Reflection AI 发布开源权重模型 Beam，面向智能体编码并在 AWS 上线
Reflection AI 发布开源权重模型 Beam，面向智能体编码与长周期任务，可维护代码、调用工具并完成多步工作流。
推荐理由：文章给出 Beam 的参数量、上下文长度与三种精度权重，并说明在 AWS 上的两条部署路径，便于评估自托管成本。
#开源/仓库
AWS Machine Learning Blog精选AI 评分6262
Hugging Face Blog精选AI 评分8484 Reflection 开源 501B 模型 Beam，支持 1M 上下文与智能体编码
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，以 Apache 2.0 许可开放，聚焦编码与智能体场景。
推荐理由：501B 稀疏 MoE 开源模型给出 1M 上下文与完整部署、后训练配方，可据此评估自托管前沿模型的成本与路径。
Hugging Face Blog精选AI 评分6666 IBM 发布 Granite Switch 4.1，单端点整合对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在单一托管端点上整合自然语言对话、通用与专用决策以及语音转文字任务。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，读者可据此了解多能力共享基座与 KV cache 的部署思路。
Hugging Face Blog精选AI 评分8787 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可输入文本、图像、音频和视频并输出文本。
推荐理由：Meta 开源 816B 多模态 MoE 模型，给出完整部署与微调配方，可据此评估自托管前沿模型的成本与可行性。
已经到底了