新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
智谱发布开源旗舰模型 GLM-5.2，主打 1M 上下文长程任务能力，并以 MIT 协议无地区限制开源。模型引入 IndexShare 稀疏注意力架构在 1M 上下文下将每 token FLOPs 减少 2.9 倍，并提供多档思考强度平衡性能与延迟；基准覆盖 HLE、SWE-bench Pro、MCP-Atlas、Terminal-Bench 2.1 等推理、代码与 Agentic 任务。
推荐理由：原文同时给出 1M 上下文、IndexShare 架构细节和与多款前沿模型的横向基准分数，读者可以据此评估 GLM-5.2 在长程任务上的相对位置。
月之暗面（Kimi）发布开源原生多模态智能体模型 Kimi K3，总参数 2.8T、激活 104B，原生支持文本、图像与视频，配备 1M token 上下文窗口。
推荐理由：Kimi K3 以 2.8T 参数和原生多模态设计开放权重，并在推理、编码与智能体多项基准上与 Claude Fable 5、GPT-5.6 Sol 等前沿模型直接对比，读者可据此查看其相对位置。
Moonshot AI 发布 Kimi K2.7 Code 编码智能体模型，基于 K2.6 改进主打长周期编码端到端能力，思考 token 相比 K2.6 减少约 30%。
推荐理由：原文给出 K2.7 Code 相对 K2.6 的 token 效率改进，以及与 GPT-5.5、Opus 4.8 在编程和智能体基准上的对比数据。
MiniMax 在 Hugging Face 发布 M3 模型的 MXFP8 量化版本 MiniMax-M3-MXFP8，总参数约 428B、激活参数约 23B，支持 1M 上下文与文本、图像、视频原生多模态训练。
推荐理由：原文给出 MSA 稀疏注意力在 1M 上下文下相对 M2 的预填充与解码加速数据，读者可据此评估长上下文部署成本。
MiniMax 在 Hugging Face 开源原生多模态模型 MiniMax-M3，支持 1M 上下文，总参数约 428B、激活参数约 23B。M3 搭载自研稀疏注意力算子 MiniMax Sparse Attention（MSA），相比 M2 在 1M 上下文下实现 9× prefill 与 15× decode 加速，单 token 计算量降至 1/20。
推荐理由：原文给出 1M 上下文与稀疏注意力算子的具体收益，读者可据此评估该模型在长上下文场景下的部署成本与吞吐。
阶跃 StepFun 发布 Step 3.7 Flash 多模态模型，采用 198B 参数稀疏 MoE 架构，每 token 激活约 11B 参数，支持 256k 上下文与低中高三档可调推理强度，最高吞吐达 400 tokens/秒。
推荐理由：Step 3.7 Flash 以 198B 稀疏 MoE 视觉语言模型形态发布，配合 256k 上下文与 ClawEval-1.1 67.1 的领先成绩，为 agent 与工具调用场景提供了从云端 API 到本地 GGUF 的完整部署参考。
StepFun 发布 198B 参数稀疏 MoE 视觉语言模型 Step 3.7 Flash，每 token 激活约 11B 参数，吞吐量最高 400 tokens/s，支持 256k 上下文窗口与低/中/高三档推理强度。
推荐理由：原文说明了该 198B MoE 模型针对高频生产与智能体工作流的定位，以及通过三档推理强度平衡成本与速度的设计取舍。
Kimi K2.6 开源发布，定位原生多模态智能体模型，重点强化长程编码、代码驱动的界面设计与 Agent Swarm 多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向扩展至 300 个子智能体执行 4000 步协同任务，并在单次自主运行中产出文档、网页、表格等端到端结果。
推荐理由：原文给出 K2.6 与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 在 Agentic、编码、推理、视觉四类基准的多维对比，可作为开源前沿模型与闭源旗舰能力差距的一手参考。
MiniMax 在 HuggingFace 发布 MiniMax-M2.7 模型，强调 Agent Teams、复杂 Skills 和动态工具搜索能力，并开放权重支持本地部署。
推荐理由：原文给出了与 Opus 4.6、GPT-5.4 等模型在多个工程基准上的横向对比，并附本地部署方式。
阶跃（StepFun）开源 Step 3.5 Flash 基座模型，总参数 196.81B，每 token 激活约 11B，采用稀疏 MoE 与 3-way Multi-Token Prediction（MTP-3）。
推荐理由：原文给出了 11B 激活参数下的稀疏 MoE 设计与多模型基准对比，可用于评估开放模型的推理与 Agent 能力边界。
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练，支持即时与思考双模式及 Agent Swarm 协同执行。
推荐理由：原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力，并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。
Kimi K2 Thinking 是月之暗面（Moonshot AI）发布的开源思考模型，采用 MoE 架构，总参数 1T、激活 32B，原生支持 256k 上下文与 INT4 量化推理。
推荐理由：给出了K2 Thinking在推理、Agent搜索和代码任务上与GPT-5等多款主流模型的对照成绩，便于横向比较当前开源思考模型的水平。