IBM 发布开源语音模型 Granite Speech 5.0 2B，支持 6 种语言转写与翻译

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。…

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%。

BottleCap AI 发布 ThinkingCap-Qwen3.8-27B，这是基于 Qwen3.8-27B 的微调模型，在 12 个基准上平均减少 37.2% 思考 token，宏观精度从 86.65% 降至 85.79%。

阿里 Qwen 团队发布 Qwen-Image-2.1，将文生图与图像编辑统一到一个 7B 单流 DiT 模型中，搭配 8B Qwen3-VL 编码器，支持原生 RGBA 透明输出和最多 10 张参考图编辑。

通义千问（Qwen）发布实时同声传译模型Qwen3.8-LiveTranslate，采用新的Interleave架构，平均滞后（LAAL）从2.8秒降至2.3秒，约降低18%。

PrismML 发布 Ternary Bonsai 2 27B，将 Qwen3.8 27B 转为三值权重，模型仅 5.93 GB（FP16 为 53.80 GB），Apache 2.0 开源，官方称在 20 个基准上保留母模型 98.2% 的平均分，支持文本与图像输入和 262K token 上下文。