今日扫描 76 条原始内容，精选 5 条，覆盖 2 个领域（国内外大模型动态、训练与对齐）。今日整体热度偏弱，无高分（⭐8+）条目。
🔴国内外大模型动态
#1BFS-Best-Face-Swap（Qwen-Image 换脸 LoRA）⭐6
基于 Qwen-Image-2.1 的换脸 LoRA，1009 赞、15 万下载，是本周图像编辑社区里最火的角色。看它的价值不在换脸本身，而是可以观察 Qwen-Image 生态里 LoRA 微调的效果上限——社区已经能用它做出高质量、可商用的编辑能力，说明 Qwen-Image 的底座可塑性很强，做图像产品选型时值得纳入考虑。👀持续关注
#2TeleOCR（Qwen2.5-VL OCR 模型）⭐5
星辰 AGI 基于 Qwen2.5-VL 做的 OCR 专用模型，762 赞、近 2.8 万下载。中文场景的 OCR 一直是刚需，如果手头有票据、文档识别类的小项目，直接拿来跑一个 baseline 成本很低，比通用 VLM 更省资源。🔧建议试一下
#3Pruna-Qwen-Image-2.1（压缩版图像生成）⭐5
PrunaAI 出的 Qwen-Image-2.1 压缩优化版，支持 RGBA 透明通道生成。压缩版的意义是推理成本降下来之后，图像生成才能塞进高频调用的工作流里；RGBA 输出对做素材、贴图类应用很实用。👀持续关注
🔴训练与对齐
#4MiMo-V2.6-Distill-Qwen-9B GGUF⭐7
bartowski 出品的 MiMo-V2.6 蒸馏版（Qwen-9B 底座）GGUF 量化，12 万下载、带 agentic 能力。9B 这个档位是本地部署性价比最高的区间，蒸馏 + SFT/DPO 的路线让小模型继承大模型的 Agent 能力，如果你在搭本地 Agent 工作流，这是一个开箱即用的候选底座。⚡工程可参考
#5G²PTQ：广义梯度补偿改进 LLM 后训练量化⭐5
针对 GPTQ 系量化方法的两个互补缺陷（层级局部目标 vs 全局目标）提出广义梯度补偿方案。不是热点论文，但思路扎实——量化精度的小改进直接兑换成同显存下更大的模型或更长的上下文，做部署优化的同学可以扫一眼方法部分。📖精读全文