🔴 国内外大模型动态
1. Qwen3.8-27B 社区融合魔改版TURBO Fable Cold Fusion⭐⭐⭐⭐
Qwen3.8-27B的社区多重融合微调+去审查GGUF版，60万下载验证了其可用性——本地部署玩家"开箱即用"的新选择，也可作为自部署无审查管线的参考实现
⚡ 工程可参考
2. Qwen3.8-27B-Uncensored-GGUF：orcarouter去审查量化版⭐⭐⭐⭐
abliterated去审查版Qwen3.8-27B，896赞——Qwen3.8生态的去审查需求持续旺盛，关注社区对27B档位模型的偏好变化
👀 持续关注
3. DeepSeek-V4.1-Flash：官方轻量多模态版上线⭐⭐⭐
DeepSeek官方V4.1系列的Flash轻量版，1769赞、支持image-text-to-text——V4.1产品线补齐小尺寸档位，适合作为低成本多模态候选纳入选型雷达
👀 持续关注
4. SLAI T-Rex：DeepSeek-V4家族昇腾超算全参数后训练（v3更新）⭐⭐
万亿参数MoE在华为昇腾SuperPOD上的全参数后训练系统实践，v3版更新——国产算力跑万亿MoE后训练的工程参考，此前雷达已收录，值得关注后续迭代
⚡ 工程可参考
🔴 训练与对齐
5. LOCUS：面向Token高效生成的任务感知低秩后训练⭐⭐⭐⭐⭐
后训练更新的参数化方式会直接影响生成长度——低秩子空间更新能在不牺牲质量的前提下抑制偏好对齐带来的"回复膨胀"，直接降低线上推理的token成本，这是serving降本的新抓手
核心发现：标准偏好对齐常使输出变冗长但不提升实用性；LLM服务成本与输出序列长度直接挂钩。LOCUS用任务感知的低秩后训练改变序列长度分布。对星竹的启示：如果平台做自研对齐，更新参数的"秩"本身就是可控成本杠杆，token支出可以靠后训练设计直接压。
📖 精读全文
6. facebook/mms-300m：Meta大规模多语言语音模型⭐⭐⭐
Meta MMS系列300M档语音模型，1100+语言覆盖、449赞——老牌开源语音底座，做语音前端或多语言ASR原型时的轻量候选
👀 持续关注
🔴 推理优化
7. Nex-N2.5-Pro：基于Qwen3.5-MoE架构的多模态新玩家⭐⭐
nex-agi基于qwen3_5_moe架构的Pro级模型，支持图文输入——MoE+多模态的推理成本结构值得留意，观察非大厂团队在开源底座上的二次产品化路线
👀 持续关注