Baseten 加入 Hugging Face Inference Providers，支持 Kimi K3、DeepSeek V4 Flash 等模型
Baseten 成为 Hugging Face Hub 支持的 Inference Provider，首批上线对话与文本生成任务。用户可在模型页或通过 Python、JavaScript SDK，用 HF token 调用 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开放权重 LLM，后续将扩展更多任务。
全部AI 动态
全部动态
今日 125 条Hugging Face BlogAI 评分3636
MIT News · AIAI 评分3636 MIT 团队用 AI 筛选溶剂分子，研制出更快更稳定的钠金属电池
summary_zh: MIT 团队在 Joule 发表钠金属电池新电解质研究，通过 AI 辅助筛选 10 万个候选分子，最终确定最小溶剂 DMFSA，在保持电极稳定的同时加快离子传输，提升快充快放性能。
Microsoft Semantic Kernel精选AI 评分7272 GitHub Copilot Agent 在 Microsoft Agent Framework 中正式发布
GitHub Copilot Agent 在 Microsoft Agent Framework 中正式发布，支持 .NET 和 Python。Copilot 负责模型调用、工具执行、规划与会话状态，Agent Framework 提供指令、流式传输、中间件、可观测性与人工审批。
推荐理由：GitHub Copilot 的编码能力与 Agent Framework 的扩展性结合，开发者可在同一编程模型里接入 MCP、自定义工具和审批治理。
GitHub Engineering精选AI 评分6060 GitHub Stacked Pull Requests：将巨型 AI 生成 PR 拆分为可审查的分层栈
GitHub 推出 stacked pull requests 原生支持与 gh-stack CLI 扩展，把单个体量庞大的 AI 生成 PR 拆成数据、API、链路、UI 四层独立可审栈。配合 gh-stack skills 让编码 Agent 按层提交、CI 逐层校验，并通过 stack map 与 rebase/sync 命令维护栈一致性。
推荐理由：原文给出分层 PR 的具体结构与 CLI 命令，读者可迁移该工作流以降低 AI 生成代码的审查负担。
Meta Engineering · AI精选AI 评分7171 Meta GEM 训练：如何将广告推荐基础模型效率在 LLM 规模下翻倍
Meta 发布 GEM 训练细节，通过定制推荐内核库、混合超低精度训练、拓扑感知 5D 并行与 SM-free 通信等协同设计，将端到端训练效率翻倍至 20–25% MFU，并在 12 个月内将训练 FLOPs 扩展 4 倍。
推荐理由：Meta 分享了 GEM 在 LLM 规模下训练推荐模型的具体方法，为跨推荐与 LLM 的基础设施协同设计提供可迁移经验。
Kubernetes AIAI 评分2525 Gateway API v1.6：TCPRoute 与 UDPRoute 晋升为标准资源
Gateway API v1.6.0 于今年 6 月 30 日发布，TCPRoute 和 UDPRoute 从 Experimental 通道晋升至 Standard，并升级为 v1 API 版本，v1alpha2 版本已被弃用。
Microsoft Research精选AI 评分8282 Orchard：面向可扩展智能体 AI 的开源框架
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
InterconnectsAI 评分4242 Interconnects 推出 Artifacts Hub 与 Adoption Dashboard
Interconnects 推出 Artifacts Hub 与 Adoption Dashboard 两项免费数据工具，覆盖 Hugging Face 近两年发布的 792 个开源模型。
Import AI精选AI 评分8080 AI自复制蠕虫原型出现：Open-weight LLM + 定制化框架实现自主传播
多国研究人员构建了基于开源大语言模型的自复制AI蠕虫原型，利用被控GPU资源运行推理并自主传播，漏洞检测成功率约80%，自我复制成功率约88%，完整攻击成功率约37%。论文指出自持型AI驱动的网络威胁已不再只是理论假设。
推荐理由：展示了自复制AI蠕虫的原型实现，读者可借此理解自主AI威胁从理论走向实践的具体路径。
Together AI精选AI 评分8989 Kimi K3 开发者指南：2.8T 参数开源模型发布
Kimi K3 是 Moonshot AI 发布的 2.8 万亿参数开源模型，是全球首个 3 万亿参数量级的开源模型，支持 1M 上下文长度，在 Together AI 上提供 OpenAI 兼容 API。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
GitHub EngineeringAI 评分4242 GitHub 开源 casefold：源代码大小写折叠的内存速度优化
summary_zh: GitHub 开源 Rust crate casefold，用于代码搜索场景的大小写折叠（case folding）。核心优化是移除 ASCII 路径的提前退出分支，使循环可向量化，在 Apple M4 上达到约 45 GiB/s，接近内存带宽。
Microsoft Semantic Kernel精选AI 评分6767 Microsoft Agent Framework 集成 GitHub Copilot CLI 与 Squad 构建智能体团队
Microsoft Agent Framework 正式集成 GitHub Copilot CLI/SDK 与开源多智能体框架 Squad，提供 Squad.Agents.AI NuGet 包，将 Squad 团队包装为标准 MAF AIAgent。
推荐理由：MAF与Squad通过一个NuGet包和DI调用即可组合，适合已有MAF流水线的开发者低成本接入会随使用积累领域知识的多智能体团队。
Microsoft Research精选AI 评分7979 Echoverse：面向计算机使用智能体的深度演化环境
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Microsoft ResearchAI 评分4545 EvoLib：将经验转化为演化知识
EvoLib是一个让大语言模型在推理过程中从自身经验自主学习的框架，无需真实标签或外部反馈，将过去尝试转化为可复用技能和反思性洞察。在数学推理、代码编写和长时序任务上，EvoLib一致优于检索式记忆方法，以更少token实现更高性能，并将测试时计算更有效地转化为性能增益。该框架无需模型更新，可应用于任何通过API部署的黑盒语言模型，且对任务顺序具有鲁棒性。
Weaviate BlogAI 评分2424 Building Foundry：AI 不是取代创意，而是消除检索摩擦
summary_zh: Weaviate Blog 介绍 Building Foundry，用语义搜索解决创意资产检索难题。系统将媒体转为向量嵌入，让"dark forest with blue atmospheric haze"这类语义查询能命中以 ENV_ALTSTUDING_DARK_V4 命名的文件，而非依赖关键词匹配。
Berkeley AI Research精选AI 评分6262 K-Search：从 CUDA 到 MLX 的内核优化迁移研究
Berkeley Sky Lab 与 IBM Research 将 K-Search 进化式内核搜索框架扩展至 MLX 后端，通过结构化 CUDA-to-MLX 翻译层在 Apple Silicon 上复现专家级性能。在注意力内核上达到原生 MLX 的 0.97 倍速度，Mamba SSM prefill 相比社区 mlx-lm 提升约 20 倍；代码与后端已开源。
推荐理由：结构化翻译层让 CUDA 经验可迁移到 Apple Silicon，读者可借此评估跨平台内核优化的可行边界。
Together AI精选AI 评分7676 ThunderAgent：大规模合成数据生成中的 Agent 推理提速 2 倍
ThunderAgent 在单 8×H100 节点上相对 SGLang 达到 2.5 倍吞吐量、P50 延迟降低约 10 倍，8 节点集群实现 2.4 倍加速且接近线性扩展。
推荐理由：把多轮 agent 请求视为程序而非独立请求，让 KV cache 命中率提升并缓解多节点负载不均。
Together AI精选AI 评分7777 Together AI 与 Moonshot AI 战略合作，原生上线 Kimi 模型
Together AI 与 Moonshot AI 达成战略合作，成为 Kimi 模型的首发平台，首发模型为 Kimi K3。Kimi K3 是迄今最大开源模型，参数规模达 2.8T 的稀疏 MoE 架构，支持原生视觉与 1M token 上下文窗口。
Microsoft Semantic Kernel精选AI 评分6262 .NET Agent 支持从 MCP 服务器发现和加载 Agent Skills
Microsoft Semantic Kernel 在 .NET 中通过 Microsoft.Agents.AI.Mcp 包支持从 MCP 服务器按需发现和加载 Agent Skills。技能以 skill-md 或 archive 方式分发，通过 skill://index.json 发现，并保留渐进式披露和审批机制。archive 下载有文件数、大小和解压后大小上限，且远程脚本永不执行。
推荐理由：让 Agent 按需从 MCP 服务器发现和加载技能，减少重复打包与重新部署，适合多 Agent 共享领域知识。
Import AI精选AI 评分8787 Epoch 与 METR 发布 MirrorCode 基准测试：AI 系统完成长达一周的编程任务
Epoch 和 METR 发布 MirrorCode 基准，测试 AI 在仅通过 CLI 访问的情况下重新实现软件程序的能力。Opus 4.7 在 14 小时、$251 推理成本内完成了一个需人类 2-17 周的任务。25 个目标程序中 17 个至少有一次满分运行，8 个从未达到 100%。
推荐理由：MirrorCode 显示 AI 已能自主重新实现大型软件项目，读者可借此评估当前模型在长程编程任务上的真实能力边界。
Hugging Face Blog精选AI 评分6464 NVIDIA 发布 Cosmos-H-Dreams：实现手术机器人实时生成式仿真
NVIDIA 发布 Cosmos-H-Dreams，一款基于单张 RTX PRO 6000 GPU 运行的手术机器人实时生成式仿真器。该模型从 Cosmos-H-Surgical-Simulator 蒸馏而来，通过 FlashDreams 推理库实现约 160 fps 的交互式操作，每潜在帧仅需 2 步去噪，支持 dVRK 桌面缝合任务，并可连接学习型手术策略形成闭环。
推荐理由：NVIDIA将手术世界模型压缩至单卡实时推理，使外科机器人策略的闭环评估与合成数据生成不再依赖稀缺物理硬件。
Microsoft Semantic Kernel精选AI 评分6565 Microsoft Agent Framework 声明式工作流 1.0 发布
Microsoft Agent Framework 的声明式工作流（Declarative Workflows）Python 与 .NET SDK 均达到 1.0。团队可用 YAML 定义多智能体编排、状态与分支逻辑，并作为标准 Workflow 运行、流式处理和组合。示例展示支持台路由场景，并提供客户支持等可运行样例。
推荐理由：原文给出 YAML 定义与代码加载方式，读者可据此评估声明式编排是否适配现有工作流。
GitHub SecurityAI 评分5252 Dependabot 版本更新默认增加三天冷却期
GitHub 旗下 Dependabot 对版本更新默认启用三天冷却，即新版本发布后至少等待三天才开 pull request；安全更新仍即时推送。2025 年 9 月 npm 下毒事件及 2018–2026 年 21 起供应链案例显示下毒版本通常在数小时内被下架，三天冷却可避开大部分短窗口攻击。
Hugging Face Blog精选AI 评分6868 Nunchaku Lite 正式接入 Diffusers，4-bit 量化扩散模型推理无需额外推理引擎
Nunchaku Lite 现已原生集成到 Diffusers，用户可通过 from_pretrained() 直接加载 4-bit 量化扩散模型，无需单独推理引擎或本地 CUDA 编译。
推荐理由：Nunchaku Lite 现已原生接入 Diffusers，无需额外引擎即可通过 from_pretrained() 加载 4-bit 量化模型，在 RTX 5090 上 VRAM 从 24GB 降至约 12GB，推理加速约 30%。
Together AI精选AI 评分7373 Together AI 推出专用模型推理平台 Dedicated Model Inference
Together AI 发布 Dedicated Model Inference 平台，支持部署自有或开源权重模型，并提供部署配置、预热加速、Canary/蓝绿/滚动发布、A/B 与影子流量测试及 Prometheus 可观测性。平台覆盖从实验到生产的全生命周期，并同步开启自定义训练（含 LoRA 与强化学习）封闭测试。
推荐理由：原文给出部署预热、流量切换与可观测性等具体能力，读者可以据此判断它能否降低自研推理栈的运维成本。
ScienceDaily · AIAI 评分3434 MIT 新型 lidar 芯片可为自动驾驶汽车提供更宽视野
summary_zh: MIT 研究人员开发出一种基于硅光子学的 lidar 芯片，通过集成天线阵列大幅降低串扰，实现更宽视野和更低噪声。该设计采用三种不同几何形状的天线，使其在紧密排列时仍能保持一致的发光特性。
ScienceDaily · AIAI 评分3535 首尔大学团队研发可编程光子芯片，可按需控制光速
summary_zh: 首尔国立大学与首尔大学的研究团队开发了一种可编程光子集成电路，通过耦合谐振器诱导透明（CRIT）结构按需减缓光速。该芯片利用两个可控环路耦合器统一处理亮模与暗模，可动态调整信号延迟、带宽和形状，且无需额外专用组件。
Weaviate Blog精选AI 评分6262 Weaviate Query Profiling：查看慢查询耗时分布
Weaviate 在 v1.36.9 引入 query profiling，v1.38 正式可用，用户可通过 per-query flag 在单次查询中返回跨节点、跨分片的耗时明细。
推荐理由：原文给出了查询性能分析的细粒度能力与开启方式，读者可以据此定位慢查询的具体阶段。
Hugging Face Blog精选AI 评分7272 Grabette：开源手持设备记录机器人操作数据
Grabette 是 Pollen Robotics 发布的开源手持采集设备，配合 Gripette 机械爪端，能用普通相机、IMU 和深度相机记录操作演示，并自动生成 LeRobot 格式的机器人就绪数据集。
推荐理由：原文给出了低成本的采集方案与开放数据集入口，读者可以据此判断它能否降低机器人学习的数据门槛。
Import AI精选AI 评分7979 Import AI 465：开源与闭源能力差距缩小；Kimi K3；Demis的AGI监管方案
英国AI安全研究所分析显示，GLM-5.2和DeepSeek V4-Pro在窄网络安全评测上已接近4至7个月前的闭源前沿模型，但在长周期链式攻击任务上差距仍较大。
推荐理由：开源模型与闭源模型在网络安全能力上的差距正在缩小，提示防御方需在能力扩散前抓紧准备。
Together AIAI 评分4242 Together AI 与 Y Combinator 合作推出首个 YC 专属 GPU 集群
Together AI 与 Y Combinator 合作推出首个 YC 专属 GPU 集群，为 YC 旗下 AI 原生初创公司提供按需 GPU 资源。创业公司可通过 Together 自助门户直接预订、配置和管理 GPU，享受长期价格而无需长期承诺，集群当前已满载运行。该集群覆盖从单节点到大规模扩展的需求，创始人还可获得 Together 团队在推理与训练方面的最佳实践支持。
Sebastian RaschkaAI 评分5757 控制 LLM 推理强度
Sebastian Raschka 详解 GPT-5.6 等模型的推理强度设置机制，涵盖 RLVR、思考开关、预算截断与多专家蒸馏六种开源实现，并比较了训练与推理两个扩展轴。
GitHub EngineeringAI 评分4242 AI 编程时代“小需求”的成本结构变了
代码生成变便宜后，“是否做这个需求”的评审成本往往高于写代码本身。用 AI 先产出最小可运行补丁，能把抽象的范围争论转为具体证据：四行代码加测试即可上线；触及权限或数据保留等核心契约的请求则暴露真实复杂度。关键区分不是“能否生成”，而是“人类能否 confidently review 并承担后续所有权”。
MIT News · AI精选AI 评分6060 MIT提出GIFT系统，让视觉语言模型自动将2D设计转为更精确的CAD程序
MIT与Red Hat、IBM合作提出GIFT（Geometric Inference Feedback Tuning）框架，通过推理时扩展利用视觉语言模型自身的近似正确答案生成训练数据，自动修正模型在图像转CAD代码任务中的错误。实验表明，GIFT仅用约20%的计算量即可生成更准确的CAD程序，且生成的3D模型几何形状与真实模型更吻合。
推荐理由：该方法利用模型自身错误生成训练数据，以更低计算成本提升图像转CAD代码的准确性。
Together AIAI 评分4646 99.9% 可用性对推理服务意味着什么
summary_zh: Together AI 解释推理服务可靠性的分层含义：99% 需快速检测并调度故障节点，99.9% 要求双设施持续部署与权重冗余，99.99% 需预留跨区域容量以应对整区宕机。
Hugging Face Blog精选AI 评分6262 模型路由看似简单，直到你真正做起来
IBM Research 在 Hugging Face 博客指出，将路由引入 Agent 系统时，模型选择会迅速演变为系统优化问题。实际成本受缓存、基础设施和负载模式影响，GPT-4.1 在标价更低的情况下反而比 Claude Sonnet 4.6 更贵；路由需同时平衡成本、质量、延迟、合规与可靠性。
推荐理由：从成本与系统优化角度重新审视路由设计，为构建 Agent 系统提供可迁移的权衡思路。
Meta Engineering · AIAI 评分3838 Meta 探索分层兴趣表征以优化广告深度漏斗
Meta 提出分层兴趣表征（Hierarchical Interest Representation），作为广告系统的上游表征层，基于数十亿交互数据端到端训练。
Hugging Face Blog精选AI 评分6060 Hugging Face 推出 Real World VoiceEQ 语音AI人本质量评测基准
Hugging Face 发布 Real World VoiceEQ 基准，从声学信息层面评估语音交互的人本质量，覆盖ASR、TTS、S2S与语音理解，超40款开源与闭源模型参与。评测基于超过100万条人类评分，包含78.5万条TTS与4.8万条STS评分，并指出传统基准在噪声、口音、情绪等真实场景下高估模型表现，语音模型在
推荐理由：原文呈现了覆盖40余款模型的评测结果与关键发现，帮助读者在语音接口成为主流交互方式的背景下重新审视现有基准的局限。
Together AI精选AI 评分6060 Together GPU Clusters 新增可靠性与运维控制功能
Together GPU Clusters 推出被动健康检查、自动节点修复、Slinky 1.0 等功能，覆盖 GPU 总线故障、热节流、Xid 错误等场景。配合集群详情页、外部 OIDC、启动脚本和验收测试选项，提升多团队场景下的可观测性、访问控制与自定义能力。
推荐理由：原文给出了平台健康与运维控制两方面的具体能力变化，读者可以据此评估它对现有训练与推理工作流的影响。
MIT News · AIAI 评分3838 Ikigai 基础模型助力企业实时预测与决策
summary_zh: Ikigai 基于表格与时间序列数据构建基础模型，可持续接入企业多源数据，通过预测真实结果进行自我学习。该模型将企业流程数字化，提供大规模实时规划与模拟不同选项的能力。