Hugging Face 与 IBM 发布两个实验性预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，基于 Granite 4.1 base 训练以消费和生成 LLMON（LLM Object Notation）标记文本，并同步开源 LLMON 工具库与示例。
推荐理由：原文用 OPI 基准对比数据说明指令与数据分离对间接提示词注入的防护效果，同时给出与 JSON 的差异和训练方法，便于评估其可迁移性。
Tether AI Research 发布 BotPsy，一个基于 Qwen3.5-0.8B 构建、面向函数调用与智能体工作流的 0.8B 参数端侧模型，将以 Apache 2.0 许可开源权重，提供 bf16、Q8、Q4 三种精度的 safetensors 与 GGUF 文件。
推荐理由：原文给出四阶段训练配方与逐项基准对比，可据此理解小模型如何在工具调用上追平更大模型。
NVIDIA 为 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景：Cosmos3-Nano-Transfer-Auto 生成多视角驾驶数据。
推荐理由：四个检查点分别对应驾驶数据生成、流式仿真、模拟器渲染和双臂机器人动作预测，读者可据此判断各自适配的落地场景。
Mistral AI 发布 Mistral Large 4（Le Chonk）的开放权重版本，这是其 1-trillion 参数、原生多模态旗舰模型，此前本月已进入 public preview。
推荐理由：原文给出多项基准分数与token效率对比，读者可据此判断其在开源编码模型中的位置与部署成本。
NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到单一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人归属，可处理最长一小时录音并标注最多 8 位说话人，现已在 Hugging Face 和 ModelScope 开放。
推荐理由：原文给出榜单成绩与微调配方，读者可据此判断该模型在多语种转写与说话人分离上的可用性。
Liquid AI 发布新一代 LFM3 系列，以 LFM3-1.7B-Base 为共享骨干衍生出文本、视觉、音频、omni 和决策共六款 2B 级模型，全部开源并可在 Hugging Face 下载。
推荐理由：原文给出架构改动、基准对比和微调入口，读者可据此评估 2B 级模型能否替代自己的通用大模型。
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，读取 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时间序列。
推荐理由：原文给出了评测对比和训练成本变化，读者可据此判断其相对前代与同类模型的实际改进幅度。
NVIDIA 发布 Kumo Relational，一个预训练的关系型基础模型，可直接在企业数据库上做预测，无需任务专属训练、特征工程或表展平，单次前向传播即可给出流失、需求、欺诈等预测结果。
推荐理由：原文给出了基准对比与部署入口，读者可据此评估它能否替代现有 XGBoost 生产管线。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，现已通过官网、App 和 API 提供，并在 Hugging Face 和 ModelScope 开源模型权重，同时首次向外部开发者开放其自研搜索引擎的 Search & Fetch API。
推荐理由：原文给出了新模型在成本与准确率上的具体对比数字，读者可据此评估小模型替代更大竞品的可行性。
Reflection 在 Hugging Face 上开源了其首个模型 Beam，这是一款 501B 参数（每 token 激活 23B）的 MoE 大语言模型，采用 Apache 2.0 许可，主打编码与智能体场景，支持 1M tokens 上下文窗口。
推荐理由：原文给出架构细节、精度选择与部署配置，读者可据此评估自托管该模型的硬件成本与可行性。
Mistral AI 发布首个时序基础模型家族 Timestral，最大 209M 参数版本在 GIFT-Eval、TIME 和 fev-bench 三大公开基准的预训练零样本模型中均排名第一，且参数量仅为前 SOTA 的三分之二。
推荐理由：原文给出了模型规模、基准名次与CPU推理延迟的具体数字，读者可据此判断小参数时序模型的落地可行性。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，以及面向边缘的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB 两款模型，覆盖从企业服务器到本地设备的智能体部署。
推荐理由：原文给出了三档模型的参数、显存与部署入口，读者可据此判断从数据中心到本地设备的选型路径。
Google DeepMind 在 Nature 发文称其 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA，三天预报精度相当于旧模型的两天，领先幅度超过 24 小时，约相当于十年气象学进展。
推荐理由：原文给出了模型在低分辨率下取得高精度这一反直觉发现及其开放权重的入口，读者可据此评估其对现有预报工作流的可迁移价值。
Microsoft Research 发布 Echoverse，一套面向计算机使用智能体的深度可演化训练环境，包含十个深度领域世界和两个能力世界，并开源其中四个世界的代码、数据与数据库接地验证器。
推荐理由：原文用对照实验说明深度与多样性比环境数量更能带来迁移，可为构建计算机使用智能体训练环境提供方法参考。
TII 发布 Falcon Perception，一个 0.6B 参数的早融合 Transformer，用单一骨干处理图像块与文本，通过混合注意力掩码和 Chain-of-Perception 结构化接口（<coord> → <size> → <seg>）实现开放词表定位与分割。
推荐理由：原文拆解了早融合单干设计与三阶段训练配方，读者可据此判断它与视觉编码器加文本解码器路线的取舍依据。
Overworld 发布实时交互视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，用 10,000 小时游戏画面训练，支持零延迟自由控制相机与按键输入。
推荐理由：原文对比了与现有世界模型在控制延迟上的差异，并给出推理库的具体吞吐与帧率数据，便于评估其实用性。
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证，主打低成本下的强真实世界性能。原文称二者在推理任务上超越同规模开放模型，具备较强的工具使用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：原文说明了模型规模、许可证与部署目标，读者可据此判断其在消费级硬件上的可用性。
Google 发布多模态视觉语言编码器家族 SigLIP 2，在 sigmoid loss 基础上加入解码器、Global-Local Loss 和 Masked Prediction Loss 等辅助训练目标，以提升语义理解、定位与稠密特征能力。
推荐理由：文章拆解了从 SigLIP 到 SigLIP 2 的训练目标演进，读者可据此理解辅助损失如何改进视觉编码器。
Mistral AI 宣布推出 Mistral AI 非生产许可证（MNPL），允许开发者将技术用于非商业目的并支持研究工作，同时确保基于其成果构建业务的一方以对各方公平可持续的方式进行。Codestral 于今日在这一新许可证下发布。Mistral AI 表示将继续以 Apache 2.0 发布模型和代码，并逐步整合分别基于 Apache 2.0 和 MNPL 的两类产品。
推荐理由：原文说明了新许可证的适用边界与 Apache 2.0 的保留安排，读者可据此判断其模型的商用条件变化。
Hugging Face 博客介绍 Google 发布的 PaliGemma 视觉语言模型家族，其架构由 SigLIP-So400m 图像编码器与 Gemma-2B 文本解码器经线性适配器组合而成，可接收图像与文本并输出文本。
推荐理由：详细拆解了三类检查点的用途差异与分辨率取舍，可帮助读者按任务选型并直接上手微调。