标签
发布 CalOn，一个 0.6B 参数的校准类型化决策模型，用于实体、关系与事件抽取，速度达每秒 120 句，是 GLiNER2 的 5.5 倍，并在 40 个基准上超越基线。权重、推理与训练代码均以 Apache 2.0 开源。
NandakishorM 开源了基于物理的类型化决策模型 Vega（800M 及 4B 参数版本），采用 Test-Time Training 引擎 + 适配器架构，支持 73k 上下文和图像输入，通过在隐藏层构建"结果山谷"并用带摩擦的小球物理模拟来判定输出意图，单次推理超越多项 JEV 基准。
webAI 发布了 TwIL LM3 Pro，一个基于 IBM Granite 4.2 3B、仅针对形式逻辑（如前提蕴含判断、规则归纳、Lean 证明批判）微调的 3.66B 模型，在逻辑复合基准上以不到一半的参数量追平 Qwen3-8B，并提供可在 CPU/4GB 显存上运行的 GGUF 量化版本。
Phocinae-Largha-150M-v1 是一个拥有 144.3M 参数的决策模型（基于 mmBERT-small），可接受结构化状态以及类型化的是非题/选择题/评分题，只需一次前向推理即可输出带置信度的校准答案；在自建的英文评测集上达到 0.906 的准确率，GPU fp16 下延迟低至 21ms。
Musubi发布了PolicyLM-1.7B，这是一个开放权重的决策模型，旨在以低于50毫秒的时延实时执行以简单英语撰写的内容政策，且政策变更时无需重新训练。此次发布正值Typesafe AI的Jev引发各方对决策模型的高度关注之际，OpenAI与Amazon也推出了各自的竞争模型。
Clef Flash 是一个在 RTX 5080 上以 Q4 量化运行的 9B 模型，仅凭简单的视觉指令就能实时游玩 Google 贪吃蛇（在游戏 135 毫秒的转向时限内），无需任何训练或对游戏状态进行破解。
NVIDIA 发布 Nemotron-3.5-Bolt-E4B-4GB，一款基于 Gemma-4-E4B-it 后训练的小语言模型（8B 总参数、4B 有效参数，Q4_K_M 量化），专为低内存、低首字延迟的本地语音助手与嵌入式边缘场景优化，采用 OpenMDW-1.1 开放许可。
一位独立开发者开源了 Peacebell，一个从零开始训练的领域专用小型语言模型（291M 和 148M 参数版本），专注于第二次世界大战相关内容，使用自建训练流水线、基于 Wikipedia 整理的合成数据进行训练，同时发布了配套的私有问答式二战基准测试、在线 Demo 以及一个定制化的 vLLM 分支。
Ai2（@allen_ai）发布开源模型 AstaBrief 8B，可将复杂研究问题与文献片段转化为带引用的报告，支持本地运行，开放权重与训练数据；@MaximeRivest 表示期待尝试小型专用 8B 模型的潜力。
Amazon 推出 Strands Decider 2B，这是一款 2B 参数的小型开源决策模型，它将 Qwen3.5-2B 大语言模型主体的 LM 头替换为指针头，从而在智能体工作流中实现快速、低延迟的分类与评分。
Jeff-Qwen3.5-0.8B 加上 9 个任务专用 LoRA 适配器的个人发布版，作为快速、已校准的「系统 1」分类器置于大模型之前，宣称在额外内存不到 2 GB 的情况下，相比 Qwen3.8-27B 决策速度快 38 倍，准确率高出 8.7 分。
webAI 发布了 TwIL-LM3-Pro，一个 3.66B 的开源推理模型，在形式逻辑基准测试上超越了 VibeThinker-3B、Qwen3.5-4B 和 LFM2.5-8B-A1B，并可通过 llama.cpp 以约 2 GiB 的 Q4 构建在本地运行。
TwIL-LM3-Pro 是一个 3.66B 参数的开源模型，在 BIG-Bench Hard 逻辑子集上取得 95.4% 的成绩，体积小到可以直接在笔记本电脑本地运行，展示了针对特定任务的小模型进行专业化后训练的强大威力。
Autodesk Research 推出了 FLOORA——一系列用于建筑布局生成的小型领域专用语言模型，其核心是使用一种自定义的领域特定语言（DSL）。其中 0.6B 参数的模型在面对分布外的建筑案例时，表现优于体量大得多的前沿模型，VLM 评审胜率最高可达 92%。
Xiaomi-OCR-0 是一个统一的 0.8B 视觉语言模型，面向文档解析与以 OCR 为核心的理解任务，基于 Qwen3.5-0.8B-Base 构建，在 Real5-OmniDocBench 上排名第一，并在 OCR VQA 基准上超越了 Qwen3.5-2B 等更大规模的模型。
SelfJev 是一个可自行部署的开源 4B 决策模型，支持对任意文本提出有类型的提问（是/否、单选、多选、评分），并给出经过校准的概率；同时通过 TypeSafe 的 SDK 实现 Jev 兼容，并可用自有数据进行微调。
作者训练了一个小型语言模型来替代Gemini Flash进行摘要任务，达到了97%的准确率和0.06秒的延迟，适合在内部应用中部署。
AgentJev-0.6B是一个小型开源AI决策模型，在Typed Decisions上超越了Laya，准确率更高，计算量显著减少，实现了更快的本地推理。
本文介绍了NepLEGiT，一种专门在尼泊尔法律文本上从头预训练的小型语言模型，旨在提升尼泊尔法律知识的可及性和服务交付。
这篇文章详细介绍了NVIDIA的Nemotron-3-Nano-4B-GGUF模型的发布，这是一款小型语言模型，旨在处理推理和非推理任务，且推理可通过系统提示进行控制。