#开源模型
Thinking Machines 刚发了 Inkling，一个开源的多模态推理模型，能处理文本、图像、音频，还给了完整权重可以微调，NVFP4 检查点直接下。
Robbyant 把 LingBot-VLA 2.0 的训练后代码开源了，单张 RTX 4090D 跑出 130 毫秒推理，不用集群就能自己玩。
开源、60K小时数据、覆盖多种机器人，LingBot-VLA 2.0 在长周期任务上表现出色，值得研究具身智能的你看一看。
Mozilla报告用数据告诉你开源模型有多猛：DeepSeek V4 Flash月用量18.4T Tokens碾压闭源，价格还暴跌50倍。
PrismML 把 27B 大模型压到几 GB 还能在手机上跑，性能几乎没缩水，iPhone 用户也能本地跑大模型了。
PrismML搞了个Bonsai 27B，在手机上就能跑27B多模态模型，压缩到3.9GB性能还能保留90%，挺牛的，还开源了，可以试试。
手机能跑 27B 模型了？PrismML 的 Bonsai 27B 实际做到了——体积最小 3.9GB，速度还不慢，开源免费。想本地用大模型又嫌大的可以看。
斯坦福实验室搞了个Proto框架，能把120多个AI生物学模型串起来用，以前要几周，现在快多了，AI agent还能自己写程序，挺有意思。
高德开源的 AI 工坊，输文字或图片就能生成可实时交互的 3D 世界，还能连续跑 1 小时不崩，比同类 1 分钟长得多，且内置任意门随便穿梭。
NVIDIA 发了新开源模型 Nemotron Ultra，在 Ollama 上跑得很火，专门搞定复杂长任务，比之前的版本更强。
Hugging Face 把 Transformers 模型直接跑进 vLLM，性能不输手写，以后搞推理不用重复造轮子了。
Ethan Mollick说OpenRouter的数字可能有误导，因为大家可能都在转向Codex这种编程助手。想了解AI使用数据怎么失真就看这个。
PrimeIntellect发了Verifiers v1，用vLLM做强化学习rollout，token精度更高，训练更稳定。搞开源RL的可以看看。
商汤刚开源了SenseNova-Vision，统一四大视觉任务还比Vision Banana强，附带5000万条数据，快试试吧
Ollama 拿到融资了，现在有 900 多万人在用它跑本地模型。开源路线越来越主流，想自己掌控 AI 栈的开发者可以关注。
Together Compute CEO在CNBC点明了开放模型的关键优势：数据是你的秘方。如果你关心AI时代的数据主权和企业控制力，这个观点值得一听。
Together Compute 拿到 C 轮融资了，他们家的开放基础设施服务了 Cursor 等团队，月处理 token 从 30 亿涨到 400 万亿，值得关注。
DecagonAI联合创始人在NYT说，把任务从闭源模型换到Together AI上的开源模型，成本只要原来的五分之一到七分之一，省太多了。
想做多乐器音乐自动转录？Kyutai 开源了 MuScriptor，训练数据 160 多万条，比 YourMT3+ 更准，还带交互演示。
