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。

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。

VeRL-Omni v0.2.0 发布：更快的扩散模型 RL 与稳定的全模态训练

VeRL-Omni v0.2.0 发布，通过 vLLM-Omni 的请求级批处理让 Qwen-Image FlowGRPO rollout 的 GPU 利用率从约 80% 升至约 100%，单次生成时间从 226s 降至 108s，减少 52%。

Sentence Transformers v6.0 新增 MultiVectorEncoder：用同一 API 使用 ColBERT 式晚交互嵌入模型

Hugging Face 发布教程，介绍 Sentence Transformers v6.0 新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索。

从「同事.skill」到「人生系统」：两个年轻 Builder 的公开实验

周天奕用 Claude 花四小时做出「同事.skill」，可将聊天记录、会议纪要等「蒸馏」成可调用的 AI 技能包，上线 5 天在 GitHub 收获 7.3k 星标，累计 23k，并衍生出 200 多个 skills。

Nathan Lambert 分析开源 AI 的经济学：Nvidia 教所有人钓 token，Meta 用 token 灌满水域

Nathan Lambert 在 Interconnects 发文分析开源 AI 的经济可持续性。他指出带完整训练配方的开源语言模型才类同开源操作系统，而 open weight 模型更像安装用的软件版本；据称 Nvidia 为此投入 260 亿美元，希望生态自续以扩大其芯片需求。

Import AI 469：DiG-bench 游戏基准、RSI 模拟器与扎克伯格的技术悲观主义

Import AI 469 介绍了新基准 DiG-bench（Discovery in Games），用 70 款规则与目标均隐藏的手工游戏测试 AI 自主发现环境规律的能力，目前仅公开 21 款。

Hugging Face 发布 2026 夏季开源模型生态观察报告

Hugging Face 发布 2026 年 1 至 8 月开源模型生态观察报告，指出 Hub 公开模型仓库从 243 万增至 296 万、数据集突破 100 万，但 85.6% 的模型终身下载不足 200 次。

DeepSeek@deepseek_ai精选AI 评分7373

DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向全球构建 Agent harness 的开发者开放，代码库以 MIT 许可开源，仓库地址为 https://github.com/deepseek-ai/deepseek-harness。

DeepSeek 发布 deepseek-harness：一切皆插件

DeepSeek 在 GitHub 新建 deepseek-harness 仓库，核心理念是"一切皆插件"。该仓库以插件化架构组织功能，具体能力与可用性尚未在现有信息中披露。

蚂蚁 inclusionAI 发布 Ling 模型系列使用指南 ling-cookbook

蚂蚁 inclusionAI 在 GitHub 上线 ling-cookbook 仓库，为 Ling 模型系列提供指南、文档与实用技巧。该仓库定位是帮助用户充分发挥 Ling 模型系列的能力，目前仅公布了仓库用途，未披露具体模型版本或功能细节。

Hugging Face 复现 2,226 篇 ICML 2026 论文的复盘与发现

Hugging Face 组织的 ICML 2026 Open Reproductions 挑战赛（7 月 15 日至 8 月 2 日）中，1,221 名社区成员用 Claude Code。

OlmoEarth Studio 推出自定义 embedding 导出用于下游分析

AllenAI 的 OlmoEarth Studio 现已支持计算并导出 OlmoEarth 开源基础模型的 embedding 向量，源代码、模型权重和研究论文公开可查。

vLLM 宣布 Day-0 支持 Qwen3.8-2.4T-A95B

vLLM 宣布 Day-0 支持 Qwen3.8-2.4T-A95B，这是 Qwen 家族首个以开放权重发布的 Qwen-Max 级模型，基于 Qwen 3.5 架构开箱即用。

Jensen Huang@JensenHuangAI 评分5757

NVIDIA 发布 Nemotron 3.5 Lightning，一个开放权重的 30B MoE 模型，活跃参数 3B，面向持续运行、高吞吐的智能体任务。官方称其输出速度可达同规模模型的 4 倍。Jensen Huang 转发该发布并称其 smart、fast、efficient and open。

Mistral 推出区域推理端点与优先级层，并接入第三方开源模型 GLM-5.2

Mistral 宣布三项推进 AI 主权的举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，为关键业务负载提供自定义速率限制和带 SLA 的可用性承诺。

Kimi.ai@Kimi_MoonshotAI 评分3737

Kimi K3 现已在 @databricks 上线！

如何让知识蒸馏便宜到可以大规模运行

最新论文《Efficient Knowledge Distillation for LLMs》提出离线 top-K logits 缓存与融合分块 KL 损失两项改动，让教师模型无需与学生同时驻留显存，也不再生成完整的词表×序列长度矩阵。

vLLM 宣布 Day-0 支持 NVIDIA Nemotron 3.5 Lightning

NVIDIA 与 vLLM 团队宣布 Day-0 支持 Nemotron 3.5 Lightning，这是一个面向常驻智能体的开源混合 MoE 模型，总参数 30B、每 token 激活 3B，上下文最长 1M token，从 Nemotron 3 Ultra 蒸馏而来。

Meta 发布开源多模态模型 Muse Glimmer-30B，面向本地智能体场景

Meta 发布 30B 参数多模态开源模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，主打本地智能体用途如编码、文档分析和个人助理。

Mistral 发布 3B 开源多模态安全分类器 Shieldstral，Apache 2.0 开放权重

Mistral 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，将内容审核建模为策略自适应的问答任务，在推理时接受自然语言策略，无需重训即可适配文本与图像审核。它以 Apache 2.0 协议开放权重，在文本安全上匹敌最大 7 倍于其体积的开放审核模型，可在单张 16GB NVIDIA GPU 上运行，并输出经校准的连续安全分数。

Microsoft Research 开源 Orchard 智能体框架并发布三个领域模型

Microsoft Research 发布开源框架 Orchard，核心是可复用的 Kubernetes 环境服务 Orchard Env，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 内直接训练智能体。

Interconnects 推出 Artifacts Hub 与 Adoption Dashboard 两个开源模型数据工具

Nathan Lambert 的 Interconnects 推出 Artifacts Hub 和 Adoption Dashboard 两个免费工具。

开源模型汇总第23期：Laguna S2.1、Inkling 与 Kimi K3 展现开源模型在 Pareto 前沿的价值

本期开源模型汇总收录多批新发布，包括 Thinking Machines 首个模型 Inkling（975B-A41B 多模态 MoE，另有 276B-A12B 版）。

Mira Murati@miramuratiAI 评分5454

Mira Murati 转发 Thinking Machines 博客文章，介绍其开源权重发布策略，认为不加区分地发布权重不安全，但把强大模型锁在少数实验室里也不可取。文章说明如何评估 Inkling，以及为何安全取决于模型本身和其进入的生态，提出通过测试、分阶段开放访问和更强防御来走向更大开放，链接 thinkingmachines.ai/blog/a-safe-path-to-open-weights。

Thinking Machines@thinkymachinesAI 评分5151

Thinking Machines 发布博文，认为 indiscriminate 开放权重不安全，把强模型封闭在少数实验室也不安全，提出两者之间存在中间路径。博文说明了其如何评估 Inkling，以及为什么模型访问应分阶段逐步放开，链接为 https://thinkingmachines.ai/blog/a-safe-path-to-open-weights。

美团 LongCat 发布 LongCat-Flash-Lite-Sparse 稀疏注意力模型，原生支持 1M token 上下文

美团 LongCat 发布 LongCat-Flash-Lite-Sparse，这是一个非思考型 MoE 模型，总参数 69B，每 token 激活约 3B，用 LongCat Sparse Attention（LSA）替换稠密 MLA，原生支持最长 1M token 上下文。

Thinking Machines 阐述开放权重的安全路径并评估 Inkling 发布风险

Thinking Machines 提出安全开放权重的框架，认为发布安全取决于模型本身与其进入的生态，并据此发布了 Inkling 和 Inkling-Small 两个开放权重语言模型。

Mira Murati@miramuratiAI 评分6464

Thinking Machines 发布 Inkling-Small，性能与 Inkling 相当而体积仅为其四分之一，总参数 276B、激活参数 12B，完整权重已开放。可在 Tinker 上微调，或在 Tinker Playground 以文本、图像和音频方式与它对话。

Thinking Machines@thinkymachines精选AI 评分6969

Thinking Machines 发布 Inkling-Small，以四分之一体积达到与 Inkling 相当的性能，总参数 276B、激活 12B，并开放完整权重。用户可在 Tinker 上微调，或在 Tinker Playground 进行文本、图像和音频对话。

从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon

IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架扩展出 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让进化式内核搜索把已有 CUDA 内核当作知识库适配到 Apple Silicon。

vLLM 在 Arm CPU 上的优化实践

vLLM 联合 PyTorch、oneDNN 和 KleidiAI 社区完成 Arm CPU 服务栈的上游优化，新增预构建 wheel 与 Docker 镜像、chunked prefill、前缀缓存、INT8 W8A8/W4A8 推理，并支持 GPT-OSS、Whisper 和 Qwen 3.5/3.6。

Together AI 与 Moonshot AI 达成战略合作，首发提供 Kimi K3 模型

Together AI 宣布与 Moonshot AI 达成战略合作，成为其模型发布平台，Kimi K3 现已在 Together AI 上线，未来 Moonshot 的开放权重模型也将同步提供。

Kimi.ai@Kimi_MoonshotAI 评分2727

Kimi 推出全球大使计划（Kimi Ambassador Program），面向在科技、创业、内容创作或校园社区有影响力、且已将 Kimi K3 落地到产品、智能体、工作流、团队和社区中的实践者开放申请。申请入口为 kimi.com/lp/kimi-ambassador。

vLLM 发布 Kimi K3 Day-0 支持，2.8T MoE 模型最高 370 tok/s

vLLM 宣布对月之暗面 Kimi K3 提供 Day-0 高效支持。Kimi K3 是 2.8 万亿参数的 MoE 多模态模型，每 token 激活 896 个专家中的 16 个，基于 Kimi Delta Attention 与 Attention Residuals，支持 1M token 上下文窗口。

Jim Fan@DrJimFanAI 评分5050

Stay hungry, stay foolish. 绝对的传奇 @JensenHuang： 我的第一条帖子，分享一封 @NVIDIA 签署的关于开放模型为何重要的信。 AI 将变革每个行业，赋能每家公司，并由每个国家来构建。 开放模型增强安全与网络安全，加速创新与扩散，并实现主权。 世界既需要前沿闭源模型，也需要前沿开源模型。 https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf

Mira Murati@miramuratiAI 评分3939

让 AI 变得有用的知识是分散的。它存在于科学家、工程师、临床医生、企业之中。AI 要想从分布式知识中受益，自身就必须是分布式的。同意 Jensen 的观点，这是值得构建的未来。

Diffusers 原生集成 Nunchaku Lite 4-bit 扩散模型推理

Hugging Face 宣布 Diffusers 原生支持 Nunchaku Lite，可像普通模型一样用 from_pretrained() 加载 SVDQuant 4-bit (W4A4) 检查点，无需单独推理引擎或本地 CUDA 编译，内核经 kernels 包从 Hub 下载。

Together AI 发布 Dedicated Model Inference 开放权重模型推理生产平台

Together AI 推出 Dedicated Model Inference 平台，为在生产中运行开放权重、授权闭源权重和微调模型提供统一服务。

Nathan Lambert 播客复盘 Kimi K3 与开源模型生态，反驳蒸馏争议

Nathan Lambert 与 Florian Brand 在季度开源模型总结播客中讨论 Kimi K3 发布后的开源模型格局，称 Kimi K3 在研究类任务上超出预期，但 API 拥堵导致响应明显慢于 GPT。