在经历了一个月的相对沉寂后，Qwen系列模型以雷霆之势重返开源AI舞台中央，为波澜壮阔的技术竞赛注入新的活力。与此同时，行业标准与创新中心（CAISI）发布的最新评估报告引发了关于模型性能度量的激烈讨论，而GPT-OSS模型的持续进化则展现了开放生态系统的强大生命力。本期月报将深入剖析这些关键动态，为读者呈现开源AI领域的最新图景与发展趋势。
【免费下载链接】BFS-Prover-V2-32B 
项目地址: https://ai.gitcode.com/hf_mirrors/ByteDance-Seed/BFS-Prover-V2-32B
行业标准与评估：CAISI报告引发的技术度量之争
本月最具争议性的事件无疑是CAISI发布的人工智能模型评估报告。该报告对DeepSeek 3.1模型与主流闭源模型进行了全面对比，但其公布的部分评估结果与社区普遍认可的数据存在显著差异。具体而言，在MMLU-Pro、GPQA和HLE等基准测试中，CAISI的评估结果与DeepSeek官方公布的数据较为接近，均处于正常的误差范围内。然而，在SWE-bench Verified这一关键编程能力测试中，两者的差距却异常悬殊。
深入探究其原因，我们发现问题的核心在于基准测试所使用的" harness "（即模型运行的软件框架）存在缺陷。正如Epoch AI在其SWE-bench分析报告中所指出的，对于需要智能体参与的复杂基准测试，harness的设计与模型本身同样重要，甚至可能成为决定测试结果的关键因素。这一发现具有重要意义，因为SWE-bench Verified目前已成为衡量模型高级推理能力的核心指标之一，包括Anthropic在内的多家机构在推广其Claude模型时均将该指标作为重要宣传点。因此，CAISI报告可能在无意间低估了DeepSeek模型在这一关键维度的实际能力。
报告中另一个引人注目的部分是关于HuggingFace模型累计下载量的统计图表。有趣的是，CAISI展示的数据（左图）与我们在atomproject.ai平台上追踪的结果（中图、右图）存在显著差异，而这两者又都与HuggingFace官方公布的数据不尽相同。这种数据分歧引发了业界对模型流行度度量标准的广泛讨论。
造成这种差异的主要原因在于数据选取与清洗方法的不同。在ATOM Project中，我们采用了更为严格的筛选标准：只统计ChatGPT发布之后推出的大型语言模型（LLM）。这一做法排除了像GPT-2这样的早期模型——正是这类模型的存在使得OpenAI在CAISI的统计中占据了明显优势。同时，我们也排除了BERT类模型和SigLIP等视觉Transformer模型，这些模型在Google的下载量统计中占据了主导地位。
此外，我们还对每日下载量数据进行了异常值过滤处理。以Qwen 2.5 1.5B为例，作为史上下载量最高的模型之一，其单日下载量曾出现过超过1000万次的极端异常值，这种情况会严重扭曲整体统计结果。虽然所有机构都会面临类似的异常数据问题，但处理方式的不同导致了最终结果的显著差异。值得注意的是，我们的统计中还排除了FP8、MLX或GGUF等量化版本，因为这些变体可能会进一步扭曲原始模型的真实受欢迎程度。
GPT-OSS的崛起：开放模型生态系统的新势力
在CAISI报告引发行业热议的同时，GPT-OSS模型的最新进展同样值得关注。这款由OpenAI推出的开源模型在发布初期曾因架构选择（如创新的4-point precision技术）和复杂的工具使用设计（每个功能类别提供多种工具选项）而面临一些实施挑战。尽管如此，GPT-OSS在工具支持的复杂性方面仍走在了开源模型的前列，展现了OpenAI在技术创新上的前瞻性布局。
自发布以来，GPT-OSS的20B和120B参数版本均取得了令人瞩目的成绩。在过去一个月中，这两个版本的下载量分别达到了560万次和320万次，展现出强劲的市场需求。更令人印象深刻的是，这些模型在多项基准测试中已经超越了Qwen 3 4B和Qwen3-VL-30B-A3B-Instruct等热门模型。我们通过社区脉搏调查获得的反馈也印证了这一点，许多开发者对GPT-OSS的性能表示高度认可。事实上，GPT-OSS已成为我们在新部署的Nvidia DGX-Spark系统上优先测试的模型之一，这也从侧面反映了其在专业领域的影响力。
本月精选模型：技术创新与应用价值的完美融合
granite-4.0-h-small：IBM的混合架构突破
IBM的Granite系列模型一直是我们关注的焦点，而最新发布的granite-4.0-h-small则标志着该系列在模型规模和架构创新上的重大突破。此次发布的模型采用了注意力机制与mamba架构相结合的混合设计，提供了从3B密集型模型到32B-A9B稀疏专家模型（MoE）的完整产品线。经过实际测试，我们对这些模型的性能表现印象深刻——尽管考虑到IBM团队一贯的技术实力，这种出色表现也在情理之中。
具体而言，3B参数版本的Granite模型在性能上与SmolLM3相当，仅在多语言能力和指令跟随准确性方面略逊于Qwen3 4B。值得一提的是，Granite 4.0的输出风格展现出一种令人耳目一新的"非娱乐化"特质，与当前行业中流行的" sloptimized "模型形成鲜明对比。后者往往倾向于使用活泼的语气、大量表情符号，甚至表现出过度迎合的倾向。相比之下，Granite 4.0让人想起早期Mistral模型的稳重风格，这种专业、克制的输出特性在企业应用场景中具有独特优势。
特别值得关注的是，IBM宣布将在今年晚些时候发布专门的推理模型，这显然是受到了Qwen系列成功经验的启发。从技术角度来看，我们从多位模型训练专家处了解到，实现"混合推理"能力——即在生成过程中灵活切换"思考标记"的开启与关闭——会显著增加训练复杂度，可能导致两种模式下的峰值性能都受到影响。IBM较早地在开源模型中引入了这种可通过提示词控制的混合思考机制，这一创新后来被许多其他研究团队所采纳，充分体现了其技术前瞻性。
Qwen3-VL-235B-A22B-Instruct：多模态模型的里程碑式升级
Qwen视觉语言（VL）系列模型的最新更新无疑是本月最受期待的事件之一。此次发布涵盖了从4B、8B参数的小型密集模型到30B-A3B、235B-A22B参数的大型稀疏专家模型（MoE），并同时提供了指令微调版本和推理优化版本。在这些令人印象深刻的新品中，8B参数版本尤其值得关注：与初始发布的8B模型相比，新版本在所有文本基准测试中均实现了全面提升。这一进步不仅展示了Qwen团队的技术实力，也从侧面印证了我们之前关于混合推理挑战的观点——由于8B版本未采用2507刷新机制，其性能提升更凸显了基础架构优化的重要性。对于正在使用Qwen3 8B或仍在依赖Llama3.1 8B的用户而言，这款新模型无疑是一个无需犹豫的升级选择，可以直接作为替代品使用。
GLM-4.6：中国开源模型的快速追赶
智谱AI（Zhipu）发布的GLM-4.6模型代表了中国开源AI领域的最新进展。社区对这款模型的评价非常积极，许多开发者认为其性能已经接近Anthropic的Claude Sonnet甚至Haiku 4.5版本。尽管在处理超长上下文时，GLM-4.6的性能下降幅度比闭源模型更为明显，但这一评价仍然是对中国开源模型快速发展的高度肯定。GLM-4.6的成功再次印证了中国团队在开源AI领域的惊人进步速度，他们正以前所未有的步伐逼近全球领先水平。
Ling-1T：Inclusion AI的规模化突破
Inclusion AI本月展现出了令人瞩目的活跃度，其发布节奏明显加快，呈现出向大型科技公司看齐的态势。与Qwen类似，该团队也开始大力推进模型规模的扩展，最新发布的Ling-1T模型参数规模已突破万亿大关。除了规模提升，Inclusion AI还同步推出了专门的推理版本，并积极探索不同的架构设计和多模态能力。这些举措表明，Inclusion AI正快速成长为开源AI领域的重要参与者，值得业界持续关注。
moondream3-preview：小而美的性能典范
Moondream系列模型早已凭借其"以小博大"的出色表现在社区中建立了良好声誉。最新发布的moondream3-preview版本继续延续了这一传统，采用了混合专家（MoE）架构，总参数规模为90亿，激活参数为20亿。这一设计不仅保持了模型的轻量化特性，还进一步提升了其在各项基准测试中的表现。
moondream3-preview的另一个独特之处在于其创新的开源许可条款。简而言之，该模型允许免费用于个人、研究和大多数商业用途，但禁止在未获得单独授权的情况下提供与M87 Labs付费版本直接竞争的商业服务（例如向第三方销售托管或嵌入式访问服务）。这种许可模式在AI领域相当罕见，它试图在保护开发者利益和促进社区创新之间找到平衡点，为开源模型的商业化路径探索提供了新的思路。
趋势观察与未来展望
回顾本月的模型发布情况，我们再次看到了Qwen引领下的全面技术革新，同时也见证了中国其他实验室的持续崛起。这种多强并立的局面为开源AI生态系统注入了强劲动力，推动着技术边界的不断拓展。然而，令人遗憾的是，本月没有任何数据集能够达到我们设定的相关性标准。这一现象凸显了开源数据领域的严峻现状——高质量训练数据的获取和共享正面临越来越大的挑战，这可能成为制约未来开源AI发展的关键瓶颈。
展望未来，我们认为开源AI领域将呈现以下几个重要趋势：首先，混合架构设计（如注意力机制与mamba的结合）将成为提升模型效率的关键方向；其次，模型规模的竞赛仍将继续，但效率优化和特定任务性能提升可能会获得更多关注；第三，多模态能力将成为标准配置，视觉-语言模型的应用场景将进一步拓展；最后，开源许可模式的创新可能成为平衡商业利益与社区发展的关键。
在这个快速演进的领域，保持开放、透明的技术交流与合作至关重要。无论是CAISI报告引发的评估标准讨论，还是GPT-OSS展现的技术创新，都反映了开源生态系统的活力与韧性。随着更多参与者的加入和技术的不断突破，我们有理由相信，开源AI将在推动人工智能技术普及、促进技术普惠方面发挥越来越重要的作用。
对于开发者和企业而言，当前的技术环境既充满机遇也面临挑战。选择合适的模型、理解其性能边界、把握技术演进方向，将成为在AI浪潮中保持竞争力的关键。我们将继续密切关注开源AI领域的最新动态，为读者提供及时、深入的分析与洞察，共同见证人工智能技术的革命性发展。
【免费下载链接】BFS-Prover-V2-32B 项目地址: https://ai.gitcode.com/hf_mirrors/ByteDance-Seed/BFS-Prover-V2-32B
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
