月之暗面官宣第一代万亿参数多模态模型Kimi K2.5将于本月底结束服役。该模型今年1月推出并开源，是Kimi迄今最全能模型，采用原生多模态架构，支持视觉与文本输入、思考/非思考模式、对话与Agent任务，在Agent、代码、图像、视频及通用智能取得开源SOTA。K3将接力，参数规模再上台阶。
Mistral AI发布开源内容审核模型Shieldstral，3B参数，Apache2.0许可，支持12种语言，可在单张16GB GPU运行。号称性能媲美7倍大模型，并在多模态审核达SOTA，但指出多数防护模型将伤害类别体系固化。
视觉大模型因隐形门槛——顶尖效果需天量数据与算力，长期仅为头部团队专属。7月21日，小鹏集团发布TuringViT高效视觉编码器，系统性重构架构、数据范式与训练流程，提供可复现、低成本的SOTA级视觉Transformer训练路径，推动先进视觉能力走向行业普惠。
巴西里约热内卢市政府推出的开源大模型Rio 3.5 397B在AI圈引发关注，宣称在多项基准测试中达到SOTA。但发布不足24小时，Nex-AGI联盟通过数学分析指出该模型实为套壳缝合模型，核心权重被起底，引发行业争议。
基于OpenAI Sora 2的AI视频生成器，可从文本或图像生成带声音的高清视频。
B站开源的SOTA动画视频生成模型，支持多种二次元风格视频一键生成。
VSCode扩展，基于最新的代理框架进行代码编辑
基于llama3 8B的SOTA视觉模型
Alibaba
-
输入tokens/百万
输出tokens/百万
上下文长度
Bytedance
$0.5
Chatglm
Minimax
01-ai
4
Nanbeige
楠米色4-3B-思维-2511是楠米色系列的最新增强版本，通过先进的蒸馏技术和强化学习优化，在紧凑的3B参数规模下实现了强大的推理能力。该模型在Arena-Hard-V2和BFCL-V4等基准测试中，在参数小于32B的模型中取得了最先进（SOTA）成果。
noctrex
Gelato-30B-A3B是针对GUI计算机使用任务进行微调的最先进（SOTA）模型，提供了量化版本以优化部署效率。该模型专门设计用于理解和处理图形用户界面相关的任务。
unsloth
Apriel-1.5-15b-Thinker是ServiceNow Apriel SLM系列中的多模态推理模型，具有150亿参数，能够在文本和图像推理任务上与规模大10倍的模型竞争。该模型通过中期训练方案实现了卓越的推理能力，无需图像SFT训练或强化学习即可达到SOTA性能。
XiaomiMiMo
MiMo Audio是一款基于大规模预训练的音频语言模型，在语音智能和音频理解基准测试中取得了开源模型的SOTA性能。该模型展现出强大的少样本学习能力，能够泛化到训练数据中未包含的任务，支持语音转换、风格迁移和语音编辑等多种音频任务。
cpatonn
GLM-4.5V-AWQ-4bit是基于智谱AI下一代旗舰文本基础模型构建的量化版本多模态模型，通过AWQ-4bit量化技术优化，在保持优异性能的同时显著降低计算资源需求。该模型在42个公开视觉语言基准测试中达到同规模模型的SOTA性能，具备强大的视觉推理能力。
JetLM
SDAR是一种新型大语言模型，集成了自回归和离散扩散建模策略，结合了AR模型高效训练和扩散模型并行推理的优势。在通用任务上与SOTA开源AR模型相当，在科学推理任务上表现出色，成为最强大的扩散语言模型。
tcpipuk
dots.ocr是一款强大的多语言文档解析器，将布局检测和内容识别统一在单一视觉语言模型中，基于17亿参数实现SOTA性能，支持多语言文档解析和良好的阅读顺序保持。
lingshu-medical-mllm
灵枢是医疗领域的SOTA多模态大语言模型，在医疗视觉问答和报告生成任务中表现卓越。
RiverZ
ICEdit是一种创新的指令式图像编辑方法，通过大规模扩散变换器实现高效编辑，仅需0.5%的训练数据和1%的参数规模即可达到SOTA效果。
ubergarm
Qwen3-30B-A3B的量化版本，采用先进的非线性SotA量化技术，在给定内存占用下提供同类最佳的质量。
Skywork
SkyReels V2是一个无限长度电影生成模型，采用自回归扩散强制架构，支持720P高清视频生成，在公开模型中达到SOTA性能。
all-hands
基于Qwen2.5-Coder-32B-Instruct微调的评审模型，用于评估代码解决方案质量，助力SWE-Bench基准测试取得SOTA成绩
UCSC-VLAA
VLAA-Thinker-Qwen2.5-3B是一个类似R1的推理大视觉语言模型，专注于多模态推理任务。该模型在OpenCompass多模态推理排行榜上达到了SOTA性能，支持图像理解和复杂推理能力。
qihoo360
Light-R1-32B-DS是一款近SOTA水平的32B数学模型，基于DeepSeek-R1-Distill-Qwen-32B微调，仅使用3K SFT数据即实现高性能。
Light-R1-14B-DS是一个14B参数的数学SOTA模型，采用强化学习训练，在AIME24/25和GPQA基准测试中表现优异。
xingyang1
Distill-Any-Depth是一种新的SOTA单目深度估计模型，采用知识蒸馏算法训练而成。
Distill-Any-Depth是一种基于知识蒸馏算法训练的SOTA单目深度估计模型，能够高效准确地进行深度估计。
FireRedTeam
FireRedASR是一系列支持普通话、中国方言和英语的开源工业级自动语音识别（ASR）模型，在公开的普通话ASR基准测试中实现了新的最先进水平（SOTA），同时具备出色的歌词识别能力。
FireRedASR是一系列支持普通话、汉语方言和英语的开源工业级自动语音识别（ASR）模型，在公开普通话ASR基准测试中达到最新最优（SOTA）水平，同时具备卓越的歌词识别能力。
ragraph-ai
这是一个专门用于生成CYPHER查询语句的30亿参数模型，在生成CYPHER方面超越了GPT4-o等SOTA模型。该模型基于特定数据集进行微调，能够将文本转换为CYPHER查询语句，用于查询GraphDB（如Neo4j）。
XiYan MCP Server是一个基于XiYan-SQL的模型上下文协议服务器，支持通过自然语言查询数据库，提供多种模型配置选项，包括通用大模型、SOTA文本转SQL模型及本地模型，适用于不同安全性和性能需求场景。
%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)
VIP会员
