这个夏天开源AI全线爆发，多个新模型逼近顶级闭源

我们现在正处于开放权重模型发布的疯狂浪潮中。所有模态里，开源都在取得胜利。这就是开源AI之夏☀️的模样：

🧠 大语言模型与推理 → DeepSeek-V4-Flash-0731（我的王者👑）：更新版304B MoE，Terminal-Bench 2.1分数从预览版的61.8飙升至82.7，DeepSWE从7.3升至54.4。在Agents' Last Exam上追近Opus-4.8（25.2对比25.7）。MIT许可证。

→ Muse-Glimmer-30B，来自Meta（他们回来了！!）：他们的第一个开源智能体模型。约29.6B稠密模型 + 感知编码器，131k+上下文，原生设计为完全本地运行，不需要云。Apache 2.0许可证。

→ Liquid AI LFM2.5-2.6B：2.69B参数，131k上下文，在M5 Max上每秒生成220个token，占用内存不到2.5GB。在智能体任务上性能可匹敌体积四倍于它的模型。

→ inclusionAI Ling-3.0-flash：总参数124B，仅5.1B激活，约为他们旧版1T旗舰Ring-2.6体积的12%，关键基准上性能与之持平。MIT许可证。

→ inclusionAI Ling-3.0-tiny：总参数7.9B，1.3B激活，在M4 Pro MacBook上每秒生成86-90个token，峰值内存约8GB。MIT许可证。

→ NVIDIA Nemotron-3.5-Lightning-30B-A3B：混合Mamba-2+MoE+Attention架构，最长支持1M上下文，可单H100或DGX Spark运行，SWE-bench Verified得分52.8。

→ deepgrove maple-preview：20B-A1B三值权重推理模型，在Mac mini M4上每秒生成218个token， checkpoint体积5.3GB。MIT许可证。

→ BigBang-v1 (endless-frontier)：基于Qwen3.6-35B-A3B，通过自演化生成器/评判器合成数据循环微调得到。35B参数的总体性能落在DeepSeek V4 Flash（284B）和V4 Pro（1.6T）之间。Apache 2.0许可证。

🎬 视频 → MiniMax-H3：33B稠密全模态模型，原生支持立体声，最高输出2K分辨率/15秒。已经收获了3.6k+点赞。

→ Minimax-H3-Turbo (lightx2v)：对H3做Apache 2.0许可的蒸馏提速版，用于快速推理。

→ Lightricks LTX-2.5：图生视频更新，定制Gemma-4-12B文本编码器，是性能提升明显的蒸馏模型。

🔊 语音 → NVIDIA NemotronLabs VoiceChat-11B：全双工端到端语音对话，轮次切换约450ms，在公开VoiceBench排名第二，也是首个支持对话中途实时工具调用的开源全双工模型。

🛡️ 安全 → Mistral Shieldstral-1.0-3B：3B多模态安全护栏模型，支持你用纯文本输入自定义安全策略，而非固定分类。在HarmBench（99.4）和ToxicChat（84.1）上的表现超过LlamaGuard-4-12B和ShieldGemma-9B，体积却小得多。Apache 2.0许可证。