商务部、科技部拟在出口技术目录增列23项人工智能技术并征求意见
商务部、科技部发布2026年第48号公告,拟在《中国禁止出口限制出口技术目录》中增列23项人工智能关键技术并公开征求意见,同时实施出口前登记临时管理措施。拟列管范围涵盖大模型、智能体、算力集群和信息处理,已通过开源或学术论文进入公共领域的相关技术拟不纳入出口管理。
推荐理由:商务部、科技部明确限制类大模型海外部署与境外调用的管理边界,技术转移与服务提供的区分直接关系企业出海合规。
商务部、科技部发布2026年第48号公告,拟在《中国禁止出口限制出口技术目录》中增列23项人工智能关键技术并公开征求意见,同时实施出口前登记临时管理措施。拟列管范围涵盖大模型、智能体、算力集群和信息处理,已通过开源或学术论文进入公共领域的相关技术拟不纳入出口管理。
推荐理由:商务部、科技部明确限制类大模型海外部署与境外调用的管理边界,技术转移与服务提供的区分直接关系企业出海合规。
SGLang 为 Muse Spark Open 提供 Day-0 支持,加入序列并行、NVFP4 MegaMoE、多模态处理优化及 DFlash V2 推测解码。
推荐理由:SGLang 将序列并行与 MegaMoE 联用于长提示词预填充,在七档并发测试中将 p90 首 token 延迟降低 28.3–41.9%。
Black Forest Labs 发布 5.6B 参数的开放权重模型 FLUX 3 Image Klein,支持文生图、图像编辑及最多 10 张参考图的多参考生成。
推荐理由:FLUX 3 Image Klein 通过 INT8 量化支持低至 8GB 显存的设备运行,降低本地图像生成与编辑的硬件门槛。
NVIDIA 发布 Nemotron 3.5 Super VL 和两款 Bolt 边缘模型,覆盖企业服务器到本地设备的智能体部署。Super VL 为 120-billion-parameter 多模态模型,开放权重、数据集和训练配方,支持理解图像、网页及 PDF,并可用组织自有数据进行后训练。
推荐理由:NVIDIA 为服务器和边缘设备推出开放模型,组织能按硬件条件选择部署层级,并用自有数据定制智能体任务。
Black Forest Labs FLUX.3 Image Klein 发布并同步支持 Diffusers,在同一模型中提供文生图、多参考图生图与边界框布局控制。
推荐理由:FLUX.3 用归一化边界框指定生成区域及参考图内容的移动位置,让布局指令在不同图像尺寸下保持一致。
Prime Intellect 发布 Rust 重写版 Prime Agent,由超 2,000 个智能体在两周内完成端到端迁移,并新增原生 Windows 支持(beta)及 homebrew 安装。
推荐理由:Prime Intellect 将规划、实现、审查和验证拆给不同智能体,以差分测试约束迁移进度,减少大规模代码重写中的人工审查。
Anthropic 推出自愿加入的 OSS Scanner,使用包括 Claude Mythos 在内的最强模型,为符合条件的开源项目免费提供定期安全扫描。报告完全由模型生成,不经人工审核或分流,包含独立复现程序、漏洞解释及可用时的候选补丁,可能存在错误或无效结果。
推荐理由:Anthropic 的 OSS Scanner 将未经人工审核的漏洞报告直接交给开源维护者,以更快、更频繁的扫描换取维护者自行核验的负担。
Google 开源 AQuA(Ambient Quality Agent),在 Google Cloud 项目内旁路分析生产会话,并结合部署时源码快照诊断智能体故障。
推荐理由:AQuA 将生产会话中的失败聚类与部署时源码快照结合,通过逐簇核验和代码行引用,为智能体故障排查提供可追溯证据。
Strands 发布 Strands Decider 2B,面向本地实验与智能体工作流,在 GitHub 和 Hugging Face 开放代码、权重、训练数据及脚本。
推荐理由:Strands Decider 2B 的示例在工具执行前检查参数依据与调用时机,将低成本决策嵌入智能体的澄清流程。
Mistral 推出万亿参数多模态模型 Mistral Large 4 的公开预览,API 已通过 Mistral Studio 开放,模型权重预计于 10 月底发布。
推荐理由:Mistral Large 4 在漏洞复现与修补测试中领先,竞品拒绝执行任务使该项比较同时受到安全策略和模型能力影响。
Reflection 宣布文本模型 Beam,面向编码、逻辑推理和 AI 智能体任务,重点追求较低算力下的性能。公司称其在高难度推理任务上匹敌 GLM 5.2,所需算力少三到四倍,并允许用户调节思考程度以权衡算力成本与输出质量。Beam 仍在进行最终安全测试,目前仅向部分用户提供早期版本,技术报告、开发者文档及采用 Apache 2.0 许可的模型权重计划于本月晚些时候发布。
推荐理由:Reflection 称 Beam 在高难度推理任务上达到 GLM 5.2 的表现,所用算力减少至其三分之一到四分之一。
GNOME 安全工作参与者主张允许 AI 生成的漏洞报告并主动扫描项目,同时强调不能仅依赖 AI,人工核验和安全审计仍有必要。GNOME 漏洞赏金计划因报告过多而关闭,共收到 298 份报告、接受 71 份,发放 €183,900;Red Hat 委托的 GLib 扫描声称发现 118 个漏洞,其中 46 个被维护者认定为非安全缺陷,结果还存在未完成去重的问题。
推荐理由:GNOME 漏洞赏金计划因报告积压而关闭,AI 扫描带来的漏洞发现收益伴随着分诊、核验与修复审查的维护负担。
RemoveMacAI 可关闭 macOS 27 的 Apple Intelligence、移除已下载模型并阻止重新下载,所有更改均可撤销。工具通过用户批准的配置描述文件和 Apple 的资源服务操作,保持 System Integrity Protection 启用,但会停用依赖设备端模型的应用功能,模型文件实际删除由 macOS 自行调度。
推荐理由:RemoveMacAI 通过可撤销的配置关闭系统 AI 并阻止模型重新下载,回收存储空间的同时会停用依赖设备端模型的应用功能。
Aleph Alpha 发布英德双语 MoE 模型 Kolibri,总参数为 78B、激活参数约 3B,支持最高 1M tokens 上下文。完整权重在 Hugging Face 按 Apache 2.0 许可开放,部署需要提供 Kolibri vLLM 插件的 aleph-alpha-inference 包。
推荐理由:Aleph Alpha 将行业失败案例转成持续运行的评测,并用合成训练环境改进模型,无需使用客户数据训练。
DeepSeek Harness 已在全球开放公开预览并开源,提供 macOS 和 Windows 桌面应用,也支持从代码启动 Web UI。它基于 Cordis 的插件架构,可处理文档、数据、编码和研究任务,通过 Creator mode 聊天创建插件,并用 Scheduled tasks 插件执行定时任务。
推荐理由:DeepSeek Harness 采用可组合插件架构,并支持通过聊天创建插件,让工具、技能与界面按工作流扩展。
Earendil 发布极简、可扩展的智能体框架 Pi 1.0,并推出用于构建长时间运行智能体应用的实验包 Pi Durable。Pi 1.0 新增 Codemode 原生 MCP 支持、虚拟模型扩展、延迟工具加载、Anthropic 模型缓存预热和对话中系统消息,并更新 TUI 主题、默认启用全屏模式。
推荐理由:Earendil 将长时间运行的智能体应用支持放进独立的 Pi Durable 实验包,让 Pi 保持面向编码与终端的极简定位。
DeepSeek 与华为合作为昇腾芯片打造编程工具并全部开源,核心是比 CUDA 更易上手的 TileLang 语言,双方还优化了由 128 颗昇腾 950 芯片组成的超级节点。
推荐理由:DeepSeek 与华为联合开源昇腾芯片编程工具,核心 TileLang 语言比 CUDA 更易上手,为国产芯片软件生态提供了一条可参考的路径。
Anthropic 发布评估称,智谱开源模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由:Anthropic 与 CAISI 的实测数据给出开源模型网络攻击能力与前沿模型的差距,以及防护被绕过的具体路径。
Mistral 宣布 Mistral Regional Endpoints 正式可用,客户可选择推理在欧洲或美国运行,同时 Mistral Priority Tier 进入公开预览,提供自定义速率限制和带 SLA 的可用性承诺。
推荐理由:Mistral 将区域推理端点、带 SLA 的 Priority Tier 与第三方开源模型接入同一套基础设施,为关注 AI 主权落地路径的读者提供了一份具体样本。
Google DeepMind 发布 Gemma 4,称其为迄今最智能的开源模型,面向高级推理与智能体工作流,采用 Apache 2.0 许可。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,31B 在 Arena AI 文本榜位列全球开源模型第 3,26B 位列第 6。
推荐理由:Gemma 4 以 Apache 2.0 许可开源四种尺寸,31B 在 Arena AI 文本榜排开源模型第 3,26B 排第 6,为开发者选择开源模型的部署与微调方案提供参照。
Mistral AI 发布 Mistral Small 4,这是首个把 Magistral 推理、Pixtral 多模态和 Devstral 编码智能体能力统一到单一模型的 Mistral 模型,采用 Apache 2.0 许可。
推荐理由:Mistral Small 4 把推理、多模态与编码能力合并进单一开源模型,并给出相比 Mistral Small 3 的延迟与吞吐数据,可用于判断统一模型对部署成本的影响。
Mistral 基于其开源编码助手 Vibe 构建了一个自动编写 Rails RSpec 测试的智能体,可读取源码、生成或改进测试、按风格规则与覆盖率目标校验,并在 CI/CD 中无人干预运行。
推荐理由:Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法,包含上下文工程、技能文件与自定义工具的可迁移细节。
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。
Mistral AI 发布 Devstral 2 编码模型家族,含 123B 的 Devstral 2 与 24B 的 Devstral Small 2,分别采用修改版 MIT 和 Apache 2.0 许可,均为开源。
推荐理由:Mistral 开源 Devstral 2 编码模型家族,123B 版本在 SWE-bench Verified 上达到 72.2%,并同步推出终端编码代理 Mistral Vibe CLI。
Mistral AI 发布 Mistral 3 系列,包括 14B、8B、3B 三个稠密模型和采用稀疏 MoE 架构的 Mistral Large 3,后者为 41B 激活、675B 总参数,全部以 Apache 2.0 许可开源。
推荐理由:Mistral 以 Apache 2.0 开源 Mistral 3 系列,含 3B 到 14B 稠密模型与 675B 总参数的稀疏 MoE 大模型,覆盖端侧到前沿规模。
Mistral 发布 Voxtral 语音理解模型,提供 24B 和 3B 两个版本,均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文,可处理最长 30 分钟转写或 40 分钟理解,具备内置问答与摘要、多语言识别和语音函数调用能力,并保留 Mistral Small 3.1 的文本能力。
推荐理由:Mistral 开源两款语音理解模型,给出 32k 上下文、函数调用等能力与低于同类 API 一半的定价,便于评估语音方案选型。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 1.1。
推荐理由:Mistral 与 All Hands AI 联合发布 Devstral Medium 并升级 Devstral Small 1.1,后者以 Apache 2.0 许可开放,前者在 SWE-Bench Verified 上得分 61.6%,API 定价为每百万输入 0.4 美元、输出 2 美元。
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。
Mistral AI 发布企业级 AI 编码助手 Mistral Code,整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型,支持云端、专属容量或本地 GPU 气隙部署,代码保留在企业边界内。
推荐理由:Mistral AI 将四个编码模型与本地部署、管理控制台打包成企业级助手,西班牙银行 Abanca 与法国国铁 SNCF 已分别以混合配置和 Serverless 方式落地。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体 LLM Devstral,以 Apache 2.0 许可开源,在 SWE-Bench Verified 上得分 46.8%,比此前开源 SOTA 模型高出 6 个百分点以上。
推荐理由:Mistral 与 All Hands AI 联合发布的智能体编码模型,给出了 SWE-Bench Verified 成绩与本地部署门槛。
Mistral AI 发布 Mistral Small 3.1,在 Mistral Small 3 基础上提升文本性能、多模态理解,并将上下文窗口扩展至 128k tokens,推理速度达 150 tokens per second,以 Apache 2.0 许可开源。
推荐理由:Mistral AI 以 Apache 2.0 许可开源 Mistral Small 3.1,将上下文扩至 128k tokens 并加入多模态理解,可在单张 RTX 4090 或 32GB 内存的 Mac 上运行。
Mistral AI 发布面向低延迟任务的 24B 模型 Mistral Small 3,以 Apache 2.0 许可开放预训练和指令微调检查点。官方称其性能与 Llama 3.3 70B instruct 相当,同硬件下速度超过 3x,MMLU 准确率超过 81%;模型未使用 RL 或合成数据训练。
推荐理由:Mistral AI 将 Small 3 的性能对标 Llama 3.3 70B,并报告同硬件下超过 3x 的速度优势。