Nous Research 发布 Hermes Agent 的 Sprites 终端后端插件

Nous Research 为 Hermes Agent 推出 Sprites 终端后端插件，基于 Fly.io 云沙箱提供有状态运行环境，支持 checkpoint 与 restore。该插件已在 GitHub 开源。

Sierra 在韩国首尔设立办公室，推出面向大型企业的 AI 智能体

Sierra 宣布在首尔开设办公室，将其客户服务 AI 平台带入韩国市场。该平台已与全球三分之一领先银行及 40% 的 Fortune 50 企业合作，按结果而非使用量收费。其 Horizon 智能体可跨系统长期运行，Singtel 10 周上线后解决率超 70%，Next 6 周上线覆盖 48 种语言、83 个国家，BBVA 30 天内部署首个 Horizon 智能体。

Gradio gr.Workflow 指南：用节点图搭建并部署 AI 工作流

Hugging Face 发布 gr.Workflow 实用指南，介绍 Gradio 内置的工作流功能：用户把步骤描述为带类型的节点图，Gradio 提供可拖拽画布，每个节点可单独运行、中间结果可见，同一张图自动成为 REST API 并可一键部署到 Hugging Face Spaces。

Thinking Machines@thinkymachinesAI 评分4343

今天，我们推出最高 50,000 美元 Tinker 额度的资助，用于开放权重模型的安全研究。我们在下方分享了一些令我们兴奋的项目想法；如果你正在从事一个能因额外 Tinker 额度而加速的安全项目，我们期待你的来信！

Meta 发布 MetaRoCE：面向 AI 规模以太网的开源 RDMA 传输协议

Meta 发布 MetaRoCE，一个为 AI 工作负载在商品化以太网上从零设计的 RDMA 传输协议，将通过 OCP 开放规范、参考软件实现和合规测试套件。

MIT 工程师开发 η-learning：无需极端事件数据即可生成极端天气场景

MIT 工程师提出名为 Extreme Event Aware（η-learning）的机器学习方法，无需依赖历史极端事件数据即可生成合理的极端天气与最坏情景，并给出其规模、强度和持续时间。

Meta 发布首款内置 NIC 与通信卸载引擎的自研训练芯片 MTIA 300

Meta 在工程博客发布自研训练芯片 MTIA 300，这是 MTIA 家族中首款针对推荐与排序模型训练优化的加速器。

Mistral 与 HUMAIN 达成战略合作，推进沙特及中东主权 AI

Mistral 与 HUMAIN 宣布在 AI 基础设施、先进模型开发和 AI 解决方案部署上展开战略合作，聚焦网络安全与语音，并计划开发阿拉伯语表现强劲的前沿模型。合作规模达数亿欧元，Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还将在沙特面向受监管行业制定联合市场策略。

NVIDIA Spectrum-X Ethernet 如何改写 Giga-Scale AI 网络规则

生成式 AI 推动分布式模型训练扩展至数十万块 GPU，节点间的 scale-out 网络已成为首要性能瓶颈。NVIDIA 在技术博客中解析 Spectrum-X Ethernet 如何针对这一瓶颈改写传统以太网的规则。

NVIDIA Vera Rubin 与 Blackwell 为智能体 AI 每瓦性能树立新标准

NVIDIA 称 Vera Rubin 与 Blackwell 为智能体 AI 的每瓦性能树立新标准。OpenRouter 的 State of AI 报告基于 100 万亿 token 的真实使用数据发现，平均每请求提示词 token 数增长约四倍，反映 AI 智能体已从单轮交互扩展到多步工作流。

NVIDIA Groq 3 LPX 如何在 NVIDIA Vera Rubin 上实现长上下文超快交互

NVIDIA Groq 3 LPX 是 NVIDIA Vera Rubin 平台的交互式 AI 推理加速器，与 Vera Rubin NVL72 搭配可扩展该平台的长上下文交互能力。Vera Rubin NVL72 面向从小型到大型、开源与闭源的最广泛 AI 工作负载，兼顾高吞吐与交互性。

NVIDIA Vera CPU 如何解决智能体 AI 集群难题

NVIDIA 发文阐述用 Vera CPU 应对智能体 AI 集群挑战：GPU 负责运行模型，CPU 承担编排、工具执行与沙箱计算。文章指出，与传统负载稳定的运行特征不同，智能体工作负载不可预测且波动极大，AI 工厂的集群经济性取决于整个技术栈将电力与资本转化为已完成智能体任务的效率。

NVIDIA DSX MaxLPS 如何最大化 AI 工厂每瓦性能

NVIDIA 发布 DSX MaxLPS，用于提升 AI 工厂的每瓦性能。AI 工厂是受功耗约束的工业系统，对 AI 推理负载而言，应用层每瓦性能已成为衡量 AI 工厂效率的关键指标，因为配电、冷却等环节会消耗部分兆瓦电力，并非每兆瓦都能转化为产生收入的算力。

NVIDIA BlueField-4 为智能体 AI 工厂提供新型 Scale-In 网络基础设施

NVIDIA BlueField-4 为智能体 AI 工厂提供新型 Scale-In 网络基础设施，面向每服务器多太比特带宽的加速计算场景。传统云基础设施面向可预测的通用工作负载和标准接口，而智能体 AI 工厂需连接多样用户、智能体、应用、数据源与存储系统，因此专用 DPU 处理对线速网络、存储和安全至关重要。

Meituan LongCat@Meituan_LongCat精选AI 评分6565

美团 LongCat 官方宣布 LongCat-2.0 已上线 opencode 的 Go，邀请用户试用并反馈用其构建了什么。引用内容显示 LongCat-2.0 为 1.6T/48B 参数、支持 1M 上下文、完全开源。

vLLM 探讨 AMD GPU 上的投机解码：对比五种起草方法并给出实测吞吐

vLLM 官方博客解析投机解码的 draft-and-verify 机制，对比 native MTP、Gemma 4 MTP、EAGLE-3、DFlash、DSpark 五种起草方法的差异。

Galaxea Dynamics@GalaxeaDynamicsAI 评分1111

感谢我们的全球合作伙伴，在北京 WRC 2026 共度了一个美妙的夜晚。精彩的对话、大胆的想法，以及对具身智能的共同愿景。下次见！#EmbodiedAI #WRC2026 #Galaxea

vLLM 如何用 Ray Direct Transport（RDT）实现大规模分片权重传输

vLLM 推出基于 Ray Direct Transport（RDT）的原生分片权重传输引擎，在 48 个 8xH100 节点（32 训练、16 推理）上以 BF16 完成 Kimi K2 的权重传输仅需 7.53 秒。

Thinking Machines@thinkymachinesAI 评分3939

我们希望提升 Inkling 的智能体表现。为了帮助我们了解它在真实世界中的行为，我们将在接下来几周内（从现在开始）在 OpenRouter 上免费开放它（仅限搭配智能体框架使用）。我们会利用这些与账户脱钩的数据来改进它。

Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物

Google 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。

Midjourney alpha 站点更新：文件夹分组、Upscale/Zoom/Vary 回归与大量修复

Midjourney 为 alpha.midjourney.com 上线两周的大改版推送了一批 UX 改进与 bug 修复，侧边栏新增可折叠的文件夹树分组，支持双击重命名分组并把新文件夹直接归入其中。

NVIDIA 用 GPU 加速的 AdaptGrow 实现大规模金融工具聚类

NVIDIA 提出 GPU 加速的矩阵分解算法 AdaptGrow，可将滚动相关性与尾部依赖矩阵转化为硬聚类、软因子载荷和结构突变信号，支持单 GPU 与多节点规模。该算法面向量化策略中的投资组合构建、风险聚合、统计套利与交易监控等场景，错误的工具分组会带来问题。

Jim Fan@DrJimFanAI 评分4545

NVIDIA 与 Berkeley 开源触觉方法 T-Rex，采用混合 Transformer 双时钟异步架构：慢速视觉运动专家规划动作，快速触觉专家以每个视觉 tick 4 次触觉 tick 实时修正。

Z.ai@Zai_orgAI 评分3535

社区已经用 ZCode + GLM-5.3 构建了这么多有趣的项目。 为感谢大家的支持，我们将 Build Week 变成一个持续进行的系列。 从现在起到 8 月 23 日下午 6 点（太平洋时间），我们将为 50,000 名新的 ZCode 用户每人赠送 1 亿免费 GLM-5.3 token。

NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示面向长时程自主智能体的前沿级通用架构

NVIDIA 的 AVO 在 ARC-AGI-3 上取得 100% 成绩，展示了一种面向长时程自主智能体的前沿级通用架构。该工作指出前沿语言模型只是 AI 智能体的一部分，真正决定模型如何接收上下文、使用工具、维持状态、响应反馈、从失败中恢复并在长任务中持续推进的，是外围的智能体系统（常称为 harness）。

NVIDIA 谈安全在 AI 智能体栈中的位置

NVIDIA 的 AI 安全团队结合与 NVIDIA OpenShell、智能体开发者、开源项目及生态伙伴的合作，阐述了对新兴 AI 智能体栈的看法，包括各层所扮演的角色。随着 AI 智能体能力增强、运行周期变长，在其驱动的应用中内建安全与信任变得愈发重要。

从 Atari 到 EVE Online：Google DeepMind 回顾 15 年游戏 AI 研究并携手开发商探索新玩法

Google DeepMind 回顾了从 DQN 玩 Atari 到 AlphaStar 打 StarCraft II 的 15 年游戏 AI 研究历程，并宣布与游戏开发商合作打造新玩法原型。

Google 研究：如何用移动性数据让语言模型更深入理解地点

Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名化移动性数据与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。

DeepSeek@deepseek_aiAI 评分6363

DeepSeek 宣布实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台，可通过 model='deepseek-v4-flash-vision-exp' 调用。

jietang@jietangAI 评分4646

精彩评论：FLOPs 是智能；参数是知识！

Meituan LongCat@Meituan_LongCatAI 评分3131

好消息！LongCat-2.0 搭配 Hermes Agent 的免费使用已再延长两周 🐱 在 @NousResearch Portal 上有更多时间体验！

Hugging Face 研究量化语音识别中的基准优化现象

Hugging Face 发布研究，用三类测试量化 ASR 模型的基准优化（benchmaxxing）现象，评估了 11 个开源模型。

Together AI 实测 GLM-5.3 与 Claude Fable 5 在 DeepSWE 上的成本、编码与路由表现

Together AI 在 DeepSWE 的 113 个任务上各跑 4 次试验对比 GLM-5.3 与 Claude Fable 5，pass@1 分别为 69.0% 和 69.7%，属统计平手，但 GLM-5.3 每次 rollout 成本 $3.99，比 Fable 的 $21.63 低 5.4 倍。

SkyRL 推出 IsoExec：统一执行消除训练与推理引擎不匹配

SkyRL 提出 IsoExec，通过跨框架统一执行抽象消除 RL 训练与推理引擎之间的数值不匹配，包含执行契约与对齐的批不变内核两部分，已在 SkyRL 中结合 vLLM 和 Megatron 实现。

Hugging Face 解析 Papers with Code 混合搜索背后的架构实践

Hugging Face 详解 Papers with Code 论文搜索引擎的架构：用 PostgreSQL 全文检索加 pgvector 语义召回，经加权 RRF 融合为混合搜索，已为超过 11 万篇 arXiv 论文维护嵌入向量。

GLM-5.3 对比 GPT-5.6 Sol：Together AI 实测 113 个 DeepSWE 任务的成本、编码与路由

Together AI 在全部 113 个 DeepSWE 任务上对 GLM-5.3 (max) 与 GPT-5.6 Sol (max) 各跑 4 次试验，共 904 次 rollout。

MIT 研究用计算方法预测电化学合成氨催化剂，加速绿色氨生产

MIT 研究人员开发出一种预测电化学合成氨催化剂的方法，通过密度泛函理论先评估材料的微观性质，而非逐一试错数百万种合金组合，从而大幅加快筛选进程。相关开放获取成果于 8 月 11 日发表在 Royal Society of Chemistry 期刊 EES Catalysis 上。

Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍

Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，采用推测解码，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍，输出质量不变。

Sierra 为大规模智能体推出发布治理功能

Sierra 将发布治理直接内置到平台，用 Agent Checks、Simulations、合并审批工作流和分流发布，把变更从 Workspace 安全推进到线上客户对话。

微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成

微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol，精度超过当前领先的全局（范围分离）杂化泛函而保持半局域泛函的计算成本。