多模态

推荐理由：原文覆盖了 transformers、llama.cpp、vLLM 等推理后端的部署示例和 TRL LoRA 微调流程，读者可以直接复用这些方案。

推荐理由：原文给出 Super VL 在参数量和吞吐量上的同档对比，以及从数据中心到端侧的全家族覆盖定位，可帮助判断 Nemotron 在开放模型生态中的角色。

推荐理由：文章对照同尺寸开源权重模型，从多模态、长上下文与思考模式三方面详述 Apertus 1.5 的能力改进与取舍，可作为了解其定位的一手参考。

推荐理由：在端侧资源约束下把文本、图像、音频、视频统一映射到同一嵌入空间，为本地 RAG 与跨模态检索提供了新的基线。

推荐理由：原文同时给出了 ML4 在开源模型中的相对位置与欧洲数据中心、3,800 张 Blackwell GPU 的训练规模，读者可以据此理解其基础设施与开源生态意义。

推荐理由：官方给出 1M 输出 token、DeepSWE v1.1 77.9% 等指标与分阶段开放安排，可据此了解前沿模型的发布节奏与安全门槛。

推荐理由：AMD 以约 82 亿美元买下世界模型团队，可对照 Nvidia 近年靠模型与生态绑定硬件的做法。

推荐理由：原文给出 Live Avatar 在多语言同步和后台工具调用上的具体能力，读者可据此判断企业实时客服场景的落地边界。

推荐理由：原文给出了 RL 训练配方与开源环境清单，读者可以据此判断后训练成本下降对开源模型格局的影响。

推荐理由：两款语音模型分别面向规模成本与复杂任务，并给出各自评测数据和开放入口，可供判断语音智能体的选型。

推荐理由：官方给出成本最多降 66%、token 最多降 88% 的基准数据，可据此判断长视频分析的工程取舍。

推荐理由：相比此前只能参考最后一秒的版本，Omni 1.1 把场景延展的上下文提到 10 秒，并给出 360p 草稿与 4K 输出等具体参数。

推荐理由：手语转文本模型在 Gboard 与 Live Transcribe 落地，文中给出数据规模与基准分数，可据此了解多模态无障碍翻译的当前进度。

推荐理由：原文给出随机对照研究和多智能体架构细节，读者可以据此判断音视频通道相较纯文本究竟在哪类临床能力上带来了差异。

推荐理由：原文给出Muse Glimmer 30B在Agentic、编码、安全等基准上对位Gemma4-31B、Qwen3.6-27B的逐项对比结果，并附transformers、llama.cpp下的本地推理与DFlash推测解码代码示例。

推荐理由：原文给出了进度分类与时刻定位的具体准确率和延迟数据，可据此判断高层推理模型在机器人任务编排上的能力边界。

推荐理由：原文给出 Inkling 的 MoE 架构细节与多模态能力范围，并附 transformers、SGLang、vLLM 多框架部署示例和主流模型基准对比，方便评估其工程落地方案。

推荐理由：两款模型都给出了延迟、单价与上线入口，开发者可据此对照现有图像和视频管线判断成本与选型。

推荐理由：原文给出无编码器多模态架构的实现细节，读者可比对它与 26B MoE 在内存占用上的取舍。

推荐理由：官方列出了 Omni Flash 的多模态输入与对话式视频编辑能力，可据此判断它对现有视频创作流程的影响。