腾讯微信视觉团队开源 WeVisOne-VL 视觉语言模型，统一检测、OCR、分割与抠图

Robbyant 推出 LingBot-VLA 2.0，一个 6B 参数的开源视觉-语言-动作（VLA）基础模型。它以 Qwen3-VL-4B-Instruct 为骨干，采用 MoE 动作专家架构，通过 55 维规范向量统一表示不同机器人的状态和动作。训练数据涵盖约 60,000 小时高质量数据（50,000 小时机器人轨迹 + 10,000 小时第一人称人类视频），覆盖 20 种机器人配置。在 GM-100 双机械臂基准测试中，模型在多个平台上超越 π0.5 和之前版本。…

开发者 Vixhal 在 GitHub 以 MIT 许可发布实验模型 qwenGPU，把一个 4 通道 SIMT GPU 编译为 45 层未训练权重，放在 Qwen3.5-2B 自身 24 层之前，使模型在前向传播中运行真实的 CUDA（编译为 PTX）。

Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，由 Qwen3.5-2B 后训练而来，返回标签和校准概率而非生成文本，面向高流量路由、分类和 guardrail 检查。

Hugging Face 与中关村学院、TIGEM/那不勒斯费德里科二世大学发布开源 DNA 语言模型 Carbon-X，14.8B 参数、40,960 token 上下文，基于 Qwen3-14B，用混合 tokenizer 加入 5,515 个 DNA token，可直接读 DNA 并用英文回答突变致病性预测等任务，权重采用 Apache 2.0。

IBM 发布开源语音语言模型 Granite Speech 5.0 2B，2B 参数、Apache 2.0 协议，支持 6 种语言的语音转写和 X-to-English 翻译，在 Open ASR Leaderboard 以 5.68% 平均英文 WER 位列开源模型第二，仅次于 Qwen3-ASR-1.7B（5.40%）。

阿里千问发布 Qwen-Image-2.1-Turbo，将 Qwen-Image-2.1 的 40 步去噪缩减为 8 步，保持 7B 架构，支持 2K 生成、多参考图编辑和透明 RGBA 输出，文本编码器为 Qwen3-VL 8B。

Conway Research 旗下 Underdog 以 Apache 2.0 发布 Saluki 27B，一个 2-bit 混合精度 GGUF 量化版 Qwen3.8-27B，文件从 54 GB 压到 7.89 GB，可在原版 llama.cpp 运行。

文章按时间线回顾了阿里 Qwen 从 2023 年 4 月通义千问邀测到 2026 年 Qwen3.8-2.4T-A95B（2.4 万亿参数、激活 95B）的完整发布历程。

Cloudflare Workers AI 团队发布首批自训模型 Clef（27B，基于 Qwen3.8-27B）和 Clef-flash（9B，基于 Qwen3.5-9B），二者为决策模型，针对类型化问题返回各选项概率而非自由文本，以 Apache 2.0 开源并兼容 TypeSafe AI 的 Jev System One API。

阿里 Qwen 团队发布 Qwen-Audio-3.1 系列 5 个音频模型，主力为面向语音智能体的全双工模型 qwen-audio-3.1-realtime-plus，通过 QwenCloud API 以 WebSocket 提供，未开源权重，并对 Realtime、TTS、ASR 分别降价约 85%、70% 和最高 95%。