Thinking Machines 发布 Inkling 2 Small，宣称成为西方最强开源权重模型
Thinking Machines 发布 Inkling 2 Small，该模型拥有 5940 亿总参数和 170 亿激活参数，在 Artificial Analysis 智能指数上得分 31，超越前代并接近 Gemini 3.8 Flash。
推荐理由：原文提供了 Inkling 2 Small 在智能指数、编码基准及成本上的具体对比数据，有助于评估其作为西方开源权重模型的竞争力。
#开源/仓库
The Decoder精选AI 评分8282
The Decoder精选AI 评分8080 Olam Labs 研究：50 个 GPT 智能体在 Minecraft 中因恐惧死亡建立官僚体系，并在 Bed Wars 中击败 Claude
Olam Labs 在 Minecraft 和 Mindustry 中测试了 GPT-6.1 Sol 与 Claude Opus 5.5 的多智能体行为。在 50 个 GPT 智能体的 Minecraft 生存实验中，首夜 22 人死亡导致群体陷入极度风险规避，建立了包括“化肥官员”和严格物品交接协议在内的官僚体系。
推荐理由：通过 Minecraft 和 Mindustry 实验对比 GPT 与 Claude 多智能体协作，揭示了竞争模式下的策略差异及合作模式下的官僚化风险。
Latent Space精选AI 评分8383 AI Engineer 发布年度旗舰会议 AIE CODE 议程
AI Engineer 发布年度旗舰会议 AIE CODE 议程，聚焦无低质代码扩展、System One 模型及高难度软件重写三大主题。会议采用单轨制并邀请全球前 1000 名智能体工程师参加，旨在复盘 2026 年代码领域趋势并预览 2027 年方向。
推荐理由：原文梳理了年度旗舰会议的主题与议程，读者可据此了解智能体编码领域的年度趋势与关键人物。
The Decoder精选AI 评分8080 Mistral 发布 Mistral Large 4 模型，编码性能强劲但综合排名仍落后于中国模型
Mistral 在 Hugging Face 开放了 Mistral Large 4（昵称 Le Chonk）的权重，该模型拥有约 1 万亿参数，其中每步激活 520 亿参数。
推荐理由：独立测试显示该模型在编码速度和成本上具备优势，但在综合排名上仍落后于中国头部开源模型。
The Decoder精选AI 评分8282 Nvidia 发布开源 Nemotron 3.5 Transcribe 模型，集成转录、翻译与说话人识别功能
Nvidia 发布了开源语音识别模型 Nemotron 3.5 Transcribe，该模型在单张 GPU 上即可运行，支持 40 种语言转录、31 种语言与英语互译及 13 种语言说话人识别。
推荐理由：该模型在单卡上实现了转录、翻译与说话人识别的多任务集成，并提供了大规模开源数据集供垂直领域微调。
NVIDIA Blog精选AI 评分6060 NVIDIA 发布 Earth-2 欧洲版开源模型，助力区域气象与气候预测
NVIDIA 发布基于欧洲气象数据训练的 StormScope EU 模型，支持 10 分钟间隔的云况预测。AXA、Vaisala 等机构正利用 Earth-2 开源框架，将气象 AI 应用于保险风险评估、空气质量建模及太阳能发电预测等实际场景。
推荐理由：文章展示了欧洲机构如何利用开源模型结合本地数据，解决从保险风控到空气质量监测的具体业务问题。
NVIDIA Blog精选AI 评分7878 NVIDIA Cosmos 平台新增世界模型训练、评估与部署工具
NVIDIA 扩展了 Cosmos 平台，新增 Cosmos Data Factory 蓝图、训练工具和 Cosmos 3 Nano 模型变体，以支持世界模型的快速构建。
推荐理由：NVIDIA 扩展了 Cosmos 平台，提供数据工厂蓝图和模型训练工具，帮助开发者加速物理 AI 系统的开发。
AWS Machine Learning Blog精选AI 评分7777 AWS 发布 Deep Insight 多智能体系统解决生产环境五大挑战
AWS 解决方案架构团队发布开源多智能体系统 Deep Insight，旨在解决生产环境中的执行流控制、模型选择、安全部署、代码隔离及运维监控五大挑战。该系统采用 Strands Agents SDK 的 Graph 模式定义智能体协作流程，并结合 Amazon Bedrock AgentCore 与 AWS Fargate 实现私有 VPC 内的会话隔离与沙箱代码执行。
推荐理由：原文展示了多智能体系统从开发到生产落地的完整架构，读者可参考其分层设计与安全隔离方案。
The Decoder精选AI 评分8282 Recursive 发布首个由 AI 系统辅助研发的语言模型 Flint
Recursive 发布首个语言模型 Flint，该模型由 AI 系统 Eureka Machine 自主提出并执行实验研发而成。Flint 是 400 亿总参数、25 亿激活参数的 MoE 模型，专为本地硬件上的智能体编码设计，在 M4 Pro 上生成速度超过 125 tokens/s。
推荐理由：展示了 AI 系统自主完成模型架构设计与推理优化的全流程，为理解自动化科研提供了具体案例。
The Decoder精选AI 评分7979 DeepSeek 开源其最快最便宜模型背后的推理引擎 DeepInfer
DeepSeek 以 Apache License 2.0 开源了其内部推理框架 DeepInfer，该框架基于 vLLM 并优化了计算内核与多芯片分布式处理，用于支撑 V4.1-Flash 模型的大规模快速响应。同时发布的 deepseek-recipe 工具可复现官方 API 的 token 处理逻辑，确保自托管环境与官方服务行为一致，旨在帮助社区降低算力成本并减少能源消耗。
推荐理由：DeepInfer 基于 vLLM 优化了多芯片分布式处理，为自托管部署提供了降低推理成本的具体路径。
The Decoder精选AI 评分8484 Meta 发布开源模型 Muse Spark Open，对标 Qwen、GLM 和 Kimi
Meta 发布开源权重模型 Muse Spark Open，拥有 8160 亿参数（420 亿激活），支持文本、图像、视频和音频输入，上下文窗口达 100 万 token。该模型针对 Apple M5 Ultra 优化，可在两台配备 512GB 统一内存的 Mac Studio 上本地运行，权重已上传至 Hugging Face。
推荐理由：Meta 推出 8160 亿参数的开源模型 Muse Spark Open，其性能对标 Qwen 和 Kimi 等竞品，并支持在本地 Mac Studio 上运行。
NVIDIA Blog精选AI 评分8787 NVIDIA 发布 Nemotron 3.5 Super VL 及 Bolt 系列开源模型，覆盖数据中心至边缘部署
NVIDIA 发布 Nemotron 3.5 Super VL，这是一款 1200 亿参数的开源多模态模型，专为高吞吐量智能体工作流设计，在同类模型中实现 5 倍更快的任务完成速度。
推荐理由：NVIDIA 发布覆盖数据中心到边缘的 Nemotron 3.5 系列，Super VL 以 120B 参数实现高效多模态智能体能力，Bolt 模型则针对本地部署优化。
Microsoft Research精选AI 评分8080 Microsoft Research 发布 Agent Lightning v1.0 轻量级智能体强化学习框架
Microsoft Research 发布 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持在真实部署环境中直接进行训练。
推荐理由：原文展示了利用真实 Agent 框架进行强化学习训练的方法，并给出了在 SWE-bench Verified 上提升 14.6 个百分点的具体实验数据。
Latent Space精选AI 评分9393 OpenAI 发布 722 篇数学论文，Mistral 推出 Large 4 模型
OpenAI 发布 722 篇数学论文，声称解决了 500 个顶级未解数学问题中的 90 个，包括准黎曼猜想。Mistral 同期发布 Large 4 模型，拥有 1T 总参数和 49B 激活参数，支持原生多模态，API 定价为每百万输入/输出 token 1.36/4.18 美元。
推荐理由：汇总了 OpenAI 数学成果与 Mistral 新模型发布，读者可快速掌握本周 AI 领域关键进展。
Latent Space精选AI 评分7777 Reflection 发布 501B-A23B 开源模型 Beam
Reflection 发布纯文本 MoE 模型 Beam，总参数 501B、激活参数 23B，面向编码、智能体和科学工作负载。该模型从零开始训练，使用 23.8T 预训练 token，并计划在当月发布 Apache 2.0 许可的完整权重。
推荐理由：原文汇总了 Reflection 发布 Beam 的架构、训练规模与基准表现，并对比了同期其他开源模型，为评估美国本土开源模型进展提供了具体参照。
Berkeley AI Research精选AI 评分7272 K-Search 实现 CUDA 到 MLX 内核优化知识自动迁移
IBM Research 与 Berkeley Sky Lab 合作扩展 K-Search 框架，通过结构化翻译层将 CUDA 内核优化知识迁移至 Apple Silicon 的 MLX 后端。在 Attention 内核上达到原生 MLX 性能 0.97 倍，Mamba SSM 内核 prefill 速度较社区实现提升 20 倍，验证了跨硬件内核优化自动化的可行性。
推荐理由：展示了如何将 CUDA 优化知识自动迁移至 Apple Silicon，为跨硬件内核优化提供了可复用的结构化方法。
已经到底了