今天最值得读的 AI 新闻，来自正在塑造 AI 的实验室、创业公司和研究者。
Hugging Face Blog精选6565llama.cpp 与 ggml 发布 v1.0.0，将公共 C API 的破坏性变更与主版本号绑定，后续两者都按语义化版本规则发布。项目已支持超过 150 种模型架构和主流投机解码方法，并提供 Linux、macOS、Windows、Android、iOS 的预发布产物及 Docker、Homebrew、conda-forge 等分发渠道。
推荐理由: llama.cpp 与 ggml 同步发布 v1.0.0，并明确主版本号对应 C API 破坏性变更，下游依赖者可据此规划升级节奏。
Hugging Face Blog精选7171IBM 在 Hugging Face 发布 LLMON（LLM 对象符号）标记语言，并推出基于 Granite 4.1 的 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型，同时开源 GitHub 工具包。
推荐理由: 原文给出 LLMON 标记语言的设计动机与两个预览模型，读者可据此理解指令与数据分离如何降低间接提示注入风险。
vLLM Blog精选6060vLLM-Omni 团队将 MiniMax H3-Image 接入 NVIDIA Vera Rubin，四卡 SP4 配置下原生 4096×4096 文生图短提示词基准中位延迟 0.87 秒，四副本 SP1×DP4 吞吐达 6115 张/小时。
推荐理由: 原文给出 H3-Image 在 Vera Rubin 上的实测延迟、吞吐与跨硬件部署配置，可据此判断 4K 图像生成的部署成本。
AWS Machine Learning Blog精选6060AWS 发布开源框架 UAEF，用适配器将 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的执行轨迹统一为 AgentTrace，再用 7 个维度 36 项内置指标打分。
推荐理由: 原文给出跨框架统一评测的适配器与指标设计，读者可据此判断多框架智能体版本对比的落地方式。
Google Developers Blog精选7878Google 发布生成式 UI 开放协议 A2UI 1.0，这是该协议的首个稳定版本，让 AI 智能体以交互界面而非纯文本作答。1.0 新增双向函数调用、无障碍支持和扩展元数据，并提供 Web、Android、iOS 的开源渲染器 SDK 以及 Python、TypeScript、Dart 的智能体 SDK。
推荐理由: A2UI 1.0 将智能体输出从纯文本扩展为原生交互界面，并提供多平台渲染器与接入方案示例，据此可判断生成式 UI 的落地方式。
NVIDIA Newsroom精选7878NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，使用 10 万小时 NVIDIA 开源人类第一视角数据训练，可在无任务专属演示的情况下完成 50 项评测任务中的 40 项。
推荐理由: 原文给出 GR00T 2 在少样本任务上的成功率与 Isaac Lab 3.0 的训练吞吐提升，可据此判断仿真训练对机器人落地的推进程度。
LangChain Blog精选7272LangChain 在 Deep Agents 中推出异步子智能体，由常驻的编排智能体对接用户，子智能体在后台并行执行长任务并在完成后回报结果。
推荐理由: 原文给出异步子智能体的五个管理工具与通知机制，可据此判断长任务并行的工作流怎么搭。
Hugging Face Blog精选7171NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开源权重检查点，均为 Cosmos 3 Nano 的后训练版本，含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
推荐理由: 原文给出四个开源权重检查点及四阶段后训练配方，读者可据此判断如何把世界模型适配到自有传感器与机器人本体。
Hugging Face Blog精选7272Phonon 发布可在本地设备运行的小型 TTS 模型，无需服务器和网络，提供约 65 MB 和 75 MB 两个版本，覆盖英语、法语、德语、西班牙语和葡萄牙语。
推荐理由: 原文交代了端侧 TTS 的模型规格、开源许可与榜单表现，可据此判断小模型在本地语音场景的可用边界。
vLLM Blog精选7171Buoyant 发布开源项目 Kinference，作为 vLLM 与 Kubernetes 之上的推理控制平面，提供 token 限流、租户用量与成本追踪、KV cache 感知的负载均衡和推理策略。
推荐理由: 原文给出 KV 缓存感知负载均衡的基准对比和 YAML 策略示例，可据此判断推理平台的路由层如何设计。
AWS Machine Learning Blog精选6060AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用验证智能体与兜底机制把关。
推荐理由: AWS 团队把上下文工程拆成四层，并给出开源参考实现中的具体代码与 token 节省数据，可直接对照改造自家 Agent。
Hugging Face Blog精选6060IBM 研究团队微调 20B 开源权重模型 Palette，采用设计师编写 JSON 简报、编码器逐页生成 pptxgenjs 代码的两角色 LoRA 方案，根据 IBM 设计语言生成幻灯片。
推荐理由: IBM 使用合成数据加检查修复闭环训练 20B 小模型制作幻灯片，提供可迁移到其他结构化产出的方法。
Hugging Face Blog精选6262IBM团队使用同一个开源权重模型GLM-5.3-flash在AppWorld的90个任务上对比CUGA、Hermes和Deep Agents，任务通过率分别为81.1%、46.7%和30.0%，三变体全部通过的场景数为20、8、2。
推荐理由: 同一模型换harness后任务完成率从30%升至81%，文中还给出了可复现的配置与评测入口。
Anthropic Research精选6262Anthropic 公布可验证推理原型 FlashProve，用 zkSNARK 证明响应确实来自所承诺的模型权重。对 400B 参数的 Llama 4 Maverick（4-bit 量化），单张 H100 生成证明约 110 tokens/秒，每 1,024 token 请求的证明约 19 MB，验证在 24 核 CPU 上约 17 秒。
推荐理由: Anthropic 公开可验证推理原型 FlashProve 的实测数据与 Lean 形式化证明，可与既有 zkML 方案横向比较。
LangChain Blog精选6767LangChain 为 Managed Deep Agents 加入浏览器能力，开发者通过 define_browser 导出浏览器配置，即可让托管智能体读取页面渲染结果并点击操作。
推荐理由: 原文给出浏览器工具的接入方式、handoff 机制与 WebVoyager 实测数据，可据此判断托管智能体如何覆盖无 API 的网页任务。
Hugging Face Blog精选同一件事 · 2 家8585Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本，另有 Unsloth 和 llama.cpp 团队制作的 GGUF。
推荐理由: 原文给出 1T 总参数、49B 激活的 MoE 多模态模型在网络安全与编码基准上的具体分数，并附本地与端点部署实测吞吐。
Mistral AI精选8282Mistral 发布旗舰万亿参数原生多模态模型 Mistral Large 4（Le Chonk）的开放权重版本，此前已公开预览三周。
推荐理由: 官方给出万亿参数开源模型的编码、安全与推理效率数据，以及权重下载和自托管路径。
Hugging Face Blog精选7878NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合入同一 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由: 原文给出多语言转写、说话人分离与翻译的统一权重模型，并附开放数据管线和微调配方，可据此判断语音场景的适配路径。
LangChain Blog精选7171LangChain 介绍了其内部设计智能体 Content Studio 的搭建过程，该智能体在 Slack 中接收一句提示词即可产出视频、社交图、UI 图和幻灯片，所有素材均以代码生成。
推荐理由: LangChain 公开了设计智能体 Content Studio 的完整搭建过程，包括技能、wiki、检查门与异步子智能体的分工方式，可作为构建垂直 Agent 的参考。
Ollama Blog精选6262Ollama新增文本转语音能力，首个接入的语音模型是Gradium的小型TTS模型家族Phonon，目前支持macOS、Windows和Linux，支持即将推出。
推荐理由: 原文给出Ollama接入语音模型后的吞吐对比、准确率与OpenAI兼容接口，可据此判断本地TTS的落地方式。
