Nous Research 微调 Qwen3.8-27B 推出 Arete-27B，宣传率从 22% 降至 0.9%

新浪发布仅3B参数的VibeThinker-3B，在AIME26等数学编程基准上持平DeepSeek V3.2等大200–333倍的模型，LiveCodeBench超越所有20B以下模型，LeetCode竞赛解决123/128题超过GPT-5.2、Kimi K2.5等。但知识密集型GPQA-Diamond大幅落后。模型基于阿里Qwen2.5-Coder-3B，经SFT、强化学习、自蒸馏等多阶段后训练。研究提出“参数压缩-覆盖假说”：逻辑推理依赖少数可压缩模式，而广泛世界知识…

Meta 在 Llama 系列之后重返开源权重领域，发布 Muse Spark Open，称其为最强美国开源权重模型，816B 参数（42B 激活），支持最高 100 万 token 上下文和文本、图像、视频、音频。

Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，基于 Qwen3.5-9B，据称可引导智能体在复杂环境中行动。

Reflection 宣布其首个免费开放权重模型 Beam，定位是以最小算力实现强性能，对标 DeepSeek 和 Qwen 的开放权重模型。Beam 为 501B 总参数的 MoE 模型，每 token 激活 23B；据 Reflection 称在推理任务上以少三到四倍的算力匹配 GLM 5.2，编码和智能体基准接近 Qwen3.8-Max，但原始性能仍不及 Kimi K3。

阿里 Qwen 团队发布开源权重图像生成与编辑模型 Qwen-Image-2.1，视觉生成部分仅 7B 参数，团队称在其自建基准上超过多数闭源模型，独立基准尚待验证，可在 RTX 3090 等消费级 GPU 上运行。

微软与伊利诺伊大学提出 StudentSim，用少量数据为每个学生构建数字复制体，替代真人提供快速反馈来训练 AI 导师。该系统以 Qwen3-4B-Instruct 为基座、分两阶段训练，在 chess、英语和数学三项测试中均优于被提示扮演学生的 GPT-5.4，在 chess 中预测下一步走法的准确率约为其两倍。

Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可联合处理音频和视频并自主使用工具，上下文窗口达 100 万 token。

AllSpark 团队发布 Iris-mini（35B，基于 Qwen3.6-35B-A3B）和 Iris-pro（397B，基于 Qwen3.5-397B-A17B）两个开源搜索智能体，并公开训练配方。

韩国 KAIST 与 Naver AI Lab 研究发现，推理模型文本输出中的推理步骤可在其内部数值表示中被区分开，信号在中间层最强。团队定义提取、分解、公式回忆、演绎、计算等八种推理操作，用 GPT-5 为 Qwen2.5-7B、Qwen3-8B 和 Gemma4-31B 的解题路径分段打标，结果在三个模型上均成立，并复现于 Llama-3-8B。

阿里巴巴 Qwen 团队发布 Qwen-Drive 1.0，基于 Qwen3.5-4B，在语言模型上叠加 3D 环境感知和路径规划两个模块，用同一模型同时服务驾驶系统和座舱助手。