#开源模型
米哈游和清华北大把游戏操作模型开源了，能自己玩《我的世界》和《毁灭战士》，最小 0.8B 单卡就能跑，可以拿来折腾。
腾讯混元开源了一个给工作型 Agent 造训练环境的框架，40 个领域、1.67 万个环境，训练数据还能自动验证，做 Agent 的可以看看。
Meta 把自家大模型蒸馏成 30B 小模型，一张 RTX 5090 就能跑 Agent，MCPAtlas 上比分(open-source)同级模型高不少，玩本地部署的可以看看。
IBM 开源了个 2B 的语音模型 Granite Speech 5.0，Open ASR 榜单第二，英文 WER 只有 5.68%，商用免费拿去部署转录都行。
星火 X2.6 不靠 N 卡训练，全用国产芯片，还把上下文做到 1M，输入定价 0.9 元/百万 tokens，端侧 4B 模型免费开源，可以试试。
有人翻出 DeepSeek 的股东名单，CATL、SMIC、Geely 这些硬件厂都在里面，和美国实验室靠风投养的模式很不一样，评论区吵得挺热闹。
163 MB 的语音转写模型，M 系列芯片上半秒转完 5 分钟音频，错字率还比 Whisper 低，Clean 版连“嗯啊”都帮你删了。
DeepSeek 的搜索 API 被第三方跑分了：69 分排中游，但 $0.75/千次的价格全场最低，预算敏感的开发者可以看看这份拆解。
英伟达把检索三件套 Parse、Embed、Rerank 全开源了，扫描 PDF 和图表都能解析，准确率上去了成本还降了 14%，做 RAG 的可以试试。
MemTensor 开源了带内置记忆的 MemT 1.0，256K 历史下推理快 4 倍、存储小 130 倍，做长对话应用的可以看看。
Perplexity 开源了 0.6B 和 9B 两款多模态嵌入模型，0.6B 就能打大模型，还支持 9B 建库、0.6B 查询的省资源玩法，做检索的可以试试。
有人给 VHDL 代码生成做了个专门基准，18,500 多条样本微调后语法正确率到 92%，还真能跑上 FPGA 硬件，做芯片设计的可以看看。
博主在猜 DeepSeek V4.1 Pro 的预训练量会破 50T tokens，还拿 Microsoft 的 MAU 和 OpenAI 的规模做对比，算力党可以看看。
这条帖子把 DeepSeek V4.1 的超低价拆成了一盘棋：压价、锁推理栈、自建 Ascend 算力，读完你会重新理解国产模型怎么打价格战。
Recursive 开源了 Flint，40B 总参数只激活 2.5B，SWE-bench 拿到 74.2%，Mac 上能跑到 125 token 每秒，本地跑编程 Agent 可以试试。
Meta 放了个开源权重模型 Muse Spark Open，已经能在 Together AI 上直接用了，26 号还有官方技术直播讲怎么部署，搞自部署的可以看看。
OpenClaw 官方开放了团队服务器，你可以直接和 Maintainers 一起写 prompt、改项目，想参与开源共建的可以去试试。
老黄在 GTC Berlin 用一条提示词装好 Hermes，再让它训练几千只模拟机器鸭跑障碍赛，开源本地+云端模型混搭玩法很值得看。
Recursive 发了个能在笔记本上跑的免费编程模型 Flint，还说是自家 AI 系统基本自己写出来的，这个自我开发路线挺少见。
Manning 说有个比 Inkling 小 10 倍的模型性能只差一点，还聊到 Mac Studio 要不要买，本地部署党可以看看。
Recursive 开源了 40B 的编程模型 Flint，Apache 2.0 协议，本地就能跑，RTX Spark 上每秒 220+ tokens，还用自研系统额外提速了 55%。
Richard Socher 团队出了个本地编码模型 Flint，MacBook 上每秒能跑 125+ tokens，权重开放，不用联网不用按量付费，写代码的可以试试。
一个 40B 的开源编码模型，MacBook 本地就能跑到 125 token/秒，速度比 Qwen3.8 27B 快 7 倍，质量只差 4 个点。
写 CUDA kernel 的朋友可以看看，FlyDSL 用 Python 写 kernel 就能在 AMD MI350 上跑，vLLM 推理最高快 3 倍。
LMSYS 给 SGLang 出了个 TPU 插件，想用 PyTorch 那套工具在 TPU 上跑模型做智能体推理的开发者可以看看，还附了 TPU 训练的早期探索。
Crusoe 在 PyTorchCon 上讲的这套后训练平台兼容 Tinker API，想微调开源模型的企业可以直接看它怎么跑 RL 流程。