Hao AI Lab 发布机器人智能体 ORA，用同一套 harness 驱动 ARX X5、ALOHA 和 Franka，各机器人通过 robot cards 描述自身几何结构与控制方式。ORA 的工作方式类似编码智能体：观察场景、调用感知或动作工具、检查反馈再决定下一步，依赖描述机器人与任务的提示词、感知几何与运动工具，以及把近期观测留在上下文、较旧观测存入文件的上下文管理。感知环节用 SAM 3 定位物体，深度信息把图像位置转成以米为单位的三维坐标，再由计算工具处理向量与旋转运算。作者估算每个成功案例的模型成本约 0.30 至 0.35 美元，按 DeepSeek 非高峰 API 价格计算并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示回合平均每个 0.13 美元。
匹配字段摘要
Inworld 推出 Inworld Inference，一个面向消费级 AI 应用的 LLM 推理 API，支持 Gemma 4、GLM、DeepSeek 和 MiMo 等开源模型。官方称在 Gemma 4 26B 上首 token 中位延迟为 0.17 秒，对比 OpenRouter 上其他供应商中位值 0.61 秒快 3.6 倍；95 分位为 0.31 秒对 2.42 秒，快 7.8 倍。开发者还可设置首个模型失败或耗时过长时自动切换到备用模型。
匹配字段摘要、正文
Ollama Cloud 现已可在 Fly.io Sprites 的完整 Linux 虚拟机中运行，Claude Code、Codex 和 Gemini CLI 开箱即用。新增的 Ollama Connector 让 Sprite 通过 Fly.io 网关调用 kimi-k3、glm-5.3 和 deepseek-v4.1-flash 等云端模型，API key 由 Fly.io 加密保存，Sprite 只持有网关 URL 和连接 ID，因此无法泄露密钥。新连接器默认屏蔽所有 Sprite，可按标签、名称前缀或全部开放，调用仅限 Sprite 内部发起。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源多智能体协调平台 Avernet，定位为构建和运行持久化、可协调的多智能体系统的基础设施层，采用 Apache-2.0 许可。据 README，截至 2026 年 7 月初，Avernet 已在蚂蚁内部 12 个业务群支持多智能体部署，实测多智能体工作流任务完成率超过 90%。近期更新包括 DeepSeek Harness 的 DSH Bots 通过 channel 插件接入、Agency Agents 启动器引入 agency-agents 角色，以及重做的 Web UI 和 AgentEvolve 诊断与优化能力。
匹配字段摘要、正文
智谱在其 AI 编程工具 ZCode 中悄然开启高速旗舰模型 GLM-5.3 HighSpeed 的测试，AI 编程博主 Leo 称已灰度到该模型，输出速度超过 490 tokens/s。作为对比，AI Ping 数据显示 DeepSeek V4.1 Flash 官方 API 输出速度为 121.34 tokens/s，智谱官方 GLM-5.3 API 为 70.84 tokens/s。该模型目前只对 ZCode 订阅用户随机开放，没有明确的内测申请入口，拥有 100 万 token 上下文窗口，最多可一次性输出 131072 个 token。
匹配字段摘要、正文
Unsloth 发布 Unsloth Studio 与 Unsloth Desktop 的安全概览，说明模型从下载转入执行时会触发四道检查：代码指纹绑定审批、独立的权重文件拦截、操作系统沙箱探测和包内容扫描。代码指纹变化后需重新授权，Hugging Face 的恶意扫描结论会拦截加载路径中被标记的权重文件，工具则在 bubblewrap、Seatbelt、MXC 等系统级沙箱中运行。文中提到 deepseek-ai/deepseek-ocr 与 moonshotai/Kimi-VL-A3B-Instruct 在加载时会弹出审批并列出发现项，Unsloth 也在其适配仓库中移除了 eval 调用等问题代码。
匹配字段摘要、正文
Together AI 发布免费、MIT 许可的 CLI 工具 Together Link（beta），可把 Claude Code、Claude Desktop、Codex、ChatGPT Desktop、OpenCode 和 Pi 连接到 Together AI 上托管的开源模型。它只需一条安装命令和 Together API key，不运行本地代理，会话默认使用虚拟 auto 模型按首个任务路由，有 Anthropic key 时在 Opus 5.5 与 GLM 5.3 之间切换，否则在 GLM 5.3 与 GLM 5.3 Flash 之间切换。文档列出 Kimi K3、GLM 5.3、GLM 5.3 Flash 和 DeepSeek V4.1 Flash，均为 1M 上下文，其中 Kimi K3 定价为每百万 token 输入 $3.00、输出 $15.00，GLM 5.3 为 $1.40 和 $4.40。
匹配字段摘要、正文
GitHub 开源项目 Colibrì 用纯 C 实现分层推理，把 MoE 模型不常用的路由专家放在 NVMe SSD 上按需读取，让 744B 的 GLM-5.2 在最低 16GB、推荐 24GB 左右 RAM 的机器上运行，GPU 不是必需品，项目已获 32k Star。作者最初的开发机只有 12 核 CPU 加 25GB RAM，冷缓存时速度约 0.05～0.1 token/s，靠 LRU 缓存、专家使用频次统计和提前一层预测专家（可预测性 71.6%）把速度提上来，128GB RAM 纯 CPU 桌面机约 1.8 token/s，6 张 RTX 5090 可达 5.8～6.8 token/s。目前它已覆盖 9 个模型家族，从 GLM-5.2/5.3、DeepSeek V4 Flash、Qwen 到 975B 的 Inkling 和 2.8T 参数的 Kimi K3，后者约需 1.6TB 存储、RAM 32GB 起步。
匹配字段摘要、正文
平头哥在云栖大会公布 AI 软件栈 T-Head SAIL 的最新开源进展，已开源 PyTorch-for-sail 框架适配、sailify 源码迁移工具、Triton-for-sail 算子开发工具，以及 DeepGEMM-for-sail、FlashAttention-for-sail 等计算加速项目。SAIL 是围绕真武 AI 芯片打造的类 CUDA 软件栈，连接 PyTorch 等上层框架与底层硬件，负责模型迁移、编译执行、计算加速和开发调试。据现场披露，真武 AI 芯片已服务 20 多个行业的 650 多家客户，截至 2026 年 9 月在 ModelScope 上提供 39 个量化模型，覆盖 Qwen、DeepSeek、Kimi 等系列，累计下载超过 34.8 万次。
匹配字段摘要、正文
OpenRouter 在去年 10 月上线的 EU 路由之外新增美国 In-Region Routing，请求发往 us.openrouter.ai 后在美国境内解密，并只路由到美国境内的供应商端点，eu.openrouter.ai 对欧盟同理。API key、请求体和模型 ID 不变，供应商偏好、回退和隐私设置沿用账户配置；若区域内没有可服务该模型的供应商，请求会返回 404 而不会路由到区域外。该功能面向 Business 和 Enterprise 套餐，可用模型包括 GPT-5.6、Claude Opus 5、Gemini 3.6 Flash、Grok 4.6、DeepSeek V4 Pro、Kimi K3、GLM 5.2 等，GLM 5.2 也可在 EU 路由下由 Mistral 的欧盟数据中心提供。
匹配字段摘要、正文
Andrew Ng 与 Rohit Prasad 发布开源智能体 OpenWorker，它不只对话，还能交付成品，例如生成文档、发送 Slack 消息或更新日历条目，可处理客户简报、整理日历、起草报告和分诊 Slack 告警，并在执行重要操作前先确认。OpenWorker 运行在 Mac 上，Windows 支持即将推出，不绑定单一模型，用户自带 API key 即可搭配 GPT 5.6 Sol、Claude Fable、Gemini 3.6、Kimi、GLM、DeepSeek、Inkling 等开源权重模型或 Ollama 本地运行，数据除经用户选择的 LLM 服务商和集成外不离开本机。
匹配字段摘要、正文
OpenRouter 发布 Fusion，一次 API 调用即可把多个模型的结果交给裁判模型融合，在 DRACO 的 100 项深度研究任务上，Fable 5 与 GPT-5.5 融合得分 69.0%，超过 Fable 5 单独运行的 65.3%。由 Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 组成的低成本组合也超过了 GPT-5.5 和 Opus 4.8，成本仅为 Fable 5 的一半。Fusion 可通过 chatroom、model slug、server tool 和 plugin 四种方式使用，调用时耗时通常是普通请求的 2-3 倍。
匹配字段摘要、正文
OpenRouter 发布 Fusion，可将多个模型的结果融合后输出，调用方式与单个模型相同。在 DRACO 的 100 个深度研究任务上，Fable 5 与 GPT-5.5 融合得分 69.0%，高于 Fable 5 单独的 65.3%；由 Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 组成的低成本组合超过 GPT-5.5 和 Opus 4.8，成本仅为 Fable 5 的一半。Fusion 可通过 chatroom、模型 slug、server tool 或 plugin 四种方式使用。
匹配字段摘要、正文
小米 MiMo 发布并开源终端编码助手 MiMo Code V0.1，采用 MIT 许可，附带限时免费的 MiMo V2.5 多模态模型，支持百万 token 上下文窗口。该工具提供无限上下文、Agent 与模型协同、Compose Mode、自进化系统以及基于 MiMo-V2.5-ASR 的语音输入，并兼容 Claude Code，可自动加载已有的 skills、MCP 服务器和命令并复用 API 配置。Mac 与 Linux 可用一行 curl 命令安装，Windows 通过 npm install -g @mimo-ai/cli 安装，同时支持 Anthropic、OpenAI、DeepSeek、Kimi、GLM 等模型提供方。
匹配字段摘要、正文
Prime Intellect 开源 renderers，一个独立的 Python 库，让开发者完全控制 RL 和多轮推理中的对话格式化。它把聊天模板变成可编程对象，暴露渲染消息为 token id、解析补全为结构化助手消息、为损失掩码归属 token、以及在不重新渲染模型采样历史的情况下扩展多轮 rollout 等操作。该库已用于其 Lab 产品、verifiers 和 prime-rl，内置 Qwen3、Qwen3.5、GLM-4.5、GLM-5、MiniMax-M2、DeepSeek-V3、Kimi K2 / K2.5、Nemotron-3 和 GPT-OSS 的渲染器，并已在 PyPI 发布，代码托管于 github.com/PrimeIntellect-ai/renderers。
匹配字段摘要、正文
Ollama 上线云端模型预览，让用户在本地工具中运行个人电脑放不下的大模型，云端不保留用户数据。首批可用模型包括 qwen3-coder:480b-cloud、gpt-oss:120b-cloud、gpt-oss:20b-cloud 和 deepseek-v3.1:671b-cloud，需下载 Ollama v0.12 并登录 ollama.com。云端模型用法与普通模型一致，支持 ls、run、pull、cp，并可通过 Ollama 的 OpenAI 兼容 API 以及 JavaScript、Python、cURL 调用。
匹配字段摘要、正文
2026年10月30日,Unsloth发布DeepSeek-V4.1-Flash-1017的新GGUF版本。Unsloth称该版本在基准测试中排名最高,其Dynamic V3.1在GPQA Diamond、AIME25、LiveCodeBench v6、MMLU-Pro、Aider等几乎全部基准上领先。Unsloth还说明运行该版本需要64GB以上内存,并附上GGUF与博客链接。目前尚无后续发展。
匹配字段标题
2026年10月30日,Unsloth发布DeepSeek-V4.1-Flash-1017的新GGUF版本。Unsloth称该版本在基准测试中排名最高,其Dynamic V3.1在GPQA Diamond、AIME25、LiveCodeBench v6、MMLU-Pro、Aider等几乎全部基准上领先。Unsloth还说明运行该版本需要64GB以上内存,并附上GGUF与博客链接。目前尚无后续发展。
匹配字段标题
2026年10月29日,DeepSeek在GitHub开源推理引擎DeepInfer,该引擎是DeepSeek-V4.1-Flash背后的推理引擎。雷锋网同日报道,DeepInfer包含MoE专家并行、异步Batch调度、定制Kernel和推测解码等技术,并披露单集群每天需处理约155万亿个Token。其Zero-Overhead Batch Scheduler让CPU提前一轮安排计算,与GPU前向重叠,并通过total_inflight_tokens记账、Remap映射和DeferredRelease延迟回收处理跨轮次状态错位。目前开放的是离线推理能力,线上KV Cache存储和跨副本负载均衡等组件尚未完整公开,官方也未单独公布该调度机制相对同步方案的端到端加速数据。
2026年10月29日,DeepSeek在GitHub开源推理引擎DeepInfer,该引擎是DeepSeek-V4.1-Flash背后的推理引擎。雷锋网同日报道,DeepInfer包含MoE专家并行、异步Batch调度、定制Kernel和推测解码等技术,并披露单集群每天需处理约155万亿个Token。其Zero-Overhead Batch Scheduler让CPU提前一轮安排计算,与GPU前向重叠,并通过total inflight tokens记账、Remap映射和DeferredRelease延迟回收处理跨轮次状态错位。目前开放的是离线推理能力,线上KV Cache存储和跨副本负载均衡等组件尚未完整公开,官方也未单独公布该调度机制相对同步方案的端到端加速数据。
匹配字段标题
2026年10月29日,DeepSeek在GitHub开源推理引擎DeepInfer,该引擎是DeepSeek-V4.1-Flash背后的推理引擎。雷锋网同日报道,DeepInfer包含MoE专家并行、异步Batch调度、定制Kernel和推测解码等技术,并披露单集群每天需处理约155万亿个Token。其Zero-Overhead Batch Scheduler让CPU提前一轮安排计算,与GPU前向重叠,并通过total_inflight_tokens记账、Remap映射和DeferredRelease延迟回收处理跨轮次状态错位。目前开放的是离线推理能力,线上KV Cache存储和跨副本负载均衡等组件尚未完整公开,官方也未单独公布该调度机制相对同步方案的端到端加速数据。
匹配字段标题