NVIDIA 发布 Nemotron 3.5 多模态检索、重排与文档解析模型
NVIDIA 扩展 Nemotron Retriever，发布 Nemotron 3.5 Embed、Rerank 和 Parse 多模态模型。Rerank 配合 8B Embed 可将每次查询的智能体 token 成本降低约 14%，Parse 以 631M 参数提供单、双和三遍文档解析模式。
#开源生态
Hugging Face BlogAI 评分7575 Hugging Face BlogAI 评分7272 NVIDIA Cosmos3-H-Dreams 发布临床胆囊切除生成式仿真模型
NVIDIA 发布 Cosmos3-H-Dreams，将基于临床胆囊切除录像和机器人运动学训练的交互式生成仿真带入体内手术场景。模型基于 Cosmos 3，可通过 FlashDreams 在单张 NVIDIA RTX PRO 6000 GPU 上实时运行，并提供四步与两步两个检查点，后者推理更快但视觉质量较低。
StratecheryAI 评分6060 Meta 发布 Muse Spark Open 开源模型，与 Apple 合作支持本地运行
Meta 发布新的开源模型 Muse Spark Open，并与 Apple 合作，确保用户可以在本地运行该模型。Meta 与 Apple 的合作使这款开源模型获得本地运行支持。
Mistral AI News精选AI 评分6666 Mistral AI 发布 Timestral 时间序列基础模型家族
Mistral AI 发布 Timestral 时间序列基础模型家族，提供 5M、28M、123M 和 209M 参数四种规格，支持概率预测、多变量目标以及过去和已知未来的协变量。209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项主要公开基准中排名第一，可在 CPU 上推理，并可通过 Mistral Forge 进行领域适配。
推荐理由：Timestral 以 5M 至 209M 的四种规格覆盖时序预测需求，并提供预训练、零样本预测、微调及本地部署路径。
Hugging Face：Qwen 新模型精选AI 评分7171 Qwen 发布 Qwen-Image-2.1-Turbo 加速图像生成模型
Qwen 发布 Qwen-Image-2.1-Turbo 加速检查点，面向文生图和图像编辑，采用与 Qwen-Image-2.1 相同的 7B 视觉生成架构。该模型仅需 8 个去噪步骤，内置推荐采样计划，默认使用 CFG=1，并借助前缀 KV 缓存复用文本和参考图上下文。
推荐理由：模型页给出了8步采样、CFG与KV缓存等配置，可用于评估快速图像生成与编辑的落地方式。
Hugging Face：Qwen 新模型精选AI 评分6767 Qwen 开源 Qwen-Image-2.1 图像生成与编辑模型
Qwen 开源 Qwen-Image-2.1，将文本生成图像与图像编辑统一到一个模型中，视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT。
推荐理由：模型兼顾生成、编辑与透明图像输出，并提供提示词改写和本地运行示例，便于评估其工作流适配方式。
Hugging Face：Qwen 新模型精选AI 评分7070 Qwen 开源 Qwen-Image-2.1 图像生成与编辑模型
Qwen 开源 Qwen-Image-2.1，将文本生成图像、图像编辑、透明图层生成与主体提取整合在同一模型中。其视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT，支持最多 10 张参考图，以及圆形、绘制标注或独立蒙版指定的局部编辑。
推荐理由：模型提供文生图、图像编辑与透明图层生成，并公布安装和推理示例，方便开发者直接评估工作流。
Hugging Face：deepseek-ai 新模型精选AI 评分8787 DeepSeek 发布 DeepSeek-V4.1-Flash 多模态 MoE 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，这是一款拥有552B主干参数、支持1M token上下文的多模态MoE模型，可原生处理图像和文本。
推荐理由：模型将1M token上下文与每token仅8B或16B激活参数结合，并量化了KV cache压缩效果，为高输入量智能体工作流提供成本对照。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp 实验性多模态模型
DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列首个实验性多模态模型。该模型在 ApexBench 的 Pass@1 得分由 26.2 提升至 36.5，Agents' Last Exam 得分由 25.2 提升至 27.3，文本 Agent 任务表现与 DeepSeek-V4-Flash-0731 相当。
推荐理由：仓库提供提示词编码、最小推理实现和基准结果，并给出 vLLM、SGLang 部署方式，便于评估与复现。
Hugging Face：Qwen 新模型精选AI 评分7171 Qwen-Drive-1.0-4B 发布
Qwen 发布 Qwen-Drive-1.0-4B，以 Qwen3.5-4B 视觉语言模型为基础，在统一框架中实现 3D 感知、驾驶场景问答和运动规划。模型外接 BEV 感知头与 Planning Expert，分别完成 3D 目标检测、语义占用预测、BEV 地图分割及未来车辆轨迹生成。
推荐理由：Qwen-Drive-1.0 将 3D 感知、驾驶问答与运动规划整合到同一多模态框架，并公开权重和推理代码。
Hugging Face：moonshotai 新模型精选AI 评分8383 月之暗面发布原生多模态智能体模型 Kimi K2.5
月之暗面发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 持续预训练约 15T 个视觉与文本 token。模型采用 1T 总参数、32B 激活参数的 MoE 架构，支持 256K 上下文、图像和视频输入、即时与思考模式以及多智能体协作。
推荐理由：模型页披露了架构、评测、部署与调用方式，便于比较其多模态和智能体能力及实际接入成本。