MIT 演示 AI 直接重写模型权重：无需训练，仅改 0.016% 修复小模型缺陷
MIT 研究人员发现，OpenAI 的 GPT-6 Astra 能在不进行二次训练的情况下，直接读取并修改其他小模型的连续权重。在测试中，Astra 仅修改了 Qwen 模型 0.016% 的权重就修补了死循环缺陷，将其数学得分从 7.9% 拉高至 48.1%。这意味着前沿模型未来或能直接在底层手动升级 AI，无需依赖繁重的训练流程。
Gemma 3
Scenema Audio 开源：从 LTX 2.3 提取的语音模型，用舞台提示词演情绪
ScenemaAI 开源情感语音模型 Scenema Audio。它从 LTX 2.3 中提取出音频扩散架构，允许用舞台动作标签实时控制情绪起伏与环境音效，还支持零样本声音克隆。模型最低仅需 16GB 显存即可本地运行，支持 13 种语言。
Google 开源 TranslateGemma：12B 效果反超 27B，还带图片翻译
Google 推出开源翻译模型系列 TranslateGemma，提供 4B、12B 和 27B 三个尺寸。模型基于 Gemma 3 并蒸馏了 Gemini 的能力，支持 55 种语言，12B 版本效果反超原本 27B 基准，且保留了直接翻译图片内文字的能力。
Google DeepMind 开源 Gemma Scope 2：给 Gemma 3 装上「显微镜」排查越狱与幻觉
Google DeepMind 开源模型可解释性工具套件 Gemma Scope 2，全面覆盖 Gemma 3 从 270M 到 27B 的全系列模型。它结合稀疏自编码器与转码器，帮助研究人员看清模型内部计算过程，以此深入分析越狱、幻觉和思维链忠实度等安全隐患。
Google 发布 T5Gemma 2：首个支持多模态与 128K 上下文的编码器-解码器模型
Google 发布基于 Gemma 3 的 T5Gemma 2 模型家族，成为首个支持多模态与 128K 长上下文的编码器-解码器架构。新模型通过合并注意力和绑定词嵌入精简参数，提供 3.7 亿至 70 亿等紧凑尺寸，专为端侧部署打造。目前仅提供预训练权重，需开发者自行微调。
Google 发布 FunctionGemma：270M 端侧小模型专攻函数调用
Google 发布 FunctionGemma，基于 Gemma 3 270M 专门针对函数调用微调。它体积极小，能离线跑在手机或 Jetson Nano 上，微调后任务准确率从 58% 升至 85%，可充当本地独立智能体或复杂任务的分流调度器。
Google 发布 EmbeddingGemma：3.08 亿参数端侧嵌入模型，断网也能做 RAG
Google 发布开源端侧嵌入模型 EmbeddingGemma，体量仅 3.08 亿参数。它专为硬件本地运行打造，无需联网即可执行语义搜索与 RAG 检索，同时与 Gemma 3n 共用分词器以降低内存占用，兼顾了端侧隐私和多语言理解。
Google 发布 Gemma 3 270M：仅 2.7 亿参数，专为微调而生
Google 推出超轻量模型 Gemma 3 270M，参数量仅 2.7 亿。它自带指令遵循和文本结构化能力，专为特定任务微调设计，旨在让开发者用极低成本与高速度搞定文本分类、数据提取等明确场景。
Google 开源医疗 AI 模型 MedGemma：单卡可跑，支持电子病历与医学影像
Google 推出开源医疗多模态模型 MedGemma 27B Multimodal 与轻量级图像文本编码器 MedSigLIP。两款模型均支持单卡运行，甚至可在移动硬件部署，旨在帮助医疗开发者自主掌控数据隐私与微调控制权。
Google 推出 Gemma 3 QAT 版本：27B 模型塞进消费级显卡本地跑
Google 发布采用量化感知训练（QAT）的 Gemma 3 模型版本。通过将模型压缩至 4 位（int4），显存占用大幅下降，困惑度下降幅度减少了 54%。这意味着原本需要昂贵算力卡的 27B 大模型，如今在单张 RTX 3090 显卡上就能直接本地运行。
Google 发布开源模型 Gemma 3：支持多模态与 128K 上下文
Google 发布新一代开源模型 Gemma 3，覆盖 1B 到 27B 四种尺寸。除 1B 外均支持图文输入，上下文拓宽至 128k，支持超 140 种语言。最值得关注的是，27B 版本跑分超越了 Gemini 1.5 Pro。