小米 MiMo 发布 MiMo-V2.6 Pro 和 Flash 两款全模态模型,通过规模化强化学习训练,并开放模型权重、技术报告、RL 环境和训练代码。

推荐理由:小米发布两款全模态模型并开放权重、技术报告和训练代码,读者可对照基准表看其与 Claude Opus 5、GPT-5.6 Sol 的差距。
技术方向
让大模型先想再答的能力:思维链、推理模型,数学与逻辑评测上的突破和争议。
139 条精选近 30 天 97 条共收录 601 条
小米 MiMo 发布 MiMo-V2.6 Pro 和 Flash 两款全模态模型,通过规模化强化学习训练,并开放模型权重、技术报告、RL 环境和训练代码。

推荐理由:小米发布两款全模态模型并开放权重、技术报告和训练代码,读者可对照基准表看其与 Claude Opus 5、GPT-5.6 Sol 的差距。
Sebastian Raschka 结合自己几天使用 GPT-6 Astra 的体验,梳理了该模型在编码、数学和 computer use 上的表现,并详细解释循环 Transformer 如何复用同一组 block 来提升有效深度。

推荐理由:作者结合实测与多篇论文,拆解循环 Transformer 的机制,并回应 Astra 隐藏推理链的传闻。
月之暗面发布开源权重模型 Kimi K3,总参数 2.8T、激活参数 104B,基于 KDA 与 AttnRes 架构,原生支持文本、图像、视频并具备 100 万 token 上下文窗口。

推荐理由:月之暗面开源 2.8T 参数原生多模态模型,给出完整架构参数与多榜单对比,可据此判断开源前沿模型的当前水位。
DeepSeek 发布 DeepSeek-V4-Pro-0813 正式版,取代此前的预览版本,官方称其智能体能力大幅增强,在生产环境中提升尤为明显。该模型沿用 DeepSeek-V4-Pro (Preview) 的结构,并附加 DSpark 投机解码模块,在 HLE、Terminal Bench 2.1、NL2Repo、DeepSWE 等基准上均高于预览版。
推荐理由:官方技术报告列出正式版与预览版在多项智能体基准上的对比,可据此判断其生产环境能力变化。

推荐理由:官方给出 V4-Pro 的 Agent 能力升级、三档推理强度和 Codex 接入方式,可据此判断实际使用成本与场景。
DeepSeek 发布 DeepSeek-V4-Flash-0731 正式版,取代此前的预览版本,智能体能力大幅增强。该模型与 DeepSeek-V4-Flash-DSpark 结构相同,附带投机解码模块,在 Terminal Bench 2.1、NL2Repo、DeepSWE 等基准上超过 DeepSeek-V4-Pro (Preview),激活参数量则小得多。
推荐理由:官方技术报告列出多项基准对比,读者可据此判断小激活参数模型在智能体任务上的位置。

Kimi K3 is live on Modal. Moonshot has shipped the world's first open 3T-class model, and we're a day zero launch partner. We trained a custom DFlash speculator for K3's novel architecture so you can run it faster, losslessly. The most capable open model we've worked with by far.
推荐理由:Kimi K3 首发即获 Modal 适配,读者可了解该开源模型在推理加速上的落地方式。

推荐理由:作者作为 Opus 5 发布方成员,用成本与得分曲线说明该模型在智能体电脑操作上的 token 效率取舍。
MiniMax 发布原生多模态模型 MiniMax-M3,参数量约 428B、激活参数约 23B,支持 1M 上下文。该模型从训练第一步起就进行混合模态训练,并引入 MiniMax Sparse Attention(MSA),在 1M 上下文下相比 M2 实现 9 倍 prefill 和 15 倍 decode 加速,单 token 计算量降至 1/20。

推荐理由:原文给出参数量、稀疏注意力和长上下文加速数据,读者可据此判断百万 token 场景的部署成本变化。
字节发布 UniVR,一个基于 Emu3.5(34B)的视觉推理框架,直接在视觉空间生成推理轨迹,不依赖中间文本链。模型经 VR-X 数据集 SFT 冷启动和 VR-GRPO 强化学习训练,在 VR-X 基准上较 Emu3.5 基线最高提升 25%,整体得分 58.2,接近 Gemini 3 Pro + Nano Banana 2 的 66.1。

推荐理由:字节开源 34B 视觉推理模型,在自建 VR-X 基准上较 Emu3.5 基线提升最多 25%,并给出可下载权重与训练脚本。
Jim Fan 团队推出 RoboTTT,把机器人模型原生扩展到 8000 个时间步的上下文,约合 5 分钟肌肉记忆,且推理成本保持恒定,比 SOTA 推进 3 个数量级。
推荐理由:原文给出机器人策略上下文从128扩展到8K的闭环性能曲线,可观察长上下文在具身任务中的收益趋势。
MiniMax 发布原生多模态模型 MiniMax-M3,并同步提供 MXFP8 量化版本 MiniMax-M3-MXFP8。

推荐理由:原文给出 M3 的参数量、稀疏注意力带来的长上下文加速倍数与三种推理模式,便于判断其部署与调用方式。

推荐理由:官方给出编码与智能体任务的提升幅度、1M 上下文和两档推理强度,便于对照 GLM-5.1 判断升级取舍。
小米 MiMo 与 TileRT 合作发布 MiMo-V2.5-Pro-UltraSpeed,在 1 万亿参数 MoE 模型上实现 1000 tokens/s 以上的输出速度。

推荐理由:官方给出 1T MoE 模型在单台标准 8-GPGPU 节点上突破 1000 tokens/s 的部署路径,可与 Cerebras、Groq 方案对照。
阶跃星辰为 198B 参数稀疏 MoE 视觉语言模型 Step-3.7-Flash 发布 GGUF 量化版本,含 BF16 到 IQ3_XXS 共 7 个语言量化档位及 4 GB 的 F16 视觉投影器。
推荐理由:原文给出各量化档位的体积与三款 128 GB 统一内存设备上的实测吞吐,可据此判断本地私有部署的可行边界。
阶跃星辰发布 Step 3.7 Flash,这是一个 198B 参数的稀疏 MoE 视觉语言模型,由 196B 参数语言主干与 1.8B 参数视觉编码器组成,每 token 约激活 11B 参数,吞吐最高 400 tokens/s,支持 256k 上下文窗口和低中高三档推理等级。

推荐理由:原文给出稀疏 MoE 视觉语言模型的参数规模、三档推理等级与定价,可据此判断高频智能体工作流的成本与部署选择。

推荐理由:官方给出各档位具体降幅与统一计价方式,可据此估算接入 MiMo-V2.5 后的调用成本变化。
月之暗面发布 Kimi K2,这是一个总参数 1T、激活参数 32B 的 MoE 语言模型,在 15.5T token 上预训练,采用 Muon 优化器,并针对工具调用与自主问题求解做了优化。

推荐理由:原文给出 1T 总参数、32B 激活的 MoE 架构与完整评测对照,可据此判断开源模型在编码和工具调用上的位置。

推荐理由:官方给出两个版本的定位差异与开放渠道,可据此判断面向智能体的推理模型如何分层落地。