开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
OpenAI 于 2026 年 10 月 6 日发布消息称，用一个尚未公开的内部前沿模型一次性产出 722 篇数学手稿，整理为 372 个结果，来自对约 4000 个开放研究问题的评估，平均每个结果算力约相当于 ChatGPT Pro 思考 3 小时，成果全部放在 Apache-2.0 协议的 GitHub 仓库 openai/math 中。
OpenAI 以 GitHub 仓库而非期刊公开内部模型的数学产出，读者可了解其披露方式与研究协作的新变化。
Mistral 发布新旗舰 Mistral Large 4，总参数 1 万亿，采用混合专家架构，每个 token 激活 490 亿参数，权重将于月底全部开源。
通过第三方智能指数与多项细分基准的横向对比，读者可以看到开源万亿参数模型与闭源旗舰之间的实际差距。
OpenAI 从一个未发布内部前沿模型公开了 722 篇数学手稿，归入 372 个结果族，来自约 4000 个研究问题的评测，平均每个结果约消耗 3 小时 ChatGPT Pro 推理算力，同时发布论文、证明工件与部分推理摘要，模型本身仍未公开。
汇总了 OpenAI 内部数学模型的稿件规模与算力投入，以及 Mistral、Google 等多个同期发布的对照信息。
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活，号称是美欧聚合基准上最好的开放权重模型。该模型在网络防御、制造和金融等关键负载达到 SOTA，视觉 grounding 超过闭源前沿模型，端到端在欧洲锻造并可通过 Mistral Cloud 从欧洲部署，今日起 API 全面可用，开放权重将于十月底发布。
Mistral Large 4 以 1T 参数、49B 激活的开放权重形态发布，可对照其与闭源前沿模型的基准位置。
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、49B 激活、原生多模态。官方称其在聚合基准上是美国或欧洲最好的开放权重模型，在网络防御、制造和金融等关键负载上达到 SOTA，视觉接地表现超过闭源前沿模型。
Mistral Large 4 的参数规模、多模态能力与开放权重时间表一并给出，可据此判断欧洲开源模型的竞争位置。
Mistral 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，已在 API 上线，开放权重将于 10 月底发布。
原文列出 Mistral Large 4 在多类工作负载上的对照数字，读者可据此判断开源权重模型的竞争位置。
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，在自有算力上训练和推理。官方称其在聚合基准上是美国或欧洲最好的开放权重模型，在网络安全、制造和金融等关键负载上达到 SOTA，视觉 grounding 超过闭源前沿模型；由欧洲端到端打造，可通过自有 Mistral Cloud 从欧洲部署。
Mistral 联合创始人披露 Large 4 的参数量、多模态与自有算力训练细节，可据此判断欧洲开源模型的量级位置。
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活参数，称其是美欧范围内聚合基准上最好的开源权重模型。该模型在网络安全、制造和金融等关键负载上达到 SOTA，并在视觉定位上超过闭源前沿模型；今日起通过 API 提供，开源权重将于 10 月底发布，并可通过其自有 Mistral Cloud 基础设施在欧洲部署。
Mistral 官方给出新模型的参数规模、能力定位与开放节奏，可据此判断欧洲开源权重模型当前的位置。
小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习推进，并可开放获取模型权重、技术报告、强化学习环境与训练代码。Pro 在多数智能体基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis 智能指数上得分 46，为开源模型中最高，同时在编码、电脑操作、3D 推理和创作能力上更强。
小米发布 MiMo-V2.6 双版本开源权重模型，并给出与闭源前沿模型在智能体基准上的对照成绩。
小米团队正式发布并开源 Xiaomi MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型。
原文给出开源模型在AA综合指数上的位置与RL算力扩展的公开细节，便于比较开源与闭源差距。
小米发布 MiMo-V2.6 系列，含 Pro、Flash 和 20 倍速的 Pro-UltraSpeed 三个版本，AA 指数 46 分与同日发布的 Grok 4.7 打平，位列开源模型第一。
作者以实测视角对比 Grok 4.7 与 MiMo V2.6 的性能、价格和速度，呈现国产开源模型的实际能力边界。
小米发布开源模型 MiMo-V2.6-Pro，支持文本、图像、音频、视频多模态输入，权重已上传 Hugging Face。Artificial Analysis 称其以智能指数 46 成为开源权重模型榜首，较前代 MiMo-V2.5-Pro 的 26 大幅提升，每任务成本 0.13 美元，位于智能与单任务成本帕累托前沿。
小米开源新模型以远低于同级的 token 价格进入智能成本帕累托前沿，可据价格与榜单位置观察开源与闭源的成本差距。
阿里 Qwen 团队发布并开源 Qwen-Image-2.1，称其为 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型。该模型为 7B 轻量架构，统一支持图像生成与编辑，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，并针对多图输入大幅加速推理。权重已在 ModelScope、Hugging Face 和 GitHub 开放。
阿里开源 Qwen-Image 系列的轻量图像生成与编辑模型，可对照其与闭源模型在速度、透明图层上的差异。
Z.ai 正式发布视觉语言模型 GLM-5.3-Flash，即此前在 OpenRouter 上匿名预览的 Ox Alpha，并公开了权重。该模型采用 MoE Transformer 结合线性注意力与稀疏注意力，总参数 3200 亿、每 token 激活 180 亿，支持文本、图像和视频输入，最多 1,048,576 个 token，输出上限 128,000 个 token。
智谱开源 GLM-5.3-Flash 的架构与成本数据，可用于判断低价视觉语言模型的性价比取舍。
黄仁勋在推文中宣布 NVIDIA 将收购 Hugging Face，称 NVIDIA 将成为 Hugging Face、其社区以及开源模型未来的归宿，并表示开放模型有助于增强安全与网络安全、加速创新与扩散，并实现主权能力。
NVIDIA 将收购 Hugging Face，黄仁勋与 Scott Wu 的表态透露了收购方对开源模型生态的定位。
Z.ai 通过微调前代 GLM-5.2 推出旗舰模型 GLM-5.3，总参数 7530 亿、每 token 激活 400 亿，输入最多 100 万 token、输出最多 128,000 token，速度每秒 90 token。
以独立测试数据对比 GLM-5.3 与 Kimi K3、Claude Opus 5 等模型，并呈现开源权重网络安全争议中双方的实际依据。
MiniMax 将 H3 Max 768P、H3 Max 480P 接入开放平台和 MiniMax Design，该模型生成 5 秒 768p 音视频不到 3 秒，15 秒视频约 15 秒完成，吞吐量约为 MiniMax H3 的 35 倍。
H3 Max 把 5 秒 768p 音视频生成压进 3 秒内，读者可据此理解实时直播这类新场景的门槛变化与并发限制。
Ollama 正在上线 GLM-5.3，提供私有、快速、美国和欧洲托管、不留存数据的服务，并推出云端版本 GLM-5.3-Flash 供试用。
GLM-5.3 在 Ollama 上线并提供云端 Flash 版本，读者可了解在 Claude Code 等工具中的接入方式与开源权重入口。
智谱认领了此前在 X 上刷屏的匿名模型 Ox-Alpha（中文社区称“牛来”），正式名称为 GLM-5.3-Flash，320B 总参数、仅激活 18B，是 GLM-5 系列首个原生多模态模型。
文章把匿名模型的身份揭晓、参数与价格和多个实测案例放在一起，读者可据此判断它在多模态任务上的成本与可用性。
阿里发布 Qwen3.8-Flash，这是一个多模态 MoE 模型，主模型参数量 125B，另配 51B N-gram Embedding，每 token 激活 6B 参数，原生支持 262,144 token 上下文并可通过 YaRN 扩展至 1M token。
官方一次给出 Qwen3.8-Flash 的架构改动、成本对比与开源权重入口，读者可据此判断新架构对长上下文推理的实际影响。