Inco AI 团队开源面向 Qwen3.8-27B 的投机解码草稿模型 Qwen3.8-27B-DFlash2。该草稿模型参数量 1.92B、约 3.85GB，与目标模型 Qwen3.8-27B 配合使用，沿用 DFlash 系列一次前向传播并行预测整块 token 的草稿设计，并在此基础上新增轻量路径选择器和双抽头动态卷积，把草稿准确率保持到整块末尾。 在单张 NVIDIA H200、SGLa

FastFlowLM（FLM）发布 v0.9.46，正式接入魔搭社区（ModelScope）。它是首个专为 AMD Ryzen™ AI NPU 打造的开箱即用推理运行时，使用方式与 Ollama 类似——一行命令拉取模型、一行命令运行，但底层完全针对 NPU 硬件重新设计。此前模型默认从 Hugging Face 拉取，本次新增 --modelscope 1 参数，国内用户可将下载源切换到魔搭，无

B站 IndexTTS 团队近日在魔搭社区开源 IndexTTS 2.5，一款支持中、英、日、西、阿五语种的零样本语音复刻模型。IndexTTS 系列此前以情感-音色解耦和高情绪还原度在社区获得广泛关注，但也面临两个集中反馈：语种覆盖有限（仅中英）、推理速度不够快。2.5 版本针对这两点做了系统性升级，同时补齐了语速控制能力。   主要技术指标：推理提速约 2.28 倍（A10 环境）、

小红书 dots studio 团队开源 dots3-note Preview。作为 dots3 系列（将包括 note、jazz、aria 三档）中最轻量的模型，note 总参数 280B、激活参数 16B，支持 512K 上下文，具备文本、视觉和语音的多模态理解能力，并针对复杂推理和长程 Agent 任务进行了优化。   dots3-note Preview 在推理、Agent 及多

过去一年，diffusion language model（dLLM）快速升温。Google 发布了 DiffusionGemma，LLaDA 系列推进到了 2.2，黄高老师团队的 *The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models* 也获得了 ICML Outsta

Lightricks 开放 LTX-2.5 模型权重。这是 LTX-2 音视频生成模型的最新版本，参数规模为 22B，可根据文本、图像和视频输入生成同步音画。相比 LTX-2.3，LTX-2.5 进一步更新视频解码、提示词理解和蒸馏流程，并新增原生多镜头、自动时长预测、4K HDR 与 RAW 工作流等能力。模型同时提供面向微调的 Dev 权重和固定 8 步推理的 Distilled 权重。 模型

刚刚，Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重！   Qwen-Max 级别的模型首次开源权重：模型总参数为 2.4T，每个 Token 激活 95B 参数，原生支持 262,144 Token 上下文，并可扩展至 1,010,000 Token。 Qwen3.8 延续 Qwen3.5 的混合架构，重点提升编程、办公、科研和长周期 Agent 任务的端到端完成

当大模型逐渐掌握对话、推理、编程和工具调用之后，自主研究被视为下一个关键方向。 普通问答只需要定位一个事实，而自主研究面对的是一组相互关联、彼此制约的条件。智能体不仅要从庞大的信息空间中定位候选答案，还需整合分散甚至冲突的证据，并确认最终答案满足全部关键约束——只要有一项未验证，答案即为无效解。自主研究的核心难题并不是“搜索得还不够久或者证据难找”，而是：智能体能不能知道当前答案到底已经成立了什么

随着大语言模型规模不断增长，本地部署大模型时遇到的主要问题，已经不只是 GPU 算力是否足够，而是模型权重能不能放进显存，以及 CPU 和 GPU 之间如何合理分配这些权重。 DeepSeek-V4 这类大规模 MoE 模型就是一个很典型的例子。模型整体参数规模很大，即使使用一张拥有 96GB 显存的 RTX PRO 6000，也很难简单地把完整模型全部加载到 GPU 中。但 MoE 模型与传统

NVIDIA 开源 Nemotron 3.5 Lightning，BF16、NVFP4、NVFP4-DFlash、NVFP4-DSpark 四个权重版本已同步上线魔搭社区。这是一个总参数 30B、激活参数 3B 的混合 MoE 模型，蒸馏自NVIDIA 前沿模型 Nemotron 3 Ultra，与 Nemotron Coalition 共同开发，支持最高 1M 上下文，使用超过 20T toke