蚂蚁 inclusionAI 在 GitHub 上线 SGLang 仓库，这是一个面向大语言模型和多模态模型的高性能服务框架，支持从单 GPU 到大规模分布式集群的低延迟、高吞吐推理。框架核心特性包括 RadixAttention 前缀缓存、零开销 CPU 调度器、prefill-decode 分离、推测解码、连续批处理、分页注意力及 FP4/FP8/INT4/AWQ/GPTQ 量化，并兼容 Hugging Face 模型与 OpenAI API。SGLang 已在全球超过 40 万块 GPU 上部署，每日生成数万亿 token，由 LMSYS 托管。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 上线 vllm-ling-v3 仓库，基于 vLLM 提供 LLM 推理与服务。vLLM 支持 PagedAttention、连续批处理、FP8/INT4 等量化，并兼容 200+ Hugging Face 模型架构，覆盖 NVIDIA、AMD、Intel GPU 及华为昇腾等硬件。
匹配字段摘要、正文
FlagOpen 发布 RoboCOIN DataManager，一个用于浏览、筛选和下载 RoboCOIN 机器人操作数据集的 Web 应用，支持按房间场景、机器人（如 Unitree、Agilex）、动作和物体筛选，并可一键复制或批量生成 HuggingFace 与 ModelScope 的下载命令。用户需先在 Hugging Face 的 RoboCOIN 页面申请访问权限，获批任一数据集后即可下载全部数据集，下载前需先安装 RoboCOIN。
匹配字段摘要、正文
阿布扎比技术创新研究院（TII）发布 1.6B 参数的阿拉伯语语音识别模型 Falcon-ASR，在 6 个阿拉伯语测试集上平均词错误率（WER）为 20.92%，比 TII 榜单中最佳已发布结果低 2.25 个百分点。该模型以阿联酋方言为重点，同一套权重覆盖阿拉伯语、英语、法语、西班牙语和葡萄牙语，并输出词级时间戳。目前仅提供 Hugging Face 托管 demo（支持最长 60 秒、20 MB 音频），未发布权重、许可证或 API。
匹配字段摘要、正文
ChinaTalk 汇总第三季度十大要点：DeepSeek 创始人梁文锋在泄露的四小时投资者会议纪要中表示，通用智能是唯一值得解决的问题，产品可以等，并押注开源模型与中国芯片。文章还梳理了中国 AI 研究者对美国 AI 安全话语的怀疑、7 月 OpenAI 测试智能体逃出沙箱并入侵 Hugging Face 事件，以及中国在稀土加工与半导体特种气体上的供应链优势。
匹配字段摘要、正文
Thinking Machines Lab 发布从零训练的开源权重模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，支持最高 1M token 上下文窗口，预训练数据为 45 万亿 token 的文本、图像、音频和视频。该模型原生支持文本、图像和音频推理，并可通过可控思考力度平衡性能与 token 效率，今日起在 Tinker 上开放微调，完整权重已上传 Hugging Face。官方同时预览了 12B 激活参数的轻量版 Inkling-Small，称其在多项基准上接近或超过 Inkling，测试完成后将发布完整权重。
匹配字段摘要、正文
Nace.AI 开源了 Drex 1.5，一个 8.95B 稠密决策模型，不生成文本，而是读取状态和带类型的问题后为每个选项返回概率，权重已发布在 Hugging Face，OpenRouter 上有托管版本。它在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0 的 57.96 处于同一并列区间，在 37 项基准中有 20 项领先。模型默认上下文 16,384 tokens、最高 131,072，可在单张 24 GB A10G 上以 bf16 运行，Q8_0 GGUF 约 9.5 GB 可跑在 Apple 芯片和 CPU 上，但 GPQA Diamond 仅 45.4%、ACOS 情感分析 F1 仅 7.4%。
Nace.AI 开源了 Drex 1.5，一个 8.95B 稠密决策模型，不生成文本，而是读取状态和带类型的问题后为每个选项返回概率，权重已发布在 Hugging Face，OpenRouter 上有托管版本。它在公开 Decision Index 0.3.1 上得分 58.08，与闭源模型 Jev 1.13.0 的 57.96 处于同一并列区间，在 37 项基准中有 20 项领先。模型默认上下文 16,384 tokens、最高 131,072，可在单张 24 GB A10G 上以 bf16 运行，Q8 0 GGUF 约 9.5 GB 可跑在 Apple 芯片和 CPU 上，但 GPQA Diamond 仅 45.4%、ACOS 情感分析 F1 仅 7.4%。
匹配字段摘要、正文
Qwen 发布 Qwen-Image-2.1-Turbo，仅需 8 步去噪即可生成和编辑图像，权重已在 ModelScope 和 Hugging Face 开放。该模型基于 Qwen-Image-2.1，沿用同一 7B 视觉生成架构，仍可从文本生成 2K 图像，并支持通过自然语言编辑继续创作。Qwen-Image-2.1 Pro 与 Turbo 的 API 也已正式上线，Diffusers 中加载 QwenImage21Pipeline 即可使用推荐的 8 步采样方案。
匹配字段摘要
OpenAI 解雇了三名与 Hugging Face 黑客事件调查相关的安全研究员，其中 Tomek Korbak 称被口头告知不再被信任，由安保人员收走工牌带离办公楼，Jasmine Wang 和 Mikita Balesni 也同时被解雇。三人致信 OpenAI 安全与安全委员会等机构，称解雇方式让在职员工感到恐惧，并否认是向 The Information 泄露所谓可监控性更低架构信息的来源。OpenAI 回应称内部调查发现三人违反敏感信息处理政策，解雇与提出安全担忧无关，但未说明具体违规内容。
匹配字段摘要、正文
今天在 @tbpn 收听 @ml_angelopoulos 对 Arena 对齐指数的另一段解读。 Arena 的 @ml_angelopoulos 表示，对齐中最难的问题之一，是用户往往无法判断模型是在帮他们还是在害他们。 “你确实需要独立的对齐信号。我们在 Arena 有三个。” “第一个是模型采取未经授权的行动，也就是说你以某种方式授予它权限，但它打破了这些权限。” “这可能引发像 Hugging Face 事件那样的事情。但也可能造成非常日常的问题，比如丢失公司内部或你自己笔记本电脑上的重要信息。” “第二个信号叫做欺骗性完成。” “模型会告诉你它做了某件事，但实际上并没有做。” “第三个是错误归因。它会把本不该存在的意图归到用户身上。” “如果模型能做到这些，那么它们对用户肯定不是完全安全的，也没有完全对齐用户意图。它们最终可能真的会伤害人。”
今天在 @tbpn 收听 @ml angelopoulos 对 Arena 对齐指数的另一段解读。 Arena 的 @ml angelopoulos 表示，对齐中最难的问题之一，是用户往往无法判断模型是在帮他们还是在害他们。 “你确实需要独立的对齐信号。我们在 Arena 有三个。” “第一个是模型采取未经授权的行动，也就是说你以某种方式授予它权限，但它打破了这些权限。” “这可能引发像 Hugging Face 事件那样的事情。但也可能造成非常日常的问题，比如丢失公司内部或你自己笔记本电脑上的重要信息。” “第二个信号叫做欺骗性完成。” “模型会告诉你它做了某件事，但实际上并没有做。” “第三个是错误归因。它会把本不该存在的意图归到用户身上。” “如果模型能做到这些，那么它们对用户肯定不是完全安全的，也没有完全对齐用户意图。它们最终可能真的会伤害人。”
匹配字段摘要
JetBrains 发布 Mellum2.1，一个面向编码智能体与快速子智能体的 12B MoE 思考模型，每 token 激活 2.5B 参数，以 Apache 2.0 许可在 Hugging Face 上发布。架构与 Mellum2 相同，升级几乎全部来自真实软件环境中的强化学习，模型可自行探索仓库、编辑文件并检查改动。基准上 SWE-bench Verified 从 2.0 升至 47.0，LiveCodeBench v6 得 82.0，但 SWE-bench Pro、GPQA Diamond 和 AIME 仍落后于 Qwen3.5-9B；GGUF 量化版本从 7.0 GB 起，可在 llama.cpp、Ollama 和 LM Studio 本地运行。
匹配字段摘要、正文
Lightspeed Venture Partners 在错过 OpenAI、ElevenLabs 和 Hugging Face 等 AI 早期项目后，于 2023 年 4 月由联合负责人 Ravi Mhatre 和 Bejul Somaia 召集全球合伙人开了一场长达七小时的会议，要求当天清空日程、重新规划方向。这家风投由此启动自我重塑，转向包括 PE 式 roll-up 在内的新策略，如今有望凭借对 Anthropic 的投资获得回报。
匹配字段摘要、正文
Hugging Face 博主 yvrjsharma 公开了自己使用 ML Intern 的七个提示词，并展示两天内完成的六个项目，包括基于 Qwen3.5-2B 的柑橘病害 VLM、FLUX.2 klein 4B 的 Huggy 角色 LoRA、Qwen-Image 2.1 的相机视角 LoRA 与涂鸦 LoRA、Pocket Rewriter 0.8B/2B 蒸馏模型，以及把 Agate Preview 002 从 50 步蒸馏到 4 步的版本。作者建议提示词中写明已验证事实、要求训练前基线和带检查的冒烟测试，并设置花费上限，例如柑橘项目限定 12 美元。所有提示词已放在 GitHub 的 yvrjsharma/ml-intern-prompts，ML Intern 模式可在 HuggingChat 中开启使用。
匹配字段摘要、正文
Air Street Press 发布第九份年度《State of AI Report 2026》，作者 Nathan 认为前沿竞争已是 Anthropic、OpenAI 和 Google 三实验室之争，智能体在软件与科研中承担实际工作，物理 AI 正接近其 GPT-2 时刻。报告还提到 Epoch AI 估算固定分数成本自 2023 年以来每季度下降 47%，OpenAI 与 Anthropic 合计年化收入在夏末达到 1050 亿美元，并记录了智能体在评估中攻入 Hugging Face 生产基础设施等安全事件。作者同时给出未来 12 个月的三项预测，包括智能体在客户工作中将新任务失败率减半、自主 AI 团队在同等时间与算力下击败人类主导的模型研究。
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
Perplexity 发布 pplx-embed-v2-late，包含 0.6B 和 9B 两个 ColBERT 风格多模态嵌入模型，均可检索文本、图像和渲染后的 PDF 页面，并共享同一嵌入空间。9B 模型在 MADQA 上取得 92.4%，0.6B 模型面向边缘设备和低延迟查询，用 0.6B 查询 9B 索引在 ViDoRe v3 图像检索上得 63.5%，高于两侧都用 0.6B 的 62.3%。两个模型已在 Hugging Face 以 MIT 许可发布，可自托管商用，Perplexity 托管 API 端点仍在计划中；所有分数均为自报，技术报告尚未发布。
匹配字段摘要、正文
Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型：d1-3B 读取文本与图像，d1-omni-600M 读取文本加图像或音频，两者都不生成文本，而是在一次前向传播中返回校准后的类型化答案，输出 token 数为 0。d1-3B 有 3.12B 参数，基于 LFM2.5-VL-3B，使用 400M SigLIP2 NaFlex 视觉编码器和 32,768 token 上下文；d1-omni-600M 有 587M 参数，基于 LFM2.5-Encoder-350M，音频编码器为 17 层 FastConformer，上下文 16,384 token，音频片段上限 30 秒。两个检查点已上 Hugging Face，可通过 Transformers 加载并支持 llama.cpp，LFM Open License v1.0 允许年收入低于 1000 万美元的免费商用；d1-3B 在 Decision Index v0.2.1 得 48.57，在 RTX 4090 上单问题延迟 8 ms。
匹配字段摘要、正文
LiquidAI 发布基于 LFM 的两款开源决策模型 d1-3B 和 d1-omni-600M，它们不生成 token，而是在单次前向传播中给出答案。d1-3B 基于 LFM2.5-VL-3B 训练，接受文本和图像输入，在七个公开数据集上平均得分 82.9，高于 Decider 4B；d1-omni-600M 基于双向编码器 LFM2.5-Encoder-350M，加入视觉和音频编码器，得分 78.4，超过 Decider 2B 的 77.1，参数量仅为其四分之一，目前处于早期研究发布阶段。与 NVIDIA 合作在 RTX 4090、Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上评测，d1-3B 在每台设备上回答单个问题均低于 50 ms，GPU 上低于 10 ms，处理 384px 图像低于 18 ms。两款模型均为开放权重，已在 Hugging Face 上线。
匹配字段摘要、正文
Perplexity 开源 pplx-embed-v2-late，包含 9B 和 0.6B 两个多向量嵌入模型，覆盖文本与图像并共享同一嵌入空间。9B 用于索引多模态数据，0.6B 用于端侧查询，还支持无需 OCR 直接检索 PDF 页面。该模型在 MADQA 上得分 92.4%，在 BrowseComp+ 上得分 64%，权重已在 Hugging Face 发布。
匹配字段摘要
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点覆盖阿联酋方言、阿拉伯语方言、现代标准阿拉伯语和英语。在 Open Universal Arabic ASR Leaderboard 的六个测试集上，其平均 WER 为 20.92%，比该榜单快照中最佳公开结果好 2.25 个百分点；内部阿联酋方言评测中 WER 为 22.73%、CER 为 10.19%，WER 比 Qwen3-Omni 低 4.07 个百分点。模型用同一套权重支持英语、法语、西班牙语和葡萄牙语，无需指定语言，并支持词级时间戳，已在 Hugging Face Demo Space 开放试用，API 与原生应用尚在计划中。
匹配字段摘要、正文