开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
Qwen 发布 Qwen 系列首个安全护栏模型 Qwen3Guard，基于 Qwen3 基础模型微调，可对提示词和回复做安全检测并给出风险等级与分类。它提供 Qwen3Guard-Gen 和 Qwen3Guard-Stream 两个变体，后者通过 Transformer 末层两个轻量分类头实现逐 token 的实时流式检测，两者均有 0.6B、4B、8B 三种规模。
推荐理由：原文给出两种安全护栏变体的能力差异与开源入口，读者可据此判断流式审核在部署中的取舍。
Qwen 发布 Qwen-Image-Edit，这是基于 20B Qwen-Image 的图像编辑版本，将文本渲染能力扩展到图像编辑任务。该模型同时把输入图像送入 Qwen2.5-VL 做视觉语义控制、送入 VAE Encoder 做视觉外观控制，支持语义编辑与外观编辑，并支持中英双语文字的直接增删改且保留原字体、大小和风格。
推荐理由：原文给出语义与外观两类编辑能力及中英文字编辑细节，读者可据此判断图像编辑模型的能力边界。
Qwen 发布 Qwen-Image，一个 20B MMDiT 图像基础模型，主打复杂文字渲染与精准图像编辑，可在 Qwen Chat 的 Image Generation 入口试用。
推荐理由：原文给出 20B MMDiT 图像基础模型在文字渲染与图像编辑上的能力展示和多个基准结果，读者可据此判断中文文字生成的实际水平。
Qwen 团队提出 Group Sequence Policy Optimization（GSPO）算法，基于序列似然定义重要性比率并做序列级裁剪、奖励和优化。
推荐理由：原文给出 GSPO 与 GRPO 在训练稳定性、效率和 MoE 场景下的对比，读者可据此理解 RL 扩展的算法取舍。
Qwen 发布 Qwen3-Coder，首个最强变体 Qwen3-Coder-480B-A35B-Instruct 是 480B 参数 MoE 模型，激活参数 35B，原生支持 256K 上下文，借助 YaRN 可扩展至 1M token。
推荐理由：原文给出模型规格、上下文长度与开源 CLI 工具，读者可据此判断开源编码模型在智能体任务上的位置。
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 和 3B 两个版本，均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，具备内置问答与摘要、多语言自动检测以及从语音直接触发函数调用等能力。
推荐理由：Mistral 开源两款语音理解模型，给出与 Whisper、GPT-4o mini、Gemini 2.5 Flash 的基准对比和 API 定价，便于评估替代方案。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：Mistral 与 All Hands AI 联合发布两款编码智能体模型，给出了 SWE-Bench Verified 分数与 API 定价，便于对比现有方案。
Qwen 发布统一多模态理解与生成模型 Qwen VLo，预览版可通过 Qwen Chat 访问，支持直接文生图和上传图片后按指令修改。该模型采用从左到右、从上到下的渐进式生成方式，支持中英文等多语言指令，可完成风格迁移、背景替换、文字编辑以及检测、分割、边缘提取等任务。官方表示多图输入和极端宽高比生成尚未正式上线，模型仍处预览阶段，存在生成不准确、不遵循指令等不足。
推荐理由：原文给出统一理解与生成模型的预览入口和能力边界，读者可据此判断多模态生成的实际可用程度。
Mistral AI 发布 Mistral Compute，提供从裸金属服务器到全托管 PaaS 的私有集成 AI 基础设施栈，涵盖 GPU、编排、API、产品与服务。
推荐理由：Mistral 把自建训练与推理基础设施对外开放，读者可据此判断欧洲主权 AI 算力供给的另一种选择。
Mistral AI 发布首款推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和面向企业的 Magistral Medium。
推荐理由：Mistral AI 首款推理模型同时给出开源版与商用版，并公开训练论文，读者可据此判断其推理能力与开放程度。
Qwen3 Embedding 系列发布，包含 0.6B、4B、8B 三种尺寸的文本嵌入与重排模型，基于 Qwen3 基础模型构建，以 Apache 2.0 协议在 Hugging Face 和 ModelScope 开源，技术报告与代码已发布在 GitHub。
推荐理由：原文给出 Qwen3 Embedding 系列的尺寸、评测分数与开源入口，读者可据此判断它在检索与重排任务上的选型空间。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源，在 SWE-Bench Verified 上得分 46.8%，超过此前开源 SOTA 逾 6 个百分点，并在同一 OpenHands 测试框架下超过 Deepseek-V3-0324（671B）和 Qwen3 232B-A22B。
推荐理由：Devstral 在 SWE-Bench Verified 上以 46.8% 超过此前开源 SOTA 逾 6 个百分点，并给出单卡 4090 可跑的本地部署路径。
Qwen 发布 Qwen3 系列，旗舰 MoE 模型 Qwen3-235B-A22B 在编码、数学和通用能力评测中与 DeepSeek-R1、o1、o3-mini、Grok-3、Gemini-2.5-Pro 等模型表现相当。
推荐理由：原文给出 Qwen3 全系开源规格、混合思考模式与预训练数据规模，便于读者判断其与同级模型的定位差异。
Qwen 团队发布端到端全模态模型 Qwen2.5-Omni，可处理文本、图像、音频和视频输入，并以流式方式同时输出文本与自然语音。该模型采用 Thinker-Talker 架构，并提出 TMRoPE 位置嵌入来同步视频与音频时间戳，支持分块输入和即时输出的实时交互。
推荐理由：原文给出 Thinker-Talker 架构与实时语音视频交互能力，读者可据此判断端到端全模态模型的落地方式。
Qwen 团队以 Apache 2.0 许可开源 Qwen2.5-VL-32B-Instruct，在 Qwen2.5-VL 系列基础上用强化学习继续优化。
推荐理由：官方给出 32B 视觉语言模型的基准对比与演示案例，可据此判断同规模开源多模态模型的当前水平。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/秒，采用 Apache 2.0 许可。
推荐理由：官方给出 Mistral Small 3.1 在文本、多模态与长上下文上的具体提升和部署门槛，便于判断其端侧可用性。
Qwen 发布 QwQ-32B，一个 320 亿参数的推理模型，官方称其性能可与 6710 亿参数（激活 370 亿）的 DeepSeek-R1 相比。该模型以 Apache 2.0 协议在 Hugging Face 和 ModelScope 开源权重，并可通过 Qwen Chat 使用。
推荐理由：原文给出 32B 模型对标 671B 的评测结果与两阶段 RL 训练方法，可据此判断小模型推理路线的可行性。
Qwen 团队发布 QwQ-Max-Preview，这是基于 Qwen2.5-Max 构建的推理模型预览版，在数学、编码和通用领域任务上表现突出，并擅长 Agent 相关工作流。官方表示 QwQ-Max 与 Qwen2.5-Max 将以 Apache 2.0 协议开源，后续还会推出 Qwen Chat App，并开源 QwQ-32B 等更小的推理模型供本地部署。
推荐理由：原文给出 QwQ-Max-Preview 的能力定位与后续开源、App 和小模型计划，读者可据此判断 Qwen 推理模型的路线。
Qwen2.5-Max 是预训练超过 20 万亿 token 的大规模 MoE 模型，并经过 SFT 与 RLHF 后训练，现已在 Qwen Chat 上线并通过阿里云提供 API，模型名为 qwen-max-2025-01-25。
推荐理由：原文给出 Qwen2.5-Max 的预训练规模与多项基准对比，读者可据此判断大规模 MoE 路线的能力位置。
Qwen 开源 Qwen2.5-7B-Instruct-1M 和 Qwen2.5-14B-Instruct-1M 两个模型，首次将开源 Qwen 模型的上下文长度提升到 1M token。
推荐理由：原文给出两个开源长上下文模型及配套 vLLM 推理框架，读者可据此评估本地部署 1M token 场景的硬件门槛与提速幅度。