NVIDIA 在 Hugging Face Blog 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上做预测：给定预测查询，它收集最多 10,000 条历史样本作为上下文，在单次前向传播中预测流失、需求或欺诈等结果，无需任务训练、特征工程或表展平。
推荐理由：原文给出在 41 项关系型基准上超越监督式方法的具体数字与开源入口，读者可据此评估是否替代现有 XGBoost 流水线。
团队发布开源 30B 因果语言模型 Muse Glimmer，内置感知编码器，面向消费级硬件上的自主智能体任务，无需云端基础设施即可本地运行。
推荐理由：原文介绍了面向消费级硬件的开源智能体模型，给出基准对比与许可证选择，可帮助读者评估本地部署可行性。
Reflection 在 Hugging Face 发布其首个开源模型 Beam（Beam-1.0-501B-A23B），为 501B 参数、每 token 激活 23B 的 MoE 模型，采用 Apache 2.0 协议，支持 1M token 上下文，主打编码与智能体场景。
推荐理由：官方博客给出 Beam 的架构细节、基准成绩和部署微调配方，读者可以据此评估在自有硬件上跑前沿开源模型的成本与路径。
Mistral 发布首个时序基础模型家族 Timestral，含 5M、28M、123M、209M 四种规格，最大 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三大公开基准上排名第一，以约三分之二的参数量超过此前最优模型。
推荐理由：官方给出了四个参数规模在 GIFT-Eval、TIME 和 fev-bench 上的排名与 CPU 延迟数据，读者可以据此评估时序预测选型。
Project Apertus 发布 Apertus 1.5，在 8B 和 70B 基础上以继续预训练方式加入图像和音频理解、可选思考模式，上下文窗口扩展至 262,144 tokens，模型权重于 2026 年 7 月 24 日以 Apache 2.0 许可上传 Hugging Face。
推荐理由：官方发布说明完整公开了训练流程、数据与中间检查点，读者可据此了解开源多模态模型的全链路做法。
Meta 发布开源权重多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens，定位为 agentic coding 模型。
推荐理由：原文给出架构细节、部署配方和实测吞吐数字，开发者可以据此评估如何在自己环境里运行或微调这个 816B 模型。
Mistral 发布 Mistral Large 4 公测预览，模型为 1 万亿总参数、52B 激活参数的原生多模态模型，在本月底开放权重，预览 API 已可在 Mistral Studio 试用。
推荐理由：官方公布参数规模、权重开放时间与多领域基准成绩，可据此了解开源模型当前能力水平与欧洲自建算力路线。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向部分可信网络防御者开放，后续再面向开发者、企业和消费者推出。
推荐理由：官方公布了定价、输出 token 上限和多项基准成绩，并说明分阶段开放路径，可据此评估其在工程与安全场景的适用性。
作者转发小米 MiMo 官方发布：MiMo-V2.6 推出 Pro 与 Flash 两个全模态模型，主打通过规模化强化学习推进。
推荐理由：转发小米 MiMo-V2.6 的发布要点，开源权重与训练配套齐全，并给出了与其他前沿模型的基准对比供参考。
