阿里千问本周开源 Qwen-Drive-1.0-4B，这是官方定位为首个面向自动驾驶的视觉语言基础模型，基于 Qwen3.5-4B 构建，统一 3D 感知、视觉问答与运动规划，并在 GitHub、Hugging Face 与 ModelScope 同步开放。

阿里云通义千问正式开放Qwen3-VL-30B-A3B-Instruct与Thinking模型源代码，同步推出FP8精度版本，该模型在多项视觉任务中性能达到国际先进水平。模型采用混合架构支持灵活部署，并升级图形界面操作、视觉编码等核心功能，扩展上下文窗口至1M。

SwitchBot的AI Hub作为全球首款集成视觉语言模型的智能家居中枢，能实时解析家庭场景事件并触发智能设备联动。设备搭载6T算力AI芯片，本地处理所有数据确保隐私安全，支持连接超过100台设备，兼容多种协议，标志着智能家居向场景感知的进化。

苹果推出开源视觉语言模型FastVLM系列，包含0.5B至7B三种参数规模，采用革命性FastViT-HD架构实现85倍效率提升。该系列通过WebGPU技术支持设备端实时运算，适用于医疗文档识别等隐私敏感场景，当前授权限于非商业研究用途。

智谱技术发布了优化版CogAgent-9B模型，该模型专为智能体任务和GUI操作优化。凭借创新的视觉推理能力和简化输入方式，CogAgent-9B有望在多种智能设备中得到广泛应用。

Hugging Face发布全新视觉语言模型SmolVLM，凭借仅有20亿参数和极低的内存占用，在设备端推理中表现出色。该模型完全开源，提供多个版本以满足不同应用需求，性能上远超同类模型。