2026 年 6 月开源大模型一览：GLM-5.2、MiniMax M3、Gemma 4、DiffusionGemma 与 Nemotron 3 怎么看

如果说 2026 年 5 月的开源大模型关键词是：

1

Agent、长上下文、MoE、开放权重进入生产环境

那么 2026 年 6 月的关键词更进一步：

1
2
3
4

1M 上下文开始常态化
多模态开始本地化
推理架构开始分化
许可证差异变得更重要

这一月很有意思。

一边是 GLM-5.2、MiniMax M3、Nemotron 3 Ultra 这种面向长任务、代码 Agent、复杂工具调用的大模型；另一边是 Gemma 4 12B 和 DiffusionGemma 这种更强调本地部署、低延迟、多模态输入的新路线。

它们不只是参数更大。

更重要的是模型设计思路变了。

过去开源模型常常在追：

1
2
3
4

更像 GPT
更像 Claude
更高 benchmark
更多参数

现在开发者真正关心的是：

1
2
3
4
5
6

能不能跑在我的机器上？
能不能接进我的工具链？
能不能稳定完成 1 小时以上的 Agent 任务？
能不能处理图片、视频、音频？
许可证能不能商用？
推理成本是否可控？

这篇文章按 2026 年 6 月前后公开、更新或正式开放权重的模型做一次整理。

说明：本文资料核对时间为 2026-06-25。AI 模型更新极快，参数、许可证、推理框架和部署要求请以官方模型卡、技术报告和许可证为准。

一、先说结论

2026 年 6 月值得重点关注的开源/开放权重大模型，可以先这样分：

如果只看“最值得试”的方向，我会这样选：

1
2
3
4
5

做长代码 Agent：先看 GLM-5.2、MiniMax M3
做企业重型私有化：看 Nemotron 3 Ultra
做本地多模态助手：看 Gemma 4 12B Unified
做低延迟生成架构实验：看 DiffusionGemma
做机器人/具身智能研究：关注 Qwen-RobotManip

但也要说清楚：

1
2
3

开放权重不等于标准开源。
能下载不等于能商用。
能跑 demo 不等于能进生产。

6 月这批模型里，许可证差异非常明显。GLM-5.2 是 MIT，Gemma 4 和 DiffusionGemma 是 Apache 2.0，Nemotron 3 Ultra 使用 OpenMDW 1.1，MiniMax M3 使用 MiniMax 社区许可证。

真正上线前，必须读许可证原文。

二、GLM-5.2：6 月最值得关注的长任务开源模型之一

GLM-5.2 是 Z.ai 在 6 月推出的旗舰模型。

它的定位非常直接：

1
2
3
4

long-horizon tasks
coding
agentic workflows
1M context

官方模型卡里强调它相比 GLM-5.1 在长任务能力上有明显提升，并且第一次把这种能力放到稳定的 1M token 上下文里。

我觉得 GLM-5.2 最值得注意的地方有三个。

第一，它的上下文目标不是“能塞 1M”，而是“稳定做长任务”。

长上下文模型最容易出现的问题是：

1
2
3
4

看得见，但用不好
前面信息会被忽略
工具调用到后面变乱
代码修改跨文件失去一致性

GLM-5.2 把重点放在长周期 coding 和 Agent 任务上，这比单纯宣传 1M token 更有实际意义。

第二，它的许可证很友好。

Hugging Face 模型元数据标注为 MIT，模型卡里也强调没有地域限制。

这对企业和开发者都很重要。

很多所谓“开放模型”最大的问题不是能力，而是许可证含糊。GLM-5.2 这点比较清楚。

第三，它更像是给专业工具链用的模型。

官方提供了 vLLM、SGLang、Docker Model Runner 等部署入口，目标用户明显不是只想在聊天框里试一下，而是希望把模型接进真实推理服务。

适合场景：

• 代码仓库级别分析
• 长任务软件工程 Agent
• 私有化研发助手
• 多轮工具调用
• 长文档推理
• 需要 MIT 许可证的商业项目

不适合场景：

• 低成本个人笔记本本地跑
• 单卡 24GB 以下日常聊天
• 只想做轻量 RAG 问答

一句话：

1

GLM-5.2 是 6 月开源阵营里很有代表性的“长任务 Agent 模型”。

参考入口：zai-org/GLM-5.2

三、MiniMax M3：原生多模态、1M 上下文和 Agent 放在一起

MiniMax M3 是 6 月 1 日正式发布的模型。

它的卖点很集中：

1
2
3
4

原生多模态
1M 上下文
MiniMax Sparse Attention
代码和长任务 Agent

官方 Hugging Face 模型卡显示，MiniMax M3 是约 428B 总参数、约 23B 激活参数的 MoE 模型，支持文本、图片、视频输入，并且支持 1M 上下文。

它真正有意思的地方，是把三件事放到同一个模型里：

1
2
3

代码能力
长上下文
原生多模态

过去很多模型只能选一个方向。

有的代码强，但多模态弱。

有的多模态强，但不适合长代码任务。

有的上下文长，但成本很高。

MiniMax M3 想解决的是：

1

让一个模型同时看代码、看图片、看视频、做长任务。

这对未来的 Agent 很关键。

比如一个真实的前端自动化 Agent，可能需要：

• 读 GitHub issue
• 看设计稿截图
• 改代码
• 运行浏览器
• 看页面截图
• 根据报错继续修
• 最后提交 patch

这种任务不是纯文本。

也不是一次问答。

MiniMax M3 的方向就很适合这类场景。

但它也有一个必须提醒的点：许可证。

Hugging Face 元数据显示它不是 Apache 2.0 或 MIT，而是 MiniMax 社区许可证。也就是说，它属于开放权重，但不能简单等同于“宽松开源”。

如果只是研究、个人实验、原型验证，问题通常不大。

如果要做商业部署、API 转售、云服务托管，一定要读许可证原文，必要时联系 MiniMax。

适合场景：

• 图文视频混合 Agent
• 前端/浏览器自动化
• 代码仓库分析
• 长上下文文档处理
• 需要视觉输入的工作流

不适合场景：

• 对许可证宽松性要求极高的项目
• 普通单卡本地部署
• 只需要小模型做分类/抽取的低成本任务

一句话：

1

MiniMax M3 是 6 月最有野心的开放权重多模态 Agent 模型之一，但商用前要认真看许可证。

参考入口：MiniMaxAI/MiniMax-M3、MiniMax M3 发布博客

四、NVIDIA Nemotron 3 Ultra：企业级重型 Agent 模型

NVIDIA 在 6 月 4 日发布 Nemotron 3 Ultra。

这是一个很重的模型。

官方模型卡列出的关键参数是：

1
2
3
4
5
6
7

550B 总参数
55B 激活参数
1M 上下文
LatentMoE
Mamba-2 + MoE + Attention 混合架构
Multi-Token Prediction
OpenMDW 1.1 许可证

它不是面向普通本地玩家的模型。

官方给出的最低 GPU 要求已经非常清楚：

1
2
3

8x GB200/B200/GB300/B300
16x H100
8x H200

也就是说，Nemotron 3 Ultra 是给数据中心、企业 AI 平台、私有云推理服务准备的。

它的重点不是“能不能在 Mac 上跑”，而是：

1
2
3
4

能不能做企业级复杂 Agent
能不能支持高强度长上下文推理
能不能在科学、数学、代码、多语言任务里保持可靠
能不能给企业可复现的训练和部署材料

NVIDIA 对 Nemotron 系列的定位很明确：open models for specialized AI agents。

这类模型对企业有吸引力，因为它不是只给你一份权重，而是围绕推理、评测、部署、数据和工作流形成生态。

如果你是个人开发者，它离你有点远。

如果你是企业平台团队，它值得认真研究。

尤其是这几类场景：

• 高风险 RAG
• 企业级知识工作流
• 多步工具调用
• 长上下文研究分析
• 数学、科学、代码推理
• 私有化大模型平台

但也要注意 OpenMDW 1.1 许可证。

它不是常见的 Apache 2.0 或 MIT。企业引入前需要法务和安全团队一起看。

一句话：

1

Nemotron 3 Ultra 不是“人人能跑”的模型，而是企业级开放模型路线的重型样板。

参考入口：NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16

五、Gemma 4 12B Unified：本地多模态终于变得更现实

Gemma 4 12B Unified 是 Google DeepMind 在 6 月 3 日发布的模型。

它是这批模型里最“实用主义”的一个。

官方发布页强调：

1
2
3
4
5

12B
统一多模态架构
文本、图像、音频输入
本地笔记本可运行
Apache 2.0

这里最关键的是 Unified。

很多多模态模型会用独立的视觉编码器、音频编码器，再把结果接进语言模型。

Gemma 4 12B Unified 的设计是尽量去掉这些复杂分离结构，让视觉和音频输入更直接地进入 LLM 主干。

这样带来的好处是：

• 部署结构更简单
• 多模态延迟更低
• 微调链路更统一
• 更适合本地和端侧实验

Google 的发布博客提到，它的目标是把高性能多模态智能带到笔记本上。

这点很重要。

因为 2026 年开源模型不只是拼最大。

还要拼：

1
2
3

谁能在普通开发者机器上真正跑起来
谁能在本地做图文音频任务
谁能把 Agent 从云端拉回个人设备

Gemma 4 12B 适合这些场景：

• 本地语音/图像助手
• 本地文档理解
• 图像问答
• 音频输入实验
• 低成本多模态 Agent 原型
• 需要 Apache 2.0 的商业项目

它不适合和 400B、500B 级模型正面比长任务能力。

它的价值是：

1

用更小的体积，把多模态和本地部署做得更顺。

一句话：

1

Gemma 4 12B Unified 是 6 月最适合开发者亲手下载、亲手部署、亲手做多模态原型的模型之一。

参考入口：Gemma releases、google/gemma-4-12B、Gemma 4 12B 发布博客

六、DiffusionGemma：文本生成不一定只能自回归

DiffusionGemma 是 Google DeepMind 在 6 月 10 日发布的开放权重模型。

它和大多数 LLM 不一样。

传统语言模型通常是自回归：

1

一个 token 一个 token 往后生成

DiffusionGemma 走的是离散扩散路线。

官方模型卡里说，它基于 Gemma 4 的 26B A4B MoE 架构，使用 discrete diffusion 生成 token，并支持文本、图像、视频输入到文本输出。

Google DeepMind 页面里还提到，它是 26B 总参数 MoE，推理时激活约 3.8B 参数，量化后可以适配消费级 24GB 显存级别硬件。

这类模型的意义不只是“又多一个 Gemma”。

它代表了一个新问题：

1

语言模型一定要逐 token 生成吗？

如果可以按块生成、并行修正、反复 denoise，那么一些场景可能会受益：

• 代码补全
• 文本改写
• 内联编辑
• 格式修复
• 低延迟交互
• 局部重写

DiffusionGemma 的优势不一定体现在所有聊天任务上。

但它对生成架构很有启发。

尤其是代码和编辑场景，很多时候我们不是要模型从头写到尾，而是要它：

1
2
3
4

在已有文本中间插入
保持前后格式一致
修补局部错误
同时考虑整段结构

扩散式文本模型可能更适合这类非线性生成任务。

适合场景：

• 低延迟本地生成
• 代码补全和代码 infill
• 文档改写
• 局部编辑
• 多模态输入到文本输出
• 研究新型生成架构

需要注意的是，它还是新路线。

生态成熟度、推理框架支持、真实任务稳定性，都需要开发者自己评估。

一句话：

1

DiffusionGemma 不一定是 6 月最强模型，但它可能是最值得研究生成方式变化的模型。

参考入口：google/diffusiongemma-26B-A4B-it、DiffusionGemma 文档、Google 发布博客

七、Qwen-RobotManip：开源模型开始进入具身智能主线

Qwen-RobotManip 不是传统聊天模型。

它是 Qwen 团队在 6 月公布技术报告的机器人操作基础模型，定位是 Vision-Language-Action。

它关注的是：

1
2
3
4

看见环境
理解指令
规划动作
控制机器人完成操作

这和普通 LLM 最大的不同在于，它要面对真实物理世界。

文本模型错了，大不了回答不准。

机器人模型错了，可能抓错物体、碰撞、失败，甚至造成安全问题。

所以这类模型的难点不是单纯参数规模，而是：

• 多源机器人数据如何对齐
• 视觉、语言、动作如何统一表示
• 不同机械臂、不同任务如何泛化
• 真实世界失败如何评测
• 如何让模型在动作层面稳定

我把它放进 6 月一览里，是因为它代表了开源大模型的另一个方向：

1

从文本 Agent 走向物理 Agent。

2026 年下半年，机器人和具身智能很可能会成为大模型竞争的新战场。

对普通开发者来说，Qwen-RobotManip 现在未必能直接拿来做业务。

但如果你关注：

• 机器人操作
• 具身智能
• VLA 模型
• 物理世界 Agent
• LeRobot 生态

它值得跟踪。

一句话：

1

Qwen-RobotManip 提醒我们：开源大模型的战场已经不只在聊天框里。

参考入口：Qwen-RobotManip 技术报告、Qwen 研究页面

八、6 月这批模型背后的趋势

1. 1M 上下文不再是少数模型的噱头

GLM-5.2 是 1M。

MiniMax M3 是 1M。

Nemotron 3 Ultra 是 1M。

很多 2026 年的新模型都在往这个方向走。

但我还是要强调：

1

长上下文不是万能药。

真正的问题是：

• 模型能不能找到关键信息
• 能不能在长任务里保持目标
• 能不能控制工具调用成本
• 能不能处理长上下文带来的延迟
• 能不能在高并发下稳定服务

很多场景里，好的 RAG 加 128K 上下文，比粗暴塞 1M 更可靠。

长上下文应该是能力，不应该成为偷懒的借口。

2. 多模态正在从“云端炫技”变成本地能力

Gemma 4 12B 和 DiffusionGemma 都很说明问题。

它们不是一味追求最大参数，而是试图让多模态更容易部署。

这对开发者很重要。

因为很多业务场景天然多模态：

1
2
3
4
5
6
7
8

截图
票据
PDF
商品图
监控画面
短视频
语音
会议录音

如果多模态只能依赖昂贵 API，很多私有化场景会卡住。

当 12B、26B 级模型开始可以在本地做图像、音频、视频理解，应用形态会变多。

3. MoE 仍然是大模型主线，但部署难度没有消失

6 月的模型里，MoE 继续非常明显：

• MiniMax M3：约 428B 总参数、23B 激活
• Nemotron 3 Ultra：550B 总参数、55B 激活
• DiffusionGemma：26B 总参数、约 3.8B 激活

MoE 的好处是：

1

容量大，但每 token 只激活一部分参数。

但不要误解 active params。

即使每次只激活 23B，也不代表你只需要加载 23B。

很多 MoE 模型仍然要把大量专家权重放进显存或高速存储里。

所以部署前要看：

• 总参数
• 激活参数
• 权重量化格式
• KV cache 成本
• 上下文长度
• 是否支持 tensor parallel / expert parallel
• vLLM、SGLang、llama.cpp、MLX 是否稳定支持

MoE 是工程优化路线，不是自动降本魔法。

4. 许可证会越来越重要

这是 6 月最不能忽略的点。

这一批模型里：

1
2
3
4
5

GLM-5.2：MIT
Gemma 4 12B：Apache 2.0
DiffusionGemma：Apache 2.0
MiniMax M3：MiniMax Community License
Nemotron 3 Ultra：OpenMDW 1.1

它们都可以被讨论为开源/开放权重生态的一部分。

但不能混为一谈。

如果你是个人学习，可以更关注能不能下载、能不能跑起来。

如果你是公司项目，就必须问：

1
2
3
4
5
6
7

是否允许商用？
是否允许再分发？
是否允许提供托管 API？
是否有限制行业？
是否有限制地区？
是否要求保留声明？
是否需要额外商业授权？

模型能力可以靠评测判断。

许可证风险不能靠感觉判断。

九、开发者怎么选

如果你只是想本地跑起来，先看：

1
2
3

Gemma 4 12B Unified
DiffusionGemma 量化版本
更小的 Gemma / Qwen / MiniCPM 系列

如果你要做代码 Agent，先看：

1
2
3

GLM-5.2
MiniMax M3
Qwen 3.x / DeepSeek / Kimi 等现有开源 coding 模型

如果你要做企业级重型私有化，关注：

1
2
3
4

Nemotron 3 Ultra
GLM-5.2
MiniMax M3
DeepSeek / Qwen / Ling / Ring 等 1T 级路线

如果你要做多模态应用：

1
2
3

Gemma 4 12B：本地图像/音频/视频输入
MiniMax M3：重型多模态 Agent
DiffusionGemma：多模态输入 + 高速文本生成探索

如果你要做机器人和具身智能：

1
2
3

Qwen-RobotManip
LeRobot 生态
NVIDIA Cosmos / GR00T 相关开放工具链

但实际选型不要只看模型名。

最靠谱的方法是准备自己的评测集：

1
2
3
4
5

10 个真实业务问题
10 个失败案例
10 个长文档任务
10 个代码修复任务
10 个多模态输入任务

然后测：

• 正确率
• 延迟
• 输出稳定性
• 工具调用成功率
• 失败是否可恢复
• 许可证是否能接受
• 部署成本是否可控

公开 benchmark 只能帮你筛掉明显不合适的模型。

真正决定能不能上线的，还是你的真实任务。

十、我对 2026 年 6 月开源模型的判断

6 月这批模型说明一件事：

1

开源模型已经进入“工程能力竞争”阶段。

以前我们看开源模型，常常先问：

1

它比 GPT 差多少？

现在更应该问：

1

它在哪个工程场景里能替代闭源 API？

GLM-5.2 的答案是长任务代码 Agent。

MiniMax M3 的答案是多模态长上下文 Agent。

Nemotron 3 Ultra 的答案是企业级重型推理平台。

Gemma 4 12B 的答案是本地多模态。

DiffusionGemma 的答案是高速生成和新架构探索。

Qwen-RobotManip 的答案是具身智能。

这些答案不一样。

所以不要用一个排行榜决定所有选型。

未来的大模型生态，很可能不是一个模型通吃，而是：

1
2
3
4
5
6

大模型负责复杂推理
小模型负责本地和低延迟
多模态模型负责看世界
专用模型负责抽取和执行
Agent 框架负责工具编排
评测系统负责持续验证

这也是开源模型最有价值的地方。

它让开发者有机会把模型放回自己的系统里，而不是永远围着一个闭源 API 转。

6 月这批模型，不是终点。

它更像一个信号：

1

真正可控、可部署、可组合的大模型时代，正在加速到来。

参考资料

• zai-org/GLM-5.2 - Hugging Face
• MiniMaxAI/MiniMax-M3 - Hugging Face
• MiniMax M3: Frontier Coding, 1M Context, Native Multimodality
• NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 - Hugging Face
• Gemma releases - Google AI for Developers
• google/gemma-4-12B - Hugging Face
• Introducing Gemma 4 12B - Google Blog
• google/diffusiongemma-26B-A4B-it - Hugging Face
• DiffusionGemma model card - Google AI for Developers
• DiffusionGemma - Google DeepMind
• Qwen-RobotManip Technical Report