今年5月，美国访问团考察了14家中国AI和机器人公司，发现中国在算力方面受限于美国的芯片出口管制，导致研发进展缓慢。尽管中国公司在效率上有所提升，但整体算力仍落后于美国。中国AI市场对开源模型存在分歧，部分公司倾向于将大模型托管在云端而非开源。年轻研究人员对AGI持开放态度，认为安全问题应由政府解决。中国企业对AI服务的需求正在向云计算转变。

本文介绍如何使用Ollama本地托管的开源语言模型（如Llama 3、Mistral和Gemma）进行文本分类，避免支付API费用。内容包括Ollama的安装、Scikit-LLM库的配置，以及构建零样本文本分类器的步骤。通过简单的Python代码，用户可以实现模型的训练和预测，展示如何高效使用大型语言模型。

MiniMax M3模型引发热议，提升了周用量限额并保持老用户设定。M3在长上下文、多模态和编程能力上表现突出，超越了GPT-5.5和Gemini 3.1 Pro，效率显著提高。M3成功复现多篇论文，展示了其强大的自主学习和实验能力。同时推出的MiniMax Code进一步增强了M3的功能。整体来看，M3在开源模型中具备竞争力，性价比高，成为开发者的新选择。

AI应用层的价值显著提升，白领更受欢迎。技术人员应关注用户体验而非底层模型。开源模型已能满足大部分任务需求，AI智能体逐渐成熟，工作流工程师将取代提示词工程师。桌面应用回归，降低了使用门槛，未来AI工具将更加易用。

Mellum2是一个开源的12B模型，专为AI工作流设计，旨在解决生产AI中的延迟、吞吐量和成本问题。它专注于自然语言和代码，适用于软件工程环境，支持低延迟的AI任务路由、快速摘要和本地部署，以提高效率并降低计算成本。

文章讨论了在本地运行小型开源模型的可行性，特别是使用llama.cpp项目。作者分享了在Windows上使用3060显卡运行Qwen3.6 9B模型的设置，包括CUDA版本和参数配置。尽管显存有限，这些模型在简单任务中仍能有效使用。

上海创智学院的罗剑岚团队发布了全球最大规模的开源预训练具身世界模型τ0-WM，使用了17800小时的真机遥操作数据。该模型通过评估多个候选动作，提升了机器人在复杂任务中的成功率，推动了预训练与后训练的结合。

在旧金山举行的全球最大数据、应用和人工智能活动中，研究人员探讨了提示缓存技术在大型语言模型（LLM）推理中的应用。提示缓存可以消除重复请求的冗余，提高模型在特定领域的质量，并降低计算成本。Databricks为开源模型提供此功能，确保安全性并自动优化性能，提升推理效率。

微软因AI使用成本激增，取消了内部Claude Code授权，优步在四个月内耗尽全年AI预算。企业面临AI费用上涨，需选择缩减使用或承担亏损。开源模型成为降低成本的替代方案。尽管长期来看AI成本可能下降，但短期内预算压力依然存在，企业需关注AI输出的可靠性。

谷歌推出的Gemini 3.5 Flash价格暴涨三倍，性价比大幅下降。尽管性能有所提升，但高昂的使用成本使用户更倾向于使用便宜的开源模型，开发者们开始转向本地部署模型以节省费用。这一举措可能导致用户信任度下降。

腾讯混元推出了开源的离线翻译模型Hy-MT1.5-1.8B-1.25bit，支持33种语言，压缩至440MB，翻译质量优于谷歌翻译。该模型可在手机本地运行，无需网络，适用于多种业务场景，并提供量化压缩方案，确保高效使用内存。

商汤推出了开源图像生成模型SenseNova-U1，具备高效的图文创作能力，支持复杂信息图和连贯的图文输出。其底层架构NEO-unify提升了创作效率。尽管存在局限，商汤将持续改进并已向公众开放该模型。

uAI Nexus MedVLM是全球首个开源医疗视频理解大模型，能够准确分析手术视频，显著提升手术安全性和效率。该模型的发布标志着医疗视频理解领域的重要突破，促进了全球开发者的合作与技术进步。

DeepSeek V4 发布，具备 1M 上下文和显著提升的代码能力，推理性能接近顶尖模型。新注意力机制降低计算需求，支持更多请求。V4 Pro 价格上涨，但在知识和推理任务上表现优异。现已上线官网和 API，无法自行部署。

智平方发布了全球首个开源具身智能模型社区AlphaBrain Platform，提供一整套顶尖技术工具，旨在简化开发者使用和比较模型的过程。该平台集成了五大核心技术，降低了训练门槛，支持持续学习，推动具身智能的应用落地。智平方的目标是成为行业标准的制定者，提升中国在具身智能领域的竞争力。