Liquid AI 发布 LFM2.5-Encoder-230M 与 350M 双向编码器，长上下文 CPU 推理提速
Liquid AI 发布基于 LFM2 混合架构的双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，支持 8,192 token 上下文，面向分类、自然语言理解和 token 级任务微调，模型已上线 Hugging Face。
全部AI 动态
全部动态
今日 652 条Liquid AI 模型与工程博客（网页）AI 评分5454 Liquid AI 模型与工程博客（网页）精选AI 评分7272 Liquid AI 发布端侧智能体模型 LFM2.5-2.6B
Liquid AI 发布 LFM2.5-2.6B，一个可完全在设备端运行的 2.6B 参数智能体模型，Base 与后训练版本已在 Hugging Face 开放。
推荐理由：原文给出完整的四阶段后训练流程、多基准对比和 CPU 与手机端实测速度，读者可据此评估它对端侧 Agent 部署的适配度。
The Verge：AI（RSS）AI 评分5353 Instagram 在 Edits 应用中推出 AI 创作助手
Instagram 宣布其独立 Edits 应用新增 AI 创作助手，可调取用户账号的点赞、观看、留存和分享等数据，回答热门趋势、内容表现差异等问题，并给出选题、脚本、文案、音频等方面的建议。
The Verge：AI（RSS）AI 评分6666 Google 试点向约 100 家出版商付费换取 AI 搜索内容授权
据 The Information 报道，Google 启动试点计划，按内容对 AI Overviews、AI Mode 和 Gemini 的贡献程度向出版商付费，约 100 家出版商参与。一位早期加入的出版商一年获得超过 100 万美元，另一位加入数月的获得约 5 万至 6 万美元。该计划推出之际，Google 正面临出版商诉讼及英国和欧盟监管机构对其 AI 搜索影响流量的审查。
The Verge：AI（RSS）AI 评分5656 Meta Muse AI 智能体动态汇总：发布、扩展与漏洞修补
Meta 发布 Muse AI 智能体，宣称可帮用户处理邮件、在线购物等任务，用户需交出数据甚至信用卡才能使用。此后 Meta 宣布了类似电子宠物的 Muse Charm 配件、面向企业的 Muse Enterprise Platform、Mac 应用和智能眼镜支持，并修补了一个可让攻击者控制该智能体的漏洞；Amazon 屏蔽了 Muse 智能体。
Goodfire Research（网页）AI 评分3030 Goodfire Silico 平台使用条款
Goodfire AI 发布 Silico 平台使用条款，界定客户访问和使用其 AI/ML 模型理解、测试、评估、改进、引导、监控与对齐平台的权利义务。条款明确 Customer Materials、Goodfire IP、Usage Data、Workflow Data 等定义，并授予客户非独占、不可转让的内部业务使用权。
TechCrunch：AI（RSS）AI 评分5757 Restate 完成 2000 万美元 A 轮融资，AI Agent 推动持久化基础设施需求增长
柏林初创公司 Restate 获 2000 万美元 A 轮融资，由 Singular 领投，Redpoint Ventures 和 Capital One Ventures 参投。
Goodfire Research（网页）AI 评分1111 Goodfire Research 的 Silico 企业版开放演示申请
Goodfire Research 为 Silico 推出企业版，团队可在前沿基础设施与算力上运行长周期、异步实验。页面提供演示申请入口，提交后团队会通过邮件跟进是否符合合作条件，同时可查看研究人员在 Silico 上运行的项目。
TechCrunch：AI（RSS）AI 评分2525 Cerebras CEO Andrew Feldman 将在 TechCrunch Disrupt 2026 探讨 AI 能否持续扩展
Cerebras Systems CEO 兼联合创始人 Andrew Feldman 将在 TechCrunch Disrupt 2026 的 Disrupt Stage 发表“Can AI Keep Scaling?
Stanford HAI News（网页）AI 评分4747 AI 聊天机器人隐私指南：如何保护个人信息安全
斯坦福 HAI 隐私与数据政策研究员 Jennifer King 建议 AI 聊天机器人用户谨慎分享信息，具体做法包括：上传医疗等敏感文件前先隐去全部个人信息、使用临时对话、在可选情况下关闭数据用于训练、定期查看政策更新以调整设置。
Stanford HAI News（网页）AI 评分5252 斯坦福 HAI 发布政策简报探讨世界模型治理为何是 AI 下一个政策挑战
斯坦福 HAI 发布政策简报，探讨为何治理世界模型是比大语言模型更复杂的政策挑战。简报将世界模型分为渲染器、模拟器和规划器三类，指出其带来物理风险、国家安全影响和数据集中问题；李飞飞等人建议资助测量科学、以采购要求独立测试、投资共享数据基础设施，并强调当前没有基准足以支持安全关键部署审批。
Stanford HAI News（网页）AI 评分3434 斯坦福 HAI：AI 如何加速科学发现，从 Evo 2 到虚拟细胞
斯坦福 HAI 发文梳理 AI 加速科学发现的进展：Brian Hie 团队打造的 Evo 2 是迄今最大的生物学 DNA 语言模型，基于 9 万亿碱基对、400 亿参数训练，可像聊天机器人一样补全基因序列。Emma Lundberg 团队则正构建模拟人类细胞的基础模型，用于加速药物发现与个性化医疗，并为此开发了 Biomni 供生物学家交互分析数据。
Stanford HAI News（网页）AI 评分3939 斯坦福 Marlowe：248 块 NVIDIA H100 组成的开放研究 AI 超算
斯坦福 Marlowe 超算配备 248 块 NVIDIA H100 GPU、31 个计算节点，横跨全部七所学院服务 190 多个研究组，30 天平均分配率 95%，累计交付 315 万 GPU-hours。
Nature：Machine Learning 主题（RSS）AI 评分6060 SynthIDBio：功能保持的 AI 生成蛋白序列与结构水印方法
论文提出 SynthIDBio，一组可将可检测且不损害功能的水印嵌入 AI 生成蛋白序列与结构的方法。
Nature：Machine Learning 主题（RSS）AI 评分4444 Ataraxos：面向不完全信息博弈的可扩展决策 AI
针对棋盘战争游戏 Stratego 设计的 AI 系统 Ataraxos，为强化学习与搜索在不完全信息下的结合建立了一套有效设计模式。该成果发表于 Nature，指向战略决策领域长期追求的目标：在大量隐藏信息条件下仍能实现可扩展的决策。
Nature：Machine Learning 主题（RSS）AI 评分2828 人类遗传学揭示 BACH2–NRF2 轴在胎儿血红蛋白激活中的作用
一项覆盖 28,279 人的多祖先全基因组关联研究（GWAS）发现 BACH2 是胎儿血红蛋白（HbF）表达的调控因子，其通过抑制 NRF2 介导的 γ-珠蛋白基因转录激活来发挥作用。
Nature：Machine Learning 主题（RSS）AI 评分1414 X-ray liquidography 解析偶氮苯异构化中的复杂运动
该页面为 Nature 的 404 错误页，所请求内容不可用，无法获取关于 X-ray liquidography 解析偶氮苯异构化复杂运动的正文信息。页面仅提示链接可能失效或已不存在，未提供该研究的任何方法、数据或结论。
Nature：Machine Learning 主题（RSS）AI 评分2121 Nature 关注 AI 生成“幽灵”作者 Elena、Aris、Marcus 污染科学文献
科学文献中正出现名为 Elena、Aris、Marcus 的 AI 生成“幽灵”作者，污染学术记录。Nature 报道指出，这类虚构署名正在侵入科研出版体系。
Fireworks AI（网页）AI 评分3939 Fireworks 推出 FireRouter with Opus：常规轮次路由至开源模型，保留 Claude Opus 5.5
Fireworks 发布 FireRouter with Opus，将常规轮次路由到开源模型、仅在需要的轮次保留 Claude Opus 5.5，单次会话成本降低 57%，并支持缓存感知路由。
Fireworks AI（网页）AI 评分5050 Trilogy 发布基于 Kimi K3 与 Fireworks 的开源权重网络安全实战手册
Trilogy AI Center of Excellence 围绕 Fireworks 上的 Kimi K3 发布公开 AI 网络安全手册与练习包，包含交互式手册、仓库和十个针对本地训练应用的练习。
Fireworks AI（网页）AI 评分6060 Fireworks 开放 Kimi K3 LoRA 无服务器训练私测，约 20 步 RL 成本约 $65
Fireworks 宣布 Kimi K3 支持其 Serverless Training 的 Multi-LoRA 服务与训练，进入私测阶段。K3 是总参数约 2.8T 的 MoE 模型，原文称其为首个达到 3T 规模的开源权重模型。
Fireworks AI（网页）精选AI 评分8383 Kimi K3 开源发布并上线 Fireworks：2.8T 参数、Day-0 推理与训练支持
月之暗面的 Kimi K3 以开源权重发布，共 2.8T 总参数、104B 激活参数、896 专家、1M 上下文，并在 Fireworks 上线 Day-0 推理与训练。
推荐理由：原文汇总了 K3 的参数规格、多项第三方基准成绩和与 Opus 5 的成本对比，读者可据此评估开源模型在自有工作流中的可行性。
Fireworks AI（网页）精选AI 评分6565 Fireworks AI 教程：以不到 $10 微调 Qwen3-Embedding-8B 嵌入模型
Fireworks AI 发布低成本嵌入模型微调方法，用 InfoNCE 对比学习在平台上微调 Qwen3-Embedding-8B，成本不到 $10、约 150 步。
推荐理由：原文给出用 Qwen3-Embedding-8B 做对比微调的完整配方和三个真实检索任务的实测数据，还总结了哪些场景不会有效。
Fireworks AI（网页）AI 评分5555 Fireworks AI 通过三组受控实验给出从 LoRA 切换到 FullFT 前的测试方法
Fireworks AI 在 Qwen3.5-9B 上用 Placement、寄存器分配和 Nexa VM 三个可自动验证任务做对照实验，提出在把 LoRA 换成 FullFT 前先依次测试数据覆盖、学习率等训练配方和 adapter rank。实验显示单任务场景下调数据或配方基本消除 FullFT 优势，固定预算混合任务中 FullFT 仍领先 4.29 个百分点，并将进一步发布后续实验。
Fireworks AI（网页）AI 评分3333 Fireworks 与 Voyage AI 合作：Voyage 4 系列嵌入模型原生上线
Fireworks 成为 Voyage AI by MongoDB 首个且唯一合作的专用推理平台，Voyage 4 系列、voyage-multimodal-3.5 与 rerank-2.5 现已原生运行于 Fireworks，检索到生成全流程可在同一 API 上完成。
Fireworks AI（网页）精选AI 评分6565 Meta Muse Glimmer 30B 上线 Fireworks，面向常驻 Agent 场景
Meta 发布 Muse Glimmer 30B 开源模型（Apache 2.0），并已在 Fireworks 提供 serverless 和按需部署。
推荐理由：原文给出 Muse Glimmer 的架构细节、基准对比和推荐参数，读者可据此评估它是否适合长期运行的多轮 Agent 工作流。
Fireworks AI（网页）AI 评分4343 开源模型能否在开口前携带可读的静默信号？在 Kimi K3 与 Qwen3.5-9B 上复现 J-Lens 读出
Fireworks AI 在 Kimi K3 和 Qwen3.5-9B 上复现了 Anthropic 提出的 Jacobian Lens（J-Lens），用拟合探针读取模型各层隐藏状态，在输出 token 之前就恢复出与最终答案相关的词汇，称为静默信号。
Fireworks AI（网页）AI 评分4949 Harvey 联合 Fireworks 基于 Kimi K3 后训练法律模型 Tenet
Harvey 发布首个模型 Tenet，基于 Kimi K3 用 Fireworks Training API 的异步强化学习后训练，面向长周期法律工作。
Fireworks AI（网页）AI 评分5050 Fireworks AI 实测 DeepSeek V4 Pro 在 CyberGym 安全任务上的零拒绝与成本优势
Fireworks AI 用 CyberGym 测评 DeepSeek V4 Pro 0813、Kimi K3、GPT-5.5 和 Claude Opus 4.8，V4 Pro 在 840 个对抗性安全任务中零拒绝、全部产生原生工具调用，进入验证率 97.3%。
Fireworks AI（网页）精选AI 评分6767 Fireworks 实测 DeepSeek V4 Pro 0813：SWE-Bench 达 95.2%，单任务成本约为 Fable 5 的三分之一
Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测，SWE-Bench Verified 得 95.2%（Fable 5 为 85.4%），SWE-bench 单任务成本 $0.309 对 Fable 5 的 $0.808。
推荐理由：Fireworks 用自家同一套评测对比 DeepSeek V4 Pro 与 Fable 5，给出单模型与 oracle 路由的成本和准确率数据，可作选型参考。
Fireworks AI（网页）AI 评分5252 Fireworks AI 正式发布 Training API 并推出 Fireworks Lab
Fireworks AI 宣布 Training API 正式可用，并推出 Fireworks Lab 服务。
Fireworks AI（网页）AI 评分5050 Fireworks AI：从租用闭源前沿模型到训练自有模型，企业迈向专业化智能的三阶段路径
Fireworks AI 发文梳理企业迈向专业化智能的三阶段路径：先租用闭源前沿模型并围绕其搭建提示词、上下文与 harness 工程，再引入更便宜的开源模型优化成本与延迟，最终为真正属于自己的问题训练定制模型。文中以 Kimi K3 与 GPT 5.6 Sol 在 OSWorld 2.0、UIPad 上的对比为例，说明基准只能用于初筛，自建评测才是性能的最佳指标。
Fireworks AI（网页）AI 评分5151 Genspark 与 Fireworks Lab 将 MiniMax M3 后训练为 Gen-1 Slides，质量比肩 Opus 5、成本约为其 1/17
Genspark 与 Fireworks Lab 合作，将开放权重多模态模型 MiniMax M3 后训练为 Gen-1 Slides，可端到端规划、撰写并自查幻灯片。
Fireworks AI（网页）精选AI 评分6565 Fireworks 上线 DeepSeek-V4.1-Flash，编码准确率媲美 GPT-6 Astra 成本仅 1/15
Fireworks 上线 DeepSeek-V4.1-Flash，在 DeepSWE 上以 74.34% 的 Pass@1 达到 GPT-6 Astra 水平，每任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：原文给出 DeepSWE、Terminal-Bench 2.1 和 HLE 的具体成本与准确率数据，可帮助开发者评估智能体编码工作流的模型选型。
Fireworks AI（网页）AI 评分4444 Phylo 借助 Fireworks 上的开源模型将前沿 AI 带给更多科学家
Phylo 在 Fireworks 上部署开源权重模型，实现月环比用户增长 2 倍、成本降低 60%，大部分流量已转向开源模型，首 token 时间约减半。其 Biomni Lab 是首个集成生物学环境，智能体单次任务可运行数小时至数天、调用数百次工具，新开源模型可在 24 小时内上线生产。
Cursor Blog精选AI 评分7070 Cursor 团队分享如何搭建云端智能体开发环境
Cursor 团队分享为云端智能体搭建开发环境的经验，核心思路是把开发环境当作用户是智能体的产品来做。他们让云端 VM 与本地开发环境对齐，构建 anydev CLI 简化智能体运行服务的流程，并通过 Cursor Cloud MCP 和 Cloud Doctor 自动化功能实现环境的自愈与持续改善。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建经验，包含 anydev CLI、Cursor Cloud MCP 等做法和可迁移的判断标准。
Cursor Blog精选AI 评分6969 Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时程智能体任务
Cursor 团队与 SpaceXAI 今日联合发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、更复杂的交互与视觉工作。在 Artificial Analysis Intelligence Index 上它与 GPT-5.6 Sol 持平（61 分），训练上进行了更长时间的补充训练、重新生成的 SFT 轨迹和广泛的智能体 RL。
推荐理由：原文给出训练方法、基准分数和定价细节，读者可以据此评估它在智能体编程场景中的定位。
Cursor Blog精选AI 评分6363 Cursor 推出构建，云端智能体启动速度最快提升至 3 倍
Cursor 推出构建功能，在后台预先准备可直接使用的开发环境副本，智能体启动即可运行，无需额外费用。默认每小时创建一次新构建，环境损坏时智能体沿用上一次成功构建；Cursor 内部环境启动速度提升 10 倍、首个 token 生成速度提升 3 倍。8 月 17 日起所有新建和现有环境将默认启用构建。
推荐理由：官方原文给出启动速度倍数、构建频率和失败回退机制，读者可据此评估其对云端智能体工作流的影响。
Cursor BlogAI 评分5454 Cursor 获得 AIUC-1 智能体安全与可靠性认证
Cursor 宣布通过 AIUC-1 智能体安全、安全性和可靠性认证，认证由 Schellman 开展独立审计，并在数千个场景中对智能体进行对抗性测试，覆盖 IDE 和云端智能体的规则、钩子和 Auto-review 等防护措施。
Epoch AI：研究、数据与评测AI 评分1616 Epoch AI 的 FrontierMath：Tiers 1–4 数学基准
Epoch AI 的 FrontierMath 是一个由数百道未公开、高难度数学题组成的基准，分为 Tiers 1–4 四个难度层级。Tiers 1–3 覆盖从本科到适合高年级研究生的探索性问题，Tier 4 则是研究级数学。