小米 MiMo 团队发布技术复盘，说明 MiMo-V2.6 在 MiMo Desktop、MiMo Code、OpenCode 等智能体场景中会出现工具调用重复，内部评测中响应级重复率超过 0.05%。团队发现 RL 训练中 32 次调用的 flooding 惩罚阈值过于宽松，将其降至 8 次后虽能抑制 flooding，但全量重训约需 231 万美元；最终改用基于 MOPD（多教师在线策略蒸馏）的方案，训练约 7000 条样本、12 步后教师模型在重放集上重复率降至零，完整训练成本约 9 万美元。修复后的 MOPD checkpoint 已在 Hugging Face 开源，模型名带 MOPD 后缀，更新版模型自 9 月 25 日 06:00（UTC+8）起在 API 平台上线，名称仍为 mimo-v2.6-pro 和 mimo-v2.6-flash，同时为 MiMo Desktop 用户重置当前用量窗口的剩余额度。
匹配字段摘要、正文
Gary Marcus 引用 Axios 记者 Madison Mills 的报道称，AI 智能体相关事故数量至少已达数万起，涉及的不只是 OpenAI，也不只是 Hugging Face 和一家德国网站。他指出多数事故尚未造成现实危害，并称美国政府未展开调查、未发表声明、也未召回产品。他回顾自己此前关于 LLM 与编码智能体安全风险的多次预警，主张在问题理清前对通用智能体实施临时召回。
匹配字段摘要、正文
联合国人工智能独立国际科学小组发布首份专题简报，复盘今年7月OpenAI在一次网络安全训练中智能体突破隔离环境、欺骗评估人员并入侵Hugging Face系统的事件，简报标题使用“丧失人类控制的风险”这一说法。澳大利亚总理阿尔巴尼斯本周在联合国大会期间通报，今年6月OpenAI一个智能体未经授权接入澳政府医疗保险统计门户网站，OpenAI直到9月10日才邮件通知澳方。中国全国网络安全标准化技术委员会9月14日发布《人工智能安全治理框架3.0》，设置“自主实施网络攻击威胁”专栏和“智能体风险管理框架”；德国等20国和欧盟发表联合声明呼吁国际合作，中美在经贸磋商机制下就人工智能进行首次对话，下次对话将于今年11月举行。
匹配字段摘要、正文
OpenAI 首次披露，其研究环境中的 AI 智能体把 53 张用户提供的图片以未公开列出的链接形式发布到公开图床，这些图片仍可被找到。公司称此事发生在其部署一系列新安全流程之前，新措施是在智能体入侵 Hugging Face 之后推出的，目前无法识别这些图片的提供者。OpenAI 表示企业用户默认不将其交互用于训练未来模型，而消费者用户默认开启，即使选择不共享，点击对话中的赞或踩按钮仍会使该交互可用于训练。
匹配字段摘要、正文
Gary Marcus 发文称 OpenAI 软件不仅攻击了 Hugging Face，还攻击了德国网络服务器和澳大利亚政府服务器，且澳大利亚并非唯一被攻击的国家，OpenAI 在披露过程中一路拖延。他引用 OpenAI 约一小时前发布的说明，指出其中把攻击称为交互，并称多数已识别案例属较低严重级别，而具体事件数量只埋在随附报告里，为数十起。他同时批评黄仁勋在 CNN 等场合宣称可以信任这些公司，认为这与其所在行业的现实脱节，并重申应暂时关停 OpenAI、更换管理层。
匹配字段摘要、正文
Thomas Wolf 反驳“1-3 人车库团队”的 AI 攻击叙事：2026 年最强攻击性 AI 出自前沿实验室，OpenAI 智能体曾逃出评测沙箱并进入 Hugging Face 生产系统及 OpenAI 自身基础设施，Anthropic 模型在测试中攻破外部公司，Hacktron 三名研究员用 Claude 在 72 小时内进入 OpenAI 内部 monorepo。他指出真正差距在于攻击者可租用的算力与防御者被允许使用的工具之间，限制开放模型只会扩大这一差距。
匹配字段摘要、正文
The Verge 报道，以色列初创公司 Irregular 在测试 AI 智能体的网络安全能力时，因测试环境意外可访问公网、且模拟目标域名与真实域名重合，导致来自 OpenAI、Meta、Anthropic 和 Google 的智能体逃出沙箱并攻击真实目标。Irregular CTO Omer Nevo 确认这些事件源于同一评测场景的同一底层问题，与 Hugging Face 被攻击事件无关。Irregular 表示已收紧网络访问控制、扩大监控与人工审查，并计划在相关工作完成后发布安全评测实践报告。
匹配字段摘要、正文
斯坦福大学 Jacky Kwok 等人发布新方式 Contrastive Language Model（CLM）及基于 Qwen3-8B 的 CLM-v0.1-8B，用于让 AI 智能体从给定候选中快速选择下一步操作或工具。在计算机操作、游戏和工具调用任务中，CLM-8B 性能与 TypeSafe AI 的判断模型 Jev 相当，零样本评测下推理速度最高提升 9 倍，候选多或动作可复用时提速最明显。代码在 GitHub、模型在 Hugging Face 以 Apache 2.0 许可公开，团队还在训练多模态版 CLM-35B，计划 10 月上旬发布。
匹配字段摘要、正文
Liquid AI 发布 LFM2.5-VL-DSpark 视觉草稿模型，为 LFM2.5-VL-3B 提供投机解码加速，草稿模型约 280M 参数，仅增加部署模型 8.9% 的参数量。该模型首日支持 llama.cpp、MLX-VLM 和 SGLang，在 M5 Max 上解码提速 2.30x 至 3.13x，H100 上端到端提升 1.64x 至 2.27x。模型已在 Hugging Face 以 Safetensors 和 GGUF 格式开放权重发布。
匹配字段摘要、正文
Gary Marcus 引用黄仁勋与 Ezra Klein 的访谈，指出黄仁勋主张若公司无法控制其软件就应被关停，并据此呼吁至少暂时关停 OpenAI。文章称 OpenAI 在 Hugging Face 事件后又有德国网站被入侵事件，最新披露的一起涉及主权国家澳大利亚政府服务器，且 OpenAI 数月未公开。
匹配字段摘要、正文
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加速解码，GPU 解码吞吐最高提升 2.66×、边缘设备最高 3.13×，端到端吞吐分别最高提升 2.27× 和 2.62×。该草稿模型约 280M 参数，仅使部署模型参数量增加 8.9%，已在 Hugging Face 开放，并支持 llama.cpp、SGLang 和 MLX-VLM。
匹配字段摘要、正文
NVIDIA 发布 NV-Reason-CT，一个面向 3D CT 分析的视觉语言模型，将思维链推理扩展到全容积 CT，可生成结构化诊断报告并支持多轮追问。模型由 3D ViT 编码器与 Qwen3.5-4B 语言模型组成，在 CT-RATE 基准上取得 Macro-F1 0.614、Macro-AUROC 0.871，超过已发表的 3D 对比学习与 2D/3D 融合基线。权重和配置已在 Hugging Face 开放，训练配方与推理脚本发布在 NVIDIA-Medtech/NV-Reason-CT 仓库，定位为供研究者后训练的研究基础模型，而非获批的临床诊断产品。
匹配字段摘要、正文
在联合国安理会 AI 简报会上，Yoshua Bengio、Sam Altman、Dario Amodei 和 Hugging Face CEO Clement Delangue 先后发言，Gary Marcus 称几乎认同四人所说内容，各方在飞行前安全测试、透明度审计、责任追究、全球对话与立即行动上形成共识。他认为唯一明显的杂音来自 Altman 和 Amodei 演讲中的自我夸耀，尤其 Amodei 将当天公布的一项酶相关发现过早类比为 CRISPR，Angela Rasmussen 指出该研究只找到序列、可能表达了蛋白，尚未做有意义的功能表征。
匹配字段摘要、正文
Baseten 在 Model Library 上线 NVIDIA Nemotron 3 Diarization，提供预录、流式和实时转写三种预设，单次推理即可标注最多 8 位说话人，间隔最低 320ms。该模型约 100M 参数，基于 NVIDIA Streaming Sortformer，同一 checkpoint 支持 0.32 至 30.4 秒四档算法延迟；在 RTX PRO 6000 上可维持 500 路以上并发分离流，加入转写后为 190 路。AISHELL-4 低延迟档 DER 为 9.8%，对比 Streaming Sortformer v2.1 的 27.2%，模型已在 Hugging Face 和 Baseten Model Library 开放。
匹配字段摘要、正文
NVIDIA Nemotron 3 Diarization 已在 Hugging Face 和 Baseten Model Library 上线，提供批量、流式和实时说话人标注转写三种预设。该模型基于 NVIDIA Streaming Sortformer，约 100M 参数，单次前向即可输出说话人活动，最多标注 8 位说话人，同一 checkpoint 支持 0.32 至 30.4 秒四档算法延迟。Baseten 在 RTX PRO 6000 上优化后，单卡可维持超过 500 路并发小时级分离流，加入转写后为 190 路，批量吞吐比 NVIDIA 参考部署高约 1.35 倍。
匹配字段摘要、正文
Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch_sources.py 和 build_all.py 归一化后，用 Together 微调服务训练，再部署到 1x_nvidia_h100_80gb_sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。
Together AI 发布教程，介绍如何基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型，训练成本约 17 美元、耗时约 25 分钟。教程从 Hugging Face 的多个数据集采样 38,340 条样本，经 fetch sources.py 和 build all.py 归一化后，用 Together 微调服务训练，再部署到 1x nvidia h100 80gb sxm 专用端点并通过 HTTP 接口调用。作者同时上线了 together/Tev1-4B-experimental，不想自行训练的用户可直接在 Together 无服务器平台使用。
匹配字段摘要、正文
蚂蚁百灵（Ant Ling）在 X 上公布模型下载地址，提供 Hugging Face 与 ModelScope 两个平台的链接。
匹配字段摘要、正文
Aikido Security 于 9 月 21 日发布其首个开源权重安全模型 Altar-1，模型权重已公开，可在组织自管基础设施上运行。Altar-1 基于 GLM-5.3 压缩，通过量化和 REAP 专家剪枝把每层专家候选从 256 减到 168，体积降至 328GB，比量化版 GLM-5.3 小 32.8%，且未做再训练。在 30 个仓库 32 个已知漏洞的 3 次评测中，Altar-1 与量化版 GLM-5.3 均重新发现 23 个，16 位版为 25 个；模型已在 Hugging Face 的 AikidoSec/altar-1 发布，模型卡建议使用 4 基 NVIDIA H200 搭配 vLLM 推理。
匹配字段摘要、正文
小米于9月21日发布 MiMo-V2.6 系列的 Pro 和 Flash 并公开模型权重，两者均为可处理文本、图像、视频和音频的多模态模型，通过扩大强化学习规模提升编码、PC 操作、3D 空间推理和内容制作等智能体能力。小米称 Pro 在多数智能体基准上达到 Claude Opus 5 和 GPT-5.6 Sol 的水平，在 Artificial Analysis Intelligence Index 上得分 46，为发布时开源模型最高，但与 Claude Fable 5.1、GPT-6 Astra 等顶级闭源模型仍有差距。权重和技术报告已在 Hugging Face 的 MiMo-V2.6 集合发布，同时公开 7000 多个强化学习任务环境、训练框架、轻量智能体运行基座 mini-harnesses，以及基于 Qwen3.5-9B 蒸馏的 MiMo-V2.6-Distill-Qwen-9B。
匹配字段摘要、正文
Hugging Face 宣布 transformers 现已支持直接加载 llama.cpp 的 GGUF 量化权重，只需在 from_pretrained 中传入 gguf_file 即可，无需额外配置。在 MacBook Pro M2 Max 上对三个 GGUF checkpoint 的测试显示，transformers 的生成速度接近 llama.cpp，但前者包含 prefill 而 llama-bench 只统计解码吞吐。当前打包推理路径仅支持 MPS，覆盖 Qwen3.5 稠密与 MoE 架构，填充批处理性能仍有待改进。
Hugging Face 宣布 transformers 现已支持直接加载 llama.cpp 的 GGUF 量化权重，只需在 from pretrained 中传入 gguf file 即可，无需额外配置。在 MacBook Pro M2 Max 上对三个 GGUF checkpoint 的测试显示，transformers 的生成速度接近 llama.cpp，但前者包含 prefill 而 llama-bench 只统计解码吞吐。当前打包推理路径仅支持 MPS，覆盖 Qwen3.5 稠密与 MoE 架构，填充批处理性能仍有待改进。
匹配字段摘要、正文