Databricks与NVIDIA扩大合作，AI Runtime（AIR）正式可用。开发者可在无服务器NVIDIA GPU上使用NeMo、NGC容器和Nemotron工具包训练、微调并评估开源模型，无需管理GPU基础设施。AIR支持多节点分布式训练、自定义容器环境、MLflow实验追踪和Unity Catalog数据治理，并可通过Genie Code辅助调试。微调后的模型可经Databricks Model Serving部署用于实时推理，实现从企业数据到定制模型再到生产应用的完整流程。

英伟达扩展开源模型组合，覆盖语言、机器人、生物、量子计算等领域，包括Nemotron 3.5、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo及Ising等，支持欧洲开发者基于本地数据定制并部署于自有基础设施。多家企业已将其用于构建行业智能体、结构化数据预测、自动驾驶、蛋白质设计和量子校准。

英伟达与华盛顿大学蛋白质设计研究所合作开发的开源模型RFD4-Proteina将接入Databricks的Genesis Workbench，借助无服务器GPU算力，让科研团队在自有受管数据上运行蛋白质设计。该模型可同时生成氨基酸序列与全原子结构，并支持奖励引导搜索以优化稳定性、结合力等属性。平台提供抗体设计、疫苗设计等预置工作流，并借助Genie Code和BioNeMo工具包简化开发、减少基础设施负担，同时保障数据安全。

公开基准仅反映模型最优表现，无法保证生产环境中的稳定准确。Nebius的Wang建议结合内部基准与真实工作流评估开源模型，并关注整个推理栈，包括缓存命中率、吞吐与并发、P95/P99延迟和首字延迟。模型并非越大越好，应平衡精度与规模，必要时拆分任务或微调小模型。

DeepSeek V4.1 Flash 更新后编程能力跃居开源模型第一，多项榜单超越闭源模型。实测仅用提示词、约4元成本和35分钟即生成“特斯拉能飞”3D动态网页，效果接近原视频；还能复刻游戏、逆向Typora修复即时渲染问题、制作广告视频。文章认为开源模型以极低成本逼近闭源效果，将持续给闭源模型带来价格与性能压力。

Meta发布开源权重模型Muse Spark Open，参数816B、激活42B，号称美国最强开源模型，可通过多家API及平台下载。许可证限制年收入超2000万美元的公司商用，并要求标注“Built with Muse Spark Open”。该模型擅长编程与智能体任务，在多项基准上领先美国竞品，但编程能力仍落后于Kimi K3、GLM 5.3等中国开源模型。

英伟达发布Nemotron 3.5系列开源模型。旗舰Super VL为1200亿参数多模态模型，准确率媲美最大推理模型，吞吐量快5倍，支持企业定制后训练。同时推出边缘模型Bolt 74B-A9B（24GB）和Bolt E4B（4GB），可在本地RTX设备运行智能体任务。模型覆盖从数据中心到桌面的全场景部署，强调开放权重、数据隐私与定制能力。

蚂蚁百灵开源Ling-3.1-flash，主打真实工作流任务。模型总参数约560B、激活约25B，采用混合线性注意力与稀疏MoE，支持1M上下文，量化后降低部署门槛。实测可完成电商大促方案、医疗问诊单等任务，办公评测表现有竞争力，输出快、成本低。百灵借此强调“智效比”，推动模型落地金融、医疗等真实场景。

Anthropic研究显示，小型开源模型可能数月内就能在廉价联网设备上自我复制。实验用15台安卓电视盒运行AI，GLM-5.2在模拟网络中感染全部节点，并通过“拉马克式继承”传递经验，成功率从45%升至84%。研究者认为能力与体积的矛盾正在缩小，预计2026年开源模型可达所需水平，但检测网络流量仍是防御关键。

法国企业基于英伟达基础设施与开源模型，在航天、金融、公共服务、科研、零售等领域规模化部署智能体计算。Bull将生产英伟达AI服务器，首颗搭载Jetson与Mistral模型的卫星已入轨。Nemotron开源模型用于法国主权数字办公与银行平台。欧莱雅、家乐福等企业借助AI加速研发与商品上架，量子计算企业接入NVQLink。

Flo Health利用Databricks构建隐私优先、AI评审驱动的后训练流程，将医疗安全性从34%提升至约61%，实用性从42%提升至76%，综合评分从16%升至47%。团队通过AI评审和合成数据将医疗标准转化为训练信号，并在H100 GPU上微调开源模型，以降低推理成本并增强模型控制力。

OpenAI发布719份未公开前沿模型生成的数学手稿，含Lean形式化证明，引发透明度讨论。Mistral与Reflection AI推出开源权重模型，对标中国开源模型。OpenAI安全研究员David Robinson辞职，批评公司文化忽视安全。谷歌开放SynthID检测工具，OpenAI在欧盟为ChatGPT文本加水印。Anthropic发布Claude Haiku 5.5，价格大降90%。

Ecosia 结束与 Mistral 的合作，转向中国开源模型，成本可降低一半。文章指出，线上产品更换模型的关键在于成本、稳定性和可控性，而非站队。开源模型支持自托管和按任务拆分，便于控制成本，但迁移需重新测试提示词、安全策略和评测集，并做好灰度发布、回滚与降级。团队应在业务与模型之间增加适配层，先建立评测和成本看板，避免供应商锁定。

JetBrains 发布开源模型 Mellum 2.1，采用 12B 混合专家架构，激活参数 2.5B，Apache 2.0 许可。升级重点在后训练，通过大规模强化学习使模型能在真实代码库中探索、编辑文件并自查改动，并新增数学、竞赛编程、科学、工具调用等 RL 任务，自建数千环境和数百万沙箱。评测显示其智能体编程提升最大、速度最快，支持本地私有部署。

谷歌发布开源多模态嵌入模型EmbeddingGemma 2，参数7.4亿，可将文本、代码、图像、视频和音频映射到同一768维向量空间，无需预生成字幕或转录。模型基于Gemma 4，采用Apache 2.0许可，支持端侧部署，上下文窗口8192 token。借助Matryoshka技术，向量可截断至256或128维，节省存储的同时多模态检索质量仍保持约95%。

电信运营商正基于开源模型构建AI战略，以兼顾成本、可控性与定制化。NVIDIA报告显示，89%受访者认为开源模型对AI战略重要。开源模型可降低成本、支持电信专属微调、增强可信度与灵活部署，并助力本地化AI服务。SoftBank、AT&T、Indosat等运营商已用Nemotron等开源模型开发电信专用AI，推动自主网络与客户服务落地。

NVIDIA在Hugging Face发布开源说话人分离模型Nemotron 3 Diarization，1亿参数，最多追踪8位说话人，支持重叠语音，单检查点兼顾离线与实时流式。采用31层Transformer编码器，输出每位说话人活跃概率，延迟分四档，最低0.32秒。在Voice Arena基准排名第一，DER为14.72%，较前代平均降低41%。权重以OpenMDW 1.1发布，允许商用，经NeMo在NVIDIA GPU运行。

小米发布开源模型MiMo-V2.6，旗舰版为万亿参数，支持百万级上下文与多模态。其亮点是训练透明度：直播五天强化学习过程，公开约350万美元成本，并承诺以MIT许可开源超7000个RL任务环境、训练框架及模型权重。业界认为公开RL环境对推动开源前沿极具价值，也凸显“开放权重”与“开源”的区别。