美团龙猫团队开源的 LongCat-Next 是一款基于 MoE 架构的多模态模型，整合了文本、视觉理解、图像生成、语音等五种能力。其核心设计 DiNA 通过离散 token 实现统一任务处理，视觉方面采用的 dNaViT 使图像生成表现出色。与同类模型比较，LongCat-Next 的各项基准表现领先，显示出其在多模态理解与生成领域的优势。

Cursor 发布了 Composer 2 技术报告，介绍了其 Kimi K2.5 MoE 架构的完整训练方案，包括两阶段训练和自研基准 CursorBench。经过训练，Composer 2 的表现显著提升，并在推理成本上优于其他前沿模型。

Cursor于3月25日发布Composer 2技术报告，揭示了Kimi K2.5模型的训练方案，采用MoE架构，参数量达到1.04万亿。训练分为两阶段，使用真实场景模拟进行强化学习，最终在CursorBench基准上取得61.3分，提升70%，且推理成本低于其他大模型API。

美团LongCat团队于3月21日开源了LongCat-Flash-Prover，一个5600亿参数的MoE模型，专注于Lean4形式化定理证明。模型分为自动形式化、草图生成和完整证明生成三项能力，结合推理工具与Lean4编译器实现实时验证。训练采用Hybrid-Experts Iteration Framework和HisPO算法，防止奖励作弊。基准测试表明，该模型在自动形式化和定理证明方面刷新了开源权重模型的记录。

Mistral AI 发布开源代码代理 Leanstral，专为 Lean 4 形式化验证设计，能生成可自动校验的代码和证明。该模型采用稀疏 MoE 架构，表现优于其他顶级模型，并提供免费下载和 API 调用。