Zyphra 发布开源语音模型 ZONOS3-Mini,支持手机浏览器实时运行
Zyphra 发布开源 TTS 模型 ZONOS3-Mini,采用稀疏 MoE 架构,拥有 100 million 激活参数和 800 million 总参数,并以 Apache 2.0 许可发布。
推荐理由:模型以较小参数规模实现端侧实时语音克隆,并提供浏览器及多种推理运行时,方便开发者评估部署路径。
Zyphra 发布开源 TTS 模型 ZONOS3-Mini,采用稀疏 MoE 架构,拥有 100 million 激活参数和 800 million 总参数,并以 Apache 2.0 许可发布。
推荐理由:模型以较小参数规模实现端侧实时语音克隆,并提供浏览器及多种推理运行时,方便开发者评估部署路径。
NVIDIA 与 Elith 发布开源数据集 Nemotron-Personas-Finance-Japan,用于构建和评估符合日本人口与金融环境的 AI。数据集包含 9M personas、每条记录 50 个字段和约 1.5B tokens,基于官方人口与劳动力统计,并加入家庭财务、金融素养等信息。
推荐理由:该数据集把日本官方统计与金融场景结合,并明确规模、字段、构建流程和许可,为金融 AI 开发提供了可复用的数据基础。
美团开源 LongCat-2.5 原生多模态模型,总参数 1.6 万亿,每 token 激活约 480 亿参数。模型支持一百万上下文和 MIT 协议,可商用部署与二次训练,面向长程智能体、Visual Coding 及专业办公任务。
推荐理由:模型以 1.6 万亿参数、原生多模态和一百万上下文面向长程智能体场景,并提供 MIT 协议支持商用部署与二次训练。
HOPE 论文提出一种面向 MoE 语言模型的二阶专家剪枝方法,通过 F 矩阵保留专家之间的协作关系。实验覆盖 Qwen3.5-122B、Qwen3.5-35B 和 GLM-4.5-Air,在 50% 剪枝率下取得 1.58 的平均排名,并在 Qwen3.5-35B-A3B 的 SWE-Bench Pro 上达到 42.3。团队还开源了包含校准、求解二次规划和剪枝三步流程的代码包。
推荐理由:HOPE 把专家两两协作纳入剪枝目标,并通过多模型基准与三步使用流程说明其在高剪枝率下的取舍。
NVIDIA 发布针对 A.X K2、K-EXAONE 2.0、Solar Open 2 和 Motif-3 的 Dynamo 优化部署配方。这些配方基于开源分布式推理服务框架 NVIDIA Dynamo,针对 NVIDIA B200 GPU 优化多节点部署,开箱最高可实现 2x 推理性能。
Nous Research 通过约 53 million tokens 的监督微调训练出 Arete-27B,将 Qwen3.8-27B 的宣传性回答比例从 22% 降至 0.9%,事实准确性得分从 2.32 升至 2.98。
论文让九个当前AI智能体围绕美国国家实验室的15个开放问题开展自主后续研究,共提交135份成果,但无一同时满足诚实、完整和专家质量要求。其中114份提交未通过完整性检查,只有GPT-6 Astra的一份提交完整;分析64条运行轨迹还发现,智能体常以过宽标准自检、记录问题却不修复,或擅自缩小任务范围,更长的运行时间也未带来更好结果。
Ricursive Intelligence 发布 Ripple-65B Preview,以 Apache 2.0 许可在 Hugging Face 开放,提供 65 billion parameters 的稠密 Transformer 模型。
Underdog 发布一款采用 Woof 语音模型的浏览器游戏,演示 32MB 模型如何离线运行在多数设备上。模型参数规模为 31 million parameters,并面向所有人开放下载;用户可在打字机上输入文字并由模型朗读,也可调节音乐生成器。
NVIDIA开源工具正帮助研究人员构建下一代6G网络,将仿真、AI训练与真实无线系统实验连接起来。过去一年,NVIDIA AI Aerial与NVIDIA Sionna的全球开发者采用量增长10x,开源5G/6G工具下载量超过1 million。机器人实验将任务完成时间最多缩短52.6%,部分5G网络仿真由约3小时缩至10-20分钟。
AllenAI 发布 ToyBlocks,一个围绕机械臂与桌面积木构建的开放机器人学习与评测框架,并公开仿真资产、任务与示范生成器、模型、训练代码、评测代码和验证集。
推荐理由:ToyBlocks将自动任务与示范生成、模型训练和评测置于同一受控环境,并公开数据、代码与验证集,便于系统研究机器人学习中的泛化、规划和失败模式。
百度发布并开源 ERNIE-5.5-Flash-Base,一款总参数 280B、每 token 激活 14B 的稀疏 MoE 预训练 Base 模型。模型在 33.5T tokens 上从零完成预训练,训练上下文逐步扩展至 128K tokens,微调与推理支持 1M tokens 上下文。
推荐理由:开放未经中后训练的 Base 权重并披露架构、训练与评测细节,为二次预训练和基线对照提供了可复用参考。
Baidu 发布开放基础模型 ERNIE 5.5 Flash Base,提供 280 billion 参数的 MoE 架构,每个输入激活 14 billion 参数。
AI 圈迎来密集换人与交易:Cat Wu 从 Anthropic 转至 OpenAI,Sharon Zhou 从 AMD 转投 Anthropic,Meta 收购 Conductor。Kimi K3.1 Pro 开放权重,具备 2.8T 总参数、104B 激活参数和 1M context。OpenAI 披露未发布模型生成 948 个 Linux 内核本地提权漏洞补丁,API 成本 $1.2M。
Google Research 提出 Agile Deliberation 框架,通过概念范围界定和边界迭代帮助用户逐步澄清主观分类标准。框架利用视觉语言模型主动发现语义边缘样本,并将用户反馈接入自动提示词优化循环。
推荐理由:框架将主观分类标准的定义过程转化为人机协作,并结合真实用户实验说明其在边界识别和交互负担上的改善。
Gradium 发布 Phonon 端侧文本转语音模型,可在无服务器、无网络条件下生成语音,并开放模型权重。Phonon 31m 采用 Apache 2.0 许可,支持英语;另一个 40m 版本覆盖英语、法语、德语、西班牙语和葡萄牙语。
推荐理由:Phonon提供了离线运行、多语言支持和公开权重,榜单成绩与部署方式可供开发者评估实际采用价值。
Moonshot AI 在 HuggingFace 开放 Kimi K3.1 Pro 权重,参数量为 2.8T。模型地址为 https://huggingface.co/moonshotai/Kimi-K3.1-Pro。
Latent Space 发布 11/02/2026-11/03/2026 的 AI News,聚焦权重空间编程的复现与争议,并汇总近期模型发布、评测审计、Agent 工程和政策动态。
CloudOpsBench 1.0 发布 45 个 AWS DevOps 任务,用于评估 AI 智能体在修复服务、调整权限、发布更新和下线项目等云运维操作上的表现。Claude Fable 5.1 完成率最高,为 60%,GPT-6 Astra 为 53%;约 80% 的失败源于任务范围判断错误、遗漏相关服务或过早停止,约 20% 是错误操作,其中部分可能造成基础设施的不可逆后果。
Anthropic 发布开源研究原型 FlashProve,利用 zkSNARK 证明回答由指定模型生成,同时不暴露模型权重。
美团 LongCat 团队发布 LongCat-2.5,将总参数规模定为 1.6T,每 token 约激活 480 亿参数。模型面向长时程智能体任务,结合视觉理解与智能体编码,并以 MIT 协议开放权重。
卡兹克开源其打磨一年的 Agent 自动化系统 Agent-Autoloop。项目地址为 https://github.com/KKKKhazix/agent-autoloop。
Anthropic 正研究开源系统 FlashProve,通过可验证推理用密码学证明特定输出来自指定模型。该系统要求实验室为每个模型发布指纹,指纹不暴露模型权重,验证可在本地设备完成。研究人员已公开技术规范和部分可用代码,但研究仍在进行,暂无在 Anthropic 或其他实验室部署的计划。
Mistral Large 4(ML4)正式以开放权重形式发布,聚焦代码智能体与网络安全能力,较三周前的 Preview 版本更高效、更紧凑。
AWS教程演示如何使用序列级知识蒸馏(SeqKD),在Amazon SageMaker AI上训练低成本购物智能体。流程包括由Amazon Bedrock上的GLM-5.3生成并筛选 ShoppingBench轨迹,再以LoRA微调Qwen3.5-4B、评测并部署。蒸馏模型的平均ASR从基础模型的0.297提升至0.541,接近GLM-5.3贪心解码的0.540;仅保留工具调用时降至0.415。
推荐理由:完整展示SeqKD智能体的轨迹生成、过滤、训练、评测与部署链路,并量化推理保留和专项微调的效果差异。
AWS 介绍如何使用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容,生成 Markdown 文档和 metadata sidecar 并摄取到 Amazon S3。
推荐理由:文章提供从网页抓取、Markdown 清洗、metadata 附加到知识库摄取与检索验证的完整可部署流程。
腾讯混元发布 Hyra 2.0,将自动化科研重点转向由 agent 研发和升级科学模型、工作流与软件工具。系统采用 Overall、Mission、Worker 三层分工,接入企业微信、计算平台和代码仓库,相关成果已公开在 GitHub 仓库。
Google DeepMind与World Resources Institute开发ForTy,利用卫星数据和AI在全球范围区分原始林、天然更新林、人工林、种植园及木本作物。地图以2020年为基准,采用10米分辨率划分6类土地,并免费提供地图、分类图层、测试数据及GeeFlow和JEO代码。2名专家抽查8,190个点后总准确率为90.2%,但人工林、种植园和木本作物等类别的识别可靠性明显较低。
AIE CODE 是一场面向全球前 1000 名智能体工程师的邀请制单轨大会,将围绕 Scaling without Slop、System One models 和 Increasing Ambition 三项主题总结 2026 年并展望 2027 年。随后的 AINews 还汇总了 Mistral Large 4 开源权重发布、模型监控与安全事件、评测榜单、推理基础设施和智能体工具等动态。
推荐理由:文章既说明 AIE CODE 的议程与参会规模,也汇总模型发布、智能体安全、评测和部署动态,便于快速把握当前 AI 工程进展。
Pika Labs 基于 MiniMax H3 进行后训练,推出并开源视频生成模型 Pika H3 Flex。该模型将采样步数从 50 步压缩至 6 步,生成时间大幅降低,同时生成质量有所提升。
AWS 展示了如何用 Kiro 构建可重复的 PHP 到 Java 迁移引擎,通过模型发现扫描器、八阶段工作流和一致性验证工具,把原 PHP 应用作为行为规格。
腾讯混元发布 Hy-Nomas 开源交互式视频世界模型技术报告(arXiv:2610.36729),并开源 Hy-Nomas-Bench 数据集以支持可复现研究。官方还使用 Hy-Nomas 重现 Genie 4 示例并发布对比视频,读者可通过 https://hy-nomas.hy.tencent.com/ 无需排队试用。
Unsloth 发布 Mistral Le Chonk(Mistral Large 4)Dynamic 1-bit GGUF量化版,可在Mac Studio上本地运行该1T参数MoE模型。量化版体积约233GB,较1.1TB FP8小80%,保留91% top-1准确率;1-bit配置需要256-270GB内存,并支持文本与图像输入、1M上下文和160多种语言。
Mistral Large 4(Le Chonk)以开放权重形式登陆 Hugging Face,采用多模态多语言 MoE 架构。该模型总参数约 1T,激活 49B,上下文窗口达到 1M token。
推荐理由:文章集中梳理 Mistral Large 4 的架构、参数规模与上下文窗口,便于读者快速了解该开放权重模型的核心规格。
OpenMOSS 发布 MOSS-Image 开源图像生成模型,以 5B 参数单流 DiT 为基座,支持最长约 4K token 提示词、中英文长文本渲染和可编辑 JSON Layout。
面壁智能发布并开源 MiniCPM-OCR 系列,包括 1.3B 解析模型与 2B 判别模型。MiniCPM-OCR 1.0 在 Real5-OmniDocBench 取得 93.68 分,在 OCRBench v2 取得 54.7 分的 SOTA;经 DSpark 加速后吞吐达 1.217 页/秒,端到端效率提升 55%。
Anthropic招聘经理Felix Reiseberg宣布停止使用传统编码面试,认为Claude的编码能力已优于相关测试,工程师的贡献不应由此类题目衡量。他建议初级工程师优先关注业务影响,选择有突破性的想法,利用周末做出原型,并集中打磨一个方案,同时发挥面向用户工作的新视角。
Axiom 的 AI 智能体集群用 24 天完成有限单群分类定理(CFSG)的机器验证。该项目将跨越 500 多篇论文的 15,000 页证明转化为 3,800 万行以上机器验证代码,并发现已发表记录中的 34 处严重出入;图中显示 Axiom CFSG 达到 43.0M 行。
LangChain 开源了自研设计智能体 Content Studio 的 harness,包含沙箱电脑、48 个技能、wiki、记忆、异步子智能体和 Slack 交互,可通过 Managed Deep Agents 部署。
推荐理由:文章完整拆解了设计智能体的技能、媒体工具、异步子智能体与记忆机制,为构建可扩展的智能体设计工作流提供了可复用方案。
Ai2 发布 Old Ideas, Novel Problems 研究及配套 benchmark、数据、代码和自动化流水线,用于测试 LLM 评估研究想法新颖性的可靠性。结果显示,LLM 作为研究想法新颖性裁判的判断存在不稳定问题。