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 TechCrunch · AIAI 评分7171 Meta 发布可在 Mac 上运行的开放权重模型 Muse Spark Open
Meta 发布开放权重模型 Muse Spark Open，采用 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
The Decoder同新闻AI 评分7878 Meta 发布开源权重模型 Muse Spark Open，816B 参数支持百万 token 上下文
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（激活 420 亿）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
AWS Machine Learning BlogAI 评分5050 Meta 的 Muse Spark Open 现已上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，支持 100 万 token 上下文窗口。
The Decoder精选AI 评分8080 Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图生成，支持原生 4K 输出、像素级编辑和用于元素定位的边界框。
推荐理由：5.6B 参数开源图像模型在 8 GB 显存消费级显卡上出图，可据此判断本地部署门槛与商用许可边界。
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。
The DecoderAI 评分7272 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，同步推出两款端侧 Bolt 模型
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开源多模态模型，面向持续运行的企业智能体，采用 MoE 架构，每个 token 仅激活 120 亿参数。
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。
Latent SpaceAI 评分5858 Leash Bio 发布 Minos 预印本与开放数据集，用 DEL 数据做科学智能体强化学习
Leash Bio 的 Ian Quigley 在 Latent Space 访谈中透露，团队把多年积累的 DNA Encoded Libraries（DEL）数据转化为数万个 lab-in-the-loop 模拟环境，供智能体做可验证的科学推理与强化学习；两个月后该工作发展为 Minos，并发布完整预印本、博客和开放数据集。
AWS Machine Learning BlogAI 评分2828 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在 Amazon SageMaker AI 上的内核工程优化，通过 Swap-AB 转置让 Hopper 的 WGMMA 指令充分利用专家维度（N=8192），在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及更高版本。
Hugging Face BlogAI 评分5454 Ai2 发布 HiRO-ACEv2：以约 1/300 成本模拟 3 km 分辨率极端天气
Ai2 发布 HiRO-ACE 系统的新版本 HiRO-ACEv2，其新降尺度模型 HiROv2 可同时预测多个高分辨率气象场，在给定粗化的 X-SHiELD 数据时，对极端降雨、风速和气压的统计匹配误差在 3% 以内，并能生成带眼壁和雨带的飓风。
The Verge · AIAI 评分6060 微软开源机器学习工具 PBC，改进两到六周天气预报
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表研究，提出概率偏差校正方法 PBC，用机器学习识别并修正现有天气预报模型的系统性偏差，而非新建独立模型，相关工具已开源。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 自动生成演示文稿
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可将季度报告、合规文档等自动生成 PowerPoint 演示文稿，内部测试中耗时不到 90 秒。
AWS Machine Learning BlogAI 评分2222 用托管权益管理 Amazon Bedrock 私有定价优惠
AWS 发布方案，通过 AWS License Manager 的托管权益在 AWS Organizations 多账户间分发 Amazon Bedrock 第三方模型的私有定价优惠（MPPO），订阅一次即可全组织生效。
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 BlogAI 评分3838 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一款 1.6B 参数的语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%，优于所用榜单快照中最佳公开结果 23.17%；内部阿联酋方言评测 WER 22.73%、CER 10.19%，比次优的 Qwen3-Omni 低 4.07 个百分点。
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。
Microsoft ResearchAI 评分4040 微软在 Nature 发布 RetroChimera 逆合成模型并开源权重
微软在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测，在盲测中化学家对其单步反应预测的偏好超过前代模型与文献反应。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel
Import AI 470 期介绍了三项研究：METR 分析显示 AI 对网络安全漏洞发现加速最明显，对数学研究贡献有限，对 AI 研究本身尚无显著加速。SPADE 框架让 LLM 通过自博弈交替生成可执行训练环境和求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基线提升 8.1。另有 Hawkeye 用于构建更好的 GPU kernel。
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。
Berkeley AI ResearchAI 评分3030 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中大规模识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层次性，以约 10x 更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分2222 基于信息量的成像系统设计：Berkeley AI Research 提出直接评估与优化框架
Berkeley AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，无需任务专用解码器。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测下游解码性能，优化后的设计达到端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。