：Gemini Flash 系列常规更新，Flash-Lite 和 Cyber 变体值得 API 开发者留意，但细节还没出来，目前只能先标记。

推荐理由：IMO满分金牌这个里程碑，背后是模型递归自我批判能力的突破。不依赖形式化验证就能给出优雅证明，这对数学推理研究是个真信号，做推理方向的值得细读。

推荐理由：dots模型在IMO满分验证了递归自我批判方法的有效性，这种不依赖形式化验证、通过自我质疑改进推理的路径，可能为科学研究等难以量化的复杂任务提供新的解决思路。

推荐理由：我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。

推荐理由：NVIDIA 把世界模型的能力压进 4B 参数，直接在 Jetson 上实时推理并生成机器人动作，对做具身智能的人来说是个标志性信号，边缘部署终于可以摆脱云端依赖了。

推荐理由：Sakana AI 把 AI 编排带到网络安全领域，Fugu-Cyber 在真实基准上的 SOTA 成绩值得安全从业者认真看看，但具体细节还没公开，别急着上手。

推荐理由：一个模型同时理解蛋白质、气象和医学影像，还全开放权重和代码，对交叉学科的研究者是难得的工具包。比专用模型省去切换成本，值得科学计算方向的产品人关注。

推荐理由：1.5B VLA模型通过视觉token压缩将带记忆推理成本降至与单帧反应式相近，使得需要持续上下文理解的机器人操作任务不再受算力约束。

推荐理由：面壁智能把1.5B的VLA模型完整开源，让个人开发者也能在真实机器人上跑操作和跟踪，这个开放程度在具身领域很罕见，做机器人的可以直接 clone 跑一下。

推荐理由：2B 参数做到 4B 以下综合第一，而且把数据治理和 Agent 训练流程也开源了，做端侧智能体的可以盯一下，只是还没正式开源，暂时摸不到。

推荐理由：长文本理解得分42.33、Agent能力τ²-Bench得分90.35，这些具体指标为端侧开发者评估2B模型的多步推理和工具调用提供了明确参照。

推荐理由：Matrix-Game 3.5 用 Patch 记忆把世界模型推到单卡实时交互，还开源了，做游戏和具身智能的值得试。Mureka v9.5 和 O3 把 AI 音乐做成版本化创作，工具感很强。

推荐理由：Matrix-Game 3.5 用 Patch 级记忆实现长时一致性与实时交互，为具身智能数据生成与游戏环境演化提供了可参考的架构；Mureka 将音乐生成转向「版本化制作」，结合 Agent 控制多维度调整，让非专业创作者也能迭代作品。

推荐理由：Qwen3.8 以 2.4T 参数开源，性能仅次于 Fable 5，这对开源生态是一场及时雨，国内开发者的可用选项又多了一个重量级选手。

推荐理由：嵌入模型不是最热的赛道，但决定了你 Agent 看到什么——NVIDIA 把 1B 模型压缩到 RTEB 第二，NVFP4 量化后精度几乎不变，做 RAG 的值得换上。

推荐理由：通义实验室把实时视频交互延迟压到550ms，同时提升了分辨率，不是刷榜而是解决实际问题，对做数字人和实时助手的团队是个值得跟进的信号。

推荐理由：550ms端到端延迟把实时视频对话从拼接流水线推入单模型交互循环，原先因响应太慢而无法沉浸的口语陪练与面试模拟，开始具备自然对话的交互基础。

推荐理由：Kimi K3 以 2.8 万亿参数开源，虽自承不及闭源顶尖，但长程编码与知识工作案例扎实，是国产开源模型冲击前沿的关键一步，开发者值得跟进。

推荐理由：K3 把 2.8 万亿参数开源，并展示了从内核优化到芯片设计的连贯长程能力，为评估开源模型在复杂工程任务中的实际上限提供了参照。

推荐理由：NVIDIA 这次把音频和视觉在长视频上的联合推理做成了全开源模型，AV-Skills 数据集和 TAVIT 推理框架是亮点，做视频理解的开发者可以直接拉下来用。

推荐理由：Kimi K3 的 2.8T 参数和 100 万上下文不是数字游戏，前端跑分实打实地压过 Claude Fable 5，七个子领域拿六个第一，这对做前端和长文档处理的人是个明确信号，可以下场试了。

推荐理由：多模态推理终于有了开放权重的选项，Inkling不是最强的，但可能是最方便你上手微调的。想试试多模态Agent的，今天就能在Playground玩。

推荐理由：OpenAI 用自博弈训练出的红队模型 GPT-Red，把直接提示注入攻击成功率压到了 0.05%，而且没有降低模型能力。做 AI 安全的人应该好好读一下他们怎么实现这个飞轮的。