开源模型与生态

此模型热度与下载量显示开发者对多模态开放权重模型的兴趣，其稀疏 MoE 架构可能提升推理效率，对应用开发有潜在影响。

Qwen3.8 是开源 Qwen 系列最新一代，相比 Qwen3.5 和 3.6 在核心能力上有实质性提升，且 27B 为紧凑型稠密模型，易于部署，并原生支持图像视频，扩展了多模态应用场景，对开源社区和开发者有重要意义。

Inkling是开放权重的多模态模型，同时支持文本、图像和音频输入，可降低开发者构建多模态AI应用的门槛。此前多模态模型多由大公司闭源提供，Inkling为社区提供了可自由定制和部署的选择。

此前 Qwen-Max 级能力仅限闭源 API，本次 Qwen3.8-2.4T-A95B 将同类能力开源，使开发者可自行部署，降低了使用高性能模型的门槛，可能影响行业对开源与闭源模型的性能认知和选型。

此前主流开源大模型在长上下文场景下推理成本极高或上下文窗口有限。Solar-Open2-250B通过混合注意力和稀疏激活，以接近小模型的推理成本提供大模型能力，同时支持百万token，为代理型应用（如文档分析、代码生成）提供了更实用的开源选择。

该模型以不到其他模型三分之一参数实现超越，证明循环架构能有效提升小模型代理能力。此前小模型在复杂代理任务上表现较弱，Nanbeige4.2-3B填补了这一空白，为资源受限场景提供可行方案。

Hy3在Hy3 Preview基础上收集50+产品反馈并提升后训练数据质量，以21B激活参数达到更大模型的性能水平，降低部署成本同时增强agent能力，对中小规模AI应用落地意义重大。

该模型是蚂蚁百灵开源的 MoE 模型，总参数达 124B，激活参数仅 5.1B，显著降低推理成本，并提供多种量化版本，体现开源生态在模型效率和部署灵活性上的进展。

通义千问兑现开源承诺，推出参数更小的Qwen3.8-27B，性能却超越前代Plus级模型，且支持极长上下文，并采用宽松的Apache 2.0许可，这降低了开发者使用和二次开发的门槛。同时开放2.4T超大规模模型权重，为研究社区和商业应用提供了新的选择，可能推动多模态和长文本场景的落地。

dots3-note Preview 的开源为开发者提供了一个轻量且支持长上下文和多模态的模型选择，降低了长程智能体与多模态应用的门槛，可能推动相关领域的技术普及。

GLM-5.3在编程基准上取得开源第一并接近Claude Fable 5，表明国产开源模型在代码能力上已接近顶级闭源模型；同时新涌现的网络安全能力（白盒代码审查）为模型应用开辟了新的安全领域，可能改变企业选择开源模型的决策。

DeepSeek V4 Pro 上线硅基流动，提供 1M 上下文和分级推理强度，并保持开源，相比之前版本在上下文长度和任务侧重上有明显变化，可能影响开发者选择模型和部署方式。

这是世界首个开放的3T级模型，通过新架构KDA和AttnRes以及Stable LatentMoE框架，激活16/896专家，整体缩放效率比上一代Kimi K2提升约2.5倍，使更大规模的开源多模态智能体模型成为可能。

此前 TTS 模型多采用离散 token 或非自回归架构，dots.tts 以连续端到端自回归方式实现更高准确度，且开源 20 亿参数模型，为行业提供可扩展的 TTS 基座，有望降低语音合成应用的门槛。

这是 DeepSeek 在开源模型领域的一次重要进展，模型性能进入开源前三，且采用 MIT 许可，降低了使用门槛。对于依赖开源模型的产品团队而言，多了一个高性能、低激活参数的选择，可能影响模型选型和成本结构。

GLM-5.2 首次在开源模型中提供稳定的百万 token 上下文，推理能力（如数学竞赛 AIME 2026 得分 99.2）达到顶尖水平，相比前代 GLM-5.1 有质的飞跃。纯开源 MIT 许可消除了地域和技术获取障碍，使长上下文模型更易被开发者和企业采用。

此前开源模型多在总参数量上竞争，而 Ling-3.0-tiny 强调推理时仅激活 1.3B 参数，总参数达 7.9B，这种“原生混合推理”设计有望在保持性能的同时降低推理成本，为小参数量模型的开源生态提供新思路。

腾讯混元推出 Hy ASR 3.0 preview，将语音识别与语义理解结合，支持上下文纠错和热词注入，相比传统 ASR 在准确性和场景适应性上有实质提升，尤其在粤语和高噪环境下表现突出，已落地腾讯云和元宝 App。

这是 Meta 在开源领域的一次新动作，其特点在于针对本地和常驻智能体工作流进行专门优化，而非通用任务。这一变化意味着开发者可能无需依赖云端 API，即可在消费级硬件上运行高性能智能体模型，降低了使用门槛，并可能影响智能体应用的开发模式。

Scale AI 此前主要提供商业数据与模型服务，此次开源其智能体模型权重，降低了采用门槛，使开发者可在本地硬件部署，可能推动智能体技术的普及和竞争。

此前大模型性能提升主要依赖参数扩张，而 Agents‑A1 证明：通过横向扩展智能体能力（长程任务、多领域工具调用），较小的 MoE 模型也能达到同等效果，可能重塑模型研发成本与部署策略。

以往推理与图像生成通常由不同模型或流程完成，SenseNova U1 将两者统一，可能简化多模态任务的处理方式，降低集成复杂性，并提高内容生成的连贯性。

此前蚂蚁百灵可能未开放该模型权重，此次开源并同时提供两种量化版本，意味着开发者可以自部署，降低对封闭API的依赖，扩展了模型的可及性和应用灵活性。

商汤发布轻量级开源模型，以8B参数实现接近闭源商业模型的多模态生成与编辑质量，可能降低高质量多模态模型的使用门槛，并加剧开源与闭源模型的竞争。

此前开源视频模型多在分辨率、时长或音频能力上有所取舍，H3同时支持2K分辨率、15秒时长和32kHz原生立体声，且统一处理多模态输入，标志着开源模型在多模态生成能力上的新水平。

2.8万亿参数规模是国产大模型的显著突破，原生视觉理解与100万token上下文窗口大幅扩展应用场景；规模化效率提升2.5倍意味着相同算力下可处理更多任务，开源权重与Infra技术降低复现和二次开发门槛。

Kimi K3 是首个 2.8T 参数的开源 MoE 模型，并具备原生视觉理解与 1M token 超长上下文。每单位计算智能提升 2.5 倍，意味着更强的性能与更低的推理成本，且开源了配套基础设施，降低了多模态、长上下文应用的开发门槛。

此前 AI 在国际数学竞赛中通常依赖形式化语言或规则转换，而 dots-note 3.0 能直接处理自然 LaTeX 题目并完成端到端解题，且成绩超越绝大多数人类选手。这是非形式化数学推理能力的一次重要突破。