开源生态

Cohere 发布开源智能体编码模型 North Mini Code

Cohere 发布了其首个开源智能体编码模型 North Mini Code，采用混合专家架构，总参数 30B，激活参数仅 3B，支持 256K 上下文，并采用 Apache 2.0 许可证。该模型在编码基准测试中表现强劲，输出吞吐量比 Devstral Small 2 高 2.8 倍，旨在提供高效、可部署的智能体编码能力，推动主权 AI 的发展。模型可在

Mistral AI 发布 Leanstral 1.5：开源形式验证模型实现性能飞跃

Mistral AI 发布了 Leanstral 1.5，这是一个免费、Apache-2.0 许可的模型，拥有 119B 总参数和 6B 激活参数，在形式验证方面实现了重大性能提升，完全饱和 miniF2F，解决 587/672 个 PutnamBench 问题，并在 FATE-H 和 FATE-X 上达到新的最先进水平。该模型通过三阶段训练（中期训练、监督

Mistral Small 4 发布：统一推理、多模态与编码的开源模型

Mistral AI 发布了 Mistral Small 4，这是其 Small 系列的新旗舰模型，首次统一了推理、多模态和智能体编码能力，支持文本和图像输入，并采用 Apache 2.0 开源许可。该模型基于 MoE 架构，总参数 119B，激活参数 6B，上下文窗口 256k，性能相比 Small 3 提升显著，推理延迟降低 40%，吞吐量提升 3 倍。

Mistral 发布 Medium 3.5 模型及云端编码代理

Mistral AI 发布了 Mistral Medium 3.5，这是一个 128B 参数的开源权重模型，支持长时程编码和生产力任务，并成为 Le Chat 和 Mistral Vibe 的默认模型。同时推出了远程代理和 Le Chat 的 Work 模式，支持并行异步任务执行。该模型在 SWE-Bench Verified 上得分 77.6%，定价为每百

Hugging Face 博客新文章：Kimi K3 等模型发布与技术教程

Hugging Face 博客发布了多篇新文章，涵盖模型发布、技术教程和行业观点。其中重点介绍了 Kimi K3 模型，该模型拥有 2.8T 参数，采用 MXFP4 量化，并开放权重，对社区具有重要意义。其他文章涉及多语言检索模型、设备端视觉语言模型、物理 AI 模拟、FLUX 3 多模态模型、AI 预测模型开源、KV 缓存优化、RAG 幻觉预防等。

Thinking Machines 发布开源多模态模型 Inkling 及小型版

Thinking Machines Lab 发布了开源多模态模型 Inkling 及其小型版本 Inkling-Small。Inkling 拥有约 1 万亿参数，支持文本、图像和音频输入，具备 1M 上下文窗口和智能体能力，并已在 Hugging Face 上提供，支持 transformers、SGLang、vLLM 和 llama.cpp 等推理引擎。该

另有 1 家信源报道

Meta模型助力SYNAPS-I将科学图像分析从数月缩短至15分钟

美国劳伦斯伯克利国家实验室领导的SYNAPS-I项目，利用Meta开源的SAM 3和DINOv3模型，在DOE光源设施上实现了科学图像分割的自动化，将数据处理时间从数月缩短至15分钟。该项目是白宫Genesis Mission的一部分，旨在加速科学发现，并已在葡萄干旱响应研究中展示应用。

Tether AI 发布 VisionPsy-Nano：边缘设备上的先进视觉语言模型

Tether AI Research 发布了 VisionPsy-Nano 系列紧凑型视觉语言模型（约 460M 参数），专为边缘设备设计，包含质量优先的 460M 和延迟优化的 460M-Flash 两个版本。该系列在 17 项基准测试中的 16 项上优于同类 0.5B 模型，并在推理、视觉感知等能力上超越更大模型。模型以 Apache 2.0 协议开源，

LightOn 发布开源多语言检索模型 mDenseOn 和 mLateOn

LightOn AI 发布了两个开源的 307M 参数多语言检索模型 mDenseOn 和 mLateOn，基于 28 亿对翻译训练语料，覆盖 8 种语言和代码。mLateOn 在 BEIR、MIRACL 和 MLDR 基准上表现最佳，尤其在未见语言上泛化能力显著优于 mDenseOn。所有模型、数据集和训练代码均已开源。

Kimi K3 模型概览：2.8T 参数与 MXFP4 量化

Moonshot AI 于 2026 年 7 月 16 日发布 Kimi K3，这是首个达到 2.8 万亿参数的开源模型，采用 MoE 架构和 MXFP4 量化，支持 100 万 token 上下文及原生视觉。模型在多个基准测试中表现优异，尤其在编码任务上领先。开源权重计划于 7 月 27 日发布，将推动社区研究和部署。

行业领袖联合成立开放安全AI联盟，推动AI安全与网络安全

NVIDIA 联合多家行业领袖成立开放安全 AI 联盟，旨在通过开源技术提升 AI 安全与网络安全。该联盟将基于 Linux 基金会的 Akrites 倡议和 OpenSSF 社区工作，开发开放模型、工具和技术，以保护软件和代理。NVIDIA 还贡献了新的开源项目 NOOA，用于增强代理的可测试性和可治理性。

开放模型综述：Kimi K3、Qwen 3.8、开源差距与蒸馏争议

在 Interconnects 播客中，Nathan Lambert 和 Florian Brand 讨论了开放模型的近期进展，包括 Kimi K3 的发布、Qwen 3.8 的开放权重计划、中国领导人的开源承诺，以及中美模型差距和蒸馏技术的争议。他们指出，开放模型在特定任务上可能接近前沿，但后训练和微调仍面临挑战。

NVIDIA 开源医疗物理模拟框架，加速医疗机器人开发

NVIDIA 宣布开源其医疗物理模拟框架，该框架集成于 Isaac for Healthcare，利用 GPU 加速模拟解剖与器械交互，支持机器人策略训练和测试。该框架结合经典物理模拟与生成式 AI，可并行运行数千个训练环境，显著缩短训练时间。多家医疗机器人公司如 CMR Surgical、Johnson & Johnson MedTech 等已开始采用该框

Kimi K3开源升级：中国AI模型逼近前沿，全球生态格局生变

月之暗面于7月16日发布旗舰模型Kimi K3，这是一个2.8T参数的MoE模型，权重将于7月27日开源。K3在多个基准测试中排名前列，被认为是迄今最强的开源模型，标志着中国开源模型与前沿闭源模型的差距缩小至3-5个月。文章认为，中国AI实验室在模型构建上具备与美国顶尖实验室相当的能力，且中国高层在WAIC上承诺开源AI战略，这将对全球AI生态产生深远影响。

开放模型面临6个月生存危机：政策禁令风险加剧

本文警告开放权重模型面临严峻政策风险，美国白宫可能通过行政命令限制或禁止能力接近GPT-5.5、Claude Opus 4.8等前沿水平的开源模型，预计6个月内可能实施。文章指出Anthropic主导的反华模型运动实为监管捕获，其建议的禁令将摧毁美国新兴的开源模型生态。作者呼吁社区抵制此类政策，认为当前蒸馏辩论缺乏技术证据，且开放模型缺乏经济代言人。

vLLM v0.25.0 发布：MRv2 默认、新模型与性能优化

vLLM 发布 v0.25.0 版本，包含 558 个提交，来自 232 位贡献者。该版本将 Model Runner V2 设为所有稠密模型的默认执行路径，并移除了 PagedAttention 遗留实现。新模型支持包括 LLaVA-OneVision-2、GLM-5、DeepSeek-V3.2 等，并引入了新的流式解析引擎和通用投机解码。性能优化涵盖 G

微软发布Aurora 1.5：扩展开放天气基础模型，新增集合预报

微软发布了Aurora 1.5，这是其地球系统基础模型的主要扩展，新增22个天气变量、每小时时间分辨率和概率集合预报，并作为开源模型在GitHub和Hugging Face上发布。该模型由微软天气团队开发，基于微软研究院AI for Science的原始模型，旨在连接开放研究与企业级天气服务。Aurora 1.5的集合预报在88.9%的评估目标上优于ECMW

vLLM v0.24.0 发布：新增 MiniMax-M3 与 DiffusionGemma 支持

vLLM 发布 v0.24.0 版本，包含 571 个提交，来自 256 位贡献者。新增 MiniMax-M3、DiffusionGemma 等模型支持，并持续优化 DeepSeek-V4 的性能。Model Runner V2 默认支持量化模型，Rust 前端新增多项 API 功能。设备选择机制改为使用 device ids 参数，不再内部设置 CUDA

开源生态多元化：Zyphra、Cohere、Poolside 等推动模型发布新趋势

Interconnects AI 的最新开源模型报告指出，开源生态系统正变得更加多元化，参与者包括纯模型制造商、大科技公司和产品公司。报告重点推荐了 NVIDIA 的 Nemotron 系列、Cohere 的 Command A+、GLM-5.2、Zyphra 的 ZAYA1 和 Poolside 的 Laguna-M.1 等模型，并讨论了开源模型发布的动机

本地编码代理：用开放权重模型替代订阅服务

本文是一篇关于使用开源工具和开放权重模型搭建本地编码代理的教程，作者介绍了如何用本地LLM和编码框架替代Claude Code和Codex订阅服务。文章强调了本地方案在成本、隐私、可定制性方面的优势，并主要使用Qwen3.6模型和Qwen-Code框架，同时提及了其他框架如Claude Code、Codex和Cline。作者还引用了Nvidia的Polar论