模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Moonshot AI 在 Hugging Face 发布 Kimi-K2.6，这是开源的原生多模态智能体模型。该模型采用 MoE 架构，Total Parameters 1T、Activated Parameters 32B、Context Length 256K，支持长周期编码、coding-driven design、Agent Swarm、图像和视频输入。
推荐理由：原文同时给出模型结构、评测表和部署入口，便于对比其在编码与智能体任务中的定位。
Google DeepMind 推出 Gemini Robotics-ER 1.6，这是其面向机器人具身推理模型的重要升级，增强了空间推理和多视角理解能力。
推荐理由：原文给出与 1.5 和 Gemini 3.0 Flash 的对比，可看出具身推理在读表和安全约束上的进展。
Google DeepMind 发布 Gemma 4 开放模型家族，包含 E2B、E4B、26B MoE 和 31B Dense，面向高级推理和智能体工作流，并采用 Apache 2.0 license。
推荐理由：原文同时给出模型尺寸、端侧部署方式和生态入口，便于比较开放模型在硬件约束下的能力取舍。
Mistral AI 发布 Mistral Medium 3.5，这是 dense 128B 模型，支持 256k 上下文窗口，并将指令跟随、推理和编码能力合并到同一组权重中。
推荐理由：原文同时给出模型架构、替换范围和部署注意事项，便于评估其在聊天与编码场景的迁移成本。
阶跃星辰在 Hugging Face 开源 Step 3.5 Flash-Base，称其为具备推理和 Agent 能力的开源基础模型，并开源训练代码库 SteptronOss。
推荐理由：原文同时给出架构参数、吞吐和基准对比，便于评估开源 MoE 模型在 Agent 场景的取舍。
阶跃星辰在 Hugging Face 发布 Step-3.5-Flash-Base-Midtrain，称 Step 3.5 Flash 是其最强开源基础模型，并同步开源训练代码库 SteptronOss。
推荐理由：材料同时给出架构参数、吞吐、长上下文和基准成绩，便于比较开源 MoE 模型的效率取舍。
Cognition 分享了正在训练的 SWE-1.6 早期预览，当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%，速度同为 950 tok/s。
推荐理由：文章同时披露评测口径、训练提速和 Model UX 问题，可用于比较编码智能体模型的工程取舍。
Moonshot AI 发布 Kimi-K2-Thinking，称其为最新、能力最强的开源 thinking model，支持逐步推理并动态调用工具。该模型为 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，原生 INT4 量化，称可在低延迟模式下实现无损 2x 加速，并在 200–300 次连续工具调用中保持稳定。
推荐理由：原文同时给出架构参数、评测设置和部署入口，便于比较开源推理模型的长程工具调用能力。
OpenAI 在 Hugging Face 发布 gpt-oss-safeguard-20b，这是基于 gpt-oss 构建的安全推理模型，可按用户提供的安全政策对文本内容分类并执行基础安全任务。
推荐理由：原文说明了自带策略分类和可调推理强度，便于评估开源安全模型在内容审核中的适配方式。
百度在 Hugging Face 发布 Qianfan-VL-8B，属于 Qianfan-VL 系列通用多模态大语言模型，面向企业级多模态应用并强化 OCR 与文档理解。
推荐理由：原文同时给出模型规格、训练流程和基准对比，便于评估其在 OCR 与文档理解场景的适配度。
百度在 Hugging Face 发布 Qianfan-VL-3B，属于 Qianfan-VL 通用视觉语言模型系列，面向企业级多模态应用并强化 OCR、文档理解等场景。
推荐理由：模型卡列出3B到70B规格、训练阶段、基准和部署示例，便于比较企业多模态场景适配。
Sebastian Raschka 分析 OpenAI 本周发布的 gpt-oss-120b 和 gpt-oss-20b，称这是自 GPT-2 以来 OpenAI 再次共享大型完全开权重模型。
推荐理由：文章把 gpt-oss 与 GPT-2、Qwen3 的结构差异逐项拆开，便于理解开权重模型的工程取舍。
Moonshot AI 发布 Kimi-K2-Instruct，这是 Kimi K2 的后训练版本，面向通用聊天和 agentic experiences。Kimi K2 是 MoE 语言模型，拥有 1T 总参数、32B 激活参数、128K 上下文窗口，并在 15.5T tokens 上预训练。
推荐理由：材料同时给出架构参数、基准对比和部署方式，便于评估 Kimi K2 的编码与工具调用定位。