月之暗面于7月28日开源2.8万亿参数大模型Kimi K3，支持100万token上下文与视觉理解，采用KDA混合注意力机制。同日，摩尔线程宣布基于MTT S5000智算卡完成对其的快速适配与稳定运行，实现国产算力与开源大模型的协同突破。
中央网信办携京沪浙深网信办及五家头部AI企业，在雄安启动为期一年的“人工智能大模型IPv6能力提升专项行动”。行动旨在推动生成式AI应用全面支持IPv6，应对Token流量爆发式增长带来的网络压力，利用IPv6的海量地址优势为智能时代筑牢网络根基。
小米MiMo-V2.5大模型全球调用量登顶，上周达10.5万亿Token，环比增12%，成全球规模最大AI模型之一。小米高管徐洁云透露，调用量前五全为中国模型，彰显中国AI大模型渗透力持续跃升。
Poolside发布完全开源的Laguna S2.1大模型，118B总参数的MoE架构，每token激活8B，支持高达1M tokens上下文，适配长周期软件工程。在OpenCode平台免费开放，并引入thinking与no-thinking推理模式，引起开发者热议。
MiniMax-Text-01是一个强大的语言模型，具有4560亿总参数，能够处理长达400万token的上下文。
强大的语言模型，拥有4560亿总参数，可处理长达400万token的上下文。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
Baidu
128
$6
$24
$8
$240
52
Bytedance
$1.2
$3.6
4
inclusionAI
Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。
Downtown-Case
GLM 4.6是一款专为128GB内存+单GPU配置优化的量化模型，采用IQ_K量化方式，相比主流llama.cpp在相同大小下提供更好的质量和性能。该模型需要配合ik_llama.cpp使用，在128GB双通道DDR5内存、单CCD Ryzen 7000处理器+单张3090显卡配置下，文本生成速度可达每秒约6.8个token。
cpatonn
Qwen3-Next-80B-A3B-Instruct-AWQ-4bit是基于Qwen3-Next-80B-A3B-Instruct模型进行4位AWQ量化的高效版本。该模型采用混合注意力机制和高稀疏专家混合架构，支持长达262K tokens的上下文长度，在保持高性能的同时大幅降低计算资源需求。
gabriellarson
Seed-OSS是由字节跳动Seed团队开发的开源大语言模型系列，具备强大的长上下文处理、推理和智能体交互能力。仅使用12T token训练，在多个公开基准测试中表现出色，支持高达512K的原生长上下文处理。
ByteDance-Seed
Seed-OSS是由字节跳动Seed团队开发的开源大语言模型系列，具备强大的长上下文处理、推理、智能体交互能力和通用性能。该模型仅使用12T token训练，在多个公开基准测试中表现出色。
NVFP4
Qwen3-30B-A3B-Thinking-2507是一款在推理能力和通用能力上有显著提升的大型语言模型，增强了长上下文理解能力，适用于高度复杂的推理任务。该模型具有305亿参数，其中激活33亿参数，支持262,144 tokens的长上下文处理。
Qwen3-30B-A3B-Thinking-2507是经过量化处理的大语言模型，具有增强的推理能力、通用能力和长上下文理解能力。该模型采用混合专家架构，在逻辑推理、数学、科学、编码等复杂任务上表现出色，支持262,144 tokens的长上下文处理。
nvidia
Llama-3.3-Nemotron-Super-49B-v1.5是基于Meta Llama-3.3-70B-Instruct的大语言模型，经过多阶段后训练增强了推理和非推理能力。支持128K token上下文长度，在准确性和效率之间取得了良好平衡，适用于推理、聊天和代理任务。
unsloth
Devstral 1.1是由Mistral AI和All Hands AI合作开发的智能大语言模型，专为软件工程任务设计。该模型在SWE-bench基准测试中表现出色，位列开源模型榜首，拥有240亿参数和128k tokens的长上下文窗口。
Llama-3.3-Nemotron-Super-49B-v1 是一个大型语言模型，基于 Meta Llama-3.3-70B-Instruct 改进，增强了推理能力、人类聊天偏好以及任务执行能力，支持 128K tokens 的上下文长度。
kakaocorp
Kanana 1.5是Kakao开发的双语大语言模型，在编程、数学和函数调用能力方面有显著提升，支持32K tokens上下文长度，通过YaRN扩展技术可处理128K tokens超长文本。
lmstudio-community
由英伟达发布的4B参数规模大语言模型，支持128k tokens上下文长度，专为推理、对话及RAG等任务优化
AM Thinking v1是由A-M团队开发的基于Qwen 2.5-32B-Base的大语言模型，增强推理能力，支持132k tokens的上下文长度。
Mungert
OpenCodeReasoning-Nemotron-14B 是基于 Qwen2.5-14B-Instruct 进行后训练的大型语言模型，专为代码生成推理优化，支持32K tokens上下文长度。
OpenCodeReasoning-Nemotron-7B是基于Qwen2.5-7B-Instruct专门为代码生成推理而训练的大语言模型，支持32K token上下文长度，适用于商业和非商业用途。该模型在OpenCodeReasoning数据集上进行后续训练，专注于编程问题的推理和代码生成。
INTELLECT 2是由PrimeIntellect推出的大语言模型，支持40960 tokens的上下文长度，采用QwQ架构和GRPO强化学习框架训练。
Kevin 32B是由Cognition AI开发的大语言模型，支持超长上下文（40960 tokens），专注于CUDA内核生成和强化学习任务。
OpenCodeReasoning-Nemotron-32B-IOI 是一个基于 Qwen2.5-32B-Instruct 的大型语言模型，专门针对代码生成任务进行了推理后训练，支持 32K token 的上下文长度。
JetBrains
JetBrains首个开源大语言模型(LLM)的微调版本，专为Python代码相关任务优化，支持8192 token上下文窗口。
Qwen3-32B是由Qwen团队开发的大语言模型，支持131,072 tokens的上下文长度，具备强大的数学、编程和常识推理能力。
HiveChat是一个专为中小团队设计的AI聊天应用，支持多种大模型服务商，提供分组管理、Token限额、第三方登录等功能。
RLM MCP服务器是一个基于递归语言模型模式的大规模上下文处理工具，允许Claude代码通过外部变量处理超过1000万token的文本，避免直接将海量内容输入提示词。它通过加载、分块、子查询和聚合的流程，支持自动分析和程序化执行，可连接Claude API或本地Ollama进行免费推理。
TokenScope是一个面向大型语言模型的令牌感知目录探索工具，提供智能目录结构分析、文件内容令牌感知提取、令牌使用统计和综合报告生成功能。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
