DeepSeek 开源 6 个昇腾版基础组件,对标英伟达版
DeepSeek 于 9 月 30 日开源面向华为昇腾算力平台的 6 个基础设施组件,与此前面向英伟达开源的组件一一对应,完成从英伟达 GPU 到昇腾芯片的整套移植。
推荐理由:读者可以对照这套组件与英伟达版的对应关系,了解头部模型厂商把训练栈移植到国产算力生态的进展。
开源模型、框架与仓库动态:权重开放、社区项目爆火、开源与闭源的力量消长。
DeepSeek 于 9 月 30 日开源面向华为昇腾算力平台的 6 个基础设施组件,与此前面向英伟达开源的组件一一对应,完成从英伟达 GPU 到昇腾芯片的整套移植。
推荐理由:读者可以对照这套组件与英伟达版的对应关系,了解头部模型厂商把训练栈移植到国产算力生态的进展。
OpenRouter 研究负责人 Peter Walker 发布首期数据简报,指出平台推理量持续激增,2026 年 2 月 6 日可能是历史上最后一天人类消耗的 token 多于 agent。
推荐理由:OpenRouter 数据简报给出了 token 用量、开源模型支出与降价后用量弹性的具体倍数,可作为观察 agent 消耗趋势的参照。
Cloudflare 发布基于 Astro 的开源 CMS EmDash 1.0,采用 MIT 许可,并同步上线基于 AT Protocol 的去中心化插件注册表。
推荐理由:EmDash 1.0 把 CMS 与去中心化插件注册表放在一起,读者可了解插件沙箱权限与 agent 接入的具体设计。
Google 开发者博客发布指南,介绍如何用 Agent Development Kit(ADK)构建零信任 AI 智能体。文章给出三层防护实现:Cloud KMS 硬件密钥为每次数据库写入签名、gVisor 用户态沙箱隔离动态生成代码、确定性语义网关在模型调用和写库前后做规则校验,并把安全策略写成 CI/CD 中的回归测试。
推荐理由:文章给出可用 HMAC 本地复现的三层防护实现,读者可据此核对自家智能体写库与代码执行的信任边界。
Pydantic 作者 samuelcolvin 宣布开源 Monty(github.com/pydantic/monty,已获 8.4k star),一个用 Rust 编写的安全 Python 解释器与沙箱,专为运行 LLM 生成的代码设计,用以替代基于容器的沙箱并避开其延迟、复杂度与成本。
推荐理由:正文给出 Monty 的开源与商业两种形态,以及容器沙箱在延迟和成本上的对比,便于判断适用场景。
GitHub 博客介绍其 Security Lab 用开源的 Taskflow Agent 智能体在 Android 应用中发现了 24 个漏洞,并给出 OsmAnd 位置追踪与 Wikipedia 账号接管两个案例。
推荐理由:文中给出审计 taskflow 查找 Android 漏洞的具体案例与运行步骤,安全研究者可迁移到自有应用的审计流程。
小米发布 MiMo-V2.6 系列开放权重模型,包含原生全模态的 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及 MiMo-V2.6-Pro-UltraSpeed,其中 Pro 以 1.02T 总参数、42B 激活参数在 Artificial Analysis 智能指数上以 46 分成为该榜首位开放权重模型。
推荐理由:原文给出 MiMo-V2.6 的 RL 训练细节与开源清单,可对照开放权重模型的成本与复现门槛。
Mistral 宣布完成 €3B D 轮融资,投后估值超过 €21B,由 Samsung Electronics 领投,Scaleup Europe Fund 与 PSG Equity 联合领投,Advent、BlackRock 管理的基金及卢森堡大公国作为新投资方加入。
推荐理由:融资规模、投资方和客户名单展示了 Mistral 的开放权重加全栈路线,读者可据此判断主权 AI 在欧洲的推进方式。
作者用 TRL 和 OpenEnv 复现了让语言模型写 p5.brush 代码画水彩的训练流程,把参考池、RL 环境、训练脚本和训练好的模型全部开源在 Hugging Face 上,想法源自 Surya Narreddi 走红的模型水彩画视频。
推荐理由:整套训练流水线、参考池和三组奖励配比的产物都已开源,可据此复现用奖励模型训练模型画画的流程。
Hugging Face 发布 @huggingface/kernels,一个从 Hugging Face Hub 加载并运行 WebGPU 内核的 JavaScript 库,同时上线 207 个内核,每个内核以独立仓库发布并采用 Apache-2.0 许可。
推荐理由:文中给出与 ORT WebGPU 的算子级对比数据和加载示例,可据此了解浏览器端推理的性能空间。
Hugging Face 发布研究,用三种探测方法量化语音识别中的基准优化现象,评测 11 个开源 ASR 模型后发现部分高分模型会复现 VoxPopuli、LibriSpeech 参考文本里的错误内容,即使音频与之矛盾。
推荐理由:原文用三种探测方法量化 ASR 模型对公开基准的过拟合,并给出开源脚本与榜单入口,可作为自查评测可信度的参考。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder,用于 ColBERT 式后交互检索,可直接加载 PyLate 与 Stanford-NLP ColBERT 检查点。
推荐理由:文章展示 Sentence Transformers v6.0 的多向量编码器如何用 token 级向量与 MaxSim 换取更高检索质量,并给出可直接运行的接入代码。
Hugging Face 发布 2026 夏季开源模型报告,基于 Hub 2026 年 1 月至 8 月的活动数据给出六项观察。报告显示模型仓库从 2.43 增至 2.96 百万、数据集从 71.1 万增至 100 万,但 85.6% 的模型累计下载不足 200 次,1.5% 的仓库占 99.2% 的下载量。
推荐理由:报告用 Hub 数据对比中美开源模型的规模与许可策略,并给出下载量与点赞所反映的不同生态信号。
Meta 发布开源多模态模型 Muse Glimmer,30B 参数、Apache 2.0 许可,面向本地智能体场景。模型由 2B 视觉编码器与 28B 文本解码器组成,并附带 DFlash 投机解码草稿模型,transformers、llama.cpp、vLLM 与 Inference Endpoints 均已提供 day-0 支持。
推荐理由:30B 多模态模型以 Apache 2.0 开放并在多智能体基准上与同级模型对比,可供本地部署的选型参考。
Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到当前最优精度,平均为预报员多争取约一天的有效提前量,成果发表在 Nature。
推荐理由:原文给出气旋路径与强度预测的领先幅度,并公开模型权重与代码,可对照传统预报方法理解改进来源。
Mistral AI 发布 3B 开源多模态安全分类器 Shieldstral,以 Apache 2.0 开放权重,可在单张 16GB NVIDIA GPU 上运行。
推荐理由:Mistral 把内容审核改写成推理时的自然语言问答,给出了小模型适配新策略的可迁移做法。
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。
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。
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。
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。