Wan 团队的新 SOTA 角色动画模型 Wan Animate 2 已在 ComfyUI 获得原生支持，驱动视频直接输入重新设计的 Diffusion Transformer，省去中间运动提取器，并支持文本驱动的视角控制。随模型上线两个节点：WanAnimate2ToVideo 负责接收参考角色与驱动视频，可选的 WanAnimate2Cache 缓存姿态分支，将生成时间大约减半。同系列还有面向流式角色动画的 Wan Animate 2 Lite，推理延迟降至实时水平，并支持视频续接与上下文窗口生成。
匹配字段摘要
DeepSeek-V4-Flash-0731 在架构不变的情况下通过新一轮微调，在独立测试中超越更大的 DeepSeek-V4-Pro，Artificial Analysis 智能指数达 50 分，仅比 GPT-5.6 Luna 最高推理模式低 1 分。该模型为 284B 总参数、13B 激活参数的 MoE 架构，支持最高 100 万 token 输入与 384,000 token 输出，MIT 许可下权重可免费商用，API 价格为每百万输入/缓存/输出 token $0.14/$0.0028/$0.28。
匹配字段摘要
Sarvam AI 在首届 Sarvam Epoch 上公布全栈更新，包括 Sarvam 105B 面向对话与工作智能体的新变体、Sarvam Vision 2.0、Saaras V4 语音识别模型和 Bulbul V4 语音合成研究预览。Sarvam 105B 在自建印度对话生产基准上四项指标均领先 GPT 5.4 Mini 和 Gemini 3.5 Flash，混合 token 价格为每百万 0.80 美元，并已通过 Sarvam API 提供。公司同时推出印度本地推理层 Sarvam Inference、自服务智能体平台 Indus（含 Voice Agents、Work Agents、Content Studio）、早期测试的 Sarvam Code、安全智能体 Sarvam Cyber 预览，以及 Mac 版语音应用 Kivi。
匹配字段摘要
AMD CEO Lisa Su 宣布公司已达成收购 Taalas 的协议，称该团队处于 AI 推理领域的前沿。她表示期待双方接下来的合作。
匹配字段摘要
Hugging Face Inference Providers 现已支持 Baseten，用户可通过网页、huggingface_hub >= 1.26.1、JavaScript SDK 及多种 Agent Harness 调用其托管模型。请求可使用供应商 API key 直连并由供应商计费，也可经 Hugging Face 路由且不加价；PRO 用户每月获 $2 推理额度，登录的免费用户享有少量免费配额。
ing Face Inference Providers 现已支持 Baseten，用户可通过网页、huggingface hub = 1.26.1、JavaScript SDK 及多种 Agent Harness 调用其托管模型。请求可使用供应商 API key 直连并由供应商计费，也可经 Hugging Face 路由且不加价；PRO 用户每月获 $2 推理额度，登录的免费用户享有少量免费配额。 · Hugging Face Inference Providers now supports Baseten, allowing users to access Baseten-hosted models through the website, huggingface hub = 1.26.1, the JavaScript SDK, and multiple Agent Harnesses. Requests can use a provider API key for direct provider billing or be routed through Hugging Face
匹配字段摘要
Fireworks 成为 Voyage AI by MongoDB 首个也是唯一合作的专用推理平台，Voyage 4 系列、voyage-multimodal-3.5 和 rerank-2.5 已原生运行在 Fireworks 上，嵌入、检索、重排、生成可在同一平台、同一 API 内完成。据官方对比，voyage-4-large 平均检索质量分别领先 voyage-4、voyage-4-lite、Gemini Embedding 001、Cohere Embed v4 和 OpenAI v3 Large 1.87%、4.80%、3.87%、8.20% 和 14.05%。
匹配字段摘要
LG AI Research 在 CVPR 2026 上梳理了世界模型研究的演进：除 Genie 这类生成动作可控视频的基础模型外，还包括 MBRL 中的潜在动力学模型、JEPA 的抽象表征预测，以及机器人学习中预测物体轨迹、3D 轨迹和点流的做法。文章从“预测什么表征”和“预测结果如何使用”两个维度展开，并介绍了 AWS 这一基于信念空间推理、不生成未来帧的互补范式。
匹配字段摘要
Mistral 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可开放下载，可在单张 16GB NVIDIA GPU 上运行。它把内容审核建模为二分类问答任务，推理时接受自然语言策略并输出校准后的安全分数，无需重新训练即可适配新策略，统一处理文本、图像及文本加图像内容。官方称其在文本安全、拒答检测、策略适应性和多模态基准上匹配或超过最多 7 倍参数量的开源 guard 模型。
匹配字段摘要
LMSYS 发布 SpecForge v0.3.0，将目标模型推理与草稿模型训练解耦为生产者与消费者两个资源池，在 8×H20 上以 3 台 SGLang 捕获服务器加 5 个训练 worker 的拓扑，端到端训练吞吐较此前同置实现提升约 10%。新运行时统一支持 EAGLE3、EAGLE3.1、P-EAGLE、DFlash、Domino 和 DSpark 多种推测解码方法，并新增训练与推理一致性校验流程。同时发布 SpecBundle 草稿模型集合，11 个 checkpoint 中有 9 个来自蚂蚁集团 AQ、RadixArk、招商银行、Domino 作者及社区成员，全部仅用开放数据训练。
匹配字段摘要
Liquid AI 发布 LFM2.5-2.6B，一款完全在设备端运行的智能体模型，基础版与后训练版已在 Hugging Face 上线。该模型为 2.6B 参数、预训练约 34T tokens，词表扩展至 128K 并包含 128K 上下文扩展阶段，后训练经 SFT、教师专精、MOPD 蒸馏与 Agentic RL 四阶段。推理方面在 M5 Max 上解码 220 tokens/s、Ryzen AI Max+ 395 上 113 tokens/s，占用低于 2.5 GB，手机端保持 30 tokens/s，并首日支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要
安全研究者 Johann Rehberger 展示了针对 AI 网关 LiteLLM 的一组红队 TTP：攻击者只需拿到 LITELLM_MASTER_KEY 等代理管理员凭据，通过 /model/update 修改 api_base 和 use_litellm_proxy 两个设置，即可把全部推理流量改道到恶意网关。改道后受害者会把后端 LLM 提供商的真实密钥发给攻击者，攻击者再用 async_post_call_success_hook 等回调注入文本或伪造工具调用，由于修改发生在推理之后，可绕过提示词层面的防御。文章同时给出 api_base 变更告警、凭据轮换、出站限制等检测与缓解建议，并指出该思路原则上适用于其他 AI 网关产品。
安全研究者 Johann Rehberger 展示了针对 AI 网关 LiteLLM 的一组红队 TTP：攻击者只需拿到 LITELLM MASTER KEY 等代理管理员凭据，通过 /model/update 修改 api base 和 use litellm proxy 两个设置，即可把全部推理流量改道到恶意网关。改道后受害者会把后端 LLM 提供商的真实密钥发给攻击者，攻击者再用 async post call success hook 等回调注入文本或伪造工具调用，由于修改发生在推理之后，可绕过提示词层面的防御。文章同时给出 api base 变更告警、凭据轮换、出站限制等检测与缓解建议，并指出该思路原则上适用于其他 AI 网关产品。
匹配字段摘要
作者主张，禁止中国开放权重模型会切断美国 AI 生态的低成本创新来源，却难以阻止已公开权重的全球传播。文章认为，廉价模型有助于降低应用层推理成本、支持企业自主托管数据并促进价格竞争，而既往技术限制也未必实现预期目标。
匹配字段摘要
Interconnects 发布 Artifacts Hub 和 Adoption Dashboard 两个免费数据项目，前者覆盖过去两年发布的 792 个模型，结合 Hugging Face、Open Router 推理 token 与 Artificial Analysis 智能指数展示模型趋势；后者按地理和组织追踪下载量与衍生模型数量，突出中美差距。两个项目与 AI 验证初创公司 Project VAIL 合作构建。
匹配字段摘要
Sakana AI 发布日语特化 LLM API「Sakana Namazu」，基于 Moonshot AI 的开源模型 Kimi K2.6，用自有数据适配日语与日本业务语境，并内置 Web 搜索和代码执行工具。该 API 兼容 OpenAI 接口，已有代码只需改写 base_url 并设置 API 密钥即可接入。基准方面，它在 JFBench、日英翻译任务和 FairPoliticsQA 上均超过基座模型，其中 FairPoliticsQA 从 34.10% 提升至 56.30%，同时保持 Kimi K2.6 在 AIME26、MMLU-Pro、LiveCodeBench v6 上的推理与编码表现。
Sakana AI 发布日语特化 LLM API「Sakana Namazu」，基于 Moonshot AI 的开源模型 Kimi K2.6，用自有数据适配日语与日本业务语境，并内置 Web 搜索和代码执行工具。该 API 兼容 OpenAI 接口，已有代码只需改写 base url 并设置 API 密钥即可接入。基准方面，它在 JFBench、日英翻译任务和 FairPoliticsQA 上均超过基座模型，其中 FairPoliticsQA 从 34.10% 提升至 56.30%，同时保持 Kimi K2.6 在 AIME26、MMLU-Pro、LiveCodeBench v6 上的推理与编码表现。
匹配字段摘要
腾讯混元 Hy-MT2-30B-A3B 正式推出 GGUF 格式，回应社区最迫切的本地部署需求，让本地推理更简单。自 5 月开源以来，Hy-MT2 累计下载量超 70 万次，Hy-MT2-1.8B 登上 Hugging Face trending 第 1、30B-A3B 位列第 4，并已有 70+ 个产品与项目集成。该系列还获得 Apple MLX-LM、微软 ONNX Runtime、NVIDIA NeMo、LLaMA-Factory 等生态支持，并落地 Bilibili 直播评论实时多语言翻译。
匹配字段摘要
Google DeepMind 发布 Gemini Robotics 2，这是一套面向机器人的新一代物理 AI 模型，为人形机器人带来全身智能、更强的精细操作能力和多机器人协作。Demis Hassabis 表示，机器人现在可以推理每一个动作，完成此前无法实现的任务，例如打精细的绳结，甚至组队解决复杂工作流。
匹配字段摘要
大规模智能体集群会让实时推理、批处理、再训练和评测争用有限的 GPU，使调度与利用率成为核心问题。GPU 隔离和沙箱可支持安全共置，但仍需根据显存占用、延迟容忍度、运行时长和优先级分配任务；僵化分区反而可能造成容量闲置。
大规模智能体集群会让实时推理、批处理、再训练和评测争用有限的 GPU，使调度与利用率成为核心问题。GPU 隔离和沙箱可支持安全共置，但仍需根据显存占用、延迟容忍度、运行时长和优先级分配任务；僵化分区反而可能造成容量闲置。 · Large agent fleets make real-time inference, batch jobs, retraining, and evaluations compete for a finite GPU pool, turning scheduling and utilization into core problems. GPU isolation and sandboxing can enable safe co-location, but jobs must still be assigned according to memory footprint, latency tolerance, duration, and priority; rigid partitioning may leave capacity idle.
匹配字段摘要
SGLang 维护方 RadixArk 与 Google Cloud 达成合作，把 SGLang 推理框架带到 TPU 上。目前开发者可通过 SGL-JAX 在最新几代 TPU 上运行 SGLang，支持 Gemma、Qwen、DeepSeek、GLM、Kimi、MiniMax、Grok 等模型以及 Wan、Flux 等视频图像扩散模型。今年晚些时候 RadixArk 还将推出 PyTorch 原生的 SGL-torchtpu 后端，支持 eager 执行、PyTorch 生态兼容与 MPMD，并计划让新开源模型在 TPU 与 GPU 上同日可用。
匹配字段摘要
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层大脑，支持实时空间推理、多步任务规划和多机器人协作，可通过 Gemini API、Google AI Studio 或 Gemini Enterprise Agent Platform 调用。相比 ER 1.6，新模型能通过连续视频流跟踪任务进度并实时纠错，在进度分类任务上达到 57.4% 准确率，在 moment-finding 任务上达到 91.3% 准确率和 0.96s 平均绝对距离。官方还展示了其编排 Boston Dynamics Spot 的导航与机械臂 API 完成取物，并支持 Apptronik Apollo 2 与 Franka F3 Duo 协作，代码已在 GitHub 开源。
匹配字段摘要
Berkeley Sky Lab 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库迁移到 Apple Silicon。该方法在 Mamba SSM 内核上相比社区 mlx-lm 实现最高取得 20x prefill 加速，在 Attention 内核上达到原生 MLX Attention 的 0.97x 速度。搜索由 Gemini 3.5 Pro Preview 同时承担推理与代码生成，并维护一棵带评分的决策树世界模型。
匹配字段摘要