Sarvam Vision 2.1 发布，在全球与印度语言文档智能基准上达到 SOTA
Sarvam AI 发布文档智能视觉语言模型 Sarvam Vision 2.1，在 olmOCR-Bench（总体 87.3）与其自建 Indic OCR Bench（总体准确率 87.39）上达到对比系统中的 SOTA，并在 olmOCR 与 OmniDocBench 两个基准的组合上处于 Pareto 前沿。
#模型发布
Sarvam AIAI 评分5454
HF 机构 · XiaomiMiMoAI 评分4646 XiaomiMiMo MiMo-V2.6-Flash-RL 模型页面
小米（XiaomiMiMo）的 MiMo-V2.6-Flash-RL 模型已上架 Hugging Face，任务类型为 text-generation。该模型页面显示下载量 76977、获赞 589，页面未提供更多技术细节。 （注：原文信息极有限，摘要仅陈述页面可见事实，未做扩展。）
禾赛科技AI 评分5858 模型：Hesai Unveils MT Series Lidar, Delivering Ultra-High Spatial Resolution in the World’s Smallest Form Factor
原文摘录：Today at INTERGEO 2026, Hesai Technology (NASDAQ: HSAI; HKEX: 2525), a global leader in 3D sensing technology, officially unveiled the MT series , its next-generation flagship lidar series with ultra-high spatial resolution, designed for high-precision 3D … The previous-generation XT point clouds were captured while the sensor was in motion using repetitive scanning and accumulated across multiple frames
ARC Prize · 官方博客精选AI 评分7878 OpenAI GPT-6 Astra 在 ARC-AGI-3 上取得 99.9% 并超越人类动作效率
ARC Prize 发布 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上的评测结果：Standard harness 下得分 62.7%、花费 $26K，Provider Adapter harness 下得分 99.9%、花费 $19K，均为当前最高分。
推荐理由：ARC Prize 亲自实测并公开成本、动作效率与两种 harness 的差异，读者可据此了解 Astra 在 ARC-AGI-3 上的真实表现边界。
GitHub Org · internlmAI 评分4444 InternLM 开源 InternLumina-U2：多码本扩散大语言模型
InternLM 在 GitHub 上推出 InternLumina-U2，这是一个采用多码本（multi-codebook）架构的扩散大语言模型。该模型支持全视觉理解，并集图像生成与编辑能力于一体。
HF 机构 · QwenAI 评分4545 Qwen3.8-Flash-Next 模型上线 Hugging Face
Hugging Face 机构页展示 Qwen 的 Qwen3.8-Flash-Next 模型，类型为 image-text-to-text（图文到文本多模态）。该模型页面已获得约 3607555 次下载和 6847 个点赞。
MiniMax Research Blog精选AI 评分6262 MiniMax 发布新一代开源权重音乐生成模型 Music 3.0
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。
Ollama BlogAI 评分6767 NVIDIA Nemotron 3.5 Lightning 上架 Ollama，30B 参数开源模型可完全本地运行
NVIDIA Nemotron 3.5 Lightning 现已在 Ollama 上架，这是一个总参数 30B、每 token 激活 3B 的开源模型，可完全在本地设备运行，面向收集上下文、调用工具等持续运行的智能体任务。
MiniMax Research Blog精选AI 评分6767 MiniMax 发布多模态生成模型 H3，支持 2K 原生立体声视频并计划开源权重
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。
GitHub Org · MoonshotAI精选AI 评分6161 月之暗面开源 Kimi-K3 模型
月之暗面（MoonshotAI）在 GitHub 开源 Kimi-K3 模型仓库，以 Open Frontier Intelligence（开放前沿智能）为定位。
Hugging Face · 趋势模型AI 评分5151 Lightricks 在 Hugging Face 发布 LTX-2.5 图生视频模型
Lightricks 在 Hugging Face 发布 LTX-2.5，模型页标注能力为 image-to-video（图生视频）。页面显示下载量 2643778、点赞 11009，feed 未提供更多技术细节。
Moonshot AI / Kimi Research精选AI 评分8686 Moonshot AI 发布 2.8T 参数模型 Kimi K3
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 AI Blog精选AI 评分7575 Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
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 AI Blog精选AI 评分7272 Meta 发布 Muse Image 并预览 Muse Video 媒体生成模型
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。
HF 机构 · moonshotaiAI 评分5050 moonshotai 发布 Kimi-K3 多模态模型（image-text-to-text）
moonshotai 在 Hugging Face 上发布 Kimi-K3 模型，任务类型为 image-text-to-text（图像-文本到文本）。该模型页下载量达 771618，获得 11950 个点赞。
Stability AI NewsAI 评分6464 Stability AI 发布开源权重音频模型家族 Stable Audio 3.0
Stability AI 发布音频生成模型家族 Stable Audio 3.0，四个模型中 Small SFX、Small 和 Medium 三个开放权重，训练数据全部获得授权。
Thinking Machines Lab · News精选AI 评分7272 Thinking Machines 宣布交互模型研究预览，TML-Interaction-Small 原生支持实时多模态协作
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。
HF 机构 · moonshotaiAI 评分6161 月之暗面 Kimi-K2.6 多模态模型上线 Hugging Face
月之暗面的 Kimi-K2.6 模型在 Hugging Face 开放模型页面，任务类型标注为 image-text-to-text 多模态。页面显示下载量 237218、获赞 1641。
GitHub Org · PKU-YuanGroupAI 评分4848 PKU-YuanGroup 的 Helios：真正的实时长视频生成模型（TPAMI 2026）
PKU-YuanGroup 在 GitHub 上发布 Helios，一个定位“真正实时”的长视频生成模型，相关论文入选 TPAMI 2026。原文信息有限，模型的具体参数、性能数据和可用方式未在资料中给出。
GitHub Org · MoonshotAI精选AI 评分6060 Moonshot AI 在 GitHub 发布 Kimi-K2.5，定位开放视觉智能体智能
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。
HF 机构 · moonshotaiAI 评分6262 月之暗面 Kimi-K2.5 图文多模态模型上线 Hugging Face
月之暗面 Kimi-K2.5 模型页面上线 Hugging Face，任务类型标注为 image-text-to-text 图文多模态。页面显示该模型下载量 395007、点赞 2901。
HF 机构 · NousResearchAI 评分4141 NousResearch 的 NousCoder-14B 模型页面
Hugging Face 上线 NousResearch 发布的 NousCoder-14B 文本生成模型页面。该模型目前获得 766 次下载和 231 个点赞，页面未提供更多技术细节。