MBZUAI的基础模型研究所发布了PAN 2，这是一个29B参数的开源世界模型，接收场景加文本动作，并将结果模拟为视频，权重、训练代码和推理代码均以Apache 2.0许可发布。它将一个编写结构化JSON世界状态的LLM规划器与一个29B MMDiT扩散Transformer配对，后者由冻结的Qwen3.5-9B编码器条件化，IFM报告在100个多步任务上全计划完成率为34.0%，领先于MiniMax-H3的32.50%，但在单动作和人类偏好上落后于MiniMax-H3（Elo 1595对1620）。IFM的消融实验显示，移除LLM规划器会使全计划完成率降至0.0%，步骤完成率从75.1%降至8.7%。
Tether AI Research đã phát hành BotPsy, một mô hình tác tử 0.8 tỷ tham số xây dựng trên Qwen3.5-0.8B dành cho việc sử dụng công cụ trợ lý cá nhân trên thiết bị. Mô hình này gần như nhân đôi điểm số tác tử của mô hình gốc, với BFCL v4 tăng từ 23,4 lên 44,0 và τ-bench từ 23,2 lên 51,5, đồng thời vượt qua mọi mô hình lên tới 1,2 tỷ tham số được thử nghiệm trên sáu bộ đánh giá sử dụng công cụ. Mô hình cũng giảm phản hồi không an toàn xuống 21% từ 36% và sử dụng ít hơn khoảng 3 lần token suy luận trên GPQA Diamond.
inclusionAI đã phát hành LemonDecider 4B v3, một mô hình quyết định được tinh chỉnh từ Qwen3.5-4B, trả về xác suất lựa chọn, có/không hoặc thứ tự thông qua một lượt lan truyền xuôi kết hợp duy nhất thay vì sinh ra các token trả lời. Mô hình được huấn luyện trên khoảng 1,20M dòng quyết định/hỏi đáp và đạt 61,67 trên bộ công khai Decision Index 0.4, với độ trễ yêu cầu trung vị là 49,9 ms.
inclusionAI đã phát hành các checkpoint mô hình thị giác-ngôn ngữ ZoomGain-9B và ZoomGain-4B, cùng với bộ đánh giá ZoomGainBench và dữ liệu huấn luyện RL ZoomGain. ZoomGain khai thác khoảng cách nhận thức từ toàn cục đến thu phóng để xây dựng giám sát thị giác chi tiết, và ZoomGain-9B đạt hiệu suất vượt trội trên nhiều bộ đánh giá nhận thức chi tiết và tổng quát. ZoomGainBench chứa 1.000 câu hỏi trên 941 hình ảnh, trong khi bộ dữ liệu RL có 9.000 bản ghi huấn luyện và 7.713 hình ảnh nguồn.
inclusionAI đã phát hành bài báo arXiv, bộ đánh giá ZoomGainBench, tập dữ liệu huấn luyện RL và các checkpoint mô hình ZoomGain-4B/ZoomGain-9B. Mô hình tốt nhất trong 28 mô hình đạt 61,08 trên ZoomGainBench, trong khi ZoomGain-9B đạt hiệu suất vượt trội trên nhiều benchmark nhận thức tổng quát và chi tiết. ZoomGain khai thác khoảng cách nhận thức từ toàn cục đến thu phóng để xây dựng giám sát thị giác chi tiết cho các mô hình ngôn ngữ-thị giác.
LangChain trình bày chi tiết cách bộ khung Deep Agents mã nguồn mở của họ sử dụng middleware để chống lại hiện tượng suy giảm ngữ cảnh trong các phiên chạy agent dài. Kết quả công cụ vượt khoảng 20.000 token và tin nhắn người dùng vượt 50.000 token được chuyển sang tệp với chỉ một bản xem trước được hiển thị, trong khi tính năng tóm tắt cô đọng các tin nhắn cũ hơn khi mức sử dụng đạt 85% cửa sổ ngữ cảnh. Skills, subagents và một tệp bộ nhớ dài hạn dạng markdown giữ cửa sổ của agent chính ở mức nhỏ và cho phép bộ nhớ được duy trì qua các mô hình và nhà cung cấp.
Vì sao đáng chú ý: LangChain giải thích cách bộ khung Deep Agents mã nguồn mở của họ sử dụng middleware để chuyển tải, tóm tắt và cô lập ngữ cảnh, mang đến một mẫu tái sử dụng được cho các agent trong các tác vụ dài.
inclusionAI đã phát hành trọng số định dạng GGUF cho ZoomGain-9B, được chuyển đổi bằng llama.cpp, bao gồm mô hình ngôn ngữ và bộ mã hóa hình ảnh/projector (mmproj) ở FP16, Q8_0 và Q4_K_M. Đầu vào hình ảnh yêu cầu ghép mô hình ngôn ngữ với tệp mmproj tương ứng, và kho lưu trữ tài liệu hóa suy luận CLI qua llama-mtmd-cli và thiết lập trò chuyện web qua llama-server. Cần bản dựng llama.cpp có hỗ trợ đa phương thức Qwen3.5, và việc lượng tử hóa có thể ảnh hưởng đến độ chính xác.
Latent Space đã thử nghiệm Naive-N0.5-Flash trọng số mở của NaiveAI, một mô hình lập trình phát triển từ MiMo-V2.5 của Xiaomi và được ghép với engine suy luận NaiveRT, so với DeepSeek V4.1 Flash 1017 và GLM 5.3 Flash. Trong các lần chạy của tác giả, nó đạt đỉnh gần 2.000 token mỗi giây và duy trì khoảng 1.000 trong các tác vụ suy nghĩ nặng, với thời gian phản hồi trung vị là 3,1 giây so với 5,3 và 10,1 giây của hai mô hình so sánh. Trên các câu hỏi HLE khó, nó trung bình khoảng 108.500 token hoàn thành khi bật chế độ suy nghĩ, gấp khoảng chín lần GLM 5.3 Flash và 11 lần DeepSeek V4.1 Flash 1017, và tác giả lưu ý mẫu là 10 câu hỏi mỗi mức độ khó mà không chấm điểm độ chính xác.
MiniMax phát hành H3-Image, một mô hình tạo ảnh trọng số mở được xây dựng trên H3, hỗ trợ tạo ảnh từ văn bản, tạo ảnh dựa trên tham chiếu và chỉnh sửa ảnh, có thể tạo ra ảnh 4096 × 4096 trong dưới 10 giây. Công ty cho biết mô hình xử lý tối đa 16 ảnh tham chiếu, tuyên bố khả năng tuân thủ lời nhắc đạt mức tiên tiến nhất trong các mô hình trọng số mở, và báo cáo tốc độ nhanh gấp tới 5 lần so với các lựa chọn thay thế phổ biến. H3-Image có sẵn qua Nền tảng API MiniMax, MiniMax Code và Hailuo AI, với giá bằng 50–70% các sản phẩm tương đương, giảm 50% cho các yêu cầu 4K trở lên trong tuần ra mắt.
Vì sao đáng chú ý: MiniMax phát hành H3-Image trọng số mở, tuyên bố tạo ảnh 4K trong dưới 10 giây và giá bằng 50–70% các sản phẩm phổ biến tương đương, mang đến cho nhà phát triển một lựa chọn mở mới cho công việc hình ảnh độ phân giải cao.
Google đã phát hành A2UI 1.0, phiên bản ổn định đầu tiên của giao thức mở cho phép các AI agent trả lời bằng màn hình tương tác được hiển thị bởi các thành phần gốc của chính từng ứng dụng. Phiên bản 1.0 bổ sung gọi hàm hai chiều, hỗ trợ trợ năng và siêu dữ liệu mở rộng, cùng các trình kết xuất mã nguồn mở cho React, Angular, Lit, Flutter, SwiftUI và Jetpack Compose (trình kết xuất Compose đang ở 0.9.1 và 1.0 sẽ sớm ra mắt) và SDK agent cho Python, TypeScript và Dart. Atlassian đang đưa A2UI vào Jira, Alation kết xuất các nguồn cấp dữ liệu của mình bằng nó trong Claude, và ByteDance đã phát hành trình kết xuất Lynx vào tháng 6 năm 2026, hiện hỗ trợ 0.9.
Vì sao đáng chú ý: Giao thức A2UI 1.0 ổn định của Google cho phép agent trả về màn hình tương tác gốc thay vì những khối văn bản, với trình kết xuất cho web, Android và iOS cùng những đơn vị áp dụng sớm gồm Atlassian và ByteDance.
Amazon giới thiệu Mitra-v2, mô hình nền tảng dạng bảng thế hệ thứ hai cho phân loại và hồi quy, được phát hành kèm các mô hình đã tinh chỉnh cùng mã suy luận và tinh chỉnh theo giấy phép Apache-2.0 trên Hugging Face. Mô hình được tiền huấn luyện trên các bảng tổng hợp có số hàng gấp 10 lần và số cột gấp khoảng ba lần so với Mitra-v1, sử dụng prior SCM lai mới và bộ tối ưu lai trong khi giữ nguyên kiến trúc Transformer. Trên TabArena, một benchmark công khai gồm 51 bộ dữ liệu thực tế, Mitra-v2 dẫn đầu nhóm mô hình đơn, vượt Mitra-v1 trên 32 trong số 33 bộ dữ liệu mà cả hai chạy gốc, và hoàn thành cả 51 bộ trong giới hạn một giờ; Mitra-v2 đã tinh chỉnh cũng đứng đầu trên ScoringBench.
Vì sao đáng chú ý: Mitra-v2 cho thấy việc mở rộng dữ liệu tiền huấn luyện tổng hợp, thay vì làm sâu mạng, đưa một mô hình nền tảng dạng bảng lên đỉnh nhóm mô hình đơn của TabArena.
LiveKit đã phát hành LiveKit Portal cho ROS 2, một nút ROS 2 độc lập kết nối đồ thị ROS với một phòng LiveKit để các thành viên ROS và không phải ROS có thể trao đổi topic, gọi dịch vụ và video qua WebRTC mà không cần mở DDS ra mạng ngoài. Nó hỗ trợ bốn đường dữ liệu—topic qua DataTracks, dịch vụ qua RPC, hình ảnh dưới dạng VideoTracks và nguồn video trực tiếp—với các quy tắc YAML cho hướng, giới hạn tốc độ và mã hóa lược đồ. Một bản demo chuyển tải SLAM lập thể và tái tạo cảnh từ một rover Jetson Orin Nano sang một máy tính để bàn RTX 5090.
Google đã giới thiệu Nhận dạng giọng nói tự động (ASR) và Chuyển văn bản thành giọng nói (TTS) trên thiết bị trong Google AI Edge Gallery, cho phép các ứng dụng chạy ASR đa ngôn ngữ và TTS biểu cảm hoàn toàn ngoại tuyến song song với các SLM trên thiết bị như Gemini Nano và Gemma 4. Trên Android, các mô hình giọng nói mới của ML Kit phiên âm hơn 100 ngôn ngữ với tốc độ gấp 10 lần thời gian thực, đạt Tỷ lệ lỗi từ (Word Error Rate) từ 8,0% đến 9,0% trên FLEURS, trong khi TTS khuếch tán few-step bắt đầu nói trong khoảng 100 ms và tạo âm thanh 24 kHz với tốc độ lên đến gấp 50 lần thời gian thực. Hỗ trợ đa nền tảng đến qua MediaPipe Tasks và LiteRT với các gói trọng số mở bao gồm Parakeet-TDT 0.6B, PocketTTS 100M, Kokoro-82M và Phonon 31M, được trình diễn trong showcase XR Language Teacher và AI Chat hỗ trợ giọng nói.
Vì sao đáng chú ý: Google bổ sung ASR và TTS hoàn toàn ngoại tuyến vào AI Edge Gallery, với ML Kit báo cáo phiên âm hơn 100 ngôn ngữ ở tốc độ gấp 10 lần thời gian thực và TTS khuếch tán bắt đầu nói trong khoảng 100 ms.
Elith và NVIDIA đã phát hành Nemotron-Personas-Finance-Japan, một bộ dữ liệu persona tổng hợp mở cho lĩnh vực tài chính Nhật Bản được xây dựng trên số liệu thống kê chính thức của chính phủ. Bộ dữ liệu chứa 9M persona (1M bản ghi × 9 persona) trên 50 lĩnh vực và ~1,5B token, được tạo bằng NeMo SDG-PGMs và NeMo Data Designer, và có sẵn theo giấy phép CC BY 4.0 cho mục đích thương mại.
NVIDIA giới thiệu GR00T 2, một mô hình hành động thế giới mở được xây dựng trên Cosmos và huấn luyện trên 100.000 giờ dữ liệu góc nhìn thứ nhất của con người, cùng với Isaac Lab 3.0 và các bộ đánh giá robot mới tại CoRL. GR00T 2 hoàn thành 40 trong số 50 nhiệm vụ được đánh giá ít nhất một lần mà không cần minh họa dành riêng cho nhiệm vụ và đạt tỷ lệ thành công trung bình 71% trên 50 nhiệm vụ với một minh họa mỗi nhiệm vụ, tăng lên 95% với năm minh họa. Isaac Lab 3.0 bổ sung tích hợp vật lý Newton cho các vật thể biến dạng và báo cáo thông lượng huấn luyện cao gấp 2,5 lần so với Isaac Lab 2.3 với PhysX trong một bộ đánh giá thao tác khéo léo dựa trên thị giác.
Vì sao đáng chú ý: Bản phát hành CoRL của NVIDIA cho thấy cách mô phỏng kết hợp với các mô hình hành động thế giới hiện đang nhắm đến công việc lắp ráp tinh xảo, với các chi tiết của GR00T 2 và Isaac Lab 3.0 đáng để so sánh với các ngăn xếp robot trước đây.
Các nhà nghiên cứu giới thiệu HOPE, một phương pháp cắt tỉa chuyên gia bậc hai cho các mô hình ngôn ngữ Mixture-of-Experts, có tính đến tương tác cặp giữa các chuyên gia cùng kích hoạt thay vì chấm điểm từng chuyên gia một cách độc lập. Ở mức cắt tỉa 50%, HOPE đạt thứ hạng trung bình tốt nhất trong số mọi phương pháp, với mức cải thiện lên tới +6,1% trên các tác vụ lập trình dạng agent so với phương pháp cắt tỉa tốt thứ hai. Công trình nhắm vào nút thắt bộ nhớ ở các mô hình như Qwen3.5-122B, nơi các MLP chuyên gia chiếm 95% trong tổng dung lượng khoảng 250 GB.
Zyphra đã phát hành ZONOS3-Mini, một mô hình chuyển văn bản thành giọng nói MoE thưa với 100M tham số hoạt động và 800M tổng tham số theo giấy phép Apache 2.0, được huấn luyện trên 112 NVIDIA H100 trong 2,5 ngày. Mô hình đạt thời gian đến âm thanh đầu tiên dưới 570 ms trên trình duyệt với Pixel 9 và dưới 150 ms trên M3 MacBook Air, với các runtime cho WebGPU, SGLang, vLLM và GGML. Mô hình bổ sung khả năng kiểm soát danh tính, giọng điệu, chất lượng, tâm trạng và cách thể hiện, bao gồm điều khiển ở cấp độ từ, và Zyphra báo cáo rằng mô hình đứng đầu trong số các mô hình mở trên benchmark ZTTS2-Eval mới của họ.
Vì sao đáng chú ý: Mô hình TTS MoE nhỏ gọn của Zyphra kết hợp nhân bản giọng nói zero-shot với điều khiển cách thể hiện ở cấp độ từ trong khi chạy thời gian thực trên điện thoại và máy tính xách tay.
ZoomGain xây dựng các câu hỏi về một hình ảnh đầy đủ từ những chi tiết thị giác chỉ trở nên rõ ràng khi thu phóng, sử dụng khoảng cách nhận thức từ toàn cục đến thu phóng này làm giám sát cho các mô hình ngôn ngữ-thị giác. Bản phát hành bao gồm bài báo arXiv, bộ đánh giá ZoomGainBench (1.000 câu hỏi trên 941 hình ảnh bao gồm nhận dạng thuộc tính, đếm và OCR), 9.000 bản ghi huấn luyện RL trên 7.713 hình ảnh nguồn, và các checkpoint ZoomGain-4B và ZoomGain-9B. Mô hình tốt nhất trong số 28 mô hình đạt 61,08 trên ZoomGainBench, trong khi ZoomGain-9B đạt hiệu suất vượt trội trên nhiều bộ đánh giá nhận thức tinh vi và tổng quát.
Google Cloud đã phát hành hỗ trợ huấn luyện ngữ cảnh dài trong MaxText v0.2.4, khung huấn luyện JAX mã nguồn mở của họ, bổ sung bốn chiến lược song song hóa ngữ cảnh trên Cloud TPU: All-gather, A2A (DeepSpeed Ulysses), P2P (Ring Attention) và kết hợp A2A + P2P (USP). Các đánh giá chuẩn với Llama 3.1 8B đạt 70% MFU trên TPU 5p ở độ dài chuỗi lên đến 4 triệu token, và ngữ cảnh mở rộng đến 14 triệu token trên cả TPU 5p và TPU 7, với TPU 7 duy trì 50% MFU dưới 6 triệu token. Bản phát hành có sẵn trên PyPI, trong các Docker image và trên GitHub main, kèm các công thức mẫu cho TPU 7 và TPU 5p.
Vì sao đáng chú ý: Bốn chiến lược song song hóa ngữ cảnh của MaxText trên Cloud TPU, cùng các số liệu MFU đánh giá chuẩn cho Llama 3.1 8B, mang đến cho các nhóm một tham chiếu cụ thể để lựa chọn cách huấn luyện ở độ dài chuỗi hàng triệu token.
Ai2 đã phát hành ToyBlocks, một khung mô phỏng mở được xây dựng xoay quanh một cánh tay robot và các khối trên mặt bàn, là sản phẩm đầu tiên trong FoundationWorlds của họ dành cho việc học và đánh giá robot có kiểm soát. Khung này tự động tạo kỹ năng và bản trình diễn thông qua RL và lập kế hoạch chuyển động trong Isaac Lab, đạt tốc độ lên tới 24 lần thời gian thực trên một GPU, và đi kèm 85.336 bản trình diễn tầm xa bao phủ gần 1.600 giờ và 144 triệu khung hình. Trong các thí nghiệm của mình, tỷ lệ thành công của kỹ năng nguyên tử ManiFlow là 80,0% trong mô phỏng và 81,1% trên Franka FR3 thực tế, trong khi hệ thống Molmo 2 kết hợp ManiFlow thành công trong 55,5% tập mô phỏng và 50,0% tập thực tế.
Ai2 đã phát hành ToyBlocks, một khung mô phỏng mở được xây dựng xoay quanh một cánh tay robot và các khối trên mặt bàn, là sản phẩm đầu tiên trong FoundationWorlds của họ dành cho nghiên cứu học robot có kiểm soát. ToyBlocks tự động tạo nhiệm vụ và bản trình diễn thông qua RL và lập kế hoạch chuyển động trong Isaac Lab, đạt tốc độ tạo dữ liệu lên tới 24 lần thời gian thực trên một GPU duy nhất, và đi kèm với 85.336 bản trình diễn tầm xa bao phủ gần 1.600 giờ và 144 triệu khung hình. Trong các thử nghiệm thực tế trên Franka FR3, tỷ lệ thành công của kỹ năng nguyên tử của ManiFlow là 80,0% trong mô phỏng và 81,1% trên phần cứng, trong khi hệ thống Molmo 2 kết hợp ManiFlow thành công trong 55,5% số tập mô phỏng và 50,0% số tập thực tế.
Bài báo REINFORCE Zero của NVIDIA Research và Inferact cho thấy việc căn chỉnh kernel của rollout và trainer cho phép lấy mẫu quan trọng ở mức token không cắt (unclipped token-level importance sampling) hiệu chỉnh độ trễ trọng số còn lại, huấn luyện ổn định qua 20.000 lần cập nhật ở policy lag 64 và đạt thông lượng bước huấn luyện gấp 2,40 lần so với huấn luyện đồng bộ với kernel đã căn chỉnh. Với kernel tiêu chuẩn, KL trung vị từ rollout đến learner tăng 83,33 lần trong suốt quá trình chạy và pass@1 trực tuyến trên AIME24 giảm từ 34,27% xuống 13,96%, trong khi một sequence gate giúp ổn định huấn luyện nhưng loại bỏ 24,48% chuỗi tính đến 1.000 lần cập nhật cuối. Thiết lập zero-mismatch hiện bao phủ DeepSeek-V4.1-Flash, Kimi K3.1 vào ngày phát hành, cùng DeepSeek-V4-Flash và Kimi K3.1 trên AMD MI355X, với mã nguồn tại Inferact/zero-mismatch-rl và NVIDIA-NeMo/labs-molt.
Vì sao đáng chú ý: NVIDIA Research và Inferact tách khoảng cách giữa rollout và learner trong async RL thành độ trễ trọng số và sự không khớp kernel, cho thấy việc căn chỉnh kernel cho phép lấy mẫu quan trọng không cắt duy trì huấn luyện ổn định ở policy lag 64.
VeRL-Omni v0.3.0 đã được phát hành với các luồng thực thi RL bất đồng bộ và tách rời, V1 trainer là mặc định, và mở rộng phạm vi hậu huấn luyện trên hiểu biết hình ảnh, video, âm thanh và đa phương thức. Bản phát hành bổ sung huấn luyện văn bản và âm thanh Qwen3-Omni hoàn toàn bất đồng bộ, huấn luyện Omni và diffusion bất đồng bộ tách rời với bộ đệm phát lại, và các công thức mới bao gồm MiniMax H3 với DiffusionNFT và MiniCPM-o 4.5 GSPO. Trong một thí nghiệm MiniCPM-o 4.5 AVQA trên 4×H800 80 GB, separate-async 3+1 chậm hơn khoảng 9% mỗi prompt so với colocated 4+0 ở độ dài phản hồi tự nhiên, gần như ngang bằng ở 512 token, và nhanh hơn khoảng 6.7% ở 1024 token.
Zyphra Research đã phát hành ZYFA, các nhân tính toán attention prefill nhân quả BF16 và FP8 cho MI355X của AMD (CDNA4, gfx950), hỗ trợ head dimension 128 và hình dạng MLA của DeepSeek-V2. Trên các activation từ Mistral-7B, Qwen3-8B và DeepSeek-V2-Lite ở 16K token, các nhân FP8 của ZYFA đạt thông lượng 1,16–1,76× so với AITER, và trên đầu vào Gaussian ở 32K token đạt 1,26–1,37× ở head dimension 128 và 1,99× ở hình dạng MLA. Sai số FP8 thấp hơn 62–78% so với AITER ở head dimension 128.
ASpec là một khung huấn luyện thông lượng cao cho các mô hình nháp giải mã suy đoán, được xây dựng từ cơ sở mã TorchSpec với cơ chế attention tối ưu, các kernel hợp nhất và tính toán head/loss chọn lọc. Trên một lần chạy Qwen3-8B 4K, huấn luyện chỉ Draft đạt 15.256,44 token đầu vào/giây trên một GPU, gấp 1,96× TorchSpec, trong khi cửa sổ ổn định trực tuyến 8 GPU đạt 77.721,37 token/giây, gấp 2,28× TorchSpec. Nó hỗ trợ DSpark, DFlash, EAGLE3/4 và các draft MTP gốc, với quickstart Qwen3-8B và Ling tiny.
Google Research giới thiệu Agile Deliberation, một framework biến việc tạo bộ phân loại AI mang tính chủ quan thành một cuộc trò chuyện lặp đi lặp lại, trong đó AI giúp người dùng làm sắc nét các định nghĩa của chính họ. Framework chia nhiệm vụ thành phạm vi khái niệm và lặp lại khái niệm, sử dụng các mô hình ngôn ngữ - thị giác để làm nổi bật các hình ảnh ranh giới và đưa phản hồi vào một vòng tối ưu hóa lời nhắc tự động. Trong 18 phiên người dùng trực tiếp kéo dài 1,5 giờ, phương pháp này giảm mệt mỏi và lo lắng cho người dùng, đồng thời tạo ra các mô hình nhất quán hơn, vượt trội so với các baseline tiêu chuẩn; mã nguồn được mở trên GitHub.
Preferred Networks đã phát hành PLaMo 3 Translate, một LLM chuyên dịch thuật được sử dụng trong dịch vụ PLaMo Translation của họ, dưới dạng mô hình trọng số mở trên Hugging Face vào ngày 5 tháng 11. 8B, 2B, 8B và 31B) và hỗ trợ 53 ngôn ngữ bao gồm tiếng Nhật và tiếng Anh, chạy trên điện thoại thông minh, máy tính xách tay và máy chủ nội bộ mà không cần kết nối đám mây.
Vì sao đáng chú ý: PFN phát hành một LLM chuyên dịch thuật với bốn kích cỡ từ 0.8B đến 31B, cho phép các công ty và cá nhân chạy dịch thuật 53 ngôn ngữ trên thiết bị mà không cần truy cập đám mây.
Nanbeige đã phát hành Nanbeige4.3-33B, một mô hình suy luận dense trọng số mở theo giấy phép Apache 2.0, đạt 20 điểm trên Artificial Analysis Intelligence Index v5, ngang bằng Qwen3.8 27B (xhigh) với 20 điểm. Mô hình 33B có cửa sổ ngữ cảnh 524K token, chỉ nhận và xuất văn bản, chưa có API công khai được xác nhận, và đạt 30% trên Terminal-Bench 4.0 so với 6% của Qwen3.8 27B, nhưng kém hơn trên HLE-Diamond (7% so với 15%). Trên AA-Omniscience v1.1, mô hình ghi nhận tỷ lệ ảo giác 18% so với 29% của Qwen3.8 27B, với tỷ lệ từ chối 71%, và sử dụng 158K token đầu ra cho mỗi tác vụ Intelligence Index so với 110K của Qwen3.8 27B.
Mistral AI đã phát hành trọng số mở của Mistral Large 4 (Le Chonk), một mô hình đa phương thức bản địa 1 nghìn tỷ tham số đã vào bản xem trước công khai đầu tháng này và được huấn luyện từ đầu tại châu Âu. Công ty cho biết thêm ba tuần học tăng cường đã đưa nó lên đỉnh về lập trình với trọng số mở, đạt 41% trên Terminal-Bench 4.0 và 48% trên Artificial Analysis Coding Agent Index trong khi sử dụng ít hơn 47% token mỗi tác vụ so với GLM-5.3. Mô hình bổ sung các chế độ suy luận Low, Medium và High, đạt 51% trên Artificial Analysis Cyber Index, và có giá 0,70 USD đầu vào, 0,07 USD đầu vào được lưu cache và 2,10 USD đầu ra trên mỗi triệu token theo giấy phép MIT sửa đổi.
Vì sao đáng chú ý: Mistral mở trọng số cho mô hình hàng đầu 1 nghìn tỷ tham số của mình, kết hợp các cải thiện về điểm chuẩn lập trình và an ninh phòng thủ với ba chế độ suy luận và giá theo token.
Inclusion AI và các cộng tác viên học thuật đã phát hành IDM, một phương pháp chưng cất kết hợp khớp phân phối nội tại với khớp mô-men trong không gian đặc trưng EMA của chính generator, loại bỏ nhu cầu về một bộ mã hóa đặc trưng bên ngoài. Ở 2 NFE, IDM (Z-Image) đạt 94,25% trên LongText-CN và 90,20% trên LongText-EN, và IDM đầy đủ tham số (Z-Image) chạy trong 0,25 giây ở 1 NFE và 0,30 giây ở 2 NFE trên một A100 duy nhất ở BF16. Cùng một checkpoint đã huấn luyện hỗ trợ cả lấy mẫu 1-NFE và 2-NFE, và mã được phát hành theo Apache 2.0, trong khi các checkpoint được ghi là sắp ra mắt.
inclusionAI đã phát hành Ling-3.0-flash-Sante-fp8, phiên bản lượng tử hóa FP8 của mô hình Ling-3.0-flash-Sante chuyên về chăm sóc sức khỏe, giữ nguyên 124B tổng tham số và 5.1B tham số hoạt động mỗi token. Mô hình đạt mức trung bình 73.9 trên các benchmark chăm sóc sức khỏe, tương đương checkpoint BF16, đồng thời giảm bộ nhớ trọng số cho phần cứng hỗ trợ FP8. Mô hình chỉ dành cho nghiên cứu này hỗ trợ ngữ cảnh 256K token và mặc định ở chế độ thinking với khả năng gọi công cụ.
Các nhà nghiên cứu đang điều chỉnh mô hình olmOCR 2 mã nguồn mở của Ai2 để phiên âm các kho lưu trữ lịch sử và khảo cổ. Nhà sử học Maurice Casey đã xây dựng ArtificeOCR, chạy olmOCR 2 cục bộ cùng với Tropy để giúp thư viện ảnh lưu trữ của ông có thể tìm kiếm bằng từ khóa, trong khi dự án CENTURIA của TU Wien đã tinh chỉnh olmOCR 2 bằng LoRA trên 57 bản ghi được chú thích, giảm lỗi phiên âm trên 450 bản ghi kiểm thử từ 15,58% xuống 1,11%.
Trang dự án UBTree giới thiệu UBTree, một phương pháp giải mã suy đoán soạn thảo cây token song song bằng mô hình unigram và bigram, được trình bày chi tiết trong arXiv:2609.39972. Video demo so sánh UBTree với AR, DFlash và DSpark trên Ling3 Tiny và Flash sử dụng các prompt HumanEval anti_shuffle và bf không thay đổi, với cả bốn phương pháp đều tạo ra token đầu ra giống hệt nhau. Trang web là HTML/CSS/JS thuần được phục vụ qua GitHub Pages, với số liệu biểu đồ và bảng được lưu trong static/js/data.js.
Amazon đã phát hành TorchNeuron, một backend PyTorch mã nguồn mở chuyển đổi mã PyTorch thành các phép toán có thể thực thi trên hệ thống AWS Trainium với ít hoặc không cần thay đổi mã. Nó bổ sung chế độ eager thích ứng tùy chọn giúp nhóm và biên dịch các phép toán để đạt hiệu năng gần như biên dịch, cùng với bộ nhớ đệm NEFF đa cấp; một dịch vụ biên dịch dùng chung đã giảm thời gian đến bước huấn luyện đầu tiên khoảng một phần ba trong một thử nghiệm LLM 64 tiến trình. Nhóm Annapurna đã tinh chỉnh và đánh giá hiệu năng nó bằng 841 mô hình đại diện được chắt lọc từ hàng trăm nghìn mô hình mã nguồn mở.
Modal đã phát hành Spindle, một máy chủ huấn luyện mã nguồn mở tương thích với Tinker, chạy trong workspace Modal của khách hàng, cho phép các nhóm tùy chỉnh stack và trả tiền cho thời gian GPU thay vì token. Spindle hỗ trợ huấn luyện toàn bộ tham số và multi-LoRA trên các mô hình mở, và Modal báo cáo rằng việc chia sẻ một trainer cho 8 khách hàng đã cắt giảm chi phí trên mỗi 1M token đầu ra tới 80% so với Tinker trên một job GRPO DAPO-math. Modal cho biết Spindle vẫn đang trong giai đoạn beta và định vị nó giữa thư viện huấn luyện Dojo và các primitive cụm thô của mình.
Vì sao đáng chú ý: Máy chủ Spindle mã nguồn mở của Modal mang đến cho các nhóm một lựa chọn thay thế tương thích với Tinker, đánh đổi giá theo token lấy thời gian GPU, với việc chia sẻ multi-LoRA được báo cáo giúp cắt giảm chi phí tới 80%.
Ai2 đã phát hành OlmoEarth v1.3, một mô hình embedding vệ tinh chuyển chuỗi thời gian một năm của Sentinel-1, Sentinel-2 và Landsat thành một vector 128 chiều cho mỗi pixel 10 mét, với 64 chiều đầu tiên có thể dùng như một embedding nhỏ hơn. Ai2 đã tính sẵn embedding hằng năm cho toàn bộ hành tinh và công bố trên Source Cooperative, và embedding 128 chiều của mô hình đạt điểm cao nhất trong 20 trên 27 đánh giá so với AlphaEarth Foundations và Tessera v2, bao gồm một benchmark cây trồng nhiệt đới mới có tên PLANTEUR. Bản phát hành cũng bao gồm OlmoEarth Embeddings Explorer, một công cụ trình duyệt không cần đăng nhập để so sánh các năm, tìm những nơi tương tự và huấn luyện các bộ phân loại nhỏ ngay tại chỗ, với dữ liệu toàn cầu năm 2025, 2024 và 2023 và giai đoạn 2017 đến 2022 bao phủ một số quốc gia được chọn; trọng số, dữ liệu tiền huấn luyện và mã nguồn đều mở.
inclusionAI đã phát hành Ling-3.0-flash-Sante, một mô hình chuyên ngành y tế được xây dựng trên Ling-3.0-flash với tổng cộng 124B tham số và 5,1B tham số hoạt động mỗi token, với trọng số trên Hugging Face và ModelScope. Mô hình sử dụng kiến trúc MoE tuyến tính lai kết hợp Kimi Delta Attention, gated MLA và các lớp MoE thưa, huấn luyện đến 256K token, và bật chế độ suy nghĩ theo mặc định với khả năng gọi công cụ thông qua các framework phục vụ tương thích. Công ty gắn nhãn đây là mô hình nghiên cứu, không phải thiết bị y tế, và cho biết đầu ra không được thay thế lời khuyên, chẩn đoán hoặc điều trị y tế chuyên nghiệp.
MiniMax đã ra mắt Mini App trong ứng dụng máy tính MiniMax Code, một ứng dụng định dạng plugin với giao diện người dùng và phần backend Node.js, giúp công việc của Agent được giữ trên một trang luôn hoạt động thay vì bị phân tán qua các cuộc hội thoại. Bản phát hành bao gồm môi trường chạy với thư mục dữ liệu liên tục, MCP được lưu trữ, Agent API, Host Connectors và phê duyệt công cụ trong trang, cùng với /miniapp-creator để đi từ một yêu cầu một câu đến một trang hoạt động và các Mini App chính thức trong chợ plugin. MiniMax Bot bản thân là một Mini App, và mã nguồn của nó cùng với các Mini App do cộng đồng xây dựng hiện nằm trong kho mã nguồn mở MiniMax-Code-MiniApps; Mini App có sẵn trong các phiên cục bộ trên macOS và Windows.
Vì sao đáng chú ý: MiniMax Code đã chuyển công việc của Agent từ luồng hội thoại sang một trang thường trú, đồng thời công khai môi trường chạy và kho mã nguồn mở của Mini App, cung cấp một kiến trúc có thể tham khảo cho hình thức công cụ Agent.
Modal đã phát hành Modal Dojo, một thư viện huấn luyện cung cấp các building block, công thức mặc định đã tinh chỉnh và bảng điều khiển observability cho hậu huấn luyện LLM cấp production. Nó được xây dựng trên các framework mã nguồn mở Miles và Slime, hỗ trợ các mô hình từ nửa tỷ đến hàng nghìn tỷ tham số, và cung cấp API cùng CLI mà các agent có thể điều khiển để khởi chạy và gỡ lỗi các lượt chạy. Modal cho biết Axiom Bio đã dùng nó để mở rộng lên các lượt chạy DeepSeek V4.1 Flash với ngữ cảnh 64k trên 64 B300, và Afterquery huấn luyện Kimi và DeepSeek ở độ dài ngữ cảnh 256k.
Zyphra phát hành làn sóng thứ hai của Zyphra Optimization Engine (ZOE) cho GPU AMD Instinct MI355X, bổ sung bốn kernel HIP tùy chỉnh cho MoE và sparse attention vào các bản fork sản xuất của vLLM và SGLang. 40x). 3 checkpoint vẫn nằm trong phạm vi 3 điểm so với FP8 trên bốn benchmark suy luận nhưng chỉ giải mã nhanh hơn ở mức đồng thời cao.