蚂蚁 inclusionAI · Hugging Face 新模型2222inclusionAI/ZwZ2-27B-GGUF 模型权重发布
inclusionAI/ZwZ2-27B-GGUF 模型权重发布，包含 FP16、Q8_0、Q4_K_M 精度的语言模型和视觉组件，支持 llama.cpp 多模态推理。
实时
#图像生成
- 蚂蚁 inclusionAI · Hugging Face 新模型2222
- 蚂蚁 inclusionAI · Hugging Face 新模型
inclusionAI/ZwZ2-4B-GGUF 模型权重发布
inclusionAI/ZwZ2-4B-GGUF模型权重发布，该模型为Zooming without Zooming v2的一部分，分为语言模型（FP16, Q8_0, Q4_K_M）和视觉编码器及投影器（mmproj，FP16, Q8_0, Q4_K_M），提供多种精度组合，需配合lla.cpp（支持Qwen3.5多模态）使用。
Codex releases4545Codex 0.166.0 发布：新增键盘驱动转录选择、Markdown 渲染优化及 GPT-6.1 Terra 支持
Codex 0.166.0 发布，新增键盘驱动转录选择（支持词、行、页操作）、集成搜索和可配置快捷键，以及 Markdown 在异步问题、选项、答案和转录回复中的一致性渲染。同时支持 GPT-6.1 Terra，并添加 codex queue --resume 功能以恢复卸载线程。
Hugging Face Blog5050介绍 AnySpeechRecognizer 和 AnyDecisionModel：苹果平台上的开源语音和决策模型
Hugging Face 发布开源语音识别 AnySpeechRecognizer 和决策模型 AnyDecisionModel，支持 NVIDIA Parakeet 和阿里云 Qwen3-ASR 等引擎，可在苹果平台本地运行。
ByteDance Seed · Hugging Face 新模型ByteDance-Seed/GenFirst 发布：一种用于稳定端到端潜在生成建模的生成前置重建方法
ByteDance-Seed/GenFirst 训练一个潜在 VAE 并联合一个生成先验，避免通常使端到端训练不稳定的潜在崩溃。该方法的两个阶段计划用于先验和熵权重：第一阶段让先验塑造潜在几何形状，第二阶段将两者权重十倍降低，使解码器恢复细节。
PyTorch Blog5858PyTorch 2.15 发布
PyTorch® 2.15 发布，默认采用重写的 NCCL 后端，支持故障记录和回滚；torch.distributed 新增 NIXL 后端的单边传输；FSDP2 和流水线并行优化内存通信控制。
Meta EngineeringMeta Andromeda：通过模型-系统协同设计赋能下一代广告检索
Meta Andromeda 下一代广告检索引擎通过模型-系统协同设计，在检索层实现近排名级模型性能，单卡单秒处理超过 10 亿广告，系统吞吐量达 1000 亿次/秒，较 2024 年版本提升 100 倍，并为广告主带来 2.4% 的转化率增长。
Ai2 BlogAi2 如何适配 olmOCR 2 用于历史与考古档案
Ai2 开源模型 olmOCR 2 可用于从文档图像中提取可搜索、结构化文本，包括手写和复杂布局，研究人员已将其用于使档案照片库可搜索并改进手写考古记录的转录。
AWS Machine Learning Blog3434Exowatt 使用 SageMaker 无服务器模型定制，在准确性上超越前沿模型
Exowatt 通过 Amazon SageMaker AI serverless 模型定制，为边缘和云部署目标生成了任务特定微调模型 Qwen3-1.7B 和 Qwen3-14B，在准确性上超越前沿模型的同时成本降低了高达 49 倍，并将模型开发周期从数月缩短至数天。
- AWS Machine Learning Blog3434
Property Finder 如何在 Amazon Bedrock 上识别评估偏差并优化模型成本
Property Finder 在迁移视觉 AI 工作负载至 Amazon Bedrock 时发现其评估数据集 96.8% 的标签来自单一模型的预测而非人工验证，导致新模型客观比较受阻。该公司通过人工专家独立标注 356 张图像构建可信基准数据集，并采用进化式提示优化迭代 27 次后，在保持 86% 准确率的同时将成本降低 86%。
Microsoft AI News精选6767微软发布 MAI Image 2.7 图像编辑模型，Arena Edit 排第 3、Artificial Analysis 排第 2
微软 AI 发布图像编辑模型 MAI Image 2.7，以预览版上线，在 Arena Edit 排第 3、在 Artificial Analysis 图像编辑榜排第 2，微软 AI 因此成为第 2 名实验室。
推荐理由: 微软公布 MAI Image 2.7 在两个图像编辑榜单的排名，并给出相对上一代在 10 类用例上的提升幅度。
LangChain Deep Agents releasesLangChain Deep Agents deepagents-code==0.2.2 发布：安全与性能改进
LangChain Deep Agents 的 deepagents-code==0.2.2 版本发布，包含安全与性能改进。新增 GPT-6.1 Terra 支持、选中文本输入至聊天、插件更新检测等功能；修复项目 .env 文件设置信任值、终端 UI 链接限制、Git 选项限制等 Bug；通过重用父进程上下文、优化服务器启动流程、精简转录渲染等提升性能，推荐尽快升级。
Apple Machine Learning ResearchGHARP：基于大规模重建先验的实时高斯头动画方法
GHARP 方法通过少量输入图像和表情信号实时动画化 3D 人头，分为离线的身份阶段（构建几何与外观表示）和运行时的动画阶段（预测表情残差）。该方法在预训练重建模型的语义结构潜在空间中执行动画，使表情变化空间受限，实现高效残差预测，并在 Ava-256 基准上达到 SOTA 质量，A100 GPU 速度提升 13 倍、高斯数量减少 8 倍。
- PyTorch Blog3434
使用 PyTorch ExecuTorch 优化 Arm® 边缘设备上的流式语音识别
Nemotron 3.5 在 Google Pixel 11 上使用 ExecuTorch 和 SME2 实现了最高的流式语音识别准确率，最高可达 11.7% WER（使用 1,120 ms 音频块和 QC8W 精度），比 FP32 快 3.5 倍，但延迟增加；较短的音频块（如 80 ms）可以降低延迟，但准确率降至 15.2% WER。
- Hugging Face Blog
Hugging Face 发布 torch-neuronx 模型支持查询 Space，检测 AWS Trainium 兼容性
Hugging Face 发布 torch-neuronx 模型支持查询 Space，检测 AWS Trainium 兼容性。该 Space 支持查询 Hugging Face Hub 上 175B 参数规模的主流模型（如 Qwen3-0.6B）是否能在 Trainium 上无修改运行，并提供运行脚本。
腾讯混元 · Hugging Face 新模型腾讯混元发布 WeVisOne-VL-2B 模型
腾讯混元发布 WeVisOne-VL-2B 模型，基于 Qwen3-VL 构建，集成 9.5M 参数像素解码器，支持目标级感知（开放词汇目标检测、指向定位、计数、指向和 OCR）与像素级感知（指向分割和可提示 alpha 摩擦），适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。
- 腾讯混元 · Hugging Face 新模型
腾讯混元发布 WeVisOne-VL-4B 统一视觉语言模型
腾讯混元发布 WeVisOne-VL-4B 模型，基于 Qwen3-VL 构建，集成 9.6M 参数像素解码器，支持目标级感知（开放词汇目标检测、指向定位、计数、指向和 OCR）与像素级感知（指向分割和可提示 alpha 摩擦），适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。
vLLM Blog5858vLLM 为 MiniMax-M3.1-Flash 提供零日支持
vLLM 在 NVIDIA Blackwell、Rubin 和 AMD MI350 系列显卡上为 MiniMax-M3.1-Flash 提供零日支持，在智能体工作负载上表现优异。
- Hugging Face Blog
Hugging Face 发布 OlmoEarth v1.3：全球卫星嵌入模型取得新进展
Hugging Face 发布 OlmoEarth v1.3，一款卫星嵌入模型，提供全球预计算嵌入（10米分辨率，64及128维度），用户无需登录或技术知识即可使用。模型在27项评测中表现最佳，128维度嵌入在20项评测中得分最高，64维度嵌入在18项评测中领先。模型训练成本较v1.2降低53%，较v1降低18%，碳排放也相应减少，权重、数据和代码全部开源。
NVIDIA Newsroom欧洲交通领导者基于 NVIDIA Hyperion 构建安全车辆和自动驾驶出租车车队
欧洲交通领导者 Bolt with Lucid、梅赛德斯-奔驰、大众商用车和 Einride 正在 NVIDIA Hyperion 计算平台上展示自动驾驶交通应用案例，展示对 3 级和 4 级车辆以及未来自动驾驶出租车车队的潜在应用。
- NVIDIA Newsroom
NVIDIA 推出 Agile ONE SN 人形机器人参考平台及 Isaac 平台新功能加速通用机器人开发
Agile Robots 发布 Agile ONE SN 人形机器人参考平台，搭载 NVIDIA Isaac GR00T 和 Jetson Thor，计划集成 NVIDIA Halos 安全系统，为开发者提供完整的人形机器人开发与验证平台。
- PyTorch Blog3030
从 KTIR 到 SpyreCode：为 IBM Spyre 开发 MLIR 数据流后端
Torch-spyre 的 Inductor 决定每个内核的工作如何在 Spyre 的核心上分配，并管理张量在片上 Scratchpad 和片外内存之间的驻留，而后端编译器将这些决策转换为硬件可以实际运行的指令。
- PyTorch Blog
FlyDSL 通过现有 PyTorch API 加速 AMD MI350 系列显卡计算
PyTorch 用户可在 AMD MI350 系列显卡上通过 FlyDSL 使用现有算子 API 加速密集和分组 GEMM、融合多头注意力、MXFP8/MXFP4 缩放 GEMM、RMSNorm 和 TopK，无需调用自定义内核
Google ResearchGoogle Research 发布 AI 辅助超声技术赋能基层孕产妇护理
Google Research 发布的 AI 模型在 JAMA Network Open 上验证，其通过盲扫超声技术评估孕期周数（gestational age）的准确性。
- Hugging Face Blog
Hugging Face 介绍 TorchNeuron 在 AWS Trainium 上的系统级性能分析
Hugging Face 介绍了如何使用 TorchNeuron 在 AWS Trainium 上进行系统级推理性能分析，通过 torch.profiler 配置 Neuron 后端捕获干净 traces，并利用 key_averages() 表识别耗时操作。
- AWS Machine Learning Blog5858
vLLM 通过双向 KV 传输提升多轮智能体工作负载的 TTFT 性能
vLLM 的双向 KV 传输机制通过让解码节点在后续对话回合中返回先前计算的 KV 缓存给预填充节点，减少了重复计算，在 AWS EC2 P5en 实例上的多轮基准测试中将 Qwen3-32B 的 TTFT 提升了 1.6 倍，zai-org/GLM-5-FP8 提升了 3.3 倍。该功能通过扩展 NIXL KV 连接器实现，并利用 KV 缓存感知路由器协调跨对话回合的 KV 重用。
- AWS Machine Learning Blog4949
vLLM 推出基于推送的 KV 传输以提升分散推理的 TTFT 和 TPOT
vLLM 引入基于推送的 NIXL 连接器，通过将后预填充传输协调和设置移出关键路径，减少时间到第一个 token (TTFT) 和每个输出 token 的时间 (TPOT)，提升应用响应性。
- AWS Machine Learning Blog3434
在 AWS 上使用 Strategy Mosaic 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层
Strategy Mosaic 作为语义层，通过两个链接模型在 Amazon Redshift 和 Amazon Aurora 上无 ETL 地建模 C360 领域，其度量语法捕获智能体推理的业务定义，并通过 Mosaic MCP 服务器向 AgentCore 托管的 Strands 智能体暴露模型，支持用户身份传递以实现端到端行级和对象级安全。
- AWS Machine Learning Blog2828
在 AWS 上使用 Denodo 和 Amazon Bedrock AgentCore 构建 AI 智能体语义层
Denodo 平台在 AWS 上构建语义层，为 Amazon Bedrock AgentCore 提供受控的企业数据访问，支持 Amazon Aurora、Amazon Redshift 和本地 PostgreSQL 数据库的联邦查询。
- AWS Machine Learning Blog3939
i14如何在AWS Trainium2上使用原生PyTorch训练和部署Laplace 3B线性注意力模型
i14 将其 24 层解码器 Laplace 3B（3,072D 参数，使用 Gated Linear Attention 架构）部署到 AWS Trainium2 上，实现每秒 120,000 个 token 的训练速度和 11,544 个输出 token 的并发推理能力。
- vLLM Blog
蚂蚁集团与 vLLM 社区开源 Humming：通用量化推理高性能内核库
蚂蚁集团和 vLLM 社区开源 Humming，这是一款通用的高性能量化推理内核库。Humming 支持英伟达从图灵架构开始的 GPU 以及 T-Head Zhenwu 810E 等 CUDA 兼容设备，提供广泛的量化支持，涵盖多种整数和浮点类型、位宽和缩放方案，在多个代表性工作负载上显著优于 vLLM Marlin、FlashInfer 和 DeepGEMM 等现有实现。
- Apple Machine Learning Research
TEAL：基于 ViT 的像素级高效主动学习框架
TEAL 首次将 ViT 的 token 空间高效主动学习应用于低预算像素级语义分割，在 CamVid、Cityscapes 等数据集上以单张图仅 1 个像素标注为代价，将 mIoU 提升至 +24.36，10 个像素标注时达到全监督 97% 的性能。
Google Developers BlogArm 使用 Google AI Edge Model Explorer 为自定义边缘编译器添加视觉图调试功能。
Arm 利用 Google AI Edge Model Explorer 的分层图可视化和插件架构，开发了支持 TOSA、VGF 和 PTE 等格式的开源适配器，帮助开发者更便捷地检查边缘模型转换流程。
- Hugging Face Blog
Hugging Face 推出 TorchTPU：原生 PyTorch 后端支持 TPU
Hugging Face 发布 TorchTPU，使 TPU 成为 PyTorch 的原生后端设备。Transformers、Diffusers 和 Kernels 现可直接在 TPU 上运行，用户只需从 Hugging Face Hub 选择模型，指定 device_map="tpu" 即可。
- 腾讯混元 · Hugging Face 新模型
腾讯发布 Hy-Memory-30B-A3B-GGUF 模型量化文件
Tencent 混元发布的 Hy-Memory-30B-A3B-GGUF 模型量化文件采用 imatrix 校准和 MoE 感知的混合精度量化方案，在 llama.cpp 上实现高效本地推理，其中 ~8 GB 的 expert-mixed 构建文件大小降至约 24.71 GB，性能仅比 Q6_K 下降 1.53%。
- vLLM Blog
vLLM 如何实现弹性专家并行近零停机扩展
vLLM 通过异步准备和 NIXL EP 技术，将 DeepSeek V4 Pro 从 16GB200 到 20GB200 的扩展停机时间缩短至 0.82 秒，从 20GB200 回缩至 16GB200 的停机时间缩短至 1.96 秒。
- Google Research
Google Research 探索将 AI 智能体与生物学现实相结合构建自主湿实验室
Google Research 发布 VERID 框架，使 AI 智能体能在基于物理测量的安全、资源高效的实验中运行；在适配体和从头蛋白质设计原型上展示闭环智能体科学发现；通过 3 轮设计-测试-迭代循环，在肌红蛋白和 α-凝血酶两个靶点上，AI 驱动的合理和从头设计将确认的靶向命中率分别提高到 33.5% 和 42.1%。
- vLLM Blog
vLLM 优化 Kimi K3：快速且负责任的模型调优实践
vLLM通过智能体辅助开发为Kimi K3构建了统一CuTe DSL解码路径，在16颗NVIDIA GB300 GPU上实现840 tokens/s的批处理1性能，测试配置中解码吞吐量提升1.5-2倍，AgentX工作负载P90交互性提升1.8倍。
- Microsoft AI News
微软AI发布80亿参数MoE大模型MAI-Base-2
微软AI完成新MoE大模型MAI-Base-2的预训练，拥有80亿活跃参数和2.8万亿总参数，在内部评估中超越所有开源模型。该模型比开源最强基座模型DeepSeek-V4-Pro-Base预训练FLOPs效率高出4-12倍，并用于训练更大模型。微软通过全栈控制，使用有机数据预训练，计划通过Foundry授权模型权重。
- Apple Machine Learning Research
MLX 和 RDMA 在 Mac Studio 上实现本地和分布式大语言模型推理
在四台 Mac Studio 集群上，Muse Spark Open（816B 参数）生成速度超过 36 tokens/秒。Mac Studio M5 Ultra 版本比 M3 Ultra 在推理速度上提升 4.6 倍（TTFT）和 1.6 倍（tokens/秒），得益于 GPU 神经加速器和 1.2 TB/s 内存带宽。