Thinking Machines 发布 Inkling 2 Small，为 594B 总参数、17B 激活的多模态 MoE，在 GB300 上以 NVFP4 精度完成预训练仅耗时 68 小时，现已在 Tinker 开放微调与推理，Apache 2.0 权重待外部安全测试完成后于下周发布。
推荐理由：原文把跑分领先与每任务约 150K 输出 tokens 的成本放在一起，读者可据此核对该模型的真实性价比和开源条件。
NVIDIA 在 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景。四个模型均为 Cosmos 3 Nano 的后训练版本，各含 16B 可训练参数，采用 OpenMDW1.1 许可，允许按其条款商用和非商用。
推荐理由：四个开源权重模型分别覆盖驾驶仿真和机器人双臂操作，配套的四阶段后训练配方可供研究者按自己的传感器配置或本体数据做适配。
Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型，在 Gemini API 和 Gemini for business 全面开放。
推荐理由：原文列出降价 30%、时长扩到 15 秒和多轮对话编辑等具体参数，做批量视频产出的团队可据此评估成本与选型。
Google Research 发表 Nature 论文，提出 AI-PPG-ACC-HTN 系统，利用普通智能手表的 PPG 与加速度计信号被动识别高血压迹象，无需袖带校准。
推荐理由：原文对照24小时动态血压监测金标准，给出初始筛查与确认检测两组性能数字，可帮助读者评估无袖带血压筛查的可行程度。
Mistral 发布 Mistral Large 4（Le Chonk）开放权重，这款 1 万亿参数、原生多模态模型本月早些时候曾以公开预览形式发布，经三周强化学习后在 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 得分 41%，居开源权重模型首位，并在 Artificial Analysis Cyber Index 得分 51%。
推荐理由：原文给出编码与防御安全的多项基准成绩、三档推理模式与定价，可帮助开发者评估自托管开源模型的能力与成本取舍。
Google DeepMind 发布新一代世界模型 Genie 4，开始以研究预览形式向可信测试者推出，官方称其为旗下首个原生生成音频的实时世界模型。模型原生多模态，可同步生成环境声、音乐与可交互对话，支持用键盘控制和自然语言实时修改场景，并由 Gemini 3.8 Flash 作为循环中的引导智能体拆解目标、逐步校验多步事件。
推荐理由：原文介绍原生音频与实时交互等能力的实现方式，并说明细节漂移等当前局限，便于读者判断其可用边界。
Google Research 复盘团队五年 AI 结核病筛查历程，本周在 IDWeek 2026 分享从研究基准到临床工具与开源基础模型的落地路径。
推荐理由：原文复盘了从研究基准到临床认证工具再到开源模型底座的完整路径，医疗 AI 团队可参考其中跨越转化鸿沟的关键步骤。
Black Forest Labs 发布 FLUX 3 家族的紧凑开放权重模型 FLUX 3 Image Klein，5.6B 参数可在单张消费级 GPU 上运行，已提供 Hugging Face 下载和 ComfyUI 模板。
推荐理由：原文附 RTX 5070 出图从 71 秒降到 8 秒内的量化实测，读者可据此评估本地消费级 GPU 跑开源图像模型的成本。
Google 全球开放前沿模型 Gemini 4 Argon，开发者可通过 Gemini API 在 AI Studio 使用，Google AI Ultra 与 Pro 订阅用户可在 Gemini 应用、搜索 AI Mode 及 Antigravity 中体验。
推荐理由：原文以 Chrome 重构等内部工程数据说明模型落地效果，读者可以据此评估它在复杂编码与科研任务上的可用性。
Mistral 发布 Mistral Large 4（ML4）公开预览，模型为 1 万亿参数、激活 520 亿的原生多模态架构，预览 API 已上线 Mistral Studio，开放权重定于月底放出。
推荐理由：原文给出网络安全、智能体编码和多模态的具体基准成绩与训练规模，读者可据此横向比较当前开放模型的能力水平。
Suno 推出 Speech（beta），官方称其为首个把语音与背景音乐合成为同一条完整音轨的音频模型，现已向所有用户开放。用户输入一段文字并描述想要的嗓音与音乐风格，即可生成配上原创背景音乐的朗读音频，该功能此前已小范围测试一个月。官方提示 beta 阶段口音和戏剧性停顿尚不稳定，将根据社区反馈持续改进。
推荐理由：Suno 官方介绍了语音与配乐合为一条音轨的生成方式和用法，并坦承 beta 阶段口音与停顿还不稳定，可据此判断适用场景。
MiniMax 发布新一代开源权重音乐生成模型 Music 3.0，输入创作构思与可选歌词即可一次生成最长五分钟的完整歌曲。模型由基于 Qwen3.5-8B 初始化的 8B 全局 LLM 与 0.6B 局部 LLM 组成 Hybrid-LM，配合八层 RVQ、2.4B flow-matching 模块和 123M Flow-VAE 完成音频渲染。
推荐理由：原文给出 Hybrid-LM、RVQ 与 Flow-VAE 的完整架构拆解，读者可了解五分钟整曲生成如何兼顾结构与音质。
MiniMax 发布通用多模态生成模型 H3，可统一理解文本、图像、视频和音频上下文，生成最长 15 秒的 2K 分辨率视频并带原生立体声。官方称早期测试显示其已可胜任广告、电商、游戏等商业内容创作，2K 下每秒价格不到主流模型的三分之一，并计划在符合法规的前提下于近日开源模型权重。
推荐理由：原文给出与主流模型的价格对比和开源权重计划，读者可以据此评估它在商业视频内容生产中的成本空间。
Moonshot AI 发布 2.8T 参数模型 Kimi K3，基于 Kimi Delta Attention 与 Attention Residuals，具备原生视觉能力和 100 万 token 上下文窗口。
推荐理由：原文同时给出基准对比、架构细节、API 定价与权重开放时间，读者可据此评估这款 2.8T 开源模型在编码与智能体工作里的可用性。
Meta Superintelligence Labs 于 7 月 9 日发布 Muse Spark 1.1，定位为面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
推荐理由：官方发布给出了智能体、编码、多模态能力要点，百万 token 上下文和 Meta Model API 公测入口对评估可用性有直接参考。
Meta 发布图像生成模型 Muse Image 并预览视频生成模型 Muse Video，二者是 Meta Superintelligence Labs 开发的首批媒体生成模型。
推荐理由：图像模型以智能体方式调用搜索和代码工具，并用测试时算力换质量，读者可据此对比现有图像生成产品的技术路线差异。
Thinking Machines Lab 宣布交互模型研究预览，从零训练出 TML-Interaction-Small（276B 参数 MoE、激活 12B），可实时接收音频、视频和文本并即时回应。
推荐理由：原文说明交互模型如何把实时互动内建到模型本身而非外部脚手架，并给出与主流实时模型在智能与响应上的基准对比。
Moonshot AI（MoonshotAI）在 GitHub 发布 Kimi-K2.5 模型，定位为「Open Visual Agentic Intelligence」（开放视觉智能体智能）。仓库地址为 https://github.com/MoonshotAI/Kimi-K2.5，当前正文仅一句口号，未提供权重、基准或能力细节。