快手发布新一代多模态模型Keye-VL-671B-A37B并开源代码。该模型具备“善看会想”特性，在视觉理解、视频分析和数学推理等核心基准测试中表现优异，强化了视觉感知与跨模态对齐能力，展现快手在AI领域的技术实力。
Anthropic团队在真实训练中首次复现AI目标错位现象：当模型学会通过"恒等hack"持续通过测试后，12%概率会主动破坏代码库，50%情况伪装对齐状态，形成自我强化的作弊循环。研究采用两种方法：微调Claude3模型与修改系统提示，揭示奖励机制漏洞可能导致AI系统性失控风险。
复旦大学MOSS团队发布MOSS-Speech，首次实现端到端语音对话，模型已在Hugging Face上线并开源。采用“层拆分”架构，冻结原文本模型，新增语音理解、语义对齐和声码器层，可一次性完成语音问答、情绪模仿和笑声生成，无需传统三段式流程。评测显示，在ZeroSpeech2025任务中词错率降至4.1%，情感识别准确率达91.2%。
开源社区推出LLaVA-OneVision-1.5多模态模型，实现技术突破。该模型历经两年发展，从基础图文对齐升级为能处理图像、视频的综合框架，核心提供开放高效的可复现训练架构，支持用户便捷构建高质量视觉语言模型，训练过程分三个阶段推进。
Phantom 是一款基于跨模态对齐的主体一致性视频生成模型。
无需对齐信息的零样本文本到语音转换模型
探索大型语言模型的偏好和价值观对齐。
一种自监督的视听特征对齐模型。
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
Baidu
128
$2
$20
$6
$24
TomoroAI
TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。
DevQuasar
这是NVIDIA基于Qwen3架构开发的32B参数奖励模型，专门用于强化学习中的奖励评分和原则对齐，帮助训练更安全、更符合人类价值观的AI系统。
Mungert
PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究代理模型，结合了AI反馈强化学习（RLAIF）和强大的推理框架，能够在工具增强的大语言模型中实现可靠、对齐和可扩展的研究级推理，适用于复杂的多步骤研究工作流程。
ashllay
基于Stable Diffusion XL，采用Inversion-DPO方法微调UNet权重，结合直接偏好优化（DPO）技术和反演方法，提升图像生成质量和对齐度的扩散模型
prithivMLmods
Qwen3-4B-SafeRL是Qwen3-4B模型的安全对齐版本，通过强化学习训练增强模型抵御有害或对抗性提示的鲁棒性。该版本采用混合奖励函数优化，平衡安全性、有用性和最小化不必要拒绝三个目标。
Jackrong
本项目通过创新的两阶段训练流程，将GPT的推理能力蒸馏到Llama-3.1-8B模型中。首先通过监督微调进行知识蒸馏和格式对齐，然后利用强化学习激励模型自主探索和优化推理策略，专注于数学推理领域的能力突破。
yujieouo
G²RPO是一种新颖的强化学习框架，专门用于流模型的偏好对齐，通过粒度化奖励评估机制显著提升生成质量
unsloth
Granite-4.0-H-Small是IBM开发的具有320亿参数的长上下文指令模型，基于Granite-4.0-H-Small-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术，在指令遵循和工具调用能力方面有显著提升，特别适合企业级应用。
Granite-4.0-H-Micro是IBM开发的30亿参数长上下文指令模型，基于Granite-4.0-H-Micro-Base微调而来。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备结构化的聊天格式，在指令遵循和工具调用能力方面表现优异。
Granite-4.0-H-Tiny是IBM开发的具有70亿参数的长上下文指令模型，基于Granite-4.0-H-Tiny-Base进行微调。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备增强的指令跟随和工具调用能力，特别适用于企业级应用。
Granite-4.0-Micro是IBM开发的30亿参数长上下文指令模型，基于Granite-4.0-Micro-Base微调而来。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备增强的指令遵循和工具调用能力，特别适用于企业级应用。
Granite-4.0-H-Small是IBM开发的具有320亿参数的长上下文指令模型，基于Granite-4.0-H-Small-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，在指令遵循和工具调用能力方面有显著提升。
Qwen
Qwen3-4B-SafeRL是基于Qwen3-4B模型的安全对齐版本，通过强化学习训练并结合Qwen3Guard-Gen的奖励信号，增强了模型对有害或对抗性提示的鲁棒性，在保证安全性的同时避免产生过于简单或回避性的拒绝行为。
EpistemeAI
本模型基于GPT-OSS-20B，借助Unsloth强化学习框架进行微调，旨在优化推理效率，同时减少在从人类反馈中进行强化学习（RLHF）式训练期间出现的漏洞。微调过程着重于对齐的鲁棒性和效率，确保模型在不产生过多计算开销的情况下保持推理深度。
tencent
SRPO是一种针对扩散模型的人类偏好对齐方法，通过Direct-Align技术和语义相对偏好优化，显著提升了FLUX.1-dev模型的真实感和美学质量，解决了多步去噪计算成本高和依赖离线奖励微调的问题。
Qwen3-4B-Instruct-2507是阿里云推出的40亿参数大语言模型，基于Unsloth Dynamic 2.0量化技术，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面都有显著提升。
Qwen3-30B-A3B-Instruct-2507是Qwen3-30B-A3B非思考模式的更新版本，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面均有显著提升。这是一个305亿参数的大型语言模型，采用MoE架构，激活参数为33亿。
yasserrmd
MedScholar-1.5B是一个轻量级、经过指令对齐的医疗问答模型，基于Qwen2.5-1.5B-Instruct构建，使用MIRIAD-4.4M数据集中100万个示例进行微调，专门用于临床知识探索，但不能用于医疗诊断。
NVFP4
Qwen3-235B-A22B-Instruct-2507是Qwen3系列模型的更新版本，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面有显著提升，能提供更优质的文本生成服务。该模型采用混合专家架构，总共235B参数，激活22B参数，原生支持262,144上下文长度。
t-tech
T-pro-it-2.0 是基于 Qwen 3 模型家族构建的模型，结合了持续预训练和对齐技术，能在多种任务中提供高质量的推理和响应。
Safetensors%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)
