中山大学本科生Timo Zhang发布开源项目BLA，通过投毒、卡爆分析器上限、诱导误判三步干扰AI逆向工具REA，作者称加固后逆向Token消耗约为原来的300-2800倍，14个示例估算总Token消耗约为加固前的639.5倍、总费用约304.4倍。13个对照项中7项报错或被拒绝，3项未见阻断，BLA目前获3900+标星。项目地址 https://github.com/qybaihe/bla/。
推荐理由：文章拆解了BLA针对REA逆向工具的三步干扰机制和实测Token消耗倍数，读者可以据此了解反AI逆向加固的实际做法与局限。
美团宣布开源面向长程智能体任务的原生多模态模型 LongCat-2.5，采用 MIT 协议，支持商用推理部署与二次训练，无需额外授权。模型总参数 1.6 万亿，每个 token 激活约 480 亿参数，支持一百万上下文，并针对国产算力芯片在架构与部署策略上做了协同优化；视觉信号表示为多层级离散 token 与文本统一处理，采用 W4A4 推理方案。
对A股利好国产算力芯片，LongCat-2.5明确针对国产算力芯片做架构与部署协同优化；亦利好AI应用与终端（推断）
推荐理由：原文给出了 LongCat-2.5 的参数规模、上下文长度、MIT 开源协议和架构细节，读者可据此评估其在长程智能体场景的部署价值。
Reason Machines 开源 Apache 2.0 协议的 Git 服务器 Aspen，独立实现 OpenAI 描述的 Pando 设计，按分支而非仓库扩展写入。公司自报单台 8 核服务器持续 567 次/秒推送、p99 314 ms，支持标准 git 经 HTTPS/SSH 使用；项目为 pre-alpha，尚无 release、无 Web UI，24 小时持久化门槛未达成，main 分支落地约 4 次/秒。
推荐理由：原文梳理了 Aspen 的架构取舍、自报性能与短板，并对比多款 agent 规模 Git 后端，便于读者评估是否适用。
清华大学与米哈游联合开源 GameScaling 系列模型，目标是迈向通用游戏智能。作者团队包括清华人工智能学院博士生张宽、港大 MMLab 博士生苏悦、新加坡国立大学博士生罗润、米哈游崩坏系列 AI NPC & Gameplay 技术团队负责人郑银河以及清华助理教授李一鸣等。
推荐理由：原文介绍了清华与米哈游联合开源的 GameScaling 系列模型，方向指向通用游戏智能体，可关注其技术路线与开源内容。
GitHub 用户 p-e-w 发布开源项目 heretic，定位为免训练（training-free）的语言模型修改工具。项目声称可移除审查、抑制套话（slop）、减少谄媚（sycophancy）等，不依赖重新训练。
推荐理由：仓库主打无需训练即可修改模型行为，涵盖去审查、抑制套话和减少谄媚等方向，读者可据此评估其适用场景。
Mistral发布Large 4（又称Le Chonk）权重，这是一个全部在欧洲训练的万亿参数模型。Mistral称其编程能力胜过开源对手，独立测试显示其速度快、价格较低，但得分26分，仍低于DeepSeek V4.1 Flash和GLM-5.3的32分。
推荐理由：原文给出与DeepSeek V4.1 Flash和GLM-5.3的第三方得分对比，可据此看欧洲开源模型所处位置。