Leanstral 发布：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，在 FLTEval 基准上以 6B 参数超越多个更大开源模型。它通过 Mistral Vibe 集成、支持 MCP，提供免费 API 和 Apache 2.0 权重；pass@2 得分 26.3 仅需 $36，而 Sonnet 4.6 需 $549。
全部AI 动态
全部动态
今日 609 条Mistral AIAI 评分5757
Together AIAI 评分4747 Together AI 在 NVIDIA GTC 2026 发布多项创新，涵盖推理优化与语音 AI 能力
Together AI 在 NVIDIA GTC 2026 宣布多项合作与模型上线，包括集成 NVIDIA Dynamo 1.0 推理框架、通过 NemoClaw 提供超 150 个优化模型、上线 NVIDIA Nemotron 3 Super（120B 参数、1M 上下文窗口）以及 NVIDIA Parakeet TDT 0.6B V3 ASR 模型。
Berkeley AI ResearchAI 评分5050 识别大语言模型中的交互作用：SPEX 与 ProxySPEX 框架
SPEX 与 ProxySPEX 是用于在大规模下识别大语言模型关键交互作用的算法框架，利用稀疏性和低阶性将搜索问题转化为稀疏恢复问题。ProxySPEX 利用层次结构特性，以约 1/10 的消融次数达到与 SPEX 相当的性能。
Google Research精选AI 评分6969 Google Research发布AI驱动的城市闪洪预报系统
Google Research在Flood Hub推出Urban Flash Flood预报，利用新AI方法Groundsource从新闻报告中提取历史洪灾数据训练模型，可提前24小时预测城市区域闪洪风险。
推荐理由：该方法利用新闻数据构建训练集并实现24小时城市内涝预警，为数据稀缺地区提供了可迁移的AI灾害预警思路。
Google Research精选AI 评分7373 Groundsource：利用 Gemini 将新闻报道转化为洪水数据
Google Research 发布 Groundsource 方法，利用 Gemini 从全球新闻报道中提取洪水事件，构建了覆盖 150 多个国家、260 万条记录的开放数据集。方法结合 Google Read Aloud 和 Cloud Translation API 进行多语言文本提取与标准化，并通过 Gemini LLM 完成分类、时间推理和空间定位验证。
推荐理由：该方法将非结构化新闻转化为结构化灾害数据，为全球洪水预测提供了新的数据基线。
Together AI精选AI 评分6262 Together AI 推出实时语音 Agent 全套能力，集成 Deepgram 与 Cartesia
Together AI 发布覆盖 STT、LLM、TTS 的一体化语音 Agent 平台，端到端延迟低于 500ms，并原生集成 Deepgram（STT）和 Cartesia（TTS）。
推荐理由：统一 STT、LLM、TTS 栈并把端到端延迟压到 500ms 以下，让语音 Agent 的实时对话体验更易落地。
Google Research精选AI 评分6262 Google AMIE真实门诊临床可行性研究发布
Google Research与Beth Israel Deaconess Medical Center合作，发布了AMIE在真实门诊场景中的前瞻性单中心可行性研究。100名患者在就诊前通过安全网页链接与AMIE进行文本问诊，由医生实时监督。研究显示零安全触发事件，AMIE诊断符合率90%、top-3准确率75%，且患者和医生对其接受度良好。
推荐理由：研究提供了AMIE在真实门诊场景中的安全性和可行性证据，为对话式医疗AI的临床落地提供了初步实证基础。
Mistral AIAI 评分4242 基于 Vibe 构建 Rails 测试代理：让代理自动编写开发者不愿写的测试
基于 Mistral 开源编码助手 Vibe 构建了一个自主代理，能自动读取 Rails 源文件并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行。通过 AGENTS.md 上下文工程和按文件类型分类的 SKILLS 文件，质量分数从 0.68 提升到 0.74。该代理并行处理多个文件，并自动管理 factories 和 fixtures 等共享上下文，避免测试遗漏。
Together AI精选AI 评分6464 Together AI 在 Day 0 上线 NVIDIA Nemotron 3 Super
Together AI 将 NVIDIA Nemotron 3 Super 带给开发者，模型为 120B 参数（12B 激活）的混合 MoE 架构，支持 1M token 上下文和多 Token 预测，并在 AIME 2025 与 SWE Bench Verified 上达到领先精度。
推荐理由：原文同时给出单GPU部署和1M上下文等具体能力，读者可据此判断它能否直接承载多智能体与大上下文推理工作流。
Together AIAI 评分5757 Together GPU Clusters 新增自动扩缩容、可观测性与自愈功能
Together GPU Clusters（曾用名 Instant Clusters）新增自动扩缩容、基于角色的访问控制、全栈可观测性、自助节点修复与主动健康检查。
Google Research精选AI 评分6060 WAXAL：非洲语言语音技术大规模开源资源
Google Research发布WAXAL开源语音数据集，覆盖27种撒哈拉以南非洲语言、超过1亿使用者，包含约1846小时ASR转录语音和565小时TTS高质量录音，采用CC-BY-4.0许可。
推荐理由：开源语音数据集覆盖27种撒哈拉以南非洲语言，为低资源语言语音技术提供了可复用的数据基础。
Together AI精选AI 评分8080 Together AI 在 AI Native Conf 发布七项研究与产品更新
Together AI 在首届 AI Native Conf 发布七项更新，涵盖 FlashAttention-4、Together Megakernel、together.compile、Reinforcement Learning API、ThunderAgent、ATLAS-2 与 CPD。
推荐理由：七项发布覆盖内核、强化学习与推理优化，读者可据此评估 Together 在生产部署与训练加速上的最新能力边界。
Together AI精选AI 评分7272 FlashAttention-4：面向 Blackwell 非对称硬件的算法与 Kernel 协同设计
FlashAttention-4 在 B200 上 BF16 最高达 1605 TFLOPs/s（71% 利用率），比 cuDNN 9.13 快 1.3×、比 Triton 快 2.7×。通过前向 softmax 与 MMA 重叠、TMEM 缓存中间结果、2-CTA MMA 降共享内存流量，以及确定性模式提升可复现性。
推荐理由：原文给出了 B200 上的具体吞吐数据和对比倍数，读者可据此评估 FlashAttention-4 在实际训练中的加速潜力。
Together AI精选AI 评分6464 Together AI 提出缓存感知的预填充-解码分离架构 CPD，长上下文推理可持续 QPS 提升约 35–40%
Together AI 发布缓存感知的预填充-解码分离架构（CPD），将推理分为 Pre-Prefill、Prefill 和 Decode 三层，通过缓存复用和 RDMA 共享 KV cache 让暖请求绕过冷请求的预填充队列。
推荐理由：通过区分冷热请求并引入三级 KV cache 层次，在长上下文混合负载下将可持续 QPS 提升约 35–40%。
Together AIAI 评分1515 Together AI 推出全新品牌视觉
summary_zh: Together AI 发布了全新品牌视觉，由 Pentagram 设计公司打造，表达开放、连接与共享规模的理念。新视觉围绕 AI 全生命周期整合开源创新、前沿系统研究与开发者体验。
Vector InstituteAI 评分1818 Vector Institute Remarkable 2026 海报展：60 个研究项目塑造 AI 未来
summary_zh: Vector Institute 于 2 月 19-20 日举办第三届 Remarkable 2026 大会，吸引逾 1,500 名研究者与产业人士参与。
Meta Engineering · AI精选AI 评分7272 Meta 开源 RCCLX：面向 AMD 平台的 GPU 通信增强库
Meta 开源 RCCLX（基于 RCCL 的增强版），集成 Torchcomms 并将 CTran 移植到 AMD 平台，支持 AllToAllvDynamic 等特性。新增 Direct Data Access 与低精度集合通信，在 MI300X 上解码小消息延迟降低 10–50%，前向计算加速 10–30%，端到端推理延迟下降约 9–10%、吞吐提升约 7%，GSM8K 偏差约 0.3%。
推荐理由：原文给出 AMD 平台通信库的能力变化与量化结果，读者可据此评估 RCCLX 对现有训练与推理工作流的实际影响。
Vector InstituteAI 评分3636 CRISPNAM-FG：可解释深度学习竞争风险生存模型在医疗领域的应用
Vector Institute 等机构联合开发 CRISPNAM-FG 模型，将 Fine-Gray 竞争风险框架与 Neural Additive Models 结合，在预测糖尿病足并发症风险的同时保持特征级可解释性。该模型通过独立的 FeatureNet 子网络处理每个临床变量，捕捉非线性效应，避免依赖 LIME/SHAP 等事后解释方法，在高风险医疗场景中实现高精度与透明度的兼顾。
Vector InstituteAI 评分2222 Vector Institute Demo Day：如何帮助加拿大初创公司把 AI 创意推向商业化
Vector Institute 首次举办 Demo Day，12 家加拿大 AI 初创公司向 4 位评委和近 30 位风险投资人展示产品。FastLane 项目已帮助超 250 家初创加速 AI 商业化，且 Vector 不要求股权。Demo Day 旨在为创始人提供融资、行业资源与人才对接，推动加拿大从概念到商业化的完整路径。
Ollama BlogAI 评分4242 Ollama 0.17 新增 launch 命令，一键启动 OpenClaw 个人 AI 助手
summary_zh: Ollama 0.17 将 OpenClaw 个人 AI 助手的启动简化为单条命令 `ollama launch openclaw --model kimi-k2.5:cloud`，自动处理安装与配置。
Together AI精选AI 评分6464 语音模型在街名转录上如何失败及应对方法
Together AI 发布 SF Streets 和 US Streets 两个新基准，测试发现 15 个主流语音模型对街名的平均转录错误率达 39%，非英语母语者比英语母语者准确率低 18 个百分点，导航偏差平均多 1.2 英里。
推荐理由：研究揭示了主流语音模型在街名转录上的显著误差，并给出小样本合成数据的改进方法，对导航和应急调度场景具有直接参考价值。
Together AI精选AI 评分6262 Consistency Diffusion Language Models：推理加速最高 14 倍且质量不下降
Together AI 提出 CDLM 训练方案，让扩散语言模型在块因果掩码下做多 token 最终化并启用精确块级 KV 缓存。实验显示 CDLM–Dream 在 GSM8K-CoT 与 MBPP-Instruct 上分别提速 11.2x 与 14.5x，多数任务精度变化很小。
推荐理由：通过训练让扩散语言模型在块内自回归解码并启用精确 KV 缓存，在保持质量的同时显著减少推理步数与延迟。
Ollama Blog精选AI 评分6060 Ollama 在 Claude Code 中支持 Subagents 与网页搜索
Ollama 在 Claude Code 中新增 Subagents 与网页搜索功能，无需 MCP 服务器或 API Key。Subagents 可并行执行文件搜索、代码探索和研究等任务；网页搜索内建于 Anthropic 兼容层，模型需要最新信息时由 Ollama 直接返回结果。推荐云端模型包括 minimax-m2.5、glm-5 与 kimi-k2.5。
推荐理由：原文给出无需 MCP 与 API Key 的入口，读者可据此判断它能否降低 Claude Code 的接入成本。
Together AI精选AI 评分6262 Together AI 推出 Dedicated Container Inference，定制模型推理速度最高提升 2.6 倍
Together AI 发布 Dedicated Container Inference，支持用户以 Docker 容器方式部署自定义生成式媒体模型，并由平台负责自动扩缩容、队列、流量隔离与监控。客户实测视频生成等任务推理速度提升 1.4–2.6 倍；在 Together GPU Cloud 训练的模型可直接部署，无需传输产物。
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。
Together AI精选AI 评分7171 LLM 在无提示约束下会生成什么：近无约束生成行为研究
Together AI 研究团队通过主题中性的开放种子提示（如 "Actually," "Let's think step by step," 或仅标点）移除 chat 模板与系统提示，研究 LLM 的近无约束生成行为。
推荐理由：在无主题提示下观察模型原始生成分布，揭示了各模型族稳定的语义偏好与退化模式，为审计和指纹识别提供了新视角。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral Transcribe 2 语音转文本模型
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2 批量模型和 Voxtral Realtime 实时模型。
推荐理由：原文给出了两款模型的价格与延迟配置，读者可以据此对比其成本与实时性是否匹配自身场景。
Ollama BlogAI 评分5050 OpenClaw 发布：连接主流通讯平台与 AI 编程助手的本地化网关
OpenClaw 是连接 WhatsApp、Telegram、Slack、Discord、iMessage 等通讯平台与 AI 编程助手的本地化网关，保持对话和代码隐私。
Mistral AI精选AI 评分6161 Mistral 发布终端编码智能体 Mistral Vibe 2.0
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型族驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式。
推荐理由：原文列出子智能体、斜杠命令技能等可配置能力与付费方式，读者可据此判断终端编码智能体的团队落地成本。
Ollama BlogAI 评分4242 Ollama Launch 命令发布
Ollama 推出 `ollama launch` 命令，一键设置并运行 Claude Code、OpenCode、Codex 等编程工具，无需配置环境变量或配置文件。
Vector InstituteAI 评分3636 看不见的新地图：Foundation Models for Science Workshop 回顾
summary_zh: Vector Institute 举办的 Foundation Models for Science Workshop 聚焦科学场景下数据稀缺、 stakes 高且来源 disconnected 的 AI 落地挑战，归纳出 annotation bottleneck、trust gap 与 lab-to-production leap 三大主题。
Mistral AIAI 评分5959 Mistral AI 调试 vLLM 内存泄漏
Mistral AI 在 disaggregated serving 环境下发现 vLLM worker 内存以约 400 MB/分钟线性增长，最终定位到 UCX 通过 mmap hook 拦截内存调用、导致注册缓存无限累积。
Ollama Blog精选AI 评分7676 Ollama 兼容 Anthropic API，Claude Code 可使用开源模型
Ollama v0.14.0 起兼容 Anthropic Messages API，Claude Code 可通过 --model 指定本地模型（如 gpt-oss:20b、qwen3-coder）或云端模型（如 glm-4.7:cloud、minimax-m2.1:cloud）运行，并支持工具调用、流式对话、系统提示与视觉输入。
推荐理由：Ollama 兼容 Anthropic API 后，Claude Code 可直连本地或云端开源模型，为开发者提供无需切换平台即可替换模型的选择。
Ollama BlogAI 评分3838 OpenAI Codex 通过 Ollama 支持开源模型
OpenAI Codex CLI 可通过 Ollama 使用 gpt-oss:20b、gpt-oss:120b 等开源权重模型，默认调用本地 gpt-oss:20b。安装后执行 `codex --oss` 即可启动，`-m` 参数可切换模型，Ollama Cloud 上的模型同样可用。Codex 需要至少 32K tokens 的大上下文窗口。
Berkeley AI ResearchAI 评分3232 Information-Driven Design of Imaging Systems
伯克利 AI 研究提出基于信息量的成像系统直接评估与优化框架，用噪声测量估计互信息以统一分辨率、噪声等质量指标。在颜色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计可预测解码器性能并指导设计优化，比端到端方法需更少内存与计算，且无需任务特定解码器。
Mistral AIAI 评分5858 Mistral AI 发布 Mistral OCR 3，表单与手写识别整体胜率提升 74%
Mistral AI 发布 Mistral OCR 3，模型可通过 API（mistral-ocr-2512）或 Mistral AI Studio 中的 Document AI Playground 使用，定价为每 1,000 页 $2，Batch API 折扣后为每 1,000 页 $1。
Mistral AI精选AI 评分7878 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型系列，包含 123B 的 Devstral 2 与 24B 的 Devstral Small 2，并推出配套开源 CLI Mistral Vibe。
推荐理由：官方给出参数规模、基准得分与人类评估胜率，可对照开源与闭源编码模型的能力与成本差距。
Vector InstituteAI 评分3737 Vector Institute 在 NeurIPS 2025 发表 80 篇 AI 研究论文
summary_zh: Vector 研究人员在 NeurIPS 2025 发表 80 篇论文，涵盖基础模型、扩散生成、强化学习与隐私保护联邦学习等方向。
Mistral AI精选AI 评分8787 Mistral 3 发布：涵盖 Ministral 3 与 Mistral Large 3 的开源模型家族
Mistral 3 包含 Ministral 3（3B/8B/14B）与 Mistral Large 3（41B 活跃/675B 总参数稀疏 MoE），全部 Apache 2.0 开源。
推荐理由：Mistral 3 同时覆盖从边缘到数据中心的稠密与稀疏 MoE 模型，并给出 NVFP4 checkpoint 与多平台部署入口，读者可据此评估自托管与云端方案的成本与性能取舍。
Vector InstituteAI 评分2525 加拿大安大略省AI经济影响新研究：累计GDP将增$1220亿
安大略省AI相关岗位过去五年贡献$420亿至$520亿GDP，每岗位年均经济价值$19.9万。2025至2035年AI采用预计为安省累计增加$1220亿真实GDP、年均17600个新岗位，到2035年平均实际工资增长$1028、劳动生产率提升1.6%。加拿大全国层面预计累计$2980亿GDP增长、年均41500个新岗位，联邦每投入1美元带动$10.64私人投资。
Mistral AIAI 评分3838 Mistral AI 进军德国，与 SAP、Helsing 达成长期战略合作
Mistral AI 宣布与 SAP 合作打造完全主权 AI 栈，集成模型到 SAP AI Foundation 并共同开发行业解决方案；同时与 Helsing 加速开发视觉-语言-动作模型用于国防安全应用。Mistral 将扩大德国团队、近期开设德国办公室，践行让欧洲拥有并掌控 AI 的创始原则。