Tag
Spark-X2.6-4B is a compact 4B on-device language model released in GGUF format, featuring improved post-training for coding, agentic, long-context, and multilingual tasks along with a controllable thinking budget. It claims state-of-the-art performance among similarly sized open-source models, matching or surpassing ~9B parameter models.
团队发布了 MemT 2.0——一个 293B 的记忆原生 MoE 模型，将历史信息压缩为持久内部记忆状态，在前向传播中通过 memory attention 完成读写更新，无需梯度或重新训练，36B 与 293B 版本已上线 Hugging Face。
Nordwand Mono is a compact neo-grotesk monospace font for coders, generated entirely with Python, blending Univers proportions with a JetBrains Mono-inspired layout. It supports customizable metrics, alternative characters, minimal ligatures, and Cyrillic support.
XtrCom 释放了 XT-Luna 1B v1，这是基于 MiniCPM5 1B 面向智能体（agentic）和编码任务微调的模型，并在模型卡中提供了与官方 MiniCPM5 1B SFT 及 Qwen 3.5 4B 的对比基准。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，作为 DeepSeek-V4.1-Flash 的小幅更新，在推理、编码、智能体任务与视觉基准上均有提升，同时缩短执行时间与输出长度，进一步优化性能-成本帕累托前沿。
MiniMax-M3.1-Flash 是一个原生多模态混合专家（MoE）模型，约 428B 总参数（每 token 激活 23B），支持文本、图像和视频输入及 1M 上下文窗口，面向编码、智能体工作流、计算机使用和网络安全任务，并通过稀疏注意力、量化感知训练和 DSpark 投机解码提升推理效率。
Reflection AI 的 501B 参数开放权重 MoE 模型 Reflection Beam（23B 激活参数）现已在 Modal 平台上线，支持 100 万 token 上下文窗口，专注于编码、智能体工作流和推理任务。
Reflection 开源发布 Beam 1.0，一个 501B 参数（23B 激活）的 MoE 大模型，支持 1M token 上下文、Apache 2.0 许可，并附带 Rust harness、vLLM/SGLang/transformers 第一天支持以及 SFT 和 RL 训练配方。
Garry Tan shares Alexandr Wang's announcement that Muse Spark Open is the most capable US open-weight model to date, featuring 816B total parameters, 42B active, 1M-token context, and native multimodality built for coding and agentic tasks.
Meta 发布了号称美国最强的开源权重模型 Muse Spark Open，拥有 8160 亿参数和 100 万 token 上下文窗口，专为在 Mac 上本地运行设计（至少需 1TB 内存）。该模型原生多模态，面向复杂编码与智能体任务，并已通过 API 平台开放使用。
Meta 的 Muse Spark Open（816B 总参数/42B 激活）与 NVIDIA Nemotron 3.5 Super VL（120B 总参数/12B 激活）现已上线 Dell Enterprise Hub，分别支持 SGLang 与 vLLM 部署，面向编码、智能体任务及文档与视频理解。
Meta 发布 Muse Spark Open，宣称是美国最强开源权重模型：816B 总参数（42B 激活）、1M token 上下文、原生多模态，面向编码与智能体任务，并首次可在两台 Apple M5 Ultra Mac Studio 桌面端本地运行。
Aaron Levie celebrates Meta's release of the Muse open-weights model, calling it a major step forward for open-source AI in the US that will let enterprises mix frontier and custom post-trained models, boosting token consumption across the stack. The quoted post details Muse Spark Open as the most capable US open-weight model, featuring 816B total/42B active params, 1M-token context, native multimodality, and agentic coding capabilities.
Meta 发布 Muse Spark Open，号称迄今最强大的美国开源权重模型，专为编码与智能体任务打造，拥有 816B 总参数（42B 激活）、1M 上下文窗口及文本/图像/视频/音频多模态能力，并支持多种推理引擎与微调框架。
Meta发布Muse Spark Open，一个约816B总参数、42B激活参数的开源多模态MoE模型，支持文本、图像、音频和视频输入，专为智能体式编程优化，上下文窗口达100万token。
发布了 Qwen 3.8 27B 的两个后训练版本 Sabi-Noema 与 Sabi-Noema-MLA，在代码、智能体和工具调用能力上提升，同时将回答冗长度和推理 token 消耗减少约一半，并通过无训练的 MLA 注意力转换将 KV cache 最多压缩 8.4 倍。
JetBrains Mellum 2.1 12B A2.5B MoE 被评价为一款表现优秀的编码模型，能在 M4 Max 上以 130k 全上下文跑出 60 TPS，在 9070XT 上达到 140 TPS，且可在 8GB/12GB 显卡上流畅运行。
Sundar Pichai 展示了 Google 员工使用 Gemini 4 Argon 构建的用例，强调其在编码和多步工具调用方面的能力，例如通过 Blender MCP 从 Pixel CAD 文件生成爆炸视图动画。
A user praises Muse's muse-wonder-full-1.0, arguing Meta is downplaying its coding abilities in favor of its agentic assistant strengths, claiming it is Fable-level for coding, faster, and has more generous usage limits.
A viral tech take arguing that highly automated codebases exist to help humans ship product decisions faster, quoting Kent C. Dodds on shipping 60+ PRs a day solo with AI agents.