Simon Willison 為他的 vibe-coded 工具網站加入標籤瀏覽功能
Simon Willison 在 tools.simonwillison.net 上加入了標籤瀏覽功能，讓訪客能依標籤探索他收集的 244 個 vibe-coded 工具。他利用剩餘的 Fable 5.2 額度，讓 tree-sitter 分析每個工具的程式碼，找出其中的 JavaScript API、函式庫與 Web API 主機。首頁現在會針對上述各標籤類別顯示標籤雲。
#开源/仓库
Simon WillisonAI 評分1818
MarkTechPostAI 評分6060 MBZUAI 的 IFM 發布 PAN 2：一個開放 29B 物理 AI 世界模型
MBZUAI 基礎模型研究所（Institute of Foundation Models）發布 PAN 2，一個 29B 參數的開放世界模型，輸入場景與文字動作，並以影片模擬結果，權重、訓練程式碼與推論程式碼以 Apache 2.0 釋出。它將一個撰寫結構化 JSON 世界狀態的 LLM 規劃器，與一個由凍結的 Qwen3.5-9B 編碼器調節的 29B MMDiT 擴散 Transformer 搭配，IFM 報告在 100 項多步驟任務上完整計畫完成率為 34.0%，領先 MiniMax-H3 的 32.50%，但在單一動作與人類偏好（Elo 1595 對 1620）上落後 MiniMax-H3。IFM 的消融實驗顯示，移除 LLM 規劃器會使完整計畫完成率降至 0.0%，步驟完成率從 75.1% 降至 8.7%。
Hugging Face BlogAI 評分4242 Tether AI Research 發布 BotPsy：基於 Qwen3.5-0.8B 打造的 0.8B 端側代理模型
Tether AI Research 發布 BotPsy，這是一個基於 Qwen3.5-0.8B 打造的 0.8B 參數代理模型，用於端側個人助理的工具使用。它讓基礎模型的代理評分大致翻倍，BFCL v4 從 23.4 升至 44.0，τ-bench 從 23.2 升至 51.5，並在六項工具使用基準測試中擊敗所有測試過的 1.2B 參數以下模型。它還將不安全回應從 36% 降至 21%，並在 GPQA Diamond 上使用的推理 token 減少約 3 倍。
inclusionAI ModelsAI 評分3434 inclusionAI 發布基於 Qwen3.5-4B 的 LemonDecider 4B v3 決策模型
inclusionAI 發布 LemonDecider 4B v3，這是一個從 Qwen3.5-4B 微調而成的決策模型，透過單次聯合前向傳遞回傳選項、是/否或序數機率，而非生成答案 token。該模型以約 120 萬筆決策／問答資料列訓練，在公開的 Decision Index 0.4 測試套件上得分 61.67，請求延遲中位數為 49.9 毫秒。
inclusionAI ModelsAI 評分4040 inclusionAI 發布 ZoomGain-9B 與 ZoomGain-4B 模型，同步推出 ZoomGainBench 與 RL 訓練資料
inclusionAI 發布了 ZoomGain-9B 與 ZoomGain-4B 視覺語言模型檢查點，同時推出 ZoomGainBench 評估基準與 ZoomGain RL 訓練資料。ZoomGain 透過挖掘從全局到縮放的感知落差來建構細粒度視覺監督，而 ZoomGain-9B 在多項細粒度與通用感知基準上達到更優異的表現。ZoomGainBench 包含 941 張影像上的 1,000 道問題，而 RL 資料集則有 9,000 筆訓練紀錄與 7,713 張來源影像。
inclusionAI ModelsAI 評分3838 inclusionAI 發布 ZoomGain-4B 與 ZoomGain-9B，同步推出 ZoomGainBench 與 RL 訓練資料
inclusionAI 發布了 arXiv 論文、ZoomGainBench 評估基準、RL 訓練資料集，以及 ZoomGain-4B/ZoomGain-9B 模型檢查點。28 個模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多個細粒度與通用感知基準上達到更優表現。ZoomGain 挖掘從全局到縮放的感知落差，為視覺語言模型建立細粒度視覺監督。
LangChain Blog精選AI 評分6060 LangChain 說明 Deep Agents 如何在不把所有內容都留在上下文視窗的情況下管理上下文
LangChain 詳細說明其開源 Deep Agents 框架如何運用中介層來對抗長時間代理執行中的上下文腐化。工具結果超過約 20,000 個 token、使用者訊息超過 50,000 個 token 時，會被卸載到檔案中，只顯示預覽；而當用量達到上下文視窗的 85% 時，摘要功能會壓縮較舊的訊息。技能、子代理和一個 markdown 長期記憶檔案讓主代理的視窗保持精簡，並讓記憶能跨模型和供應商延續。
推薦理由：LangChain 說明其開源 Deep Agents 框架如何運用中介層來卸載、摘要和隔離上下文，為長時間任務中的代理提供可重複使用的模式。
inclusionAI ModelsAI 評分2222 inclusionAI 發布 ZoomGain-9B 的 GGUF 權重
inclusionAI 已發布 ZoomGain-9B 的 GGUF 格式權重，透過 llama.cpp 轉換，涵蓋語言模型與視覺編碼器／投影器（mmproj），提供 FP16、Q8_0 與 Q4_K_M 版本。影像輸入需將語言模型與對應的 mmproj 檔案配對使用，該儲存庫說明了透過 llama-mtmd-cli 進行命令列推論，以及透過 llama-server 架設網頁聊天的方式。需使用支援 Qwen3.5 多模態的 llama.cpp 建置版本，且量化可能影響準確度。
Latent SpaceAI 評分6969 NaiveAI 的 Naive-N0.5-Flash 宣稱每秒 2,100 個 token：它的程式碼能力如何？
Latent Space 測試了 NaiveAI 的開放權重模型 Naive-N0.5-Flash，這是一個源自小米 MiMo-V2.5 的程式碼模型，搭配 NaiveRT 推論引擎，並與 DeepSeek V4.1 Flash 1017 及 GLM 5.3 Flash 對比。在作者的執行中，它峰值接近每秒 2,000 個 token，在思考密集的任務中維持約每秒 1,000 個 token，中位回應時間為 3.1 秒，而兩個對比模型分別為 5.3 秒和 10.1 秒。在困難的 HLE 問題上，開啟思考時它平均產生約 108,500 個完成 token，約為 GLM 5.3 Flash 的九倍、DeepSeek V4.1 Flash 1017 的 11 倍；作者指出樣本為每個難度級別 10 題，且未進行準確度評分。
MiniMax Blog精選AI 評分7575 MiniMax 發布 H3-Image，一款可在 10 秒內生成 4K 影像的開放權重模型
MiniMax 發布 H3-Image，這是一款建構於 H3 的開放權重影像生成模型，支援文字轉影像、基於參考的生成與影像編輯，且能在 10 秒內產出 4096 × 4096 的影像。該公司表示它最多可處理 16 張參考影像，並宣稱在開放權重模型中擁有最先進的提示詞遵循能力，同時回報速度最高可達主流替代方案的 5 倍。H3-Image 可透過 MiniMax API Platform、MiniMax Code 與 Hailuo AI 使用，定價為同類產品的 50–70%，上市首週 4K 及以上請求享 5 折優惠。
推薦理由：MiniMax 發布開放權重的 H3-Image，宣稱可在 10 秒內生成 4K 影像，且定價為同類主流產品的 50–70%，為開發者提供高解析度影像工作的新開放選項。
Google Developers Blog精選AI 評分7575 Google 發布 A2UI 1.0，一個用於代理生成原生 UI 的穩定開放協議
Google 發布 A2UI 1.0，這是其開放協議的首個穩定版本，讓 AI 代理能以互動式畫面回應，並由各應用程式自身的原生元件渲染。1.0 版新增雙向函式呼叫、無障礙支援與擴充元資料，並提供 React、Angular、Lit、Flutter、SwiftUI 與 Jetpack Compose 的開源渲染器（Compose 渲染器為 0.9.1 版，1.0 版即將推出），以及 Python、TypeScript 與 Dart 的代理 SDK。Atlassian 正將 A2UI 引入 Jira，Alation 在 Claude 中以它渲染其資訊流，而字節跳動於 2026 年 6 月發布了 Lynx 渲染器，目前支援 0.9 版。
推薦理由：Google 穩定的 A2UI 1.0 協議讓代理能回傳原生互動式畫面，而非大段文字，並提供網頁、Android 與 iOS 的渲染器，早期採用者包括 Atlassian 與字節跳動。
Amazon Science精選AI 評分6262 Amazon 發布 Mitra-v2 表格基礎模型，採用規模化合成預訓練
Amazon 推出 Mitra-v2，這是第二代用於分類與迴歸的表格基礎模型，隨附微調後的模型以及推論與微調程式碼，以 Apache-2.0 授權在 Hugging Face 上發布。它是在合成表格上預訓練的，列數是 Mitra-v1 的 10 倍、欄數約為 3 倍，採用新的混合 SCM 先驗與混合優化器，同時保持 Transformer 架構不變。在涵蓋 51 個真實世界資料集的公開基準 TabArena 上，Mitra-v2 在單一模型領域領先，在兩者皆原生執行的 33 個資料集中有 32 個勝過 Mitra-v1，並在一小時預算內完成全部 51 個資料集；微調後的 Mitra-v2 也在 ScoringBench 上排名第一。
推薦理由：Mitra-v2 顯示，擴大合成預訓練資料而非加深網路，能將表格基礎模型推上 TabArena 單一模型領域的頂端。
LiveKit BlogAI 評分4040 LiveKit Portal for ROS 2 發布：透過 WebRTC 橋接 ROS 圖
LiveKit 發布了 LiveKit Portal for ROS 2，這是一個獨立的 ROS 2 節點，可將 ROS 圖連接到 LiveKit 房間，讓 ROS 與非 ROS 參與者能透過 WebRTC 交換主題、服務呼叫與視訊，而無需在網路上暴露 DDS。它支援四種資料路徑——透過 DataTracks 傳輸主題、透過 RPC 傳輸服務、將影像作為 VideoTracks，以及直接視訊來源——並以 YAML 規則控制方向、速率限制與結構描述編碼。一個示範將立體 SLAM 與場景重建從 Jetson Orin Nano 漫遊車卸載到桌上型 RTX 5090。
Google Developers Blog精選AI 評分7272 Google AI Edge Gallery 新增裝置端語音辨識與文字轉語音功能
Google 在 Google AI Edge Gallery 中推出裝置端自動語音辨識（ASR）與文字轉語音（TTS），讓應用程式能完全離線執行多語言 ASR 與富表現力的 TTS，並可與 Gemini Nano、Gemma 4 等裝置端 SLM 並行運作。在 Android 上，ML Kit 的新語音模型能以 10 倍即時速度轉錄 100 多種語言，在 FLEURS 上的字錯誤率（WER）為 8.0% 至 9.0%；而少步擴散 TTS 約 100 毫秒即可開始發聲，並以最高 50 倍即時速度生成 24 kHz 音訊。跨平台支援透過 MediaPipe Tasks 與 LiteRT 提供，包含 Parakeet-TDT 0.6B、PocketTTS 100M、Kokoro-82M 與 Phonon 31M 等開放權重套件，並在 XR Language Teacher 展示與語音版 AI Chat 中示範。
推薦理由：Google 為 AI Edge Gallery 加入完全離線的 ASR 與 TTS，ML Kit 回報可 10 倍即時速度轉錄 100 多種語言，擴散 TTS 約 100 毫秒即可開始發聲。
Hugging Face BlogAI 評分3838 NVIDIA 與 Elith 發布 Nemotron-Personas-Finance-Japan 合成資料集
Elith 與 NVIDIA 發布 Nemotron-Personas-Finance-Japan，這是一個以政府官方統計資料為基礎、針對日本金融業打造的開放合成人物資料集。它包含 50 個領域、約 15 億個 token 的 900 萬個人物（100 萬筆記錄 × 9 個人物），以 NeMo SDG-PGMs 與 NeMo Data Designer 生成，並以 CC BY 4.0 授權提供商業使用。
NVIDIA Blog精選AI 評分7070 NVIDIA 在 CoRL 發表 GR00T 2 世界動作模型與 Isaac Lab 3.0
NVIDIA 在 CoRL 推出 GR00T 2，這是一個建構於 Cosmos 之上的開放世界動作模型，以 10 萬小時的人類第一人稱視角資料訓練，同時發表 Isaac Lab 3.0 與新的機器人基準測試。GR00T 2 在沒有任務特定示範的情況下，於 50 項受評任務中至少完成 40 項；在每項任務各給一次示範的條件下，50 項任務平均成功率達 71%，給五次示範則升至 95%。Isaac Lab 3.0 加入 Newton 物理整合以支援可變形物體，並在一個基於視覺的靈巧操作基準測試中，回報其訓練吞吐量最高可達搭載 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推薦理由：NVIDIA 在 CoRL 的發布顯示，模擬加上世界動作模型如今已鎖定精細組裝作業，GR00T 2 與 Isaac Lab 3.0 的細節值得與先前的機器人技術堆疊相互比較。
Hugging Face BlogAI 評分4040 HOPE：混合專家語言模型中的高階專家剪枝
研究人員提出 HOPE，一種針對混合專家語言模型的二階專家剪枝方法，該方法考量共同激活專家之間的成對交互作用，而非獨立地為每個專家評分。在 50% 剪枝率下，HOPE 取得所有方法中最佳的平均排名，在代理式編碼任務上相較於次佳的剪枝方法最高提升 +6.1%。此研究針對 Qwen3.5-122B 等模型的記憶體瓶頸，其中專家 MLP 佔據約 250 GB 足跡的 95%。
Zyphra Research精選AI 評分7878 Zyphra 發布 ZONOS3-Mini：一款可在裝置端執行的 Apache 2.0 零樣本語音複製 TTS 模型
Zyphra 發布 ZONOS3-Mini，這是一款稀疏 MoE 文字轉語音模型，具備 1 億活躍參數與 8 億總參數，採用 Apache 2.0 授權，以 112 張 NVIDIA H100 訓練 2.5 天。它在 Pixel 9 的瀏覽器上可達到低於 570 毫秒的首次音訊延遲，在 M3 MacBook Air 上則低於 150 毫秒，並提供 WebGPU、SGLang、vLLM 與 GGML 的執行環境。該模型新增對身分、口音、品質、情緒與表達方式的控制，包括詞級引導，且 Zyphra 表示它在其新的 ZTTS2-Eval 基準測試中於開源模型裡排名第一。
推薦理由：Zyphra 這款精巧的 MoE TTS 模型將零樣本語音複製與詞級表達控制結合，同時能在手機與筆記型電腦上即時執行。
inclusionAI RepositoriesAI 評分3838 ZoomGain：挖掘全域到縮放感知落差以實現細粒度視覺監督
ZoomGain 利用只有放大後才會清晰的視覺細節，針對整張影像建構問題，並將這種全域到縮放的感知落差作為視覺語言模型的監督訊號。本次發布包含 arXiv 論文、ZoomGainBench 基準（1,000 道問題，涵蓋 941 張影像，涉及屬性辨識、計數與 OCR）、涵蓋 7,713 張來源影像的 9,000 筆 RL 訓練紀錄，以及 ZoomGain-4B 與 ZoomGain-9B 檢查點。28 個模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多項細粒度與通用感知基準上達到更優異的表現。
Google Developers Blog精選AI 評分6060 Google Cloud MaxText 新增上下文平行處理，支援 TPU 上的長上下文訓練
Google Cloud 在 MaxText v0.2.4 中發布長上下文訓練支援，這是其開源的 JAX 訓練框架，在 Cloud TPU 上新增四種上下文平行策略：All-gather、A2A（DeepSpeed Ulysses）、P2P（Ring Attention）以及 A2A + P2P 混合（USP）。以 Llama 3.1 8B 進行的基準測試在 TPU 5p 上、序列長度最高達 400 萬個 token 時達到 70% MFU，上下文在 TPU 5p 和 TPU 7 上均擴展至 1400 萬個 token，其中 TPU 7 在低於 600 萬個 token 時維持 50% MFU。此版本已於 PyPI、Docker 映像檔和 GitHub main 上發布，並附有 TPU 7 和 TPU 5p 的範例配方。
推薦理由：MaxText 在 Cloud TPU 上的四種上下文平行策略，加上 Llama 3.1 8B 的基準 MFU 數據，為團隊在選擇如何進行數百萬 token 序列長度的訓練時提供了具體參考。
Hugging Face BlogAI 評分5858 Ai2 發布 ToyBlocks，一個用於機器人學習的開放模擬積木操作世界
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面積木構建的開放模擬框架，是其 FoundationWorlds 系列中用於受控機器人學習與評估的首個成果。該框架在 Isaac Lab 中透過強化學習與運動規劃自動生成技能與示範，在單一 GPU 上可達最高 24 倍即時速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在其實驗中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在真實 Franka FR3 上為 81.1%；而 Molmo 2 加 ManiFlow 系統在模擬與真實世界回合中的成功率分別為 55.5% 與 50.0%。
Ai2 · Allen Institute for AIAI 評分5858 Ai2 發布 ToyBlocks，一個用於機器人學習與評估的可控模擬世界
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面上積木建構的開放模擬框架，作為其 FoundationWorlds 中首個用於可控機器人學習研究的項目。ToyBlocks 透過 Isaac Lab 中的強化學習與運動規劃自動生成任務與示範，在單一 GPU 上可達最高 24 倍的即時資料生成速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在 Franka FR3 的真實世界測試中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在硬體上為 81.1%；而 Molmo 2 加 ManiFlow 系統則在模擬回合中成功 55.5%，在真實回合中成功 50.0%。
vLLM Blog精選AI 評分7777 REINFORCE Zero：核心對齊讓非同步 RL 在策略延遲 64 下穩定訓練，並擴展至 DeepSeek-V4.1 與 Kimi K3.1
NVIDIA Research 與 Inferact 的 REINFORCE Zero 論文顯示，對齊 rollout 與訓練器的核心，可讓未裁剪的 token 級重要性取樣修正剩餘的權重延遲，在策略延遲 64 下穩定訓練 20,000 次更新，並在核心對齊時達到同步訓練 2.40 倍的訓練步吞吐量。使用標準核心時，rollout 到學習器的 KL 中位數在整個訓練過程中上升 83.33 倍，線上 AIME24 pass@1 從 34.27% 降至 13.96%，而序列閘門雖能穩定訓練，但在最後 1,000 次更新時會拒絕 24.48% 的序列。零不匹配設定現已涵蓋 DeepSeek-V4.1-Flash、發布當日的 Kimi K3.1，以及在 AMD MI355X 上的 DeepSeek-V4-Flash 與 Kimi K3.1，程式碼位於 Inferact/zero-mismatch-rl 與 NVIDIA-NeMo/labs-molt。
推薦理由：NVIDIA Research 與 Inferact 將非同步 RL 的 rollout 與學習器差距拆分為權重延遲與核心不匹配，顯示對齊核心可讓未裁剪的重要性取樣在策略延遲 64 下維持穩定訓練。
vLLM BlogAI 評分5555 VeRL-Omni v0.3.0 發布，支援非同步訓練與更廣泛的多模態後訓練
VeRL-Omni v0.3.0 已發布，帶來非同步與解耦的 RL 執行路徑、以 V1 trainer 作為預設，並擴展了涵蓋圖像、影片、音訊與多模態理解的後訓練範圍。此版本新增全非同步的 Qwen3-Omni 文字與音訊訓練、搭配 replay buffer 的 separate-async Omni 與擴散訓練，以及包括 MiniMax H3 搭配 DiffusionNFT 與 MiniCPM-o 4.5 GSPO 的新配方。在 4×H800 80 GB 上進行的 MiniCPM-o 4.5 AVQA 實驗中，separate-async 3+1 在自然回應長度下每個 prompt 比 colocated 4+0 慢約 9%，在 512 tokens 時大致持平，在 1024 tokens 時則快約 6.7%。
Zyphra ResearchAI 評分3636 ZYFA：在 AMD MI355X 上快速且準確的 FP8 注意力核心
Zyphra Research 發布了 ZYFA，這是針對 AMD MI355X（CDNA4、gfx950）的 BF16 與 FP8 因果預填充注意力核心，支援頭維度 128 以及 DeepSeek-V2 的 MLA 形狀。在 Mistral-7B、Qwen3-8B 與 DeepSeek-V2-Lite 於 16K token 的激活值上，ZYFA 的 FP8 核心達到 AITER 吞吐量的 1.16–1.76 倍；在 32K token 的高斯輸入上，頭維度 128 時為 1.26–1.37 倍，MLA 形狀時為 1.99 倍。在頭維度 128 時，FP8 誤差比 AITER 低 62–78%。
inclusionAI RepositoriesAI 評分3838 ASpec：用於推測解碼草稿模型的高吞吐量訓練框架
ASpec 是一個用於推測解碼草稿模型的高吞吐量訓練框架，基於 TorchSpec 程式碼庫建構，具備優化注意力、融合核心以及選擇性 head/loss 計算。在 Qwen3-8B 4K 執行中，僅草稿訓練在單一 GPU 上達到 15,256.44 輸入 token/秒，為 TorchSpec 的 1.96 倍，而 8-GPU 線上穩定視窗則達到 77,721.37 token/秒，為 TorchSpec 的 2.28 倍。它支援 DSpark、DFlash、EAGLE3/4 與原生 MTP 草稿，並提供 Qwen3-8B 與 Ling tiny 快速入門。
Google ResearchAI 評分4747 Google Research 的 Agile Deliberation 協助人類定義主觀的 AI 類別
Google Research 推出 Agile Deliberation，這是一套框架，將主觀 AI 分類器的建立轉化為反覆對話，由 AI 協助使用者釐清自己的定義。它將任務拆分為概念範疇界定與概念迭代，運用視覺語言模型找出邊界案例影像，並將回饋導入自動提示優化迴圈。在 18 場各 1.5 小時的實際使用者工作坊中，此方法減輕了使用者的疲勞與焦慮，並產出更一致的模型，表現優於標準基準；程式碼已在 GitHub 開源。
Preferred Networks News精選AI 評分7171 PFN 發布 PLaMo 3 Translate 開源權重翻譯 LLM，鎖定邊緣裝置
Preferred Networks 於 11 月 5 日在 Hugging Face 上，以開源權重模型形式發布 PLaMo 3 Translate，這是其 PLaMo Translation 服務所採用的翻譯專用 LLM。共有 0.8B、2B、8B 與 31B 四種規模，支援包含日文與英文在內的 53 種語言，可在智慧型手機、筆記型電腦與內部伺服器上執行，無需連線雲端。
推薦理由：PFN 發布翻譯專用 LLM，提供從 0.8B 到 31B 的四種規模，讓企業與個人能在裝置端執行 53 種語言的翻譯，無需雲端存取。
Artificial Analysis ArticlesAI 評分5858 Nanbeige 發布 Nanbeige4.3-33B，在 Artificial Analysis Intelligence Index 上得分 20
Nanbeige 發布了 Nanbeige4.3-33B，這是一個以 Apache 2.0 授權的開放權重稠密推理模型，在 Artificial Analysis Intelligence Index v5 上得分 20，與 Qwen3.8 27B（xhigh）的 20 分持平。該 33B 模型具有 524K token 的上下文視窗，僅支援文字輸入與輸出，且尚無確認的公開 API；它在 Terminal-Bench 4.0 上得分 30%，而 Qwen3.8 27B 為 6%，但在 HLE-Diamond 上落後（7% 對 15%）。在 AA-Omniscience v1.1 上，其幻覺率為 18%，而 Qwen3.8 27B 為 29%，拒答率為 71%；此外，它在每個 Intelligence Index 任務上使用 158K 輸出 token，而 Qwen3.8 27B 為 110K。
Mistral AI精選AI 評分8686 Mistral 為 Mistral Large 4（Le Chonk）釋出開放權重，這是一個 1 兆參數的多模態模型
Mistral AI 釋出了 Mistral Large 4（Le Chonk）的開放權重，這是一個 1 兆參數的原生多模態模型，於本月稍早進入公開預覽，並在歐洲從零開始訓練。該公司表示，額外三週的強化學習將其推升至開放權重編碼的頂端，在 Terminal-Bench 4.0 上達到 41%，在 Artificial Analysis Coding Agent Index 上達到 48%，同時每項任務使用的 token 比 GLM-5.3 少 47%。它新增了低、中、高三種推理模式，在 Artificial Analysis Cyber Index 上得分 51%，並在修改版 MIT 授權下，定價為每百萬 token 輸入 $0.70、快取輸入 $0.07、輸出 $2.10。
推薦理由：Mistral 開放其 1 兆參數旗艦模型的權重，將編碼與防禦性安全基準的進展，與三種推理模式和按 token 計價結合在一起。
inclusionAI RepositoriesAI 評分5252 Inclusion AI 的 IDM 在生成器自身的 EMA 特徵空間中進行匹配，加速一步與兩步文字生成圖像
Inclusion AI 與學術合作者發布 IDM，一種結合內部分佈匹配與生成器自身 EMA 特徵空間中矩匹配的蒸餾方法，無需外部特徵編碼器。在 2 NFE 下，IDM（Z-Image）在 LongText-CN 上得分 94.25%，在 LongText-EN 上得分 90.20%；全參數 IDM（Z-Image）在單張 A100 上以 BF16 運行，1 NFE 耗時 0.25 秒，2 NFE 耗時 0.30 秒。同一個訓練好的檢查點同時支援 1-NFE 與 2-NFE 取樣，程式碼以 Apache 2.0 授權釋出，檢查點則標示為即將推出。
inclusionAI ModelsAI 評分3434 inclusionAI 發布 Ling-3.0-flash-Sante-fp8，一款 FP8 量化的醫療保健模型
inclusionAI 發布了 Ling-3.0-flash-Sante-fp8，這是其醫療保健專用模型 Ling-3.0-flash-Sante 的 FP8 量化版本，維持 124B 總參數與每 token 5.1B 活躍參數。它在醫療保健基準測試上達到與 BF16 檢查點相同的 73.9 平均分，同時為支援 FP8 的硬體降低了權重記憶體佔用。該研究用途模型支援 256K token 上下文，並預設為思考模式且支援工具呼叫。
Ai2 · Allen Institute for AIAI 評分4040 研究人員如何調整 olmOCR 2 以適用於歷史與考古檔案
研究人員正在調整 Ai2 的開源 olmOCR 2 模型，用以轉錄歷史與考古檔案。歷史學家 Maurice Casey 打造了 ArtificeOCR，讓 olmOCR 2 搭配 Tropy 在本機執行，使他收藏的檔案照片庫可供關鍵字搜尋；而維也納工業大學（TU Wien）的 CENTURIA 專案則以 LoRA 對 olmOCR 2 進行微調，使用 57 筆標註紀錄，將 450 筆測試紀錄的轉錄錯誤率從 15.58% 降至 1.11%。
inclusionAI RepositoriesAI 評分2828 UBTree 專案頁面：以 Unigram 與 Bigram 模型進行平行樹狀草稿的推測解碼
UBTree 專案頁面介紹 UBTree，這是一種使用 unigram 與 bigram 模型草擬平行 token 樹的推測解碼方法，詳見 arXiv:2609.39972。示範影片在 Ling3 Tiny 與 Flash 上，使用未經修改的 HumanEval anti_shuffle 與 bf 提示，比較 UBTree 與 AR、DFlash 及 DSpark，四種方法產生的輸出 token 完全相同。該網站是以純 HTML/CSS/JS 透過 GitHub Pages 提供，圖表與表格的數字存放在 static/js/data.js。
Amazon ScienceAI 評分3838 TorchNeuron 背後的科學：Amazon 為 AWS Trainium 晶片打造的全新 PyTorch 後端
Amazon 發布了 TorchNeuron，這是一個開源的 PyTorch 後端，能將 PyTorch 程式碼轉換為可在 AWS Trainium 系統上執行的操作，且幾乎或完全無需修改程式碼。它新增了一個可選用的自適應 eager 模式，會將操作分組並編譯，以達到接近編譯後的效能，另外還有多層 NEFF 快取；在一項 64 程序的 LLM 測試中，共享編譯服務將首次訓練步驟的時間縮短了約三分之一。Annapurna 團隊使用從數十萬個開源模型中精選出的 841 個代表性模型，對其進行了調校與基準測試。
Modal Blog精選AI 評分7171 Modal 發布 Spindle，一個開源、相容於 Tinker 的訓練伺服器
Modal 發布了 Spindle，這是一個開源、相容於 Tinker 的訓練伺服器，可在客戶的 Modal 工作區中運行，讓團隊能自訂技術堆疊，並按 GPU 時間而非 token 計費。Spindle 支援對開源模型進行全參數訓練與多 LoRA，Modal 表示，在一個 DAPO-math GRPO 任務上，讓 8 個客戶端共用一個訓練器，相較於 Tinker，每 100 萬輸出 token 的成本最多可降低 80%。Modal 表示 Spindle 仍處於 beta 階段，並將其定位於自家的 Dojo 訓練函式庫與原始叢集基礎元件之間。
推薦理由：Modal 的開源 Spindle 伺服器為團隊提供了一個相容於 Tinker 的替代方案，以 GPU 時間取代按 token 計費，據稱多 LoRA 共用可將成本最多降低 80%。
Ai2 · Allen Institute for AIAI 評分5858 Ai2 發布 OlmoEarth v1.3 衛星嵌入模型，附全球預先計算嵌入與瀏覽器探索工具
Ai2 發布 OlmoEarth v1.3，這是一款衛星嵌入模型，能將一整年的 Sentinel-1、Sentinel-2 與 Landsat 時間序列，轉換為每個 10 公尺像素一個 128 維向量，其中前 64 維可作為較小的嵌入使用。Ai2 預先計算了全球的年度嵌入並發布於 Source Cooperative，其 128 維嵌入在 27 項評估中的 20 項拿下最高分，對手包括 AlphaEarth Foundations 與 Tessera v2，其中也包含一項名為 PLANTEUR 的熱帶作物新基準。此次發布還包括 OlmoEarth Embeddings Explorer，這是一款免登入的瀏覽器工具，可比較不同年份、尋找相似地點，並即時訓練小型分類器，涵蓋 2025、2024 與 2023 年全球範圍，以及 2017 至 2022 年部分國家；權重、預訓練資料與程式碼皆為開放。
inclusionAI ModelsAI 評分5858 inclusionAI 發布 Ling-3.0-flash-Sante，一款 124B 醫療專業化 MoE 模型
inclusionAI 發布 Ling-3.0-flash-Sante，這是一款以 Ling-3.0-flash 為基礎打造的醫療專業化模型，總參數 124B、每 token 激活參數 5.1B，權重已上架 Hugging Face 與 ModelScope。它採用混合線性 MoE 架構，結合 Kimi Delta Attention、門控 MLA 與稀疏 MoE 層，訓練上下文達 256K tokens，預設啟用思考模式，並可透過相容的服務框架進行工具呼叫。該公司將其標示為研究模型而非醫療器材，並表示其輸出不得取代專業醫療建議、診斷或治療。
MiniMax Blog精選AI 評分6262 MiniMax Code 推出 Mini App 執行環境，內建託管 MCP 與開源儲存庫
MiniMax 在 MiniMax Code 桌面應用中推出 Mini App，這是一種外掛格式的應用程式，具備前端與 Node.js 後端，讓 Agent 的工作保留在一個持續運行的頁面上，而不是散落在各段對話中。此次發布包含具備持久化資料目錄的執行環境、託管 MCP、Agent API、Host Connectors 與頁內工具核准，以及可從一句話需求直接生成可用頁面的 /miniapp-creator，還有外掛市集中的官方 Mini Apps。MiniMax Bot 本身就是一個 Mini App，其原始碼與社群打造的 Mini Apps 現已收錄於開源的 MiniMax-Code-MiniApps 儲存庫；Mini Apps 可在 macOS 與 Windows 的本機工作階段中使用。
推薦理由：MiniMax Code 把 Agent 的工作從對話流搬進常駐頁面，並公開了 Mini App 的執行環境與開源儲存庫，為 Agent 工具形態提供了一種可參考的架構。
Modal BlogAI 評分5858 Modal 推出 Dojo，一個用於生產級 LLM 訓練的函式庫
Modal 發布了 Modal Dojo，這是一個訓練函式庫，提供建構模組、調校過的預設配方，以及可觀測性儀表板，用於生產級的 LLM 後訓練。它建構在開源框架 Miles 和 Slime 之上，支援從五億到數兆參數的模型，並提供 API 和 CLI，讓代理可以驅動以啟動和除錯執行。Modal 表示 Axiom Bio 使用它擴展到 64k 上下文的 DeepSeek V4.1 Flash 在 64 台 B300 上執行，而 Afterquery 以 256k 上下文長度訓練 Kimi 和 DeepSeek。