模型路由并不简单：为何智能体路由是系统优化问题
同一 CodeAct 智能体在 AppWorld Test Challenge 的 417 个任务上，Claude Sonnet 4.6 共花费 $79，GPT-4.1 则为 $155，尽管后者 token 定价更低。
全部AI 动态
全部动态
今日 12 条HuggingFace BlogAI 评分4949
HuggingFace BlogAI 评分5656 Hume 推出语音 AI 人类质量评测基准 Real World VoiceEQ
Hume 推出 Real World VoiceEQ 基准，用于评估语音 AI 交互的人类质量，覆盖 40 多款闭源与开源语音模型、15 个以上评测维度和 60 多项指标。该基准基于超 100 万条人工评分构建，含 78.5 万条 TTS 评分与 4.8 万条 STS 评分。评测显示语音模型的说话能力普遍强于聆听能力，没有一种配置在全部八类能力上进入前五，传统基准会高估真实场景表现。
HuggingFace Blog精选AI 评分7979 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 发布开源多模态模型 Inkling，总参数 975B、激活 41B，支持 1M 上下文并原生接收图像、音频和文本输入。同期推出 Inkling-Small（总参数 276B、激活 12B），采用与 Inkling 相同的架构。
推荐理由：约 1T 参数的开源多模态模型，文章给出多个推理引擎的部署配置和基准对比，便于判断它能否落到现有工作流。
Google DeepMindAI 评分3232 Google DeepMind 启动 ATL Saathi 试点，用 Gemini 赋能印度下一代创新者
Google DeepMind 启动 Gemini 驱动的 ATL Saathi 试点，为印度 Atal Tinkering Labs 教育者提供 24/7 规划与培训助手，首批覆盖 100 所试点学校。该 web 应用基于 NotebookLM 组织 12 个核心模块内容，支持 8 种语言，并为 10 个核心模块生成项目创意与装配说明。底层使用 Gemini 3.5 Flash。
HuggingFace Blog精选AI 评分6363 PyTorch 性能分析第三部分：剖析 attention 各后端实现
Hugging Face 博客发布 PyTorch 性能分析系列第三部分，用 profiler 轨迹逐一对比朴素 attention、in-place 掩码以及 SDPA 的 math、efficient、flash 和 cuDNN 四种后端实现。
推荐理由：逐层对比四种 attention 后端的 profiler 轨迹，提供先做预期再验证这一可迁移的性能排查方法。
Mistral AIAI 评分4343 Mistral Studio 为提示词和技能提供系统记录：版本化、归属与可追溯
Mistral Studio 现为提示词和技能提供系统记录，每项资产带版本、归属与完整历史，已面向 Studio 客户开放。任何 AI 构建者都能直接编辑并即时测试提示词或技能，发布到生产仍走企业既有的测试与审批。版本不可变，支持两版比对与回滚，配有归属人、标签与审计日志，技能可作为 MCP servers 直接调用。
Google Research精选AI 评分6060 Google Research 提出 SensorFM，用超一万亿分钟可穿戴数据训练通用健康模型
Google Research 提出大型传感器基础模型 SensorFM，基于 500 万名同意参与者、超过一万亿分钟的无标签多模态可穿戴数据完成预训练。在来自三项研究、共 13985 名参与者、覆盖心血管、代谢、心理健康、睡眠、人口统计和生活方式六类的 35 项健康任务中，冻结编码器加线性探针在 34 项上优于人工特征监督基线。
推荐理由：从超一万亿分钟无标签数据预训练的通用表征，读者可了解它如何在心血管、代谢、睡眠等多类健康任务间迁移。
Mistral AIAI 评分4949 Mistral AI 发布 Robostral Navigate：8B 具身导航模型
Mistral AI 发布 Robostral Navigate，一个仅用单个 RGB 相机的 8B 具身导航模型，在 R2R-CE validation unseen 上达到 76.6% 成功率。它完全不用 LiDAR 或深度传感器，成绩比最佳单相机方案高 9.7 分，比使用深度或多相机的最佳系统高 4.5 分。模型完全基于仿真数据自研训练，可泛化到轮式、足式与飞行机器人。
HuggingFace Blog精选AI 评分6767 vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 表示 vLLM 的 transformers 建模后端现已在多个 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。对比覆盖 Qwen3 4B 单卡、32B 张量并行、235B FP8 MoE 数据加专家并行三种部署，模型只需加 --model-impl transformers 即可启用，且仍可用于训练。
推荐理由：文章给出 transformers 后端与 vLLM 原生实现在三种 Qwen3 模型上的吞吐对比，便于了解免移植推理的实现路径。
HuggingFace BlogAI 评分4242 从 Hugging Face 一键直达 Amazon SageMaker Studio
Hugging Face 与 Amazon SageMaker AI 打通深度链接，开发者在受支持模型页点击 Customize 或 Deploy 按钮即可进入 SageMaker Studio，所选模型自动预加载。
Google ResearchAI 评分5454 Google Research 如何用导航路由干预缓解城市交通拥堵
Google Research 团队在 Nature Cities 发表研究，通过在 10 个美国城市修改 Google Maps 路由算法进行大规模实地实验，发现协调不到 2% 的行程改道即可提升全城驾驶速度并减少排放。
HuggingFace BlogAI 评分5858 微软 Foundry 上线 Hugging Face 开源模型集合，支持一键部署
微软在 Build 2026 上宣布在 Foundry 上线 Hugging Face 模型集合，这是一个每周刷新的开源权重模型目录，可一键部署到 Foundry Managed Compute。
Berkeley AI ResearchAI 评分5151 伯克利 AI 研究探讨智能近乎免费时代的智能体数据系统议程
伯克利 AI 研究（BAIR）发布观点文章，由 Aditya G. Parameswaran 领衔，讨论推理成本骤降后数据系统面临的三类新课题：面向智能体、支撑智能体与由智能体构建。
HuggingFace Blog精选AI 评分6666 LeRobot v0.6.0 发布，新增世界模型策略、奖励模型 API 与六套仿真基准
LeRobot 发布 v0.6.0，围绕机器人学习闭环引入可想象未来的世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、奖励模型 API（lerobot.rewards）以及部署 CLI lerobot-rollout。
推荐理由：从世界模型策略到奖励模型、部署 CLI 与六套仿真基准，这篇发布说明勾勒出机器人学习闭环的工具链全貌。
HuggingFace Blog精选AI 评分6262 Hugging Face 与 SkyPilot 打通存储后端，用 hf:// 挂载 Hub 数据实现零出网费用跨云训练
Hugging Face 与 SkyPilot 联合推出新的 SkyPilot 存储后端 store: hf，用户用单个 hf:// URL 加上已有的 HF_TOKEN，即可把 Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，在 20 多个云、Kubernetes、Slurm 和本地集群上运行。
推荐理由：把数据存在 Hugging Face、算力放到任意云，读者可了解跨云读取为何不再产生出网费用。
HuggingFace BlogAI 评分4848 PRX Part 4：我们的数据策略
PRX 系列第 4 篇披露其数据策略：预训练语料由公开与内部数据集混合构建，图像经 VLM 重新生成描述，供 7B 模型预训练使用。文本编码器从 T5Gemma 换成 Qwen3-VL 后改为训练中实时计算 text latents，吞吐损失约 3–4%，30 天训练约多 1 天。数据以 Lance 构建、MDS 流式训练，图像统一编码为 JPEG quality 92。
HuggingFace BlogAI 评分5454 Hugging Face Kernels 发布多项更新，新增 kernel 仓库类型与可信发布者机制
Hugging Face 为 Kernels 项目发布一系列更新，新增 Hub 上的 kernel 仓库类型、可信发布者（trusted publishers）和代码签名机制。
Google DeepMindAI 评分4444 Google DeepMind 与 A24 宣布首个研究合作
Google DeepMind 与 A24 宣布达成首个研究型合作，双方将建立长期研发协作，让 A24 及其电影人把 Google DeepMind 的技术创新直接嵌入创作流程，帮助艺术家开发新工作流与技术。Google 同时宣布对 A24 进行投资。该合作初期聚焦于连接前沿技术与下一代娱乐，具体目标、技术产出和创意里程碑将随时间演进。
Mistral AI精选AI 评分6363 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数与 6B 激活参数的形式化验证模型，在 miniF2F 验证集和测试集上均达到 100%。
推荐理由：可对照 Leanstral 1.5 在 PutnamBench 的解题数与约 4 美元单题成本，比较形式化证明模型的性价比。
HuggingFace BlogAI 评分5555 Hugging Face 与 Cerebras 用 Gemma 4 搭建实时语音 AI 演示
Hugging Face 与 Cerebras 发布一套级联式语音到语音演示，把 Nvidia Parakeet 语音识别、Gemma 4 31B 在 Cerebras 上的推理和 Qwen3TTS 文本转语音串成实时对话链路。
HuggingFace BlogAI 评分4646 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体评测基准
开放基准 ScarfBench 用于评测 AI 智能体在企业级 Java 框架迁移中的表现，要求迁移后的应用真正构建、部署并保持行为一致。它覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、204 个迁移任务与 1,331 个专家编写的测试。
Google ResearchAI 评分4545 Google Research 将 Heat Resilience 数据扩展至 50+ 全球城市
Google Research 将 Heat Resilience 屋顶反照率数据扩展至 9 个国家 50+ 城市，并上线高分辨率 Heat Resilience Earth Engine App。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 推出图像模型 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与视频生成及对话式编辑模型 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：两款模型同步开放开发者接口并公布延迟与价格数据，便于比较图像与视频生成方案的成本取舍。
HuggingFace BlogAI 评分3939 为什么 AI 专业化不可避免：Dharma AI 解读 LeCun 等《AI Must Embrace Specialization》论文
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的论文，该论文主张 AI 专业化不可避免。文章引述 1997 年 Wolpert 与 Macready 的优化理论证明：没有算法能在所有问题上占优，通用性不构成性能优势，任务集无限扩张时每任务资源趋近于零。进化生物学与市场竞争给出同一预测，论文称通用性在实践中是神话。
Google ResearchAI 评分5656 Google 发布 TabFM，面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，单次前向即可出预测，无需模型训练、超参调优和特征工程。
HuggingFace BlogAI 评分4444 Hugging Face 模型页现可展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，评测分数可同时出现在 Hugging Face 模型页和 benchmark 排行榜，并带徽章链接回完整 EEE 记录。
HuggingFace BlogAI 评分3838 DiScoFormer：一个 Transformer 跨分布同时估计密度与得分
DiScoFormer（Density and Score Transformer）用一个 Transformer 在单次前向传播中同时估计数据分布的密度与得分，无需针对新分布重新训练。在 100 维下对比最优手工调参的 KDE，其得分误差降低约 6.5 倍、密度误差降低逾 37 倍。模型以高斯混合模型训练，共享主干配密度与得分双输出头，并可在推理时用一致性损失适配分布外输入。
Google ResearchAI 评分5050 Google 用冻结 MTP 加速 Pixel 上的 Gemini Nano 模型
Google Research 提出把 Multi-Token Prediction（MTP）头接到已冻结的 Gemini Nano v3 主干上，无需为每个任务微调独立的草稿模型即可实现端侧文本生成加速。
Google ResearchAI 评分4444 Google 提出线性弹性缓存：Spanner 内存用量降 15.5%、TCO 降约 5%
Google 提出线性弹性缓存，把页面淘汰建模为滑雪租赁问题，用轻量机器学习按访问模式给页面设定 TTL，在内存占用与缓存未命中之间做取舍。集成进 Spanner 生产服务器数月后，内存用量降低 15.5%，缓存未命中仅增 5.5%，总拥有成本（TCO）降低约 5%，且未命中的增加集中在取回成本较低的数据上，I/O 成本影响仅 0.5%。
Google ResearchAI 评分5656 思考即回忆：推理如何解锁 LLM 的参数化知识
Google Research 的论文发现，开启推理链能让 LLM 回忆出关闭推理时几乎无法获取的简单单跳事实答案，并在 Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 上用 pass@k 在 SimpleQA Verified 与 EntityQuestions 上验证。
Google DeepMind精选AI 评分7070 Google DeepMind 为 Gemini 3.5 Flash 内置 computer use 工具
Google DeepMind 将 computer use 作为内置工具集成进 Gemini 3.5 Flash，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建能在浏览器、移动端和桌面看、推理并执行操作的智能体。
推荐理由：原文交代了 computer use 从独立模型并入 Flash 主模型这一变化，以及配套的两项企业安全护栏。
Mistral AIAI 评分4545 Mistral 为 Connectors 引入更多管控能力
Mistral 为 Connectors 新增多项能力：按 workspace 或组织分配访问权限、可逐个开关工具的管理控制，带 connector 作用域的 API key 与多账号 connector 均已正式可用。
Mistral AI精选AI 评分6363 Mistral 发布 OCR 4 文档解析模型，支持边界框与块分类
Mistral 发布 OCR 4 文档解析模型，在文本提取之外新增边界框、块类型分类和逐页逐词置信度，支持 170 种语言并可单容器自托管部署。该模型在 OlmOCRBench 得 85.20、OmniDocBench 得 93.07，人类偏好评估中平均胜率 72%。
推荐理由：OCR 4 把边界框、块分类和置信度一并输出，读者可据此判断结构化文档解析在检索与智能体流程里的接入方式。
Google DeepMindAI 评分4040 Google DeepMind 与英国政府合作，用 Gemini 打造 AI 规划原型加速住宅审批
Google DeepMind 与英国政府、Google Cloud、Faculty 合作开发基于 Gemini 的 AI 规划原型，目标将住户规划申请决策时间缩短 50%。
Google ResearchAI 评分4040 从像素到规划：Google Earth AI 用于自然修复
Google Earth AI 将 Farmscapes 2020 的英格兰高分辨率地图转为矢量化生态数据集，把树篱、石墙和小树林等标准卫星难以探测的细尺度特征变成可用于景观修复与碳核算的清单。模型以 RSF 在超 3 亿张全球卫星影像上预训练的 ViT 为骨干，仅用约 247 km² 标注数据微调，并用 Polsby–Popper 紧凑度分数区分细长树篱与成片林地。
Google DeepMindAI 评分5858 Google DeepMind 公布 AI Control Roadmap 智能体安全框架
Google DeepMind 公布 AI Control Roadmap，一套用于管理其内部部署 AI 智能体的控制系统框架，并同时发布面向政策制定者的技术框架 Three Layers of Agent Security。
Google ResearchAI 评分4343 Google 研究：AI 如何帮助用户理解皮肤状况
Google 分享其关于消费者使用 AI 工具理解皮肤问题的研究：发表于 JAMA Dermatology 的 2,345 人调查显示，AI 辅助让参与者猜测病症名称的准确率从对照组的 8% 升至 23%，“Wizard of Oz”组达 36%。
Google ResearchAI 评分4545 Google Research 提出 Regularized f-Divergence Kernel Tests，用于审计机器遗忘
Google Research 提出 Regularized f-Divergence Kernel Tests，一个用相对距离检验审计机器遗忘的新框架，论文在 AISTATS 2026 发表。
Google DeepMind精选AI 评分7676 Google DeepMind 发布实验性开源文本扩散模型 DiffusionGemma，推理最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：原文说明 DiffusionGemma 与 Gemma 4 的分工，前者面向低并发本地推理，并列出速度与质量上的取舍。
Google DeepMindAI 评分5757 Google DeepMind 联合多家机构发起最高 $10M 多智能体 AI 安全研究资助
Google DeepMind 与 Schmidt Sciences、Cooperative AI Foundation、ARIA 联合发起最高 $10M 的多智能体 AI 安全研究资助，并由 Google.org 提供支持，面向全球研究者征集提案。