美国开源模型初创公司 Reflection AI 与欧洲 AI 基础设施公司 Nebius 签署了一项价值 10 亿美元的算力协议。Nebius（原 Yandex 国际部门）将向 Reflection 提供英伟达最新芯片。此前数周，Reflection 刚与 SpaceX 达成类似算力合作。该公司由两位前 Google DeepMind 研究员于 2024 年创立，目前估值 80 亿美元，已从英伟达、红杉资本等投资者处筹集近 26 亿美元。该交易反映了 AI 公司为训练和部署模型而竞相获取算力的行业趋势。
今年春季，中国开源权重模型占Hugging Face下载量的41%，超越美国模型。OpenRouter上最受欢迎的六个模型均来自腾讯、小米、DeepSeek等中国公司，Anthropic的Claude Opus 4.7仅排第七。Vercel数据显示，6月开源模型处理了平台上近三分之一的AI请求。Hugging Face CEO认为企业更倾向拥有自己的AI模型，平台每7秒创建一个新仓库。微软CEO Satya Nadella警告企业应避免单一模型供应商锁定。
腾讯混元将 295B 参数的旗舰模型 Hy3 量化至 1bit 与 4bit，并打包成 GGUF 格式。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，单张 96GB 推理显卡即可部署；4bit 版本（Q4_K_M）体积 169.9 GiB，需两张显卡。量化版本在 Agent 能力、多语言代码、工具调用和长文理解等任务上贴近满血模型。团队还开发了 llama.cpp 的 MTP 投机解码 patch，开启后 1bit 版本解码速度提升约 50%，4bit 版本提升接近 60%。此外还提供 GPTQ Int4 版本，可通过 vLLM 部署。
小红书以 3 人 3 天推出内测版本，约一个月实现全员覆盖，核心是 AI Native 项目运作机制。技术选型基于 OpenClaw 二次开发，通过 Seal AI Zone 隔离集群与 NEX 沙箱解决安全，Self-GC 使输入 Token 下降 10%~15%、Auto 模式路由使成本降低 69%，并自研 LLM Wiki 三层记忆架构与 Skill Hub 生态。
推荐理由：从物理隔离到三层记忆，这套方案把 OpenClaw 定制为企业个人助理，沙箱和成本控制细节对同类实践有直接参考价值。
Tencent Hy@TencentHunyuanAI 评分7575🚀Hy3 is here. 295B MoE. Best in its size class. Rivals trillion-scale flagships. Reliable and affordable for most agentic usecases. Apache 2.0. Friendly for commercial use. FREE API for 2 weeks → https://openrouter.ai/tencent/hy3:free 🤗 https://huggingface.co/tencent/Hy3 📖 https://hy.tencent.com/research/hy3
腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推理显卡即可部署；4bit 版本（Q4_K_M）体积 169.9 GiB，两张显卡可承载。量化版在 Agent、多语言代码、工具调用、长文理解等任务上表现接近满血模型。团队还提供 GPTQ Int4 版本，支持 vLLM 部署。配合 MTP 投机解码，1bit 版本解码速度提升约 50%，4bit 版本提升近 60%。所有版本已开源并打包为 GGUF 格式，适配 llama.cpp 生态。
同一件事，精选收录的是《腾讯混元发布 Hy3 1-bit 与 4-bit 版本》
腾讯混元将295B参数的Hy3旗舰模型权重量化至1bit与4bit并打包成GGUF，配合llama.cpp生态，使原本需多卡集群部署的模型最少一张96GB推理显卡即可运行。1bit版将权重从598GB压缩至85.5GiB，4bit版体积169.9GiB，两张显卡可承载；量化版在长文理解、Agent与代码任务上贴近满血效果，开启MTP后解码速度提升约50%-60%。
推荐理由：将 295B 旗舰模型量化至单卡部署，1bit 版本在长文理解上仍接近满血，且提供 MTP 加速，改变了本地运行大模型的门槛与成本考量。
Google AI 工程师指出，使用合成随机向量数据测试向量搜索性能可能导致误导性结果。对于 HNSW 索引，合成数据构建耗时 6,601,789 毫秒，而真实数据仅需 4,174,196 毫秒，速度快 1.5 倍，因为随机向量缺乏自然聚类结构，使图索引的节点连接更难建立。
推荐理由：玩pgvector或AlloyDB向量搜索的开发者应该看看这篇，用合成数据测HNSW索引召回率可能只有3%，而真实数据超90%，附带完整SQL复现脚本。
OpenRouter@OpenRouterAI 评分6262新功能：在 https://openrouter.ai/rankings 上，为开源权重模型和闭源权重模型分别设立了独立的排行榜。
SenseTime@SenseTime_AI精选AI 评分7474推荐理由：商汤把检测、OCR、深度估计等多个视觉任务塞进一个7B模型，还贴心地开源了数据集和复现工具，做视觉理解或GUI agents的团队可以直接拿它当基座，不是又一个刷榜的轻量版。
开源 AI 智能体 Hermes 的开发商 Nous Research 正由 Robot Ventures 领投、USV 等参投，以 15 亿美元估值完成新一轮融资，至少筹集 7500 万美元。该公司成立于 2023 年，此前已累计融资 7000 万美元。Hermes 是开源 AI 智能体，内置网页搜索、编程和图像理解等“技能”，并能自动从用户使用中学习构建新技能。用户可在 Telegram 和 Discord 中与 Hermes 聊天或接收消息，也可通过桌面或虚拟私有服务器运行。Nous Research 还提供每月 20-200 美元的云托管版本。Hermes 在 GitHub 上已获约 21.4 万颗星和近 4 万次 fork。
Simon Willison 通过 Datasette 开源项目的 GitHub 代码变更频率图表，直观展示了编码智能体与 Opus 4.8、GPT-5.5、Fable 5 及 GPT-5.6 Sol 等模型对其个人产出的影响。图表末尾的活跃度高峰与这些模型的发布时间高度吻合。
微软CEO萨提亚·纳德拉在博客中警告，企业使用OpenAI、Anthropic等专有AI模型时，不仅支付了token费用，还无意中交出了更宝贵的专有知识。他认为，模型通过用户的提示词、智能体工具使用及纠错反馈进行学习，这些“废气”数据提炼出的机构知识是竞争对手无法买到的。纳德拉批评模型厂商一方面自由抓取互联网数据训练，另一方面却限制企业对模型进行“知识蒸馏”。他建议企业保留对提示词、反馈等数据的所有权，在云端构建专有学习环境，并采用“编排层”工具在不同AI模型间灵活切换，避免被单一厂商锁定。
腾讯混元发布 HyOCR-1.5，这是端到端 OCR 大模型领域首个将训练、推理、模型权重完整开源的专家模型。仅 1B 参数，覆盖 8 种以上 text-centric 任务。引入 DFlash 投机解码框架，在 Transformers 下实现 6.37× 加速，vLLM 下 2.14× 加速，端到端推理达每页 1.408s。支持 4K 分辨率与 128K 上下文窗口，通过 Agentic Data Flow 扩展低资源 OCR（331 种语言）、古文字识别与多图问答能力。在 OmniDocBench v1.6 上以 94.74 分居端到端第一。
推荐理由：我觉得这是近期最实在的OCR开源，1B参数覆盖多任务、推理加速6倍，还支持llama.cpp本地部署，做文档解析的同学可以直接上车。
商汤科技今日发布并全面开源日日新 SenseNova-Vision 理解生成统一视觉大模型。该模型将目标检测、图像分割、深度预测、3D 重建等经典视觉任务实现原生统一，以单模型在结构化视觉理解、稠密几何预测、分割能力、多视角 3D 几何四大核心领域比肩甚至超越各领域专用专家模型。对比 Vision Banana，SenseNova-Vision 在绝大多数权威评测指标上实现超越，且能同时处理全任务，而 Vision Banana 仅能应对其中两类。商汤同步开源了包含 5000 万条样本的视觉指令语料库 SenseNova-Vision Corpus-50M。
Tencent Hy@TencentHunyuanAI 评分5252🚀Hy3 is here. 295B MoE. Best in its size class. Rivals trillion-scale flagships. Reliable and affordable for most agentic usecases. Apache 2.0. Friendly for commercial use. FREE API for 2 weeks → https://openrouter.ai/tencent/hy3:free 🤗 https://huggingface.co/tencent/Hy3 📖 https://hy.tencent.com/research/hy3
近期芯片板块剧烈波动引发市场对AI需求降温的担忧，但多位行业高管在接受CNBC采访时表示需求依然强劲。英特尔前CEO基辛格认为AI需求几乎无限，限制发展的只有能源供应。Nebius首席营收官博罗季茨基表示需求远超供给能力。Cerebras CEO费尔德曼指出算力需求远超可用产能，Meta和xAI出租闲置算力只是个别案例。Lumentum CEO赫尔斯顿称其产品未来五年产能已全部售罄。企业开始更关注AI投资回报率，未来将根据不同场景选择不同模型，包括DeepSeek、阿里巴巴等成本更低的开源模型。
Rohan Paul@rohanpaul_aiAI 评分6262The mega bull case for AI infrastructure would be *if* market share shifted away from certain frontier labs with 90%+ inference margins toward cheaper models, whether open-source or closed. It would increase the ROI on AI spend for end customers by increasing intelligence per dollar, which would drive incremental token demand. Margin dollars would effectively get redistributed from the frontier labs to AI infrastructure providers. The infra winners would be those with the lowest per token cost and the winners at the model layer would be those with the highest token efficiency. There are many reasons Jensen is so focused on open source, but this is likely the most important one as I think he is probably less worried about a monopsony these days. Lower margin % at the model layer = more margin $ at the infra layer all else equal. With SpaceX and Meta being vertically integrated and possessing the #3 and #4 models respectively it is more possible than ever. Note that Grok 4.5 is ahead of Fable for some useful tasks at a much lower cost, so ranking them #3 is conservative. This is not happening yet. Cheap, mostly open source tokens are likely the majority of volume today but the majority of economic value is still accruing to the most intelligent models. Might change though. We will see.
循环工程（Loop Engineering）是一种替代传统手动交互的 AI 使用模式，通过循环机制让 AI 智能体自主完成机器学习研究。该指南基于 Andrej Karpathy 的 autoresearch 代码库和 Bilevel Autoresearch 论文两个已验证成果，框架参考了 @0xCodila 的撰文。autoresearch 实现研究任务的自动迭代，Bilevel Autoresearch 则引入双层优化结构，使智能体能在更高层次上自主设计并执行研究循环，从而减少人工干预，提升 ML 研究的自动化程度。
Nathan Lambert 警告，针对开源权重模型的监管行动可能在未来 6 个月内落地，最可能被禁或无限期延迟的是能力明显超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 区间的模型。他指出蒸馏议题已沦为监管俘获，Anthropic 主导的游说实质是推动全面禁用中国开源权重模型，这将摧毁美国正在成形的开源模型经济。
微软研究院与中国人民大学 IDEAS Lab 联合推出开源可视化中间语言 Flint，让 AI 智能体通过一句话即可生成 Vega-Lite、ECharts、Chart.js 的可渲染图表。Flint 将图表意图与底层可视化库实现分离，规格分为数据定义和图表定义两部分，编译器可自动推导时间解析、聚合规则、数值格式及配色方案。团队同步发布 flint-chart-mcp 服务器，支持 MCP 协议的 AI 智能体在对话中直接创建和预览图表。评测中，Flint 在 GPT-5.1、GPT-5-mini 和 GPT-4.1 三组测试中均获得比直接生成 Vega-Lite 配置的方案 DirectVL 更高的综合评分。Flint 已应用于微软研究院的数据分析工具 Data Formulator，相关代码和文档已开源。
Thinking Machines Lab 发布技术文章《值得构建的未来是人性化的》，将人类参与、模型所有权和去中心化对齐定位为技术挑战。文章将其与交互模型及 Tinker 的 LoRA 微调技术挂钩，团队可自行训练并保留专属模型权重。
智谱创始人唐杰在内部信中宣布开启“Touch High（摸高）计划”，继续聚焦AGI研究而非短期商业变现。计划投入集中在四大方向：长程任务、自治智能体系统、完全自我训练和极致安全治理。其中，极致安全治理被特别强调，智谱计划投入百亿级资源攻坚机械可解释性，推动黑盒系统向透明可解释系统转变。智谱近日发布了开源模型GLM-5.2，支持百万（1M）上下文，以MIT协议开源。
开发者Jarred Sumner借助Claude Fable 5模型，11天内将Bun从Zig重写为Rust，64个实例并行编写超100万行代码，API费用约16.5万美元。重构主因是Zig频繁内存错误，Rust可在编译时捕获。Bun v1.4.0以Canary版本发布，修复128个错误，速度提高约2%到5%。Bun团队已于2025年12月被Anthropic收购。
推荐理由：这是我能找到的第一个用真金白银量化AI编程能力的项目，16.5万美元对一年人工，Bun的这次重构给所有还在观望的人一记实锤。
Hugging Face CEO Clem Delangue表示，开源AI正在蓬勃发展。该公司已成长为AI领域的GitHub，约半数财富500强企业使用其平台。Delangue观察到，企业通常从前沿API起步，但随着规模扩大，成本压力会促使它们转向开源模型。他担忧少数大公司可能最终控制一切。他还指出，中国实验室正在生产美国下载的大部分开源模型，这应被视为一个值得解决的问题，而非不信任开源的理由。
Hugging Face CEO Clem Delangue 指出，开源 AI 正在蓬勃发展。Hugging Face 已成长为类似 AI 领域的 GitHub，供开发者共享和下载开源模型与数据集，目前约有一半的《财富》500 强企业使用其平台。Delangue 观察到，越来越多的公司正从租用闭源 API 转向采用开源模型，这一趋势正在重塑企业构建 AI 应用的方式。
Theory Ventures 合伙人 Tomer Tunguz 发文总结 AI 带来的市场巨变。新模型每 41 天发布一次，公司达 1 亿美元收入速度创纪录。AI 压缩时间导致风投阶段定义失效，种子轮规模从 100 万到 5 亿美元不等。推理正取代模型成为 AI 主导市场，基础设施按视频、批处理、本地、智能体等负载类型专业化细分。推理的高成本催生了 AI 广告补贴模式，Koah 的 AI 对话原生广告点击率是展示广告基线的 4-5 倍。闭源与开源、云端与本地模型差距缩小，许多模型已“足够好”。安全攻击面因 MCP 服务器、技能、插件和编码智能体而急剧扩大。
Greg Brockman@gdb精选AI 评分6666GPT-5.6 改变了我们对知识工作的看法。你的工作从处理单个任务转变为照看带有 AI 循环的系统。 在 @danshipper 的收件箱里，这看起来是这样的： GPT-5.6 扫过他的邮件，判断哪些值得他关注，研究相关背景，并为每封邮件附上简短摘要和拟好的回复。 Dan 批准、编辑，或者用 @usemonologue 口述他想改的地方。然后他就继续处理下一件事。 每轮扫查结束时，这个智能体会从 Dan 的修改和决定中学习，并记住它们，供下次使用。 今天我们发布 Tend，一个让你自己构建这类循环的实验。它是一个开源提示词和代码库，能把收件箱、招聘流程或客户支持队列变成你可以在 ChatGPT Work 中照看的系统。 先教 Tend 什么值得你关注。然后留意会发生什么：收件箱变得更轻松，指令变得更好，而你工作中的另一个循环也开始显现出来。
推荐理由：Greg 强调知识工作正从处理单个任务转向「照料系统」，Tend 开源项目把这个想法变成了可用的工具。对想用 AI 重构工作流的产品人和开发者很有启发，虽然还只是个实验。
Mira Murati@miramurati精选AI 评分6565Thinking Machines Lab 的存在是为了通过推进协作式通用智能来赋能人类。 我们正在构建多模态 AI，它能配合你与世界自然互动的方式——通过对话，通过视觉，通过我们协作时那种杂乱无章的方式。我们很兴奋，在未来几个月内我们将能够分享我们的首个产品，它将包含一个重要的开源组件，并对开发自定义模型的研究人员和初创公司有用。很快，我们还将分享我们最好的科学成果，以帮助研究界更好地理解前沿 AI 系统。 为了加速我们的进展，我们很高兴地确认，我们已筹集了 20 亿美元，由 a16z 领投，NVIDIA、Accel、ServiceNow、CISCO、AMD、Jane Street 等与我们使命相同的机构参与。 我们一直在寻找那些通过实践学习、将研究转化为有用之物的非凡人才。我们相信 AI 应当作为个人能动性的延伸，并且本着自由的精神，尽可能广泛而公平地分发。我们希望这一愿景能引起那些与我们同样致力于推动该领域发展的人的共鸣。如果是这样，加入我们。https://thinkingmachines.paperform.co/
推荐理由：Mira 的公司以 2B 融资和开源路线站上了今年 AI 创业的前排，虽然产品还没出来，但这笔钱和阵容本身就说明市场对多模态协作路线的信心。
美团万亿参数大模型 LongCat-2.0 正式开源，总参数 1.6T，平均激活约 48B，专为真实 Agentic Coding 任务设计。模型引入 LongCat 稀疏注意力机制与 N-gram Embedding，提升长上下文处理效率与 Token 级表示能力。LongCat-2.0 是业界首个在五万卡国产算力集群上完成推理的万亿参数模型，从模型架构、芯片适配到部署策略进行深度协同优化，支持百万上下文高效推理。开源同步提供 BF16、FP8、INT8 等多精度版本及针对国产算力极致优化的推理代码。
推荐理由：国产算力跑万亿模型的第一份完整开源答卷，代码、芯片适配细节全公开，做国产大模型落地的直接抄作业。
MiniMax (official)@MiniMax_AIAI 评分6060A letter from our CEO today: Markets will fluctuate, and external noise will come and go, but our direction remains unchanged. Being at the forefront of this industry, we have a clear understanding of the pace of technological evolution and the long-term value we are building together. Starting today, and until the day we reach AGI, I will no longer receive any compensation from the company. Over the next four years, I will allocate shares equivalent to 4% of the company’s total equity from my personal holdings to reward team members who choose to build this journey with us for the long term and create value together. In addition, I will allocate 1% of my shares to establish a dedicated fund supporting the continued growth of open-source communities and the broader AI ecosystem. I will devote all my time, energy, and resources to this mission. This is my long-term commitment as a founder — to our company, our team, and the future we are building together. We will keep going until we get there. Intelligence with Everyone. IO CEO & Founder, MiniMax
MiniMax 创始人兼 CEO 闫俊杰发布内部全员信，宣布从即日起直到公司实现 AGI，他将不再领取任何薪酬。未来四年，他将拿出个人名下相当于公司总股本 4% 的股份，用于激励长期并肩作战的团队员工；同时拿出 1% 股份设立专项基金，持续支持开源社区发展。
微软发布 Aurora 1.5 天气预报模型，新增 22 种变量，支持小时级预测。相比上一代，该模型在海伦妮飓风路径预测的中位数路径误差率降低了三分之一，并以 88.9% 的准确率优于 ECMWF 模型。Aurora 1.5 以开放形式发布，适用于科研机构、政府部门和社会组织，微软计划将其集成到 Microsoft Weather 等商业产品中。该模型已在 GitHub 平台开源。
MiniMax (official)@MiniMax_AIAI 评分6969Big day for Ollama! When we started, open models and the open source AI ecosystem were in their early days with few believers. Our belief in open source has never wavered. With today's fundraising announcement and our 9M+ active builders, we’re ready to scale open models into AI that you can own. All aboard open models! 🧵
Sequoia 合伙人 David Cahn 更新 AI 基础设施支出估算：2026 年全球投入达 1.5 万亿美元，行业需产生 3 万亿美元收入才能回本。Anthropic 年化收入（ARR）达 600 亿美元，OpenAI 2025 年收入 130 亿美元（11 月称 ARR 200 亿美元），但缺口仍大。Apollo 首席经济学家指出，谷歌、Meta、微软、亚马逊均预测 2028 年自由现金流加速，但风险在于更多组织转向更便宜的开放权重模型（尤其中国模型），且 OpenAI 最新模型编码任务 token 效率提升 54%，导致 token 价格持续下降。若超大规模厂商现金流目标落空，可能引发经济衰退和标普 500 回调。
推荐理由：Sequoia和Apollo的经济学家同时拉响警报，AI基建支出今年1.5万亿美元，需要3万亿收入才回本。这不是唱衰，是给产品人一个倒计时，开源模型和掉价的token让这账更难算。
