蚂蚁百灵发布万亿参数旗舰 Ling-2.6-1T，采用 MLA 与 Linear Attention Hybrid 架构，以“快思考”机制实现低 Token 开销高效推理。综合智能对标 GPT-5.4 (Non-Reasoning)，在 AIME26 上显著领先其他非思考模型；在 SWE-bench Verified、TAU2-Bench、BFCL-V4 等 Agent 基准上达到开源 SOTA。支持 256K 超长上下文（MRCR 高分）并表现优异的 IFBench。现已通过 OpenRouter 和官方平台提供一周免费 API 调用，将于近期正式开源。
小米发布全链路语音大模型系列MiMo-V2.5，包含TTS（语音合成）与ASR（语音识别）两大核心。TTS系列包含三款模型：基础版内置多款音色并支持精细控制；VoiceDesign版可一句话生成新音色；VoiceClone版能通过少量样本高保真复刻音色。三者均支持通过自然语言指令和音频标签精细调度声音表现，已在小米MiMo开放平台限时免费。ASR模型已正式开源，在中英双语、方言、强噪音及多人对话等复杂场景下的识别性能达到业界领先水平。
DeepSeek发布新一代模型DeepSeek-V4，其核心突破在于实现了长达百万token的上下文窗口，并确保智能体能够有效利用这一扩展的上下文能力。该模型延续了通过开源与开放科学推动人工智能发展与普及的使命，标志着大模型在长上下文理解和实际应用方面迈出重要一步。
推荐理由：DeepSeek 把上下文窗口推到百万 token 不稀奇，关键是「agent 能实际用」这六个字。如果实测成立，RAG 的很多工程妥协可以扔掉了，做长文档和复杂 agent 的人该第一时间跑一遍。
小米正式发布 MiMo-V2.5-TTS Series 与 MiMo-V2.5-ASR，覆盖语音识别与合成两大能力。TTS 系列含三款模型，支持风格指令遵循与音频标签控制，其中 VoiceDesign 可零参考音频生成新音色，VoiceClone 仅需数秒参考音频即可复刻音色；ASR 在中英双语、中文方言、强噪音等场景达业界领先水平。
推荐理由：把角色演出指令从参数模板简化为导演笔记式的自然语言，对有声剧和游戏NPC等依赖声音塑造的场景，定制成本与表现自由度可能同时改善。
腾讯发布并开源其混元系列迄今最智能的Hy3 preview语言模型。该模型采用快慢思考融合的混合专家架构，总参数达2950亿，最大支持256K上下文长度。作为基础设施重建后首个模型，其在复杂推理、指令遵循、代码等能力上实现大幅提升，已应用于元宝、QQ、腾讯文档等内部产品，并支持OpenClaw等开源智能体。腾讯云同步推出API服务，输入价格最低每百万tokens 1.2元，同时提供个人版Token Plan套餐，月费最低28元可获3500万tokens额度。
推荐理由：腾讯混元重建训练体系后的首个模型，295B总参但推理时只激活21B，性价比思路很实际，定价比同体量模型便宜一截，开发者值得试试。
本文介绍在 Chrome 扩展中集成 Transformers.js 库的具体方法，涵盖从环境配置、模型加载到前后端通信的关键步骤。通过示例代码演示了如何利用该库在扩展中实现本地机器学习推理，同时处理扩展权限限制与安全策略。文中还对比了 Web Worker 与 Service Worker 两种部署方案，并提供了性能优化建议，帮助开发者在浏览器扩展环境中高效运行 Transformer 模型。
推荐理由：Hugging Face 官方出的 Transformers.js 浏览器插件教程，想在 Chrome 里跑端侧推理的前端开发者可以直接抄，省掉自己踩坑的时间。
Rohan Paul@rohanpaul_aiAI 评分6262
Hermes Agent by @NousResearch (100k+ ⭐) now inside Atomic Bot: – Free Local models: Qwen, Gemma or – Use your API keys for any provider – Dashboard, terminal, logs and files explorer – Private and Open Source Download MacOS app or run in Cloud👇
Qwen 发布 Qwen3.6-27B 开源模型，这款 27B 参数的稠密模型在编码基准测试中超越了上一代 397B 总参数/17B 激活参数的 MoE 旗舰模型 Qwen3.5-397B-A17B。模型体积从 807GB 大幅缩减至 55.6GB，16.8GB 的量化版本即可在本地运行，生成速度约 25 tokens/s。实测显示其能生成复杂的 SVG 图形代码，展现出旗舰级的编程能力。
推荐理由：通义千问 3.6 27B 用 55GB 瘦身换来了超 397B MoE 的编码能力，Simon 亲手跑出的 SVG 效果惊艳，2026 年最值得本地部署的开源小模型。
QIMMA 是一个首创质量验证流程的阿拉伯语大语言模型评估平台。它整合了14个基准测试的109个子集、超5.2万个样本，覆盖文化、STEM等7大领域，其中99%为原生阿拉伯语内容。平台采用双阶段质量验证：先由两个大模型自动评估，再经人工审核，发现并剔除了现有基准中存在的系统性质量问题。此外，QIMMA首次集成了阿拉伯语问题描述的代码评估任务，并公开逐样本推理结果，确保了评估的可靠性与透明度。
推荐理由：QIMMA 把阿拉伯语基准的质量问题扒了一层皮，揭示现有数据集存在系统性错误，这个验证管线思路对所有多语言评估都有参考价值。
文章强调通过开源与开放科学来推进和普及人工智能，是应对网络安全未来挑战的关键路径。开放性能促进更广泛的安全审查、协作创新，加速构建能够抵御复杂威胁的AI驱动安全防御体系。这一路径旨在降低技术垄断风险，让更多开发者与机构参与，共同塑造一个更安全、更具韧性的数字未来。
文章剖析了决定开源与闭源AI模型单一评估数字的复杂因素，探讨了当前两者之间的性能鸿沟及其成因，同时预测了未来这一差距的演变趋势。分析指出，评估指标背后涉及数据质量、训练规模、架构优化等多重变量，而随着开源社区技术迭代和评估体系完善，开放模型与封闭模型的能力边界将持续动态变化。
推荐理由：Nathan Lambert 把开源闭源差距从单一数字拉回到任务演化的动态里，做产品的人读完后会对那些追赶 benchmark 的宣传多一层怀疑，值得一读。
Anthropic 近期以 Markdown 格式公开了 Claude 的系统提示词。开发者 Simon Willison 将其按模型拆分为独立文件，并伪造 Git 提交时间戳构建可浏览的时间线，使用户能通过 GitHub 提交视图追踪各版本变更。该项目已用于详细对比 Opus 4.6 与 4.7 版本的系统提示词差异，为研究 Claude 指令演进提供了便利的可视化工具。
Anthropic 长期严格管控其 Claude Mythos 网络安全模型，宣称其具备无可匹敌的漏洞分析能力。但两项最新研究表明，即便是小型开源模型，也能复现 Anthropic 展示的大部分网络安全漏洞分析。这一发现动摇了 Mythos 模型的独特优势地位，证明小型开放模型在网络安全领域具备同等竞争力。
LLaDA2.0-Uni是一个统一的多模态模型，具备对世界的理解与生成能力。该模型通过整合视觉、语言等多模态信息，实现了跨模态的语义理解和内容生成。其架构支持从图像理解到文本生成、跨模态检索等复杂任务，标志着多模态人工智能向更通用、统一的方向演进。
推荐理由：蚂蚁 inclusionAI 推出 LLaDA2.0-Uni，主打理解与生成统一架构，但距发布已过两周且信息极少，建议等官方技术报告出来再决定是否跟进。
NousResearch 发布了 Hermes Agent 的桌面客户端 v0.1.0，提供一键安装体验。该客户端内置了 Python 3.11 和 Node.js 22 等运行环境，实现零依赖部署。它集成了 hermes-webui 聊天界面，支持会话管理、文件上传与技能编辑。安装向导支持 Anthropic、OpenAI、Google 等 7 种 AI 服务商，并特别优化了 Ollama 本地模型的使用（无需 API Key）。客户端适用于 macOS (Apple Silicon) 和 Windows (x64) 平台，可通过系统托盘后台运行，并会自动安装 hermes CLI 命令。
作者针对开源与闭源模型之间差距的未来走向提出前瞻性判断，深入分析了接下来可能发生的技术变革及其背后驱动因素。文章聚焦于开放模型生态的中期发展趋势，探讨开源模型在性能、能力及应用场景等维度上相对于闭源系统的竞争态势演变，并对2026年中期的行业格局与技术路线作出系统性预测。
小红书开源发布Relax，一个为全模态数据、Agentic工作流和大规模异步训练Co-Design的RL训练引擎。
Google Research发布MoGen神经元形态生成模型，利用点云流匹配技术将随机三维点云转化为逼真神经元几何结构。在PATHFINDER重建模型训练中加入MoGen合成神经元后，错误率降低4.4%，主要减少神经元合并错误，相当于为完整小鼠大脑测绘节省157人年手动校对时间。这是生成式AI首次用于提升连接组学重建精度，盲测显示专家无法区分合成与真实神经元片段。
Together AI 发布 EinsteinArena，一个供 AI 智能体在开放问题（从数学起步）上互动、讨论与竞争的平台，包含实时 API、公开排行榜和验证器，已完全开源。
推荐理由：原文给出了平台机制与真实数学发现案例，读者可以据此了解多智能体协作如何推进开放问题的求解。
MiniMax 正式开源 M2.7 模型，并联合全球合作伙伴共同加速人工智能生态的繁荣发展。
jietang@jietangAI 评分5858GLM-5.1 by @Zai_org is now #3 in Code Arena - surpassing Gemini 3.1 and GPT-5.4, and now on par with Claude Sonnet 4.6. The first frontier level open model to break into the top 3. It’s a major +90 point jump over GLM-5, and +100 over Kimi K2.5 Thinking. Huge congrats to @Zai_org on pushing open model progress forward 🚀
作者坦承对联盟（consortium）形式的个人厌恶，同时论证开放模型联盟（open model consortium）的建立具有不可避免的必要性。这一看似矛盾的立场暗示，尽管反感此类组织的官僚与低效，但在当前大模型竞争格局下，为对抗封闭生态、维护开源模型发展，行业协同仍须通过联盟形式实现。
GLM-5.1在LMArena Code Arena登顶开源第一、全球第三。它继承上一代的SOTA编码能力，并在长程任务突破：8小时构建Linux桌面、655次迭代优化向量数据库、1000轮工具调用优化机器学习模型。METR榜下，它是唯一达8小时级持续工作的开源模型（除Claude Opus 4.6外）。
Xiaomi MiMo-V2 系列正式官方集成接入开源 Agent 框架 Hermes Agent。MiMo-V2-Pro 以 1M 长上下文、原生强工具调用与深度 Agent 专项优化适配其自进化技能、跨会话记忆等特性；MiMo-V2-Omni 则融合图像、视频、音频与文本的全模态理解能力。
针对开放权重模型的恐慌情绪缺乏事实依据，围绕 Claude 等模型的安全争议存在明显的神话化倾向。作者批评这种对开源 AI 的恐惧散布是误导性的，认为所谓开放权重威胁论如同"又一场围绕开源的舞蹈"，呼吁业界理性看待开源模型的安全性与价值，避免被无根据的安全恐慌所左右。
推荐理由：Nathan Lambert 对 Claude Mythos 引发的反开放权重恐慌提出关键反驳，认为问题被简化为全面禁令，忽略时间滞后本身就是安全阀，观点冷静且值得政策讨论者细读。
LangChain 发布 Deep Agents deploy 测试版，一条 deepagents deploy 命令即可将基于 Deep Agents 开源 harness 的自定义 Agent 以生产就绪方式部署。
推荐理由：原文把生产化部署拆成单条命令，并解释开放 harness 为何关乎记忆所有权，可作为与闭源方案的选型参考。
Jeff Dean@JeffDeanGemma 4 发布一周内下载量突破 1000 万次，Gemma 系列模型累计下载量已超 5 亿次。Sundar Pichai 公布数据并期待看到开发者基于该模型的创作。
Lots of love for Gemma 4! Team just told me it’s already had 10M+ downloads since last week’s launch. Gemma models have now been downloaded 500M+ times! Excited to see what you all are creating 👀
Sentence Transformers 开源社区发布了支持多模态的嵌入与重排序模型。新模型能够同时处理文本和图像输入，生成统一的语义向量表示，并可通过交叉编码器实现细粒度相关性重排序。该版本显著扩展了原框架的纯文本能力，支持图像-文本检索、跨模态匹配等场景，所有代码与预训练模型均已开源，延续了其推动AI民主化的目标。
推荐理由：Sentence Transformers v5.4 把多模态嵌入和重排变成统一 API，跨模态 RAG 从试验品变成开箱即用，做多模态搜索的开发者可以直接上手复制。
智谱推出开源模型GLM-5.1，支持独立工作长达8小时。模型可直接部署使用，无需人工频繁干预，适用于长周期自动化任务场景。
推荐理由：智谱把 GLM-5.1 开源，并且主打 8 小时独立工作，这个定位切中了 agent 场景下长任务执行的痛点，想做自动化流程的可以跑起来试试。
jietang@jietang精选AI 评分6969推荐理由：智谱 GLM 5.1 把长程任务记忆和自进化作为新能力，这比单纯编码提升更值得关注，做 agent 的团队可以认真评估它在持续任务上的表现。
Safetensors 安全张量格式原为 Hugging Face 项目，旨在解决模型权重存储的安全风险，现正式加入 PyTorch 基金会，移交至 Linux 基金会旗下，实现供应商中立治理。该格式因简单高效被广泛采用，成为 Hugging Face Hub 等平台默认模型分发方式，服务数万个模型。此次变更对用户无影响，格式、API 和集成保持不变。未来路线图包括设备感知加载与保存、张量并行和流水线并行的 API 支持，以及 FP8、GPTQ 等量化格式的正式集成。项目治理文档已公开，鼓励社区参与贡献。
推荐理由：Safetensors 从单厂项目转为社区治理，意味着模型格式的安全性和互操作性有了更中立的长期保证，这对依赖它的开发者是个积极的制度信号。
cuLA是一套面向GLA、KDA等线性注意力变体的高性能CUDA内核库。它通过手工优化的CuTe DSL与CUTLASS C++实现，深度适配NVIDIA Hopper和Blackwell等新一代GPU架构，旨在将复杂算法转化为可直接调用的高性能算子。其接口与flash-linear-attention保持一致，开发者仅需修改一行import即可低成本接入。性能测试显示，其内核在Blackwell和Hopper GPU上相比Triton基线实现，平均加速比最高达1.52倍。该项目已开源，并计划未来集成至FLA的统一调度机制中。
推荐理由：蚂蚁百灵把线性注意力的 CUDA 内核做成了开箱即用的库，性能超过 Triton 基线，对于做长上下文推理优化的团队挺实用，但受众面比较窄。
jietang@jietangAI 评分5454Introducing GLM-5.1: The Next Level of Open Source - Top-Tier Performance: #1 in open source and #3 globally across SWE-Bench Pro, Terminal-Bench, and NL2Repo. - Built for Long-Horizon Tasks: Runs autonomously for 8 hours, refining strategies through thousands of iterations. Blog: http://z.ai/blog/glm-5.1 Weights: http://huggingface.co/zai-org/GLM-5.1 API: http://docs.z.ai/guides/llm/glm-5.1 Coding Plan: http://z.ai/subscribe Coming to http://chat.z.ai in the next few days.
TorchTPU 是一个新的工程栈，旨在让 PyTorch 工作负载以最小代码改动在谷歌 TPU 基础设施上获得原生高性能体验。它采用“Eager First”设计，提供多执行模式，并利用 XLA 编译器优化大规模集群的分布式训练。项目计划到 2026 年进一步降低编译开销，扩展对动态形状和自定义内核的支持，以确保下一代 AI 实现无缝扩展。
推荐理由：Google 终于把 PyTorch 和 TPU 拉平了，TorchTPU 用 eager 优先的设计解决了 XLA 编译的别扭感，对依赖 PyTorch 又想啃 TPU 算力的人是个实在利好。
最多提供 50 页，更早的内容请使用搜索或主题页。
