跳到正文
9月22日周二
9月20日周日
  1. Qwen:Blog Retrieval72

    Qwen 开源 Qwen-Image-2.1:7B 统一生成与编辑并原生支持透明图像

    Qwen 团队开源 Qwen-Image-2.1,将文生图与图像编辑统一到一个模型中,视觉生成组件仅 7B 参数,并原生支持生成和编辑透明图像。模型支持最多 10 张参考图、圆形/涂鸦/独立蒙版指定局部编辑,通过混合粒度注意力架构和 KV cache 复用提升推理效率,同时改进文字渲染、人像光照与人物产品保真度,并覆盖全景图、信息图和分镜等任务。

    推荐理由:官方详解了 7B 统一图像模型的透明图像生成、10 图参考编辑与推理优化,读者可据此评估在设计等场景的可用性。

9月18日周五
  1. Anthropic:Research74

    Anthropic:Claude 四周优化 30 多个开源生物分子模型,平均提速约 4 倍并开源代码

    Anthropic 让 Claude 在不到四周内优化了超过 30 个开源生物分子模型,平均提速约 4 倍、精度损失极小,输出完全一致时也有近 2 倍加速。优化代码全部开源,还推出低内存 Big 模式,可在单张 NVIDIA GPU 节点上对超过 10,000 token 的生物分子系统做准确预测。

    推荐理由:Anthropic 公布了完整提速数据、开源代码和比赛入口,读者可以据此评估 AI 优化科学计算代码的实际水平。

  2. Google Developers Blog63

    Google 与 Speakeasy 开源 OpenAPI SDK 生成套件

    Google 与 Speakeasy 合作,将 Speakeasy 的 OpenAPI 客户端代码生成套件以 AGPLv3 许可开源,此前原 SDK 生成供应商被收购并突然宣布关停,凸显闭源生成器的平台风险。

    推荐理由:原文交代了开源 SDK 生成器的许可、语言覆盖和迁移背景,开发者可据此评估能否替代自有闭源生成管线。

  3. Qwen:Blog Retrieval78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash,主打音视频智能体任务交付

    Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash,支持文本、图像、音频和视频输入及 1M token 上下文窗口,29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%,音频输入每小时价格下降超过 98%,音视频输入每小时价格下降超过 93%。

    推荐理由:官方发布同时开放 API 和开源插件与运行时,读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

9月17日周四
9月16日周三
  1. Baseten Base Labs:模型研究47

    Baseten 与 Base Labs 联合 Goodfire、Hugging Face 构建开放模型安全基础设施

    Baseten 与 Base Labs 宣布为所服务的开放模型构建安全评估与监控基础设施,并与 Goodfire、Hugging Face 合作。该设施将安全研究直接接入训练与推理系统,覆盖训练、监控与干预、从失败中学习三个环节。Base Labs 负责开发并公开训练与监控方法,Baseten 将其集成到部署基础设施中,以托管服务形式提供,并公开方法和证据供客户与外部评估者验证。

9月14日周一
  1. LangChain:Blog65

    LangChain 详解如何构建其付费媒体 Agent 并开源

    LangChain 发布长文,复盘自建付费媒体 Agent 的构建过程并已开源。该 Agent 运行在 Slack 中,半年内将付费渠道贡献从 0 提升至营销管线的 20%,合格线索成本(CPL)从 6 月到 8 月下降 30%。

    推荐理由:LangChain 亲述自建付费投放 Agent 的架构与实测数据,五层上下文和单一运行时等经验可直接迁移到其他 Agent 工程。

9月13日周日
9月10日周四
  1. Cohere 产品与研究博客66

    Cohere 发布开源权重翻译模型 North Small Translate,WMT26 得分 83.60 超越 DeepL 与 Google Translate

    Cohere 发布机器翻译模型 North Small Translate,为 MoE 架构,总参数 218B、激活 25B,支持 50+ 语言,WMT26 全语言得分为 83.60,高于 DeepL NextGen 的 81.37 和 Google Translate 的 68.20,Agentic 版本达 84.36。

    推荐理由:官方公布了 WMT26 各语言和分区域得分、吞吐与单任务成本数据,读者可据此评估其相对 DeepL 和开源模型的位置。

9月9日周三
  1. Together AI 研究与产品博客68

    Together AI 深度解析开源模型 AI 编码栈 MIGHT

    Together AI 发布深度解析文章,介绍开发者从闭源模型转向开源模型所需的 AI 编码栈,提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。

    推荐理由:原文给出开放权重模型编码栈的分层框架,读者可据此按任务选模型、按价格选供应商并保持工作流稳定。

  2. 蚂蚁百灵:Developer Blog64

    蚂蚁百灵开源首个原生多模态大模型 Ling-3.0-flash-VL

    蚂蚁百灵发布并开源首个原生多模态大模型 Ling-3.0-flash-VL,基于 Ling-3.0-flash 的 MoE 架构拓展,总参数 124B、单次推理激活 5.5B,原生支持图像、文本与视频输入,上下文窗口 256K Token。

    推荐理由:官方给出架构参数、视觉反馈机制和评测细节,可帮助读者判断原生多模态训练对文本能力的实际影响。

9月8日周二
  1. Berkeley RDI:Blog61

    Berkeley RDI 发布开源平台 CUA-Lite,面向计算机使用智能体

    Berkeley RDI 推出开源平台 CUA-Lite,为计算机使用智能体提供三个标准化抽象。其环境接口下运行 15+ 个覆盖桌面、浏览器和移动端的基准,并提供含 30k+ 可验证任务的免 VM 桌面沙箱;统一监督数据格式已转换 10+ 个公开 CUA 数据集;每模型一个 harness 在评测、SFT 和 RL 间共享,支持 14 个模型族。

    推荐理由:原文说明了平台的三项标准化抽象及覆盖规模,读者可以据此评估它在整合分散的计算机使用智能体资源上的可用性。

  2. vLLM 官方博客63

    vLLM x AgentX:面向真实世界智能体推理服务的全栈优化

    vLLM 团队发布针对智能体负载优化的博客,基于 SemiAnalysis 的公开 AgentX 基准展示成果:DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。

    推荐理由:vLLM 团队结合 AgentX 实测数据讲解智能体负载的全栈优化方法与失败教训,读者可以借此理解并行策略如何跟随模型架构调整。

9月6日周日
9月4日周五
9月3日周四
  1. NVIDIA Blog91

    NVIDIA 宣布以 129.303 亿美元收购 Hugging Face

    NVIDIA 宣布已同意以 12,930,300,000 美元收购 Hugging Face,黄仁勋在官方博客公布了这一消息。Hugging Face 目前有超过 1800 万开发者,托管超过 300 万个模型、50 万个数据集和 100 万个应用,服务超过 20 万家企业。

    推荐理由:原文来自收购方本人,给出了收购金额和对平台开放性的具体承诺,读者可以据此评估对开源生态的影响。

9月2日周三
  1. Baseten 工程博客62

    Baseten 解析后训练最佳开源模型并按成本分档推荐

    Baseten 发文解析开源模型后训练的成本驱动因素,指出活跃参数量是 RL 后训练成本的最大来源,总参数和 KV cache 主要限制推理速度,并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

    推荐理由:原文把后训练成本拆解为活跃参数、总参数和 KV cache 三个因素,并按成本档位比较了多款开源模型,方法可直接迁移到选型。

9月1日周二
  1. 上海人工智能实验室 InternLM:原创项目63

    上海AI实验室发布 InternLumina-U2:16B-A1B 多码本扩散统一多模态模型

    上海AI实验室发布 InternLumina-U2,一个 16B 参数(激活 1B)的 MoE 扩散语言模型,用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。

    推荐理由:原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明,读者可以了解统一理解与生成模型的一条新路线。

  2. Microsoft Research 博客72

    微软研究院发布高效病理基础模型 GigaPath-Flash 与 GigaTIME-Flash

    微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash,旨在通过蒸馏技术大幅降低计算成本以支持大规模病理研究。GigaPath-Flash 将十亿参数模型压缩至 22M 参数,在保持竞争力的同时实现约 50 倍的算力节省;GigaTIME-Flash 则提升了空间蛋白质组学预测效率并改善了泛化能力。两款模型均以 Apache 2.0 协议开源,专为科研设计而非临床诊断,使研究人员能在单 GPU 上处理百万级切片数据。

8月31日周一
  1. OpenClaw:Blog72

    OpenClaw 2.0 发布:迄今最大更新,由 933 位贡献者打造

    OpenClaw 2.0 正式发布,这是其历史上最大的一次更新,由 933 位贡献者(含 569 位首次贡献者)提交的超过 16,000 个 pull request 组成。新版简化了安装流程,重建了浏览器应用,并新增共享云会话功能,支持多人协作。OpenClaw 为开源项目,更新涵盖安装、消息、记忆、技能、模型、自动化、浏览器、插件及安全等全部模块。