Hugging Face

mradermacher 发布 gemma-4-31B-it-abliterated 的 GGUF 量化版本

开发者 mradermacher 在 Hugging Face 发布了 gemma-4-31B-it-abliterated 的 GGUF 静态量化版本，基于 wangzhang 的 abliterated（去审查）模型，提供从 Q2 K 到 Q8 0 的多种量化档位。该发布让用户可在本地以较低显存运行这一 31B 去审查模型，并另有 imatrix 加权量

mradermacher 发布 Gemma-4-26B 去审查模型 GGUF 量化版

Hugging Face 用户 mradermacher 发布了 gemma-4-26B-A4B-it-uncensored 的加权/imatrix GGUF 量化版本，基于 InfinimindCreations 的去审查（uncensored）Gemma 4 MoE 模型。该仓库提供从 IQ1 S 到 Q6 K 的多种量化文件，并附有大小与质量建议，方便

CIRCL 发布基于 RoBERTa 的漏洞严重性分类模型 VLAI

CIRCL 在 Hugging Face 发布基于 roberta-base 微调的漏洞严重性分类模型 VLAI，可根据漏洞文本描述预测 Low/Medium/High/Critical 四个 CVSS 等级。模型在超过 60 万条真实漏洞数据上训练，并已集成到 Vulnerability-Lookup 服务中。值得注意的是，采用防泄漏分组切分后，测试准确率

Hemmingway-1：基于Qwen3.8的27B日常写作模型开源发布

瑞士公司 The Commons Lab 在 Hugging Face 发布 Hemmingway-1，一个基于 Qwen3.8-27B 微调的 27B 参数开源权重模型，主打日常消息、邮件等写作场景，采用 CC BY-NC 4.0 非商用许可。团队用自建的 CommunicationBench、Human-Likeness 和 StoryBench 基准测

Falcon：高效流式音视频目标说话人提取方法

研究者提出轻量级因果音视频目标说话人提取方法 Falcon，通过单次编解码的多尺度时频分离与编码器空间说话人对比损失，在零推理成本下抑制近场干扰泄漏。同时发布 RealSSA 基准，包含可控模拟场景（1-5 个动态近场干扰说话人，远场场景另含 10-15 个远场干扰源）与真实录音留出评测集。Falcon 在 RealSSA-Sim、LRS2-2Mix、LRS

27岁清华教授创业押注RSI，超衍智能开源首款35B模型

北京大模型创企超衍智能发布并开源首款模型Apex-35B-V1.0，总参数350亿、激活约30亿，支持26.2万Token上下文，基于Qwen3.6-35B-A3B经中训练和后训练优化，AI自主参与数据构造、实验设计与训练优化。该模型在PaperBench、FrontierScience、BFCL V4等基准上超过GLM-5.3、DeepSeek-V4.1-

Mistral 开源万亿参数模型 ML4 权重，主打网络安全

法国 AI 公司 Mistral 发布了其万亿参数开源模型 Mistral Large 4（ML4，昵称 Le Chonk）的权重，企业和政府可自行下载部署，权重已在 Hugging Face 和 API 上提供。Mistral 称该模型在网络安全场景性能可比中国开源模型 GLM-5.3，但每任务 token 用量少 47%，并在 Artificial An

另有 1 家信源报道

Comfy-Org 发布 MiniMax-H3 的 ComfyUI 重打包模型

Comfy-Org 在 Hugging Face 上发布了 MiniMax-H3 的 ComfyUI 重打包模型文件，包含扩散模型、Qwen3-VL-32B 文本编码器、LoRA、VAE、ControlNet 补丁及 embeddings 等多类权重。该仓库提供 bf16、int8 convrot、fp8 scaled、nvfp4 awq 等多种量化版本，并

AtomicChat 发布 Qwen3.8-Flash-Next GGUF 量化版

AtomicChat 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 GGUF 量化版本，基于 Qwen 官方权重并使用自有重要性矩阵自行量化，校准语料公开。该模型为 177B 参数 MoE 多模态架构，其中 51B 参数为 n-gram 查找表，可常驻 SSD 而不进入内存，使 85GB 量化文件能在 64GB 内存的 M5

Mistral 发布万亿参数编码模型 Le Chonk，整体仍落后中国开源模型

法国 Mistral 发布其迄今最大模型 Mistral Large 4（代号 Le Chonk）的权重，约 1 万亿参数、每步激活 520 亿，采用修改版 MIT 许可，可在自有硬件上运行。该模型在编码基准上领先开源模型，但 Artificial Analysis 智能指数仅 26 分，落后于 DeepSeek V4.1 Flash、GLM-5.3 等中国

另有 1 家信源报道

Ingot-IV-27B-Q2 三值量化模型发布

Hugging Face 上发布了 Ingot-IV-27B-Q2，这是 Bittensor 子网 Ingot 竞赛中获胜矿工提交的三值量化模型，基于 Prism ML 的 Ternary Bonsai 2 27B 微调，重新调整了分块缩放与归一化权重以更接近 Qwen3.8-27B 教师模型。该模型提供 1.75 bpw（5.95 GB）和 2.125 b

英伟达开源 Nemotron 3.5 Transcribe，整合转录、翻译与说话人识别

英伟达发布开源语音模型 Nemotron 3.5 Transcribe，该模型支持文本指令，将转录、翻译和说话人识别整合到单一模型中，覆盖多达 40 种语言。模型总参数 300 亿，但每步仅激活约 40 亿，可在单张 GPU 上运行，并在多个基准测试中名列前茅。英伟达同时发布包含 84.4 万小时音频的 Granary v2 数据集及微调工具，便于开发者适配

另有 1 家信源报道

NVIDIA RTX Spark 笔记本新增模型、Agent 工具与游戏支持

NVIDIA 宣布 RTX Spark Windows 轻薄笔记本已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 上市，搭载 Blackwell RTX GPU 与 Grace CPU 超级芯片，最高 128GB 统一内存和 1 petaflop FP4 AI 性能。同时推出开源权重语音模型 Nemotron 3.5 Trans

Ingot-XII-27B-Q2 三元量化模型公开镜像发布

Hugging Face 上发布了 Ingot-XII-27B-Q2，这是 Bittensor 子网 Ingot 竞赛中获胜矿工提交模型的公开镜像，基于 Qwen3.8-27B 量化而来。该模型以三元权重存储，提供 1.75 bpw（5.95GB）和 2.125 bpw（7.21GB）两个 GGUF 文件，需使用 PrismML 的 llama.cpp 分支

The Trinity：面向多模态智能体的能力驱动递归自我改进

该论文提出 The Trinity 框架，通过将任务组织为能力树、生成可验证的模拟训练世界，并路由专用 Harness 模块，实现多模态智能体的递归自我改进。框架包含 Creator、Explorer、Evolver 三个角色，将任务组织从表面类别转为共享能力需求。实验显示，进化后的 Harness 在 28 个训练基准上平均提升 34 分，在 18 个未见

另有 1 家信源报道

AtomicChat 发布 Qwen3.8-Flash-Next 去审查 GGUF 与 LoRA

AtomicChat 在 Hugging Face 发布 Qwen3.8-Flash-Next 的去审查（abliteration）版本，通过将拒绝方向从原始权重中投影去除，提供三个预烘焙 GGUF 量化版本和一个 318 MB 的 LoRA 适配器。在留出提示上，英文拒绝率从 92.6% 降至 1.2%，MMLU 仅下降 0.5 分（在噪声范围内），工具调

小米开源 MiMo-V2.6-Distill-Qwen-9B 智能体模型

小米 MiMo 团队基于 Qwen3.5-9B 进行监督微调，发布 9B 智能体模型 MiMo-V2.6-Distill-Qwen-9B，覆盖代码、通用智能体、视觉代码与网络安全任务。该模型使用 774 亿 token 的 SFT 数据训练，在 SWE Pro、Terminal Bench 2.1 等基准上明显优于基座模型，并以 MIT 协议开源，作为智能体

小米发布 MiMo-V2.6-Flash-MOPD 模型

小米发布 MiMo-V2.6-Flash-MOPD，这是对 MiMo-V2.6-Flash-RL 检查点的 MOPD 升级版本。该方法将多个领域专家教师模型在策略上蒸馏进学生模型，覆盖长程游戏开发、科学研究和具身智能等难以验证的领域，并缓解了智能体场景中工具调用重复的问题。模型采用稀疏 MoE 架构，总参数 309B、激活 15B，支持 1M 上下文及文本、

小米发布 MiMo-V2.6-Pro-MOPD 模型

小米发布 MiMo-V2.6-Pro-MOPD 模型，这是 MiMo-V2.6-Pro-RL 检查点的 MOPD 升级版。MOPD2 方法将多个领域专家教师模型在策略上蒸馏进学生模型，覆盖长周期游戏开发、科学研究和具身智能等难以验证的领域。该版本还针对 agent 场景中工具调用重复（反复发出相同或高度相似调用、看似忙碌却无进展）的失败模式进行了诊断与缓解。

小米发布 MiMo-V2.6-Pro-RL 旗舰模型

小米发布 MiMo-V2.6-Pro-RL 旗舰模型，属于 MiMo-V2.6 系列，主打通过扩展强化学习实现自我改进。该模型采用稀疏 MoE 架构（总参数 1.02T、激活 42B），支持文本、图像、视频、音频原生全模态与 1M token 长上下文，并采用混合 RL、Groupwise Agentic Grading 与 MOPD2 蒸馏等技术。评测显示