Google 与 Artificial Analysis 推出多模态知识智能体基准 MKA
Google 与 Artificial Analysis 推出 Multimodal Knowledge Agent(MKA)基准,评估智能体处理视觉复杂文件、完成真实知识工作任务的能力。
Google 与 Artificial Analysis 推出 Multimodal Knowledge Agent(MKA)基准,评估智能体处理视觉复杂文件、完成真实知识工作任务的能力。
Hugging Face 博客给出用 TRL 的 GRPO 微调 LFM2.5-350M 的公开配方,在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。
推荐理由:Hugging Face 博客公开了用 TRL 的 GRPO 微调 3.5 亿参数模型 LFM2.5-350M 的完整配方,仅 100 步就把 IFStruct 结构化输出通过率从 22.6% 提到 29.7%。
OpenAI 新开了一个叫“AI Futures”的博客,背后是一个小规模的战略未来团队。他们想研究一个核心问题:当国家可以用自动驾驶系统代替士兵警察去投射武力,用数据中心产出的收入代替从人身上收的税,个人在权力格局里的位置还剩多少。
推荐理由:OpenAI 新设 AI Futures 博客与战略未来团队,首篇讨论国家用自主系统投射武力、以数据中心收入替代税收后,个人议价权还剩多少。
Hugging Face 搞了一场 19 天的黑客松,1200 多人带着 Claude Code、Codex 这类编程智能体,把 ICML 2026 接收的论文挑了 2226 篇来复现,覆盖了大会近三分之一。他们让智能体读论文、写代码、跑实验,然后汇报结果。
推荐理由:Hugging Face 组织 1200 多人用编程智能体在 19 天内复现 2226 篇 ICML 2026 论文,覆盖大会近三分之一投稿,并查出审稿人未细看的证明问题。
OpenAI 在 8 月 7 日公布,内部测试发现即将推出的模型 Astra 在自主编程和网络安全上进步明显,昨晚他们判断已经不能排除模型达到自家安全框架里的“高危”级别。这个级别意味着模型能自己找漏洞、写攻击程序,在没人帮忙的情况下攻破现实中加固过的系统,或者只给一个大致目标就能策划并执行全新的端到端攻击。
推荐理由:OpenAI 公布内部测试结果,称未发布的 Astra 在自主编程和网络安全上进步明显,已无法排除其达到自家安全框架的高危级别。高危级别的具体能力描述为理解前沿模型风险提供了参照。
7 月 16 日,Hugging Face 公开了一次安全事件:一个全自动 AI 智能体系统通过恶意数据集侵入了他们的生产环境。攻击者利用了数据集处理流程里的两个漏洞——远程代码加载和模板注入——在数据处理节点上执行了代码,随后提权到节点级别,偷走了云服务和集群的凭证,并在一个周末内横向移动到了多个内部集群。
推荐理由:Hugging Face 披露一个全自动 AI 智能体借恶意数据集和两个处理流程漏洞侵入其生产环境,完整攻击链条对理解 AI 平台的数据集处理风险有直接参考价值。
Inkling 是一个总参数量约 1 万亿(975B)、每次推理激活 41B 参数的混合专家(MoE)模型,能直接吃进文字、图片和音频,支持 100 万 token 的上下文窗口。它用 45 万亿个多模态 token 训练,还内置了多 token 预测(MTP)投机解码层来加速推理。
推荐理由:Thinking Machines 发布 Inkling,975B 总参数、41B 激活的 MoE 架构原生支持文字图片音频,上下文窗口达 100 万 token,训练用了 45 万亿多模态 token。
Hugging Face 上线了 Discover Tool,这是 ARD(代理资源发现)规范的一个参考实现。ARD 是一份由微软、谷歌、GoDaddy、Hugging Face 等共同起草的开放草案,解决的是当前代理生态里一个很实际的问题:现在用 MCP 工具、A2A 代理或技能,都得靠人提前写好配置、指定好地址,代理自己不会找。
推荐理由:Hugging Face 上线 ARD 参考实现 Discover Tool,让代理自行搜索 MCP 工具、A2A 代理与技能,该草案由微软、谷歌、GoDaddy 等共同起草。
这三篇论文都进了 CVPR。GraspGen-X 用 20 亿次模拟抓取训练,让机械手能处理没见过的物体,但正文没披露真实世界的抓取成功率。LCDrive 把自动驾驶的推理 token 砍了大约一半,靠的是让模型直接输出轨迹而不是先写文字再转成动作,延迟更低,不过没提极端场景下的安全性验证。
推荐理由:NVIDIA 在 CVPR 发布三篇论文,其中 LCDrive 让自动驾驶模型直接输出轨迹,把推理 token 减少约一半以降低延迟。
英伟达在 2026 年 4 月 28 日开源了 Nemotron 3 Nano Omni,一个能同时处理文字、图片、音频、视频、文档、图表和屏幕界面的多模态模型。它用了 30B-A3B 的混合专家架构(MoE),实际激活的参数量是 3B,配合 Conv3D 和 EVS 技术来处理音视频,上下文窗口拉到 256K。
推荐理由:英伟达开源 Nemotron 3 Nano Omni,一个模型同时处理图文音视频,激活参数 3B、上下文 256K,为想搭多模态 agent 的团队提供了一条开源路径。
DeepSeek 发了 V4,分 Pro 和 Flash 两个版本,都支持 100 万 token 的上下文窗口。Pro 版总参数 1.6 万亿,每次推理激活 490 亿;Flash 版总参数 2840 亿,激活 130 亿。跑分不是最顶尖的,但这不是重点。
推荐理由:DeepSeek-V4 分 Pro 和 Flash 两版,均支持 100 万 token 上下文,Pro 版总参数 1.6 万亿、激活 490 亿,Flash 版总参数 2840 亿、激活 130 亿。
Hugging Face 发了一篇技术指南,拆解了他们刚做的 Chrome 插件“Transformers.js Gemma 4 浏览器助手”。核心是把 Gemma 4 E2B 模型塞进浏览器的后台 Service Worker 里本地运行,不靠云端。
推荐理由:Hugging Face 拆解了把 Gemma 4 E2B 放进 Chrome 后台 Service Worker 本地运行的插件架构,涉及 MV3 环境下的工程取舍。
Mistral AI 发布首个文本转语音模型 Voxtral TTS,4B 参数,支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言,具备情感表达与零样本跨语言音色适配能力。
推荐理由:Mistral AI 推出 4B 参数语音合成模型 Voxtral TTS,覆盖 9 种语言并支持零样本跨语言音色适配,其与 ElevenLabs 的对比评测提供了多语言语音质量的一个参照。
英伟达发了 Nemotron 3 Super,一个总参数量 120B、但每次推理只激活 12B 参数的混合专家模型。它用了混合 MoE、隐式 MoE 和一次预测多个 token 的技术,上下文窗口拉到 100 万 token。官方说在跑 agent 这类多步骤任务时,吞吐量比之前方案高 5 倍。
推荐理由:英伟达开源 Nemotron 3 Super,总参 120B 但每次推理只激活 12B,并支持 100 万 token 上下文,官方称跑 agent 多步骤任务时吞吐量提升 5 倍。
Hugging Face 宣布 GGML 和 llama.cpp 的团队正式加入公司。Georgi Gerganov 和他的团队会继续把全部时间花在维护 llama.cpp 上,项目的技术方向和社区管理保持完全独立,不会变成闭源。
推荐理由:GGML 和 llama.cpp 团队加入 Hugging Face,仍全职维护 llama.cpp,技术方向与社区管理保持独立,本地推理核心工程力量由此获得长期支持。
Mistral 发布 Voxtral Transcribe 2,包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文字模型。
推荐理由:Mistral 发布 Voxtral Transcribe 2,其中实时转写模型 Realtime 以 Apache 2.0 开源,延迟可配置到 200 毫秒以内,并支持 13 种语言。
NVIDIA 在 CES 上展示了两台桌面设备 DGX Spark 和 DGX Station,能在本地跑 1000 亿到 1 万亿参数的开源模型。DGX Station 有 775GB 的统一内存,可以把模型压缩到 NVFP4 格式,压缩率最高 70%,跑 llama.cpp 时推理速度平均提升 35%。
推荐理由:英伟达在 CES 展示的 DGX Spark 和 DGX Station 能在桌面本地运行千亿到万亿参数开源模型,其中 DGX Station 的 775GB 统一内存与 NVFP4 压缩给出了本地部署大模型的硬件配置参考。
NVIDIA 在 2026 年 1 月 5 日放出了一批新的开源模型和数据集。语言模型方面,有 Nemotron 系列的新成员,专门做语音、外挂资料库(RAG)和安全对齐;还有一个叫 Alpamayo 1 的模型,正文没具体说它擅长什么。
推荐理由:NVIDIA 一次性开源覆盖智能体、机器人、自动驾驶和生物医药的模型、数据集与工具,其中 Nemotron 新成员分别面向语音、RAG 和安全对齐。
Hugging Face 宣布和 VirusTotal 合作,开始持续扫描 Hub 上超过 220 万个公开的模型和数据集仓库。你打开仓库或文件页面时,Hub 会自动比对文件哈希值,从 VirusTotal 拉回该文件是否被标记为恶意、有多少家引擎报毒,以及相关的威胁情报。整个过程不会把原始文件内容发给 VirusTotal。
推荐理由:Hugging Face 与 VirusTotal 合作,对 Hub 上超 220 万个公开模型和数据集仓库做持续扫描,用户打开页面即可看到文件是否被标记为恶意及报毒引擎数量。
AI Sheets 是一个开源表格工具,之前只能处理文字,现在加入了视觉能力。你可以把图片(比如收据、文档、产品图)直接拖进表格,用自然语言让模型帮你提取里面的信息、生成描述、甚至编辑图片。它背后调用的是 Inference Providers 上的几千个开源模型。你在表格里手动改错、点“赞”的操作,会被当成少样本示例来优化后续结果。
推荐理由:Hugging Face 为开源表格工具 AI Sheets 加入视觉能力,可拖入收据、文档、产品图并用自然语言提取信息、生成描述或编辑图片,表格里的人工修正会作为少样本示例优化后续结果。
Mistral AI 发布首款推理模型 Magistral,分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由:Mistral AI 推出推理模型 Magistral,同时给出 24B 开源版与企业版,并披露两者在 AIME2024 上的得分,可比较开源与商用版本的性能差距。