跳到正文
#开源生态
6月15日周一
  2. IT之家·人工智能47

    行业首款开源鸿蒙消费级人形机器人：松延动力 N2 亮相华为开发者大会 HDC 2026

    松延动力在华为开发者大会 HDC 2026 上展出 OpenHarmony 版 N2 人形机器人，定位行业首款开源鸿蒙消费级产品。针对生态孤岛、跨设备开发繁琐、系统占用率高等痛点，N2 凭借开源鸿蒙微内核及 AI 智能体实现语音交互和长程任务自规划，可与手机、智慧屏、智能家居等终端联动，充当家庭管家或教育陪伴角色。同步启动“百人百机”计划，为 100 位开发者提供 N2 及原生 SDK，支持 Ubuntu 与开源鸿蒙生态。

6月14日周日
  2. Simon Willison 博客68

    将 SQLite 结果列映射回源表.列

    Simon Willison 为 Datasette 探索了三种方案，使其能对任意 SQL 查询结果补充源表列信息。他使用 Claude Code（Opus 4.8）发现：利用 apsw 库、通过 ctypes 调用 SQLite 内部未暴露的 `sqlite3_column_table_name()` C 函数，以及分析 `EXPLAIN` 输出。这些方法可程序化识别 `select users.name, orders.total from users join orders on orders.user_id = users.id` 等查询中每个结果对应的源表.列，并支持 JOIN 和 CTE 等复杂语法。

  3. Simon Willison 博客64

    Pyodide 314.0 支持将 WASM wheel 发布到 PyPI

    Pyodide 314.0 发布后，开发者可将为 Pyodide 编译的 Python 包以 wheel 格式发布到 PyPI 并在运行时通过 `micropip` 安装。此前逾 300 个包需由 Pyodide 维护者统一构建托管。作者用 Codex + GPT-5.5 xhigh 将 Luau 的 WebAssembly 版本打包为 `luau-wasm` 并上传至 PyPI，wheel 仅 276KB，展示了完整流程。截至发布，已有 28 个 PyPI 包使用新 `pyemscripten_202*_wasm32` 标签。

6月13日周六
  1. IT之家·人工智能41

    英特尔开源版图持续收缩：AI 加速开源项目 BigDL 被砍，本月底正式归档

    英特尔将 AI 加速开源项目 BigDL 列入终止清单，最终归档日期定为 2026 年 6 月 30 日。BigDL 专注于在英特尔全系 XPU 上低延迟运行大语言模型，集成了 TensorFlow、Keras、PyTorch、Apache Spark/Flink 等主流框架，支持 CPU 和 GPU 加速，并借助英特尔 SGX 与 TDX 技术保护大数据与 AI 安全，覆盖从酷睿 Ultra 笔记本到云端硬件。该项目此前仍在定期提交代码，终止原因与英特尔开源策略转向、企业重组及成本削减有关。

  2. 数字生命卡兹克71

    美国商务部以国家安全为由要求Anthropic限制外国公民访问Fable 5和Mythos 5，Anthropic直接关停两模型。同日智谱发布GLM 5.2并开源，推出需抢购的Coding Plan，下周上线API。实测：上下文窗口扩至1M，400-500k长度准确性和指令遵循与Claude差距不大；代码工程能力极稳、幻觉低；小型任务21分钟结果与Opus 4.8相同但速度慢约两倍。缺憾：纯文本、无多模态、推理慢。作者认为这是国产Coding模型新高峰，推荐GLM 5.2 + Claude Code框架。

  3. IT之家·人工智能62

    华为发布 DevEco Code 鸿蒙开发 AI Agent 工具

    华为在 HDC 2026 期间发布 DevEco Code，这是一款面向 HarmonyOS 开发场景的 AI Agent 工具，支持代码编写、编译构建、设备运行、文档查阅、运行时调试及 ArkTS 问题修复。DevEco Code 基于开源项目 OpenCode 扩展，保留了其终端交互、配置体系、Provider / MCP / Skill / Plugin 等能力，并针对 HarmonyOS 工程新增了 DevEco Studio、Hvigor、HDC、Skill、HarmonyOS 知识库、ArkTS 检查和设备调试集成。集成的工具包括 build_project、start_app、hdc_log、verify_ui、check_ets_files、arkts_knowledge_search、switch_cwd 等。

  4. 公众号：面壁智能50

    面壁智能李大海：全栈突破×场景落地，端侧AI加速AGI征程

    面壁智能李大海在智源大会上表示，端侧智能是实现物理世界AGI的必由之路。MiniCPM端侧模型已落地汽车（长安马自达、吉利等）、手机、AIPC、具身智能、智能家居等领域。公司开源发布周展示全栈技术：UltraData数据治理体系、MiniCPM5-1B模型以1/200参数逼近两年前GPT-4o、ForgeTrain框架对比英伟达Megatron节省10%资源、BitCPM-CANN在国产算力跑通三值训练（推理节省6倍内存）、开源PilotDeck多智能体操作系统。面壁选择全栈开源，共建端侧生态。

  6. 公众号：龙猫LongCat54

    WBench：面向交互式视频世界模型的首个系统性多轮评测基准

    美团 LongCat 团队推出 WBench，首个面向交互式视频世界模型的系统性多轮评测基准。包含 289 个测试案例、1058 个交互轮次，覆盖导航、主体动作、事件编辑、视角切换四种交互方式，从视频质量、设定遵循度、交互遵循度、一致性、物理真实性五维度评测 20 个前沿模型（包括 Kling 3.0、HY-World 1.5、Genie 3 等）。核心发现：无全能模型，导航能力与画质无关；多轮交互后所有模型性能下降，导航平均分下降 33 点；开源模型 HY-World 1.5 导航能力突出；视角切换最难（平均分 30.7）。WBench 已开源。

  7. 公众号：智谱70

    智谱 GLM-5.2 全量开放，支持 1M 上下文且下周开源

    GLM-5.2 是智谱迄今能力最强的开源模型，支持真正可用的 1M 上下文，在长程任务中继续保持领先，并被智谱称为最强的国产 Coding 模型。今晚 5:21 起面向 GLM Coding Plan 全量用户开放（覆盖 Lite、Pro、Max、团队版）。API 将于下周上线，模型下周正式开源，遵循 MIT 协议。

    推荐理由：智谱把最强大模型全量开放且开源，这事本身就在打脸那些收回权限的闭源模型，做中文编码的开发者可以认真看看。

  8. MiniMax (official)47

    MiniMax M3 支持已添加到 mlx-vlm，包含 MSA 实现！🚀 在 M3 Ultra 512GB 上测试，运行速度 24 tps，峰值内存约 240GB。目前正在优化性能并添加大量测试 💪 模型：https://huggingface.co/mlx-community/MiniMax-M3-4bit PR：https://github.com/Blaizzy/mlx-vlm/pull/1374 我们喜爱社区用 M3 开放权重构建的一切 ♥️ 期待下一步

    引用Ivan Fioravanti ᯅ@ivanfioravanti

    MiniMax M3 support added to mlx-vlm with MSA implementation! 🚀 Tested on M3 Ultra 512GB running at 24 tps with peak memory ~240GB. Now working on optimizing performance and adding ton of tests 💪 Model is here: https://huggingface.co/mlx-community/MiniMax-M3-4bit PR is here: https://github.com/Blaizzy/mlx-vlm/pull/1374

  9. 数字生命卡兹克61

    GLM-5.2作为智谱新旗舰模型，今晚已向所有Coding Plan用户（Lite/Pro/Max/Team）开放，支持1M可用的上下文窗口，具备强大的编码能力。API和Chatbot服务将于下周推出，模型也将在下周以MIT许可证正式开源。

    引用Z.ai@Zai_org

    Intelligence should be open, accessible, and ready to build with, empowering every developer, everywhere. GLM-5.2 is now available to all GLM Coding Plan users, including Lite, Pro, Max, and Team plans. http://docs.z.ai/devpack/latest-model As our new flagship model, GLM-5.2 delivers powerful coding capabilities, usable 1M-context support, and continued strengths in long-horizon tasks. API and Chatbot services will launch next week. The model will also be officially open-sourced next week under the MIT License. The future of AI is open, and it belongs to the people.

  11. IT之家·人工智能67

    智谱：GLM-5.2 面向 GLM Coding Plan 全量用户开放，下周开源

    智谱今日宣布，GLM-5.2 面向 GLM Coding Plan 全量用户开放，覆盖 Lite/Pro/Max/团队版。其 API 将于下周上线，模型下周正式开源，遵循 MIT 协议。智谱称 GLM-5.2 是迄今能力最强的开源模型，支持真正可用的 1M 上下文，在长程任务中保持领先。此前，智谱于今年 3 月发布 GLM-5.1，5 月发布 GLM-5.1 高速版，输出速度达 400 tokens/s。

  12. 公众号：智谱70

    GLM-5.2 全量开放：智谱最强开源模型支持 1M 上下文

    智谱发布迄今能力最强的开源模型 GLM-5.2，支持真正可用的 1M 上下文，并在长程任务中继续保持领先，同时也是其最强的国产 Coding 模型。今晚 5:21，GLM-5.2 将面向 GLM Coding Plan 全量用户开放，覆盖 Lite / Pro / Max / 团队版。GLM-5.2 API 将于下周上线，模型下周正式开源，遵循 MIT 协议。

    推荐理由：GLM-5.2 的 MIT 开源意味着企业可无授权顾虑地基此构建编码工具，若长程能力兑现，可能重塑国产代码助手的成本边界。

  14. MiniMax (official)78

    MiniMax 宣布其 M3 模型的权重已开源（HuggingFace 链接）。此前，Anthropic 因美国以国家安全为由发布出口管制指令，被迫立即禁用 Fable 5 和 Mythos 5 模型，禁止任何外国国民访问（包括外国员工）。MiniMax 以“M3 would never”暗讽其模型不受此类限制，并强调权重已开放。

    引用Anthropic@AnthropicAI

    The US government, citing national security authorities, has issued an export control directive to suspend all access to Fable 5 and Mythos 5 by any foreign national, whether inside or outside the United States, including foreign national Anthropic employees. The net effect of this order is that we must abruptly disable Fable 5 and Mythos 5 for all our customers to ensure compliance. Access to all other Claude models is not affected. We apologize for this disruption to our customers. We believe this is a misunderstanding and are working to restore access as soon as possible. Read our full statement: https://www.anthropic.com/news/fable-mythos-access

  15. MarkTechPost52

    基于city2graph、OSMnx和PyTorch Geometric的空间图神经网络城市功能推断编码实现

    构建了一个端到端空间图学习流程，使用city2graph从OpenStreetMap收集城市POI和街道网络数据，并以合成回退保障可靠性。工程化空间特征后，构造多个邻近图族并比较各自对同一城市环境的表征能力。随后将异质图和同质图转换为PyTorch Geometric格式，训练GraphSAGE模型从空间结构预测POI类别。

  16. MiniMax (official)80

    MiniMax 发布全新开源模型 M3，具备前沿编码、智能体能力、原生图像视频输入、Computer Use 及 1M-token 上下文窗口。核心采用 MSA 稀疏注意力架构：每个 query 仅对 128-token 的 KV 块打分，只关注 top 块，使超长上下文实际可部署。M3 在 vLLM 获 Day-0 支持，已在 NVIDIA 和 AMD 硬件验证，包括 MSA 专用 prefill/decode kernel、1M-token 上下文服务（prefix caching + chunked prefill）、BF16/MXFP8 检查点（Hopper 和 Blackwell 的 MoE 后端）、原生多模态输入，以及工具调用、推理解析和思考模式控制等功能。

    引用vLLM@vllm_project

    🎉 恭喜 @MiniMax_AI 发布 MiniMax M3！前沿的编程与智能体能力、原生图像和视频输入、计算机使用，以及 100 万 token 上下文窗口，全部集成在一个开放模型中。 M3 的核心是 MSA，一种全新的稀疏注意力架构：它不再对完整的 KV 缓存进行密集注意力计算，而是让每个查询对 128 token 的 KV 块打分，并仅对得分最高的块运行注意力。这正是让 100 万 token 上下文变得可实际服务的关键。 M3 在 vLLM 中实现首日支持，并已在 NVIDIA 和 AMD 硬件上验证： ✨ 带专用 prefill 和 decode 内核的 MSA 稀疏注意力 ✨ 支持前缀缓存和分块 prefill 的 100 万 token 上下文服务 ✨ BF16 和 MXFP8 检查点，同时为 Hopper 和 Blackwell 提供 MoE 后端 ✨ 原生多模态输入（图像 + 视频） ✨ 面向智能体工作负载的工具调用、推理解析和思考模式控制 这样的首日支持是真正的团队协作成果。感谢 @MiniMax_AI、@NVIDIAAI、@AIatAMD 和 @inferact 的团队，以及 vLLM 社区让这一切成为可能。🙏 深入了解实现细节、内核工作和部署方案： 🔗 https://vllm.ai/blog/2026-06-12-minimax-m3-vllm

  17. MiniMax (official)42

    M3 正在与 @togethercompute 携手运行 🤝，推理速度比以往更快。MiniMax-M3 是开源权重的原生多模态模型，支持 1M 上下文、稀疏注意力和思考/非思考模式，Together AI 推理优化带来高达 125% 的吞吐量提升。

    引用Together AI@togethercompute

    MiniMax-M3 from @MiniMax_AI is now available on Together AI. It’s an open-weight native multimodal model with 1M context, MiniMax Sparse Attention, and thinking / non-thinking modes. Together AI is MiniMax’s preferred cloud partner, with inference optimizations delivering up to 125% higher throughput across concurrency levels.

  18. IT之家·人工智能53

    网传阿里合伙人周靖人拟离职，刚出任阿里首席科学家 6 天

    网传阿里合伙人周靖人拟离职，上周已提交离职申请。6月8日，阿里刚宣布周靖人出任首席科学家并牵头成立阿里AI未来研究院，同时合并通义大模型事业部和未来生活实验室，成立Token Foundry事业部，由集团CEO吴泳铭直接负责。周靖人是Qwen系列模型的关键人物，已在阿里工作十年。

  19. IT之家·人工智能54

    Mistral AI 洽谈 200 亿欧元估值 D 轮融资

    据彭博社报道，欧洲 AI 初创 Mistral AI 正就 D 轮融资进行早期交涉，目标估值约 200 亿欧元，筹集约 30 亿欧元。该公司 2025 年 9 月 C 轮融资以 100 亿欧元投前估值筹集 17 亿欧元，ASML 领投 13 亿欧元。Mistral 已与空客、宝马等欧洲企业合作，涉及主权航空航天及碰撞模拟 AI 模型。

  20. MiniMax (official)82

    MiniMax M3 发布，具备前沿编码与智能体能力，原生图像视频输入和计算机使用，1M-token 上下文。核心采用 MSA 稀疏注意力：每个 query 评分 128-token KV 块，仅对 top 块做注意力。vLLM 当日即支持 M3，包括专用 MSA prefill/decode 核、前缀缓存与分块 prefill、BF16 和 MXFP8 检查点、Hopper 与 Blackwell 的 MoE 后端，并在 NVIDIA 与 AMD 硬件上验证。同时支持原生多模态输入、工具调用、推理解析和思考模式控制等智能体工作负载。

    引用vLLM@vllm_project

    🎉 恭喜 @MiniMax_AI 发布 MiniMax M3！前沿的编程与智能体能力、原生图像和视频输入、计算机使用，以及 100 万 token 上下文窗口，全部集成在一个开放模型中。 M3 的核心是 MSA，一种全新的稀疏注意力架构：它不再对完整的 KV 缓存进行密集注意力计算，而是让每个查询对 128 token 的 KV 块打分，并仅对得分最高的块运行注意力。这正是让 100 万 token 上下文变得可实际服务的关键。 M3 在 vLLM 中实现首日支持，并已在 NVIDIA 和 AMD 硬件上验证： ✨ 带专用 prefill 和 decode 内核的 MSA 稀疏注意力 ✨ 支持前缀缓存和分块 prefill 的 100 万 token 上下文服务 ✨ BF16 和 MXFP8 检查点，同时为 Hopper 和 Blackwell 提供 MoE 后端 ✨ 原生多模态输入（图像 + 视频） ✨ 面向智能体工作负载的工具调用、推理解析和思考模式控制 这样的首日支持是真正的团队协作成果。感谢 @MiniMax_AI、@NVIDIAAI、@AIatAMD 和 @inferact 的团队，以及 vLLM 社区让这一切成为可能。🙏 深入了解实现细节、内核工作和部署方案： 🔗 https://vllm.ai/blog/2026-06-12-minimax-m3-vllm

    推荐理由：M3把1M上下文从‘理论上能做’变成了‘今天就能部署’，MSA稀疏注意力是关键，开源社区和推理框架的深度合作值得关注。

  21. MiniMax (official)69

    MiniMax-M3 是一款拥有 428B（23B 激活）参数、1M 上下文的新开源模型，性能与 Gemini 3.1 Pro 相当。可在 138GB 内存/显存上运行动态 2-bit GGUF 版本，或 165GB 上运行 3-bit 版本。在 @UnslothAI 的帮助下，今天即可本地运行 M3。

    引用Unsloth AI@UnslothAI

    MiniMax M3 can now be run locally!🔥 MiniMax-M3 is a new 428B (23B active) open model with 1M context that performs on par with Gemini 3.1 Pro. Run Dynamic 2-bit GGUF on 138GB RAM/VRAM or 3-bit on 165GB. GGUF: https://huggingface.co/unsloth/MiniMax-M3-GGUF Guide: https://unsloth.ai/docs/models/minimax-m3

  23. Google AI40

    Google AI 本周推出多项更新：Gemini 3.5 Live Translate 是用于实时语音到语音翻译的最新音频模型；NotebookLM 获重大升级，加入智能体对话能力、更高级推理及新输出格式；来自 GoogleLabs 的 Project Genie 向 Google AI Ultra 5x 订阅者全球开放；GeminiApp 中的 Notebooks 在 EEA、英国、瑞士上线；同时发布实验性开源模型 DiffusionGemma，探索文本扩散技术，实现极快文本生成。

  24. MiniMax (official)41

    MiniMax M3 已在 @parasail_io 上线。这是首个具备前沿编码与智能体能力的开源权重模型，拥有 1M 上下文窗口和原生多模态理解。联系我们可以启动专属端点进行测试！🚀

    引用Parasail@parasail_io

    Minimax M3 is live on Parasail, day zero. It’s the first open-weight model with frontier coding & agent capabilities, 1M context window, and native multimodal understanding. DM us to spin up a dedicated endpoint and start testing!

  26. Hugging Face 社区博客74

    olmo-eval：面向模型开发循环的评估工作台

    olmo-eval 是基于 OLMES 标准构建的评估工作台，专为 LLM 持续开发中的反复评测场景设计。相比 OLMES，它减少了新增评测的实现工作量，支持 agentic 和多轮评测作为一等用例，并允许根据基准需求选择轻量直接运行或容器化隔离运行。采用模块化架构，模型、工具、容器环境、辅助模型均可独立替换。评测结果同时报告分数、标准误差和最小可检测效应。与 Harbor 侧重于发布不同，olmo-eval 聚焦开发阶段快速迭代，可逐问题对比检查点输出以区分真实改进与噪声。

    推荐理由：做模型训练的人会感谢这个工具，它把评估从一次性打分变成能持续对比的流程，按题对比两个 checkpoint 的功能很实用，但如果你不训模型，这篇可以跳过。

6月12日周五
  2. X.PIN72

    华为开发者大会2026上，余承东正式接管华为LLM业务，发布openPangu 2.0模型。他坦诚华为自有算力不足，且AI人才招揽困难：“我们薪资拼不过互联网公司，一起做大模型的人靠信念和热情坚持。”2025年6月，旧版Pangu模型曾被指与Qwen-2.5高度相似，相关高管离职。余承东此前曾从零打造华为手机、推动赛力斯汽车合作。此次接管意味着华为模型落后，需加速追赶。

  4. Kimi.ai70

    Kimi 发布并开源最新代码模型 Kimi-K2.7-Code。相比 K2.6，其在 Kimi Code Bench v2 上提升 +21.8%，Program Bench 提升 +11.0%，MLS Bench Lite 提升 +31.5%。推理效率改进，推理 token 使用量降低 30%，长时编码任务中指令遵循和端到端成功率均提升。6x 高速模式即将推出，即日起可通过 Kimi API 和 Kimi Code 使用。

    推荐理由：月之暗面这次把编码模型做到 K2.7 还直接开源，Bench 提升不小，关键是把「想太多」的毛病治了，推理 token 省了三成，做 coding agent 的可以立刻换上试试。

  5. MarkTechPost53

    Zyphra 发布 Zamba2-VL：混合 Mamba2–Transformer 视觉语言模型，首 token 延迟降低约一个数量级

    Zyphra 推出 Zamba2-VL 系列开源视觉语言模型，包含 1.2B、2.7B 和 7B 三种参数规模。采用混合 Mamba2 状态空间与 Transformer 骨干架构，基于 Apache 2.0 许可证开源。在保持与同类 Transformer VLM 相当性能的同时，首 token 生成时间（time-to-first-token）缩短约一个数量级。

  6. IT之家·人工智能64

    华为发布开源盘古2.0模型：最高505B参数，余承东坦言算力有限

    华为在HDC 2026上发布开源盘古openPangu 2.0模型，拥有512K上下文，提供Pro和Flash两个版本：Pro总参数505B、激活18B，Flash总参数92B、激活6B。该模型更亲和昇腾算力，单卡吞吐率可达其他主流开源模型2倍；更适配鸿蒙，Agent任务更快更准更省。计划从6月30日起陆续开源7大组件，包括预训练代码、后训练代码、训练算子。余承东解释总参数仅505B，因算力大量支持国内其他企业，自身留用有限，且AI算力成本高，华为更聚焦时延和吞吐率提升。

  8. vLLM 官方博客70

    vLLM 发布 MiniMax M3 Day-0 支持：1M 上下文多模态推理

    vLLM 宣布对 MiniMax M3 的 day-0 支持，覆盖 BF16 与 MXFP8 检查点，支持 1M-token 上下文、原生图像视频输入、minimax_m3 工具与推理解析器、EAGLE3 推测解码（草稿模型 Inferact/MiniMax-M3-EAGLE3）以及 TP/EP 部署和 Docker 镜像。

    推荐理由：官方团队拆解了 MSA 稀疏注意力、MXFP8 MoE 与 EAGLE3 在推理引擎中的落地细节，部署者可以照此选择 NVIDIA 或 AMD 配置并理解瓶颈所在。

  9. Zyphra Research71

    Zyphra 发布开源实时语音克隆模型 ZONOS2

    Zyphra 发布 Apache 2.0 许可的实时 TTS 模型 ZONOS2，采用 8B 总参数、900M 激活参数的 MoE 架构，主打高保真零样本语音克隆，权重已上线 Hugging Face。

    推荐理由：原文给出架构、训练数据和评测细节，读者可以了解这个开源实时 TTS 模型在音色保真与生成稳定性之间的取舍。