Simon Willison 为其 vibe-coded 工具站点新增基于标签的浏览功能
Simon Willison 为 tools.simonwillison.net 新增了基于标签的浏览功能，让访客可以按标签浏览他收集的 244 个 vibe-coded 工具。他使用剩余的 Fable 5.2 额度，让 tree-sitter 分析每个工具的代码，以识别其中的 JavaScript API、库和 Web API 主机。首页现在会为上述每一类标签类别显示标签云。
#开源/仓库
Simon WillisonAI 评分1818
MarkTechPostAI 评分6060 MBZUAI 的 IFM 发布 PAN 2，一个面向物理 AI 的开放 29B 世界模型
MBZUAI 的基础模型研究所发布了 PAN 2，这是一个 29B 参数的开源世界模型，输入一个场景加一段文本动作，并以视频形式模拟结果，权重、训练代码和推理代码均以 Apache 2.0 许可开放。它将一个编写结构化 JSON 世界状态的 LLM 规划器，与一个由冻结的 Qwen3.5-9B 编码器条件化的 29B MMDiT 扩散 Transformer 配对；IFM 报告称，在 100 个多步任务上完整计划完成率为 34.0%，领先于 MiniMax-H3 的 32.50%，但在单动作和人类偏好（Elo 1595 对 1620）上落后于 MiniMax-H3。IFM 的消融实验显示，移除 LLM 规划器会使完整计划完成率降至 0.0%，步骤完成率从 75.1% 降至 8.7%。
Hugging Face BlogAI 评分4242 Tether AI Research 发布 BotPsy：基于 Qwen3.5-0.8B 构建的 0.8B 端侧智能体模型
Tether AI Research 发布了 BotPsy，这是一个基于 Qwen3.5-0.8B 构建的 0.8B 参数智能体模型，用于端侧个人助手的工具调用。其智能体得分约为基线的两倍，BFCL v4 从 23.4 升至 44.0，τ-bench 从 23.2 升至 51.5，并在六项工具调用基准测试中优于所有参数量不超过 1.2B 的受测模型。它还将不安全回复从 36% 降至 21%，并在 GPQA Diamond 上使用的推理 token 数减少约 3 倍。
inclusionAI ModelsAI 评分3434 inclusionAI 发布基于 Qwen3.5-4B 的 LemonDecider 4B v3 决策模型
inclusionAI 发布了 LemonDecider 4B v3，这是一个基于 Qwen3.5-4B 微调的决策模型，通过单次联合前向传播返回选项、是/否或序数概率，而非生成答案 token。该模型在约 120 万条决策/问答数据上训练，在公开的 Decision Index 0.4 测试集上得分 61.67，请求延迟中位数为 49.9 ms。
inclusionAI ModelsAI 评分4040 inclusionAI 发布 ZoomGain-9B 和 ZoomGain-4B 模型，附带 ZoomGainBench 与 RL 训练数据
inclusionAI 发布了 ZoomGain-9B 和 ZoomGain-4B 视觉语言模型检查点，以及 ZoomGainBench 评估基准和 ZoomGain RL 训练数据。ZoomGain 挖掘从全局到放大的感知差距，以构建细粒度视觉监督，ZoomGain-9B 在多个细粒度和通用感知基准上取得了更优表现。ZoomGainBench 包含覆盖 941 张图像的 1,000 个问题，而 RL 数据集包含 9,000 条训练记录和 7,713 张源图像。
inclusionAI ModelsAI 评分3838 inclusionAI 发布 ZoomGain-4B 和 ZoomGain-9B，并附带 ZoomGainBench 与 RL 训练数据
inclusionAI 发布了 arXiv 论文、ZoomGainBench 评估基准、RL 训练数据集以及 ZoomGain-4B/ZoomGain-9B 模型检查点。28 个模型中表现最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多个细粒度和通用感知基准上达到了更优性能。ZoomGain 挖掘从全局到放大的感知差距，为视觉语言模型构建细粒度视觉监督。
LangChain Blog精选AI 评分6060 LangChain 解释 Deep Agents 如何在不把所有内容都保留在上下文窗口中的情况下管理上下文
LangChain 详细说明了其开源 Deep Agents 框架如何使用中间件来对抗长时间智能体运行中的上下文腐化。超过约 20,000 token 的工具结果和超过 50,000 token 的用户消息会被卸载到文件中，仅显示预览；而当使用量达到上下文窗口的 85% 时，摘要功能会压缩较早的消息。技能、子智能体和一个 markdown 长期记忆文件使主智能体的窗口保持较小，并让记忆能够跨模型和提供商延续。
推荐理由：LangChain 解释了其开源 Deep Agents 框架如何使用中间件来卸载、摘要和隔离上下文，为执行长任务的智能体提供了一种可复用的模式。
inclusionAI ModelsAI 评分2222 inclusionAI 发布 ZoomGain-9B 的 GGUF 权重
inclusionAI 已发布 ZoomGain-9B 的 GGUF 格式权重，使用 llama.cpp 转换，涵盖语言模型以及视觉编码器/投影器（mmproj），提供 FP16、Q8_0 和 Q4_K_M 版本。图像输入需要将语言模型与匹配的 mmproj 文件配对使用，仓库中记录了通过 llama-mtmd-cli 进行 CLI 推理以及通过 llama-server 搭建网页聊天环境的方法。需要支持 Qwen3.5 多模态的 llama.cpp 构建，量化可能影响准确率。
Latent SpaceAI 评分6969 NaiveAI 的 Naive-N0.5-Flash 声称每秒 2,100 个 token：它的编码能力如何？
Latent Space 测试了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，这是一个源自小米 MiMo-V2.5 的编码模型，搭配 NaiveRT 推理引擎，并与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 进行了对比。在作者的运行中，它峰值接近每秒 2,000 个 token，在思考密集型任务中持续约 1,000 个 token，中位响应时间为 3.1 秒，而两个对比模型分别为 5.3 秒和 10.1 秒。在困难的 HLE 问题上，开启思考时它平均完成约 108,500 个 token，约为 GLM 5.3 Flash 的九倍和 DeepSeek V4.1 Flash 1017 的 11 倍，作者指出样本为每个难度级别 10 个问题，且未进行准确性评分。
MiniMax Blog精选AI 评分7575 MiniMax 发布 H3-Image，一款可在 10 秒内生成 4K 图像的开源权重模型
MiniMax 发布 H3-Image，这是一款基于 H3 构建的开源权重图像生成模型，支持文生图、参考图生成和图像编辑，可在 10 秒内生成 4096 × 4096 的图像。该公司表示，它最多可处理 16 张参考图，声称在开源权重模型中具有最先进的提示词遵循能力，并报告速度最高可达主流替代方案的 5 倍。H3-Image 可通过 MiniMax API 平台、MiniMax Code 和海螺 AI 使用，定价为同类产品的 50–70%，发布周期间 4K 及以上请求享受 50% 折扣。
推荐理由：MiniMax 发布开源权重 H3-Image，声称可在 10 秒内生成 4K 图像，定价为同类主流产品的 50–70%，为开发者提供了一个用于高分辨率图像工作的新开源选择。
Google Developers Blog精选AI 评分7575 Google 发布 A2UI 1.0，一个用于智能体生成原生 UI 的稳定开放协议
Google 发布了 A2UI 1.0，这是其开放协议的首个稳定版本，该协议让 AI 智能体能够以交互式界面作答，这些界面由各应用自身的原生组件渲染。1.0 版本新增了双向函数调用、无障碍支持和扩展元数据，并提供了面向 React、Angular、Lit、Flutter、SwiftUI 和 Jetpack Compose 的开源渲染器（Compose 渲染器目前为 0.9.1，1.0 版本即将推出），以及面向 Python、TypeScript 和 Dart 的智能体 SDK。Atlassian 正将 A2UI 引入 Jira，Alation 在 Claude 中用其渲染信息流，字节跳动于 2026 年 6 月发布了一款 Lynx 渲染器，目前支持 0.9 版本。
推荐理由：Google 稳定的 A2UI 1.0 协议让智能体能够返回原生交互式界面，而非大段文字，并提供了面向 Web、Android 和 iOS 的渲染器，早期采用者包括 Atlassian 和字节跳动。
Amazon Science精选AI 评分6262 Amazon 发布 Mitra-v2 表格基础模型，采用规模化合成预训练
Amazon 推出 Mitra-v2，这是用于分类和回归的第二代表格基础模型，随附微调模型以及推理和微调代码，以 Apache-2.0 许可证在 Hugging Face 上发布。它使用合成表格进行预训练，行数是 Mitra-v1 的 10 倍，列数约为其 3 倍，采用新的混合 SCM 先验和混合优化器，同时保持 Transformer 架构不变。在包含 51 个真实世界数据集的公开基准 TabArena 上，Mitra-v2 在单模型领域领先，在两者均原生运行的 33 个数据集中的 32 个上优于 Mitra-v1，并在 1 小时预算内完成全部 51 个数据集；微调后的 Mitra-v2 还在 ScoringBench 上排名第一。
推荐理由：Mitra-v2 表明，扩大合成预训练数据而非加深网络，能将表格基础模型提升至 TabArena 单模型领域的首位。
LiveKit BlogAI 评分4040 LiveKit Portal for ROS 2 发布：通过 WebRTC 桥接 ROS 图
LiveKit 发布了 LiveKit Portal for ROS 2，这是一个独立的 ROS 2 节点，可将 ROS 图连接到 LiveKit 房间，使 ROS 和非 ROS 参与者能够通过 WebRTC 交换话题、服务调用和视频，而无需跨网络暴露 DDS。它支持四条数据路径——通过 DataTracks 传输话题、通过 RPC 传输服务、将图像作为 VideoTracks 传输，以及直接视频源——并提供 YAML 规则来配置方向、速率限制和模式编码。一个演示将立体 SLAM 和场景重建从 Jetson Orin Nano 漫游车卸载到桌面 RTX 5090。
Google Developers Blog精选AI 评分7272 Google AI Edge Gallery 新增端侧语音识别与文本转语音功能
Google 在 Google AI Edge Gallery 中引入端侧自动语音识别（ASR）与文本转语音（TTS），使应用能够在完全离线的情况下运行多语言 ASR 和富有表现力的 TTS，并与 Gemini Nano、Gemma 4 等端侧 SLM 协同工作。在 Android 上，ML Kit 的新语音模型以 10 倍实时速度转写 100 多种语言，在 FLEURS 上的词错误率为 8.0% 至 9.0%；而少步扩散 TTS 约 100 毫秒即可开始发声，并以最高 50 倍实时速度生成 24 kHz 音频。跨平台支持通过 MediaPipe Tasks 和 LiteRT 实现，提供包括 Parakeet-TDT 0.6B、PocketTTS 100M、Kokoro-82M 和 Phonon 31M 在内的开放权重包，并在 XR Language Teacher 展示和语音版 AI Chat 中进行了演示。
推荐理由：Google 为 AI Edge Gallery 添加了完全离线的 ASR 和 TTS，ML Kit 报告称可 10 倍实时转写 100 多种语言，扩散 TTS 约 100 毫秒即可开始发声。
Hugging Face BlogAI 评分3838 NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 合成数据集
Elith 与 NVIDIA 发布了 Nemotron-Personas-Finance-Japan，这是一个基于官方政府统计数据构建的日本金融行业开放合成人物数据集。它包含 50 个领域的 900 万个人物（100 万条记录 × 9 个人物）和约 15 亿个 token，使用 NeMo SDG-PGMs 和 NeMo Data Designer 生成，并以 CC BY 4.0 许可提供，可用于商业用途。
NVIDIA Blog精选AI 评分7070 NVIDIA 在 CoRL 上发布 GR00T 2 世界动作模型和 Isaac Lab 3.0
NVIDIA 在 CoRL 上推出了 GR00T 2——一个基于 Cosmos 构建、在 10 万小时人类第一视角数据上训练的开源世界动作模型，同时发布了 Isaac Lab 3.0 和新的机器人基准测试。GR00T 2 在没有任务特定演示的情况下，至少完成了一次 50 个评估任务中的 40 个；在每项任务仅提供一次演示的情况下，50 项任务的平均成功率达到 71%，提供五次演示时则升至 95%。Isaac Lab 3.0 新增了面向可变形物体的 Newton 物理集成，并在一个基于视觉的灵巧操作基准测试中报告其训练吞吐量最高可达使用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推荐理由：NVIDIA 在 CoRL 上的发布表明，仿真加上世界动作模型如今正瞄准精细装配工作，GR00T 2 和 Isaac Lab 3.0 的细节值得与先前的机器人技术栈进行比较。
Hugging Face BlogAI 评分4040 HOPE：混合专家语言模型中专家的高阶剪枝
研究人员提出 HOPE，一种针对混合专家语言模型的二阶专家剪枝方法，该方法考虑共同激活专家之间的成对交互，而非独立地对每个专家评分。在 50% 剪枝率下，HOPE 取得了所有方法中最佳的平均排名，在智能体编程任务上相比次优剪枝方法最高提升 +6.1%。该工作针对 Qwen3.5-122B 等模型的内存瓶颈，其中专家 MLP 占据了约 250 GB 占用空间的 95%。
Zyphra Research精选AI 评分7878 Zyphra 发布 ZONOS3-Mini：一款可在设备端运行的 Apache 2.0 零样本语音克隆 TTS 模型
Zyphra 发布了 ZONOS3-Mini，这是一款稀疏 MoE 文本转语音模型，激活参数 100M、总参数 800M，采用 Apache 2.0 许可，在 112 块 NVIDIA H100 上训练了 2.5 天。它在 Pixel 9 的浏览器中首音频延迟低于 570 毫秒，在 M3 MacBook Air 上低于 150 毫秒，并提供 WebGPU、SGLang、vLLM 和 GGML 运行时。该模型增加了对身份、口音、质量、情绪和表达方式的控制，包括词级调控，Zyphra 报告称其在其新的 ZTTS2-Eval 基准上在开源模型中排名第一。
推荐理由：Zyphra 的紧凑型 MoE TTS 模型将零样本语音克隆与词级表达控制相结合，同时能在手机和笔记本电脑上实时运行。
inclusionAI RepositoriesAI 评分3838 ZoomGain：挖掘全局到缩放感知差距，用于细粒度视觉监督
ZoomGain 利用只有放大后才能看清的视觉细节，针对整张图像构建问题，并将这种全局到缩放的感知差距用作视觉语言模型的监督信号。发布内容包括 arXiv 论文、ZoomGainBench 基准（1,000 个问题，覆盖 941 张图像，涉及属性识别、计数和 OCR）、基于 7,713 张源图像的 9,000 条强化学习训练记录，以及 ZoomGain-4B 和 ZoomGain-9B 检查点。28 个模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多个细粒度和通用感知基准上取得了更优表现。
Google Developers Blog精选AI 评分6060 Google Cloud MaxText 新增上下文并行，支持在 TPU 上进行长上下文训练
Google Cloud 在其开源 JAX 训练框架 MaxText v0.2.4 中发布了长上下文训练支持，在 Cloud TPU 上新增四种上下文并行策略：All-gather、A2A（DeepSpeed Ulysses）、P2P（Ring Attention）以及 A2A + P2P 混合（USP）。Llama 3.1 8B 的基准测试在 TPU 5p 上、序列长度最高达 400 万 token 时达到 70% MFU，上下文在 TPU 5p 和 TPU 7 上均扩展至 1400 万 token，其中 TPU 7 在低于 600 万 token 时保持 50% MFU。该版本已在 PyPI、Docker 镜像和 GitHub main 上提供，并附有 TPU 7 和 TPU 5p 的示例配方。
推荐理由：MaxText 在 Cloud TPU 上的四种上下文并行策略，以及 Llama 3.1 8B 的基准 MFU 数据，为团队选择如何在数百万 token 序列长度下进行训练提供了具体参考。
Hugging Face BlogAI 评分5858 Ai2 发布 ToyBlocks：一个用于机器人学习的开放模拟积木操作世界
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面上的积木构建的开放模拟框架，是 FoundationWorlds 系列中首个用于受控机器人学习与评估的世界。该框架在 Isaac Lab 中通过强化学习和运动规划自动生成技能与演示，在单块 GPU 上可达最高 24 倍实时速度，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在其实验中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在真实 Franka FR3 上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实场景中的回合成功率分别为 55.5% 和 50.0%。
Ai2 · Allen Institute for AIAI 评分5858 Ai2 发布 ToyBlocks：一个用于机器人学习与评估的可控模拟世界
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面方块构建的开放模拟框架，作为其 FoundationWorlds 中首个用于可控机器人学习研究的项目。ToyBlocks 在 Isaac Lab 中通过强化学习和运动规划自动生成任务与演示，在单块 GPU 上数据生成速度最高可达实时的 24 倍，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在 Franka FR3 上的真实世界测试中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在硬件上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实回合中的成功率分别为 55.5% 和 50.0%。
vLLM Blog精选AI 评分7777 REINFORCE Zero：内核对齐使异步强化学习在策略滞后64时保持稳定，并扩展至DeepSeek-V4.1和Kimi K3.1
NVIDIA Research与Inferact的REINFORCE Zero论文表明，对齐rollout与训练器内核后，未裁剪的token级重要性采样能够纠正剩余的权重滞后，在策略滞后64时稳定训练20,000次更新，并在内核对齐的情况下达到同步训练训练步吞吐量的2.40倍。使用标准内核时，整个运行过程中rollout到学习器的KL中位数上升83.33倍，在线AIME24 pass@1从34.27%降至13.96%，而序列门控虽能稳定训练，但在最后1,000次更新时拒绝了24.48%的序列。零失配设置现已覆盖DeepSeek-V4.1-Flash、发布当日的Kimi K3.1，以及AMD MI355X上的DeepSeek-V4-Flash和Kimi K3.1，代码位于Inferact/zero-mismatch-rl和NVIDIA-NeMo/labs-molt。
推荐理由：NVIDIA Research与Inferact将异步强化学习的rollout-学习器差距拆分为权重滞后和内核失配，表明对齐内核可使未裁剪的重要性采样在策略滞后64时保持稳定训练。
vLLM BlogAI 评分5555 VeRL-Omni v0.3.0 发布，支持异步训练和更广泛的多模态后训练
VeRL-Omni v0.3.0 发布，包含异步与解耦的强化学习执行路径，默认使用 V1 训练器，并扩展了覆盖图像、视频、音频和多模态理解的后训练范围。该版本新增完全异步的 Qwen3-Omni 文本与音频训练、带重放缓冲区的分离异步 Omni 与扩散训练，以及包括 MiniMax H3 搭配 DiffusionNFT 和 MiniCPM-o 4.5 GSPO 在内的新配方。在 4×H800 80 GB 上的 MiniCPM-o 4.5 AVQA 实验中，分离异步 3+1 在自然响应长度下每个提示比同置 4+0 慢约 9%，在 512 token 时大致持平，在 1024 token 时快约 6.7%。
Zyphra ResearchAI 评分3636 ZYFA：在 AMD MI355X 上快速且准确的 FP8 注意力内核
Zyphra Research 发布了 ZYFA，这是面向 AMD MI355X（CDNA4，gfx950）的 BF16 和 FP8 因果预填充注意力内核，支持头维度 128 以及 DeepSeek-V2 的 MLA 形状。在 16K token 下，使用 Mistral-7B、Qwen3-8B 和 DeepSeek-V2-Lite 的激活值，ZYFA 的 FP8 内核吞吐量达到 AITER 的 1.16–1.76 倍；在 32K token 下的高斯输入上，头维度 128 时达到 1.26–1.37 倍，MLA 形状下达到 1.99 倍。在头维度 128 时，FP8 误差比 AITER 低 62–78%。
inclusionAI RepositoriesAI 评分3838 ASpec：面向投机解码草稿模型的高吞吐量训练框架
ASpec 是一个面向投机解码草稿模型的高吞吐量训练框架，基于 TorchSpec 代码库构建，具备优化的注意力机制、融合内核以及选择性 head/loss 计算。在 Qwen3-8B 4K 运行中，仅草稿模型训练在单 GPU 上达到 15,256.44 输入 tokens/s，为 TorchSpec 的 1.96 倍；而 8-GPU 在线稳态窗口达到 77,721.37 tokens/s，为 TorchSpec 的 2.28 倍。它支持 DSpark、DFlash、EAGLE3/4 和原生 MTP 草稿模型，并提供 Qwen3-8B 和 Ling tiny 快速入门。
Google ResearchAI 评分4747 Google Research 的 Agile Deliberation 帮助人类定义主观性 AI 类别
Google Research 推出了 Agile Deliberation，这是一个将主观性 AI 分类器创建转化为迭代式对话的框架，AI 在其中帮助用户厘清自己的定义。该框架将任务拆分为概念范围界定和概念迭代，利用视觉语言模型找出边界图像，并将反馈接入自动提示优化循环。在 18 场时长 1.5 小时的实时用户会话中，该方法减轻了用户的疲劳与焦虑，并产出了更一致的模型，其表现优于标准基线；代码已在 GitHub 上开源。
Preferred Networks News精选AI 评分7171 PFN发布面向边缘设备的开放权重翻译大模型PLaMo 3 Translate
Preferred Networks于11月5日在Hugging Face上以开放权重模型形式发布了PLaMo 3 Translate，这是其PLaMo Translation服务中使用的翻译专用大语言模型。该模型提供0.8B、2B、8B和31B四种规模，支持包括日语和英语在内的53种语言，可在智能手机、笔记本电脑和内部服务器上运行，无需连接云端。
推荐理由：PFN发布了四种规模（从0.8B到31B）的翻译专用大语言模型，使企业和个人无需云端访问即可在设备端运行53种语言的翻译。
Artificial Analysis ArticlesAI 评分5858 南北发布 Nanbeige4.3-33B，在 Artificial Analysis 智能指数上得分 20
南北已发布 Nanbeige4.3-33B，这是一个采用 Apache 2.0 许可证的开放权重稠密推理模型，在 Artificial Analysis 智能指数 v5 上得分 20，与 Qwen3.8 27B（xhigh）的 20 分持平。该 33B 模型具有 524K token 的上下文窗口，仅支持文本输入和输出，且尚无确认的公开 API；它在 Terminal-Bench 4.0 上得分 30%，而 Qwen3.8 27B 为 6%，但在 HLE-Diamond 上落后（7% 对 15%）。在 AA-Omniscience v1.1 上，其幻觉率为 18%，而 Qwen3.8 27B 为 29%，拒答率为 71%；在智能指数的每项任务上，它使用 158K 输出 token，而 Qwen3.8 27B 为 110K。
Mistral AI精选AI 评分8686 Mistral 发布 Mistral Large 4（Le Chonk）开放权重，这是一个 1 万亿参数的多模态模型
Mistral AI 发布了 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，本月早些时候进入公开预览，并在欧洲从零开始训练。该公司表示，额外三周的强化学习使其登顶开放权重编码榜首，在 Terminal-Bench 4.0 上达到 41%，在 Artificial Analysis Coding Agent Index 上达到 48%，同时每项任务使用的 token 比 GLM-5.3 少 47%。它新增了低、中、高三种推理模式，在 Artificial Analysis Cyber Index 上得分 51%，在修改版 MIT 许可证下，定价为每百万 token 输入 $0.70、缓存输入 $0.07、输出 $2.10。
推荐理由：Mistral 开放了其 1 万亿参数旗舰模型的权重，将编码和防御性安全基准的提升与三种推理模式和按 token 定价相结合。
inclusionAI RepositoriesAI 评分5252 Inclusion AI 的 IDM 将生成器 EMA 特征进行匹配，以加速一步和两步文本到图像生成
Inclusion AI 与学术合作者发布了 IDM，这是一种蒸馏方法，将内部分布匹配与生成器自身 EMA 特征空间中的矩匹配相结合，无需外部特征编码器。在 2 NFE 下，IDM（Z-Image）在 LongText-CN 上得分 94.25%，在 LongText-EN 上得分 90.20%；全参数 IDM（Z-Image）在单张 A100 上以 BF16 运行，1 NFE 耗时 0.25 秒，2 NFE 耗时 0.30 秒。同一个训练好的检查点同时支持 1-NFE 和 2-NFE 采样，代码以 Apache 2.0 发布，检查点则标注为即将推出。
inclusionAI ModelsAI 评分3434 inclusionAI 发布 Ling-3.0-flash-Sante-fp8，一个 FP8 量化的医疗健康模型
inclusionAI 发布了 Ling-3.0-flash-Sante-fp8，这是其医疗健康专用模型 Ling-3.0-flash-Sante 的 FP8 量化版本，保持 124B 总参数和每 token 5.1B 激活参数。它在医疗健康基准测试上的平均分为 73.9，与 BF16 检查点持平，同时降低了支持 FP8 的硬件的权重内存占用。该仅用于研究的模型支持 256K token 上下文，默认使用带工具调用的思考模式。
Ai2 · Allen Institute for AIAI 评分4040 研究人员如何将 olmOCR 2 适配于历史和考古档案
研究人员正在改造 Ai2 的开源 olmOCR 2 模型，用于转录历史和考古档案。历史学家 Maurice Casey 构建了 ArtificeOCR，在本地将 olmOCR 2 与 Tropy 配合运行，使他的档案照片库可进行关键词搜索；而维也纳工业大学的 CENTURIA 项目则用 LoRA 在 57 条标注记录上对 olmOCR 2 进行微调，将 450 条测试记录上的转录错误率从 15.58% 降至 1.11%。
inclusionAI RepositoriesAI 评分2828 UBTree 项目主页：使用 Unigram 和 Bigram 模型进行并行树草稿的推测解码
UBTree 项目主页介绍了 UBTree，这是一种使用 unigram 和 bigram 模型草拟并行 token 树的推测解码方法，详见 arXiv:2609.39972。演示视频在 Ling3 Tiny 和 Flash 上使用未修改的 HumanEval anti_shuffle 和 bf 提示，将 UBTree 与 AR、DFlash 和 DSpark 进行比较，四种方法产生的输出 token 完全相同。该站点是纯 HTML/CSS/JS，通过 GitHub Pages 提供服务，图表和表格数字存储在 static/js/data.js 中。
Amazon ScienceAI 评分3838 TorchNeuron 背后的科学：亚马逊为 AWS Trainium 芯片打造的新 PyTorch 后端
亚马逊发布了 TorchNeuron，这是一个开源 PyTorch 后端，可将 PyTorch 代码转换为可在 AWS Trainium 系统上执行的操作，且只需极少代码改动或无需改动。它新增了一种可选的自适应 eager 模式，通过分组并编译操作来接近编译模式的性能，还提供多级 NEFF 缓存；在一项 64 进程的 LLM 测试中，共享编译服务将首次训练步骤的时间缩短了约三分之一。Annapurna 团队使用从数十万个开源模型中提炼出的 841 个代表性模型对其进行了调优和基准测试。
Modal Blog精选AI 评分7171 Modal 发布 Spindle：一个开源、兼容 Tinker 的训练服务器
Modal 发布了 Spindle，这是一个开源、兼容 Tinker 的训练服务器，运行在客户的 Modal 工作区内，让团队可以自定义技术栈，并按 GPU 时长付费，而不是按 token 付费。Spindle 支持对开源模型进行全参数训练和多 LoRA，Modal 报告称，在一个 DAPO-math GRPO 任务上，让 8 个客户端共享一个训练器，相比 Tinker 可将每 100 万输出 token 的成本降低最多 80%。Modal 表示 Spindle 仍处于 beta 阶段，并将其定位在其 Dojo 训练库与原始集群原语之间。
推荐理由：Modal 的开源 Spindle 服务器为团队提供了一个兼容 Tinker 的替代方案，以按 GPU 时长付费取代按 token 定价，据称多 LoRA 共享可将成本降低最多 80%。
Ai2 · Allen Institute for AIAI 评分5858 Ai2 发布 OlmoEarth v1.3 卫星嵌入模型，提供全球预计算嵌入与浏览器探索工具
Ai2 发布了 OlmoEarth v1.3，这是一个卫星嵌入模型，可将一年的 Sentinel-1、Sentinel-2 和 Landsat 时间序列转换为每个 10 米像素一个 128 维向量，其中前 64 维可作为更小的嵌入使用。Ai2 预计算了全球的年度嵌入并发布在 Source Cooperative 上，其 128 维嵌入在针对 AlphaEarth Foundations 和 Tessera v2 的 27 项评估中有 20 项得分最高，包括一项名为 PLANTEUR 的新热带作物基准。此次发布还包括 OlmoEarth Embeddings Explorer，这是一个无需登录的浏览器工具，可用于比较年份、查找相似地点并就地训练小型分类器，其中 2025、2024 和 2023 年为全球范围，2017 至 2022 年覆盖部分国家；权重、预训练数据和代码均已开放。
inclusionAI ModelsAI 评分5858 inclusionAI 发布 Ling-3.0-flash-Sante，一个 124B 医疗健康专用 MoE 模型
inclusionAI 发布了 Ling-3.0-flash-Sante，这是一个基于 Ling-3.0-flash 构建的医疗健康专用模型，总参数 124B，每 token 激活参数 5.1B，权重已上传至 Hugging Face 和 ModelScope。它采用混合线性 MoE 架构，结合 Kimi Delta Attention、门控 MLA 和稀疏 MoE 层，训练上下文长度达 256K token，默认启用思考模式，并可通过兼容的服务框架进行工具调用。该公司将其标注为研究模型，而非医疗器械，并表示其输出不得替代专业医疗建议、诊断或治疗。
MiniMax Blog精选AI 评分6262 MiniMax Code 推出 Mini App 运行时，含托管 MCP 与开源仓库
MiniMax 在 MiniMax Code 桌面应用中推出 Mini App，这是一种插件格式应用，包含前端和 Node.js 后端，让 Agent 的工作留在一个持续运行的页面上，而不是分散在对话中。此次发布包含一个运行时，具备持久化数据目录、托管 MCP、Agent API、Host Connectors 和页内工具审批，还有 /miniapp-creator，可从一句话请求直接生成可用页面，以及插件市场中的官方 Mini App。MiniMax Bot 本身就是一个 Mini App，其源代码与社区构建的 Mini App 现已放入开源仓库 MiniMax-Code-MiniApps；Mini App 可在 macOS 和 Windows 的本地会话中使用。
推荐理由：MiniMax Code 把 Agent 的工作从对话流搬进常驻页面，并公开了 Mini App 的运行时与开源仓库，为 Agent 工具形态提供了一种可参考的架构。
Modal BlogAI 评分5858 Modal 发布 Dojo，一个用于生产级 LLM 训练的库
Modal 发布了 Modal Dojo，这是一个训练库，提供构建模块、调优好的默认配方以及一个可观测性仪表盘，用于生产级 LLM 后训练。它基于开源框架 Miles 和 Slime 构建，支持从 5 亿到数万亿参数的模型，并暴露 API 和 CLI，智能体可以驱动它们来启动和调试运行。Modal 表示，Axiom Bio 使用它将 DeepSeek V4.1 Flash 的 64k 上下文运行扩展到 64 块 B300，Afterquery 则以 256k 上下文长度训练 Kimi 和 DeepSeek。