标签
Jesse v1 的介绍，一个全新的 AI 模型架构，从零开始使用公共数据集构建，消耗零令牌并提供快速推理能力。
Ant Group 发布了 Ling-3.0-flash-Fin，一款金融专注的开源AI模型，在智能和财务基准测试中表现具有竞争力，但在代理任务方面面临挑战。
Salesforce 和 Nvidia 推出了 Koa，一个基于 Nvidia 的 Nemotron 构建的新推理模型，专为企业任务如销售和客户支持而设计，为专有 AI 模型提供了一个开源权重的替代方案。
Ox Alpha被描述为OpenRouter上最受欢迎的免费推理模型，具有1M令牌上下文窗口，适用于编码和代理任务，并可通过Pi或Hermes Agent进行测试。
本文介绍了BDH-CQ，一个150M参数的循环模型，它结合了上下文学习和潜在推理，以每任务0.0007美元的成本在ARC-AGI-1上取得了29.5%的成绩，为成本效率树立了新标准。
本文介绍了BDH-CQ，一个150M参数规模的推理模型，它将上下文学习与循环潜在推理相结合，在ARC-AGI-1上以极低的推理成本实现了29.5%的pass@2，确立了新的成本-精度前沿。
黄仁勋宣布NVIDIA正式开源面向自动驾驶的推理模型Alpamayo 2 Super，该模型能理解复杂场景并先思考后行动，适用于Robotaxi、卡车和配送车等，采用OpenMDW-1.1协议开放商用。
AntLingAGI 发布 Ling 3.0 flash，一个原生混合线性推理模型，总参数 124B，激活参数 5.1B，采用 MIT 许可证，声称以更少的计算量和更快的响应速度媲美 1T 参数的旗舰模型。
inclusionAI 发布了 Ling-3.0-flash，一款原生混合推理模型，总参数量124B，激活参数量5.1B，采用混合线性注意力架构（KDA+MLA）与稀疏MoE。其性能与上一代1T级模型 Ring-2.6-1T 相当或更优，同时计算效率大幅提升，并内置智能体与长上下文优化。
NVIDIA released Alpamayo 2 Super, an open reasoning model for autonomous vehicles, now available for commercial use under the OpenMDW-1.1 license, delivering frontier-scale reasoning for robotaxis and AV development.
DeepLens诊断代理采用五阶段智能体工作流，结合小型医疗推理模型（7B），在包含915个病例的基准测试中实现了60.14%的诊断准确率，以更低成本超越了Claude Sonnet 4.5和Gemini 3.1 Pro等前沿大语言模型。仅工作流设计就比基础模型提升了36个百分点，表明结构化流程约束对于诊断推理至关重要。
用户分享了使用Laguna S2.1模型的经验，发现其因详尽的推理风格在复杂调试中效果显著，但不适合作为通用规划器。它成功修复了Qwen和Claude等其他模型无法解决的错误。
Domyn-Small是一个100亿参数的开源推理语言模型，采用MIT许可证发布，基于9万亿个token训练，针对推理、指令遵循和工具使用进行了优化。在与Qwen3.5-9B和OLMo-3-7B-Think等同类模型的对比中，它实现了强大的准确性与效率平衡。
本文提出了FUSAR-R1，一种用于SAR图像解译的大规模推理模型，它利用思维链推理和强化学习，实现了优于现有模型的性能。
一款8B推理OCR模型实现了近乎完美的99%准确率，瞬间从图像中提取文字，并将复杂布局转换为整洁的Markdown，在文档任务上优于GPT-4o等更大模型。
Qwythos-9B 是一款基于 Qwen3.5-9B 底座、用 5 亿+ Claude Mythos 推理轨迹二次训练的 9B 超强推理模型，原生支持 1M 长上下文和工具调用，专为安全研究员本地部署设计，在 MMLU 和数学推理上大幅领先原版底座。
Empero 发布了 Qwythos-27B-v1，这是一个基于 Qwen3.5-27B 的开源权重推理模型，保留了原生多 token 预测、完整视觉塔和 1,048,576 token 的上下文窗口。它在智能体终端任务上表现出色，并且与 9B 版本相比，闭卷推理能力有所提升。
Empero AI 发布了 Qwythos-9B-v2，这是其推理模型的改进版本，消除了循环行为，同时保持了跨基准测试的性能。此次更新还恢复了 MTP 头部，并修复了身份注入问题。
Tess-4-27B 是一个基于 Qwen3.6-27B 构建的 27B 推理模型，在 64K 令牌长上下文智能体轨迹上进行了后训练，并采用了权重缩放推理。它旨在实现高效、诚实和智能体的任务执行，并以开源格式提供。
Sebastian Raschka的新书《Build a Reasoning Model (From Scratch)》涵盖了推理扩展、强化学习和蒸馏。该公告还提到了Dario Amodei关于中国模型从Anthropic模型蒸馏的评论。