基础模型正从通用语言/视觉领域向垂直学科和物理世界快速扩展，同时开源与闭源间的差距在缩小，但个性化、隐私等问题也逐渐浮现。
- 近期主要进展包括：
- 开源模型的能力跃升：Allen AI 的 MolmoAct 2 在开源社区下载量超 40 万次，并提供了完整代码与训练数据，展示了开源模型在动作理解任务的竞争力 (MolmoAct 2 下载超 40 万次，开源完整代码与训练数据)。同时，Ideogram 发布的 9.3B 开源图像模型在多项指标上逼近闭源水平 (Ideogram 发布 9.3B 开源图像模型，逼近闭源水平)。
- 垂直领域的基础模型涌现：NVIDIA 的 Cosmos 3 为机器人物理 AI 提供基础模型，旨在让机器人更好地理解物理世界 (NVIDIA Cosmos 3 助力机器人物理AI入门)；Deep Principle 发布的 MPA 被视为材料科学领域的 AlphaFold，在 40 项工业任务上达到 SOTA (Deep Principle 发布 MPA，材料科学领域的 AlphaFold，40 项工业任务达 SOTA)；Atlas H&E-TME 在组织病理分析上达到专家级精度 (Atlas H&E-TME：AI 组织分析达到病理专家级精度)；Hypnos 用下一词预测学习睡眠生理学通用表征 (Hypnos：用下一词预测学习睡眠生理学通用表征)。
- 产业合作与产品集成：Apple 宣布其新基础模型与 Google Gemini 深度合作，将用于升级 Siri AI 独立应用，标志着消费电子巨头对基础模型的整合进入新阶段 (Apple 新基础模型深度合作 Google Gemini，Siri AI 登场)。
- 个性化与隐私挑战：研究提出了在极大规模下进行高效微调的方法（PEFT），百万级个性化模型可与万亿参数基础模型共存 (PEFT 新视角：百万个性化模型与万亿参数基础模型的扩展)；同时，联邦学习下的基础模型个性化存在“静默失败”问题，即模型更新错误不易被察觉，对可靠部署构成威胁 (联邦学习下基础模型个性化中的“静默失败”问题)。
当前焦点集中于：基础模型如何在不同领域实现专用化与泛化能力的平衡，开源生态能否持续缩小与闭源性能差距，以及个性化部署中的隐私和可靠性问题。未来需关注行业标准、数据治理以及模型在物理世界中的安全落地。