vLLM 宣布 Day-0 支持 Qwen3.8-2.4T-A95B
vLLM 宣布 Day-0 支持 Qwen3.8-2.4T-A95B，这是 Qwen 家族首个以开放权重发布的 Qwen-Max 级模型，基于 Qwen 3.5 架构开箱即用。
推荐理由：原文给出 Qwen3.8-2.4T-A95B 的架构细节、多精度权重和部署要求，读者可据此评估自建推理的成本与硬件门槛。
模型发布
全部主题新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新精选
第 101–120 条 · 共 143 条vLLM 官方博客（RSS）精选AI 评分7070
Hugging Face：Blog（RSS）精选AI 评分7979 Meta 发布开源多模态模型 Muse Glimmer-30B，面向本地智能体场景
Meta 发布 30B 参数多模态开源模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，主打本地智能体用途如编码、文档分析和个人助理。
推荐理由：发布方提供了架构细节、完整基准对比和多种部署路径，读者可以据此评估它在本地智能体场景的适配性。
Mistral AI：News（网页）精选AI 评分6262 Mistral 发布 3B 开源多模态安全分类器 Shieldstral，Apache 2.0 开放权重
Mistral 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，将内容审核建模为策略自适应的问答任务，在推理时接受自然语言策略，无需重训即可适配文本与图像审核。它以 Apache 2.0 协议开放权重，在文本安全上匹敌最大 7 倍于其体积的开放审核模型，可在单张 16GB NVIDIA GPU 上运行，并输出经校准的连续安全分数。
推荐理由：原文说明了将审核策略写成自然语言问题即可在推理时切换的机制，读者可据此评估它替代固定分类审核模型的可行性。
Microsoft Research 博客（RSS）精选AI 评分7575 Microsoft Research 开源 Orchard 智能体框架并发布三个领域模型
Microsoft Research 发布开源框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。
推荐理由：官方开源了环境服务和三条训练配方，小参数量模型在 SWE-bench Verified 等基准上的具体结果可直接对照复用。
Thinking Machines@thinkymachines精选AI 评分6969推荐理由：原文给出参数规模、权重开放和在 Tinker 上微调与对话的入口，读者可评估其部署与使用路径。
Google DeepMind：Blog（RSS）精选AI 评分6969 Google DeepMind 发布 Gemini Robotics ER 2，强化视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，面向机器人的具身推理模型，支持视频理解、任务进度跟踪、工具编排与多机器人协作，并可将执行交给下层 VLA 模型。
推荐理由：官方发布给出进度分类、moment finding 等具体数字和公开 API 入口，读者可以据此评估其机器人编排与视频理解能力。
Google DeepMind：Blog（RSS）精选AI 评分6666 Google DeepMind 发布 Gemini Robotics 2 系列模型，实现机器人全身智能控制
Google DeepMind 发布 Gemini Robotics 2 系列，包含全身控制的 VLA 模型、具身推理模型 ER 2 和可本地运行的 On-Device 2。
推荐理由：官方完整说明了三个模型的能力分工、适配速度与安全基准，读者可以据此了解具身智能模型的实际能力边界。
Google DeepMind：Blog（RSS）精选AI 评分7777 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款模型，面向大规模 AI agent 构建。
推荐理由：官方发布三款 Gemini Flash 模型，给出具体价格、token 效率与多项基准对比，读者可据此评估 agent 工作流的成本与选型。
Google DeepMind：Blog（RSS）精选AI 评分6161 Google DeepMind 发布网络安全模型 Gemini 3.5 Flash Cyber
Google DeepMind 发布基于 3.5 Flash 微调的轻量网络安全模型 Gemini 3.5 Flash Cyber，用于快速发现、验证并修复漏洞，将通过限access试点先面向政府和可信伙伴经 CodeMender 开放。
推荐理由：以轻量模型多次调用替代单次大模型调用做漏洞挖掘，并用 Chrome 真实流水线等无污染基准展示对比结果，方法与数据都可参考。
Mira Murati@miramurati精选AI 评分7272引用Thinking Machines@thinkymachinesToday, we are introducing Inkling. Inkling reasons efficiently across text, image, and audio modalities. We are making the full weights available. https://thinkingmachines.ai/news/introducing-inkling/ Available today for fine-tuning on Tinker. Play with it in the Inkling Playground. 🧵
推荐理由：Thinking Machines 发布首个模型 Inkling，开放全部权重并支持 Tinker 微调，可关注其跨模态推理的落地方式。
- Thinking Machines@thinkymachines精选AI 评分6767
推荐理由：原文给出多模态能力、开放权重和两个可用入口，读者可以据此了解获取和试用方式。
Together AI 研究与产品博客（RSS）精选AI 评分7777 Together AI 首日上线 Thinking Machines Lab 新模型 Inkling
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 在发布当天通过 Serverless 提供托管推理，支持 1M 上下文窗口和 OpenAI 兼容 API。
推荐理由：原文给出 Inkling 的架构细节、参数规模和初步评测数据，读者可以据此判断其推理与多模态能力是否适合接入。
Hugging Face：Blog（RSS）精选AI 评分8181 Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 上发布开源多模态模型 Inkling，共 975B 总参数、41B 激活参数，支持 1M 上下文，原生接收图像、文本和音频输入，训练数据为 45 万亿 token，并同时发布 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：文章给出了 Inkling 的架构细节、各档位 VRAM 需求和多条部署路径，便于读者评估在自己的硬件上运行哪种变体。
Google DeepMind：Blog（RSS）精选AI 评分6868 Google DeepMind 发布 Nano Banana 2 Lite 并向开发者开放 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），称其为 Nano Banana 家族中最快。
推荐理由：官方同时推出 Nano Banana 2 Lite 与 Gemini Omni Flash，给出了价格、延迟和限制等可核对的发布细节。
Mistral AI：News（网页）精选AI 评分6565 Mistral 发布 OCR 4：支持边界框、块分类和置信度分数
Mistral 发布 OCR 4 文档解析模型，除提取文本外返回边界框、块类型分类和逐词置信度分数，支持 170 种语言，可单容器自托管部署。
推荐理由：官方说明新模型的结构化输出能力、定价和基准局限，读者可据此判断它在文档解析流程中的适配场景。
Google DeepMind：Blog（RSS）精选AI 评分7676 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，基于文本扩散方法，在专用 GPU 上实现最高 4 倍的文本生成提速。该模型为 26B 总参数的 MoE，推理时仅激活 3.8B 参数，量化后可装入 18GB 显存，单张 NVIDIA H100 上超过 1000 tokens 每秒，RTX 5090 上超过 700 tokens 每秒。
推荐理由：官方给出具体吞吐数字、显存占用和质量取舍，读者可据此判断它适不适合本地交互式工作流。
vLLM 官方博客（RSS）精选AI 评分7575 vLLM 原生支持 Google DeepMind 26B 扩散语言模型 DiffusionGemma
Google DeepMind 与 vLLM 团队合作，将 26B 参数、基于 Gemma4 的离散扩散语言模型 DiffusionGemma 接入 vLLM，这是 vLLM 首个原生支持的 dLLM。
推荐理由：原文详解了扩散语言模型的解码机制和 vLLM 的 ModelState 接入方案，并给出 H200 上的吞吐数据，对推理工程实践有直接参考价值。
Andrej Karpathy@karpathy精选AI 评分7676引用Claude@claudeaiFable 5 is state-of-the-art on nearly all tested benchmarks, with exceptional performance in software engineering, knowledge work, scientific research, and vision. The longer and more complex the task, the larger Fable 5’s lead over our other models.
推荐理由：作者补充了基准之外的第一手使用感受，指出长难题求解能力跃升和安全护栏偏敏感，可作选型参考。
Google DeepMind：Blog（RSS）精选AI 评分7777 Google DeepMind 发布 Gemma 4 12B：无编码器统一多模态模型，可在 16GB 内存笔记本本地运行
Google DeepMind 发布 Gemma 4 12B，定位于在笔记本上本地运行的智能体多模态模型，性能接近其 26B MoE 模型而内存占用不到一半。
推荐理由：官方介绍了无编码器统一架构和 16GB 内存本机运行等细节，适合关注端侧多模态部署的开发者参考。
vLLM 官方博客（RSS）精选AI 评分6767 NVIDIA Nemotron 3 Ultra 在 vLLM 获 Day-0 支持
NVIDIA 宣布 Nemotron 3 Ultra 在 vLLM 上获得 Day-0 支持。该开源模型采用混合 Transformer-Mamba 潜在 MoE 架构，总参数 550B、激活 55B，上下文最长 1M tokens，支持 NVFP4 与 BF16 精度，面向长时程自主智能体工作流。
推荐理由：官方给出架构细节、显存配置和 vLLM 部署命令，读者可以直接照此在自有环境里跑通该模型。