小米的全模态长程智能体模型，309B 只激活 15B，1M 上下文，MIT 许可开源。

Apple 的镜头式视觉模型，9B 面向端侧细粒度图像问答。

V2.6 代的强化学习版本，推理链更长更稳，是小米当前最强的开放权重模型。

Intern-S 科学模型第二代正式版，397B MoE 在科学推理与多模态任务上全面换代。

上海 AI Lab 的 Atria 系列预览版，面向代码与工具使用的通用模型。

V4.1 代的 Flash 版本，长程任务稳定性与工具调用明显加强，仍是 MIT 许可。

Ling 3.0 的视觉版本，在快速档上补上图像输入。

蚂蚁开源的 6B 设计向生图模型，专攻 UI、信息图与海报这类文字密集版式，并支持 RGBA 透明底输出。

XGEN 实验室的第一人称交互体验模型，用输入信号实时驱动视角与画面，面向沉浸式内容与仿真。

Qwen-Image 的第二代，把生成与编辑统一进 7B 的 32 层单流 DiT，能原生出透明通道图，但许可是研究用途。

蚂蚁灵波为消费级单卡设计的 1.3B 实时世界模型，让个人开发者也能在本地跑起实时交互视频生成。