Kolibri-1 的替代方案

Fireworks Research 把 Kimi K3 改造成「想得更少」的版本：基准分数基本不变而 token 少约 40%，1M 上下文，每百万 token 输入 3 美元、输出 15 美元。

腾讯新一代开源权重 MoE 旗舰：总计 770B、每 token 激活 49B，1M 上下文，Apache 2.0。采用门控稀疏注意力，长程编码与生产力任务表现领先。

Poolside 开源权重编程模型：118B 总参 / 8B 激活 MoE、100 万 token 上下文、原生交错推理、OpenMDW-1.1 协议，专为智能体编程与长程任务打造。

小米 MiMo-V2.6 开源权重系列：旗舰 Pro 为 1.02T 总参数、42B 激活的稀疏 MoE，另有 309B 的 Flash 版本，两者均 MIT 许可并支持百万 token 上下文。

美团开源 MoE 大模型：总参数 1.6T / 激活约 48B，1M 上下文，MIT 协议，擅长编码与智能体任务（2026-08-25）。

Bespoke Labs 开源的 9B 权重模型与完整训练配方，把 Jev 式的判定变成带概率的单 token 选择，可在本机运行。

Swift-Qwen3.8-27B 是 UkisAI 基于 Qwen3.8-27B 的高效推理微调，思考 token 约少 58%，分数损失不到 1%。

Google DeepMind 开源权重模型，25.2B 总参数 MoE 架构每 token 仅激活 3.8B，256K 上下文，支持图文多模态输入，Apache 2.0 商用友好协议。

IBM 的开源权重稠密推理大模型：30B 参数、Apache 2.0、原生 128K 上下文可扩至 512K，内置思维链与增强推理的工具调用。

Kwaipilot 开源智能体编程模型：35B MoE、每 token 激活 3B，基于 Qwen3.6 基座，Apache 2.0 协议，原生 262K 上下文，PinchBench 工具调用榜首。

NVIDIA 高效开源权重模型，30B 总参数仅激活 3B，MoE 混合架构，最长 1M token 上下文，单卡部署，适合本地推理、编码与后训练研究。

Von 是 Apache-2.0 的 395M System One 决策模型，在 Apple MPS 上约 18 毫秒本地给出带校准的答案，是 TypeSafe Jev 的开源替代。

Agnes-3.0-Flash Preview 是 Apache-2.0 的 33B 多模态开源权重，上下文 262k，不是专有 API 那个检查点。

北京智源研究院 27B 开源权重智能体模型：在编码、机器学习工程与深度研究任务中迭代改进方案，支持 262K 上下文。