Transformers 发布 v5.21.0:新增 MiniCPM-OCR、Flint、UltraVBert、Gradium Phonon TTS、Pocket TTS 等模型
OpenBMB 的 MiniCPM-OCR 模型发布 v5.21.0 版本,采用 SigLIP 视觉编码器和 Qwen3.5 语言模型,专用于读取扫描页、截图。
OpenBMB 的 MiniCPM-OCR 模型发布 v5.21.0 版本,采用 SigLIP 视觉编码器和 Qwen3.5 语言模型,专用于读取扫描页、截图。
Flint-interactive 使 AI 生成的图表具有丰富的交互性,用户可通过点击、筛选、缩放、高亮和跨图表交互来探索数据。它通过高级语义事件和更新操作简化复杂交互的构建,并利用 Flint 编译器处理交互逻辑和视觉依赖,提高可靠性和开发效率。Flint-interactive 支持创建交互式数据故事、仪表板和连接体验,AI 代理可使用其生成带交互功能的图表,帮助用户更高效地分析数据。
AI 初创公司 Recursive 发布首个语言模型 Flint,开发过程中名为 Eureka Machine 的 AI 系统参与提出想法、搭建、测试并规划后续实验。
推荐理由: Recursive 首次公开由自动化研究系统参与开发的模型,读者可据此观察 AI 辅助研发能走到哪一步。
Recursive 发布开源 40B 模糊模型 Flint,2.5B 活跃参数,在 50B 以下 MoE 模型中表现最佳,支持推理和 OpenAI 兼容工具调用,4 位权重约 23GB,SWE-bench Verified 74.2%。
Recursive Flint v0.40.8 发布,为 Ollama 带来代码智能体。该 40B 参数 MoE 模型支持 262K token 上下文,在 Terminal-Bench 2.1 和 SWE-bench Verified 上分别达到 54.9% 和 74.2%。Flint 可用于代码理解、调试、功能实现及测试,支持 MacOS。
Recursive 发布首个模型 Flint,一款可在笔记本电脑上运行的免费编码模型,其开发过程几乎完全由 AI 驱动。Recursive 的自动化研究系统 Eureka Machine 参与了 Flint 的几乎所有开发步骤,使团队在不到四个月内完成模型构建。
Ollama v0.40.8-rc0 发布,新增对 Flint 模型的支持,通过保留源工具 JSON 和解码 API 值使 Flint 能在提示中维持数值类型和模式顺序,同时保持现有 API 序列化不变。
Recursive Flint 发布,一款 40 亿参数的混合专家模型,专为本地高效推理设计,每 token 仅激活约 2.5 亿参数,在 M4 Pro MacBook Pro 上实现 125+ tokens/秒,NVIDIA RTX Spark 上达 150+ tokens/秒。OpenHands 作为其首发合作伙伴,支持该模型在本地硬件上运行,为开发者提供开源编码模型选项。
vLLM 宣布在 Flint 发布当天提供支持,NVFP4 与 BF16 两个 checkpoint 均可在单张 GPU 上运行,单请求在单张 GB200 上、10 万 token 上下文下解码约 500 tokens/s。
推荐理由: 原文给出了 Flint 在 vLLM 上的 day-0 支持、单卡吞吐数据和逐项内核优化过程,读者可据此判断小批量推理的工程取舍。
Speech Ollama 可在 Apple Silicon 上使用 Phonon 生成语音,通过 /v1/audio/speech 端点流式传输音频;d3 决策模型支持 2B 至 27B 参数规模,用于分类、评分等任务;Flint 扩展至 Linux 和 Windows 平台,其他改进包括错误报告和模型能力传递。
Edge0 开源 Edge0-145B 和 Edge0-120B 两个端侧模型,并同时发布统一推理框架与部署工具。官方称 145B 模型可在兼容笔记本上本地运行,峰值内存 29GB、解码速度 80+ tokens/s、预填充 1100+ tokens/s,支持 128K–256K 上下文。
推荐理由: 原文给出端侧 145B 模型的实测内存、速度与多项基准对比,可据此判断本地运行前沿级模型的现实边界。
支持和反对 AI 行业的政治行动委员会在中期选举中花费了数百万美元以影响 AI 规制,结果不一,一些获得大量支持的候选人落选;支持 AI 行业的 American Mission 和 Building the Future 共花费 480 万美元支持南卡罗来纳州参议员候选人 Darlene Graham(落选)。
Claude Security 揭示 AI 安全风险加剧,开源模型竞赛加速,Kimi 3.1 Pro 成为领先者并获得 Moonshot AI 加速版本;Meta 发布 Muse 系列与 OpenAI Decisions API。
中期选举前夕,AI和数据中心成为媒体、科技界、政策倡导者热议的焦点,引发民众对技术精英主导的科技强权反弹的担忧。据Data Center Watch报告,2026年上半年近200亿美元数据中心项目因政治和社区反对而延误、停滞或受阻,弗吉尼亚州计划建设数百个数据中心,多州考虑加强监管。居民抗议企业秘密交易、社区失控及环境健康风险,认为数据中心是技术精英快速扩张的象征。
vLLM v0.33.0 发布,包含 927 次提交和 389 位贡献者支持,新增 501B MoE 的 Reflection Beam-1.0 及其 DFlash2 绘图器。
vLLM v0.33.0 发布,新增 927 次提交、389 位贡献者,引入 10 款新模型如 Reflection Beam-1.0 (501B MoE, 23B active) 和 Yandex AliceAI-Foundation-80B-A3B。
Anthropic 已停止经理进行传统编码面试,认为 Claude 在 React 和汇编语言测试方面表现更出色,并指出最成功的构建者并不取决于这些测试表现。建议初级工程师优先考虑业务影响而非积压任务,提出激进想法,并在周末构建原型,专注于一个好点子,并利用新鲜视角。
各家口径不同:Latent Space指出Anthropic停止编码面试因为Claude在React和汇编语言测试中表现更出色,而The Decoder则关注AI比候选人更能处理编程任务。
Liquid AI 发布 LFM3 小模型家族,包含 1.7B 参数的 lfm3 文本模型(256K token 上下文)、支持图像理解的 lfm3-vl、18 语言语音处理能力的 lfm3-audio 及通用模型 lfm3-omni,用于本地智能体和结构化输出;d1 决策模型升级至 2B 参数,支持文本、图像及音频决策,部分模型支持苹果硬件。
Liquid AI 发布 LFM3 小模型家族,包含 1.7B 参数文本模型 lfm3 及支持图像、音频功能的变体,上下文窗口达 256K tokens;d1 决策模型升级至 2B 参数,支持文本、图像及音频推理,Apple 硬件已支持 rc1 版本。
Ollama v0.40.12-rc0 发布,通过 MLX 技术保留小图像细节以优化 Gemma 4 视觉塔的紧凑性,提升 prompt 速度,并新增 DFlash2 支持。
Ollama v0.40.9发布,在Linux和Windows平台运行,改进了流式处理OpenAI和Anthropic消息的失败报告机制,通过ollama launch向编码工具传递云端模型的上下文长度与能力,优化Anthropic兼容搜索的思考设置以避免失败。
NVIDIA 在 GTC Berlin 上展示了其本地 AI 硬件全阵容,RTX Spark 已上线支持 Windows PC 上的个人智能体,DGX Spark 支持开发者构建和扩展 Linux 应用,DGX Station 则为 Linux 企业团队运行前沿工作负载,Windows 版将于 12 月推出。