🔴 国内外大模型动态
Qwen 新一代 Flash 系列预览版上线即被疯狂拉取（238万下载），多模态图文输入+对话能力的轻量旗舰。看了能第一时间判断：自己手头的应用要不要跟进迁移到这一代 Flash，性价比通常比大杯更高。👀持续关注
Cloudflare 基于 Qwen3.5 架构放出的多模态模型，边云厂商亲自下场训模型是个值得注意的信号。适合关注边缘推理场景选型——如果要做低延迟多模态，这条线值得盯。👀持续关注
🔴 训练与对齐
前沿模型都在预训练和后训练之间藏了一个"中期训练"（midtraining）阶段，但没人公开怎么做——这篇给出了开源配方。看了能补上训练管线认知中缺失的一环，理解 Agent 能力到底是从哪一阶段注入的。📖精读全文
让前沿 Agent 自主对一个小 base 模型做后训练——递归自我改进的可测量版本。这是判断"AI 能否造 AI"当前真实水位的重要实验，思路和结论都值得借鉴到自动化训练流水线设计上。📖精读全文
Google 第二代 EmbeddingGemma，15万下载、2500+ 赞。如果你的 RAG 或检索管线还在用上一代 embedding，这是评估升级时机的直接参考——新一代通常在同尺寸下检索质量有明显提升。🔧建议试一下
OpenBMB 新一代 MoE 视觉模型（35B 总参/A3B 激活），端侧+多模态路线继续演进。适合本地 OCR/文档理解场景的选型对比，激活参数小意味着消费级显卡也能跑。⚡工程可参考
🔴 RAG与知识增强
把"图书管理员"思路引入 RAG：让模型主动整理长文档工作区、预判未来查询，而不是被动检索。对做知识库/长期记忆系统的人是很好的架构启发——检索式 RAG 之外另一条主动整备路线。👀持续关注
🔴 Agent框架与工程
用分层任务网络（HTN）经典 AI 规划思想做多 Agent 编排，在动态调度和固定工作流之间找平衡。做多 Agent 系统的人可以直接借鉴其子任务依赖建模型方式，比纯 ad-hoc 调度更有结构。⚡工程可参考