IBM 发布 Granite Switch 4.1：单一端点支持对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在单一托管端点内整合对话、通用与专用决策以及语音转文字能力。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 组合进单一端点，读者可据此了解多能力复用同一 KV cache 的部署思路。
#开源/仓库
Hugging Face Blog精选AI 评分6262 Hugging Face Blog精选AI 评分8888 Meta 发布开源权重多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 多模态 MoE 模型，给出完整部署与微调配方，可据此评估自托管前沿模型的成本与门槛。
Hugging Face Blog精选AI 评分8080 Black Forest Labs 发布 FLUX.3 Image Klein，Diffusers 首日支持
Black Forest Labs 发布 FLUX.3 Image Klein，在 Diffusers 中首日可用，一个模型同时支持文生图、多参考图生图和用边界框控制布局。
推荐理由：FLUX.3 Image Klein 在 Diffusers 首日支持，并给出显存与耗时数据，可据此判断本地部署成本。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral
Mistral 发布首个时间序列基础模型系列 Timestral，最大版本仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上均排名第一，且只用了此前 SOTA 约三分之二的参数量。
推荐理由：Mistral 首次把基础模型思路用于时间序列，给出四个尺寸与 CPU 推理延迟，可据此判断企业预测场景的落地成本。
NVIDIA Blog精选AI 评分7676 NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 模型
NVIDIA 发布开放 1200 亿参数的 Nemotron 3.5 Super VL，主打多模态智能体任务，官方称其准确率接近自家最大推理模型而参数量约为五分之一，吞吐量最高为同类模型的 5 倍。
推荐理由：NVIDIA 一次放出三款开放权重模型，覆盖从数据中心到端侧的智能体部署，读者可据此判断本地化智能体的选型空间。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布端侧智能体模型 LFM2.5-24B-A2B
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧智能体，会先思考再作答并调用工具。
推荐理由：Liquid AI 给出端侧智能体模型的参数结构、基准对比与推理速度，可据此判断本地部署的可行性。
NVIDIA Blog精选AI 评分7878 NVIDIA RTX Spark 上市前公布本地 AI 软件与模型更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并联合生态伙伴在上市前推出面向本地 AI 的软件与模型更新。新内容包括 GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi 和 WorkBuddy 等智能体应用的适配，以及 10 月 15 日发布的 Nemotron 3.5 Bolt 74B 模型。
推荐理由：NVIDIA 在 RTX Spark 笔记本上市前集中公布本地智能体、模型与开发工具的适配清单，可据此判断端侧 AI 生态的落地节奏。
Microsoft Research精选AI 评分6060 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 直接接入强化学习训练，并给出可复现的编码智能体训练结果。
Hugging Face Blog精选AI 评分6060 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程做领域微调，在 IOI 2026 和 IMO 2026 均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可迁移到其他专业领域。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，基于 Gemma 4 架构、740M 参数，采用 Apache 2.0 许可，将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：官方给出参数量、量化内存与基准提升，可据此判断端侧多模态检索的落地门槛。
Google DeepMind精选AI 评分7171 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入水印
Google DeepMind 推出 SynthID Bio，把水印技术带入合成生物学，可在生物代码中嵌入不可感知的签名，并能在合成出的实体蛋白质上验证，同时保持其生物功能。
推荐理由：SynthID 水印从图像扩展到合成生物学，读者可了解其在蛋白质设计与 DNA 合成筛查中的验证思路。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需传入 GitHub 仓库地址，即可自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做去重与漏洞报告。
推荐理由：原文完整披露了自动化模糊测试流水线的分层架构与覆盖反馈循环，读者可据此判断哪些人工环节能被智能体接手。
Microsoft Research精选AI 评分6262 微软研究院：把机器人推理卸载到边缘或云端可提升任务成功率与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出把推理卸载到边缘或云端的开源工具链。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验能否复用到非 NVIDIA 硬件。
已经到底了