NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式仿真器
NVIDIA 发布 Cosmos-H-Dreams，一个面向手术机器人的实时、动作条件生成式仿真器，将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并通过 FlashDreams 推理库在单张 NVIDIA RTX PRO 6000 上运行。
推荐理由：原文给出实时生成式手术仿真的蒸馏与推理优化路径，读者可了解世界模型如何进入闭环交互。
#开源生态
#开源生态
今日 1 条Hugging Face Blog精选SI 评分6262
Hugging Face Blog精选SI 评分6262 Hugging Face 将 Nunchaku 4-bit 扩散推理引入 Diffusers
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出了 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟和显存数据，读者可据此判断消费级 GPU 跑扩散模型的实际收益。
Hugging Face Blog精选SI 评分6262 Hugging Face 发布 Grabette 开源机器人操作数据采集系统
Hugging Face 发布 Grabette，一套开源低成本的手持夹爪数据采集系统，用人类手部演示替代机器人遥操作，采集后自动转换为 LeRobot 数据集并上传至 Hugging Face Hub。
推荐理由：原文给出了一套无需机器人即可采集操作数据的开源硬件与处理流程，读者可据此判断机器人数据采集门槛的变化。
Hugging Face Blog精选SI 评分6262 Hugging Face 让 vLLM 的 transformers 建模后端达到原生速度
Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上已追平甚至超过 vLLM 手写原生实现的吞吐。该后端通过 torch.fx 做静态图分析、用 ast 重写源码，在运行时动态应用推理相关的层融合，从而匹配自定义实现的性能，并可与张量并行、数据并行、专家并行等常规配置组合。
推荐理由：原文给出了 transformers 后端在 vLLM 中追平原生实现的具体做法与启用方式，读者可据此判断现有部署是否需要改动。
Hugging Face BlogSI 评分2222 Hugging Face 与 Amazon SageMaker Studio 实现一键深度链接集成
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者在支持的模型页点击 Customize 或 Deploy 即可直达 SageMaker Studio，模型预加载、环境自动配置。
Hugging Face Blog精选SI 评分6262 微软在 Foundry Managed Compute 上线 Hugging Face 模型集合
微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合，将开源权重模型以每周刷新、一键部署的方式接入 Foundry，权重预存于 Azure，运行时由微软构建并扫描。
推荐理由：微软与 Hugging Face 合作把开源权重模型接入 Foundry，读者可了解企业部署开源模型时被补齐的运维环节。
Hugging Face Blog精选SI 评分7575 LeRobot v0.6.0 发布：想象、评估、改进
Hugging Face 发布 LeRobot v0.6.0，围绕机器人学习闭环引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新一批 VLA（GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT）以及统一的奖励模型 API（Robometer、TOPReward）。
推荐理由：原文把世界模型策略、奖励模型 API 与六个仿真基准整合进同一套 CLI，读者可据此判断机器人学习闭环的工程化程度。
Hugging Face Blog精选SI 评分6262 SkyPilot 与 Hugging Face 打通零出口流量存储，可在任意云运行 AI 负载
SkyPilot 与 Hugging Face 联合推出 store: hf 后端，用一条 hf:// URL 和现有 HF_TOKEN 即可把 Hugging Face Bucket 或任意模型、数据集、Space 仓库挂载进 SkyPilot 任务，并在 20 多个云、Kubernetes、Slurm 和本地集群上运行。
推荐理由：原文给出零出口流量存储与跨云调度的组合方式，读者可据此判断数据与 GPU 分离时的成本与工作流变化。
Hugging Face BlogSI 评分2828 PRX Part 4：我们的数据策略
PRX 系列第四篇披露其数据策略：预训练数据由公开与内部数据集混合而成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队将文本编码器从 T5Gemma 换成 Qwen3-VL，改为训练时实时计算文本 latent，在 7B 规模下仅损失约 3–4% 吞吐（30 天训练多约 1 天）。图像统一编码为 quality 92 的 JPEG，实测首次重编码几乎不可察觉。
Hugging Face BlogSI 评分3636 Hugging Face Kernels 项目重大更新：新增 kernel 仓库类型、可信发布者与代码签名
Hugging Face 为 Kernels 项目推出 Hub 上的全新 "kernel" 仓库类型，并引入可信发布者与代码签名机制，默认只加载可信发布者的 kernel，其他来源需显式传入 trust_remote_code。
Mistral AI精选SI 评分6666 Mistral 发布 Leanstral 1.5：6B 激活参数形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，解出 PutnamBench 672 题中的 587 题，并在 FATE-H 取得 87%、FATE-X 取得 34%。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的具体成绩与每道题成本对比，读者可据此判断开源证明模型的性价比。
Hugging Face Blog精选SI 评分6262 Hugging Face 与 Cerebras 用 Gemma 4 搭建实时语音 AI
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 的推理，以降低语音对话的响应延迟。
推荐理由：原文给出可替换的语音到语音流水线与推理加速组合，读者可据此评估实时语音助手的搭建路径。
Hugging Face BlogSI 评分5252 Hugging Face 模型页展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 现已互通，支持评测结果交叉发布与解读，并链接到开放模型、榜单和统一元数据存储。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Gemma 4 12B：统一架构、无编码器的多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Google Research精选SI 评分6262 Google 开源其水文建模框架，用于 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可了解其与旧版相比的预测时效变化及接入方式。
Google Research精选SI 评分6060 Google Research 在 I/O 2026 发布 Gemini for Science 等多项研究进展
Google Research 在 I/O 2026 上公布多项进展，包括基于 ERA 与 Co-Scientist 的 Gemini for Science 科研工具套件，以及用于科学假设生成的 Hypothesis Generation 和基于 NotebookLM 的 Literature Insights。
推荐理由：Google Research 在 I/O 2026 集中披露科研智能体、健康 AI 与量子计算进展，可据此了解其研究到产品的转化路径。
Mistral AI精选SI 评分6262 Mistral AI 发布 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，开源且可运行在云端、本地或边缘。它把摄取、检索和评测统一到共享接口下，内置 BM25 稀疏检索、稠密向量检索与混合配置，并提供 recall、precision、MRR、NDCG 等评测指标。
推荐理由：Mistral 把检索管线的摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 的集成成本会怎样变化。
Mistral AISI 评分3838 Mistral 收购 Emmi AI，加码面向航空航天等行业的 Physics AI 基础研究
Mistral 收购 Emmi AI，并正加倍投入面向航空航天、汽车、半导体和能源等行业的基础 Physics AI 研究。其已发布成果包括 AB-UPT，可在单张 GPU 上处理 9M 表面和 140M 体积网格的原始几何数据而无需重新划分网格，以及首个大规模多物理过程端到端深度学习代理模型 NeuralDEM。
Mistral AI精选SI 评分8080 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 稠密模型，将指令遵循、推理与编码合并到同一套权重中，以修改版 MIT 许可开放权重，支持 256k 上下文窗口，最少四块 GPU 即可自托管，在 SWE-Bench Verified 上得分 77.6%，τ³-Telecom 得分 91.4。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 权重，读者可据此判断自托管与异步编码的可行边界。
Google ResearchSI 评分2222 Google Research 如何通过全球合作与开放资源推动科学影响
Google Research 公布其开放科学成果：十余年积累的开源工具与数据集已服务全球超 25 万名研究人员和开发者。
Mistral AI精选SI 评分6969 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言，具备情感表达与零样本跨语言音色适配能力。
推荐理由：Mistral 首款 TTS 模型给出参数量、延迟与定价，并公开与 ElevenLabs 的对比评测，便于判断企业语音栈的选型空间。
Mistral AI精选SI 评分7676 Mistral 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进单一开源模型，并给出可切换的推理强度参数。
Mistral AI精选SI 评分6262 Mistral AI 与 NVIDIA 合作加速开源前沿模型
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron Coalition，并与 NVIDIA 共同开发前沿开源 AI 模型，结合 Mistral 的模型架构与全栈平台和 NVIDIA 的算力、模型开发工具及合成数据生成管线。
推荐理由：Mistral 与 NVIDIA 联合开发开源前沿模型并加入 Nemotron Coalition，可了解开源模型生态的算力与协作分工。
Mistral AI精选SI 评分7878 Mistral 发布 Voxtral Transcribe 2 语音转写模型家族
Mistral 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文本模型。
推荐理由：官方给出两款语音转写模型的延迟、错误率与价格对比，可据此判断实时语音应用的落地成本。
Mistral AISI 评分3434 Heaps do lie：排查 vLLM 内存泄漏
Mistral AI 团队在 vLLM 上排查一起内存泄漏：在 Mistral Medium 3.1、开启 graph compilation 的 Prefill/Decode 分离部署下，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。Memray、Guppy 3 均未发现异常，Heaptrack 显示堆内存稳定但峰值 RSS 存在差异，说明泄漏发生在堆之外。
Mistral AI精选SI 评分7777 Mistral 发布 Devstral 2 编码模型家族与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源模型，分别采用修改版 MIT 和 Apache 2.0 许可。
推荐理由：官方给出两款开源编码模型的参数、SWE-bench 成绩与许可差异，并附独立人工评测对比，便于判断开源编码模型与闭源模型的差距。
Mistral AI精选SI 评分8282 Mistral 发布 Mistral 3 系列模型，含 675B 参数 Mistral Large 3 与 3B/8B/14B Ministral 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 全系以 Apache 2.0 开源并给出从 3B 到 675B 的规格与部署路径，读者可据此判断开源前沿模型的可用边界。
Mistral AISI 评分4040 Mistral AI 与 SAP、Helsing 达成合作，将在德国开设办公室
Mistral AI 宣布与 SAP 建立多年合作，为其 AI Foundation 集成 Mistral 模型并共同开发面向欧洲复杂行业与公共部门的行业解决方案，同时与 Helsing 加速研发用于国防与安全场景的 vision-language-action 模型。Mistral AI 还将在未来数月内在德国开设办公室并大幅扩充本地团队，以推进欧洲 AI 自主。
Berkeley AI ResearchSI 评分2424 word2vec 究竟学到了什么？伯克利提出可定量预测的学习理论
伯克利 AI 研究团队证明，在随机小初始化等温和近似条件下，word2vec 的学习问题可化简为无权重最小二乘矩阵分解，梯度流动态有闭式解，最终学到的表示等价于对目标矩阵 M* 做 PCA。该矩阵仅由词共现概率与 unigram 概率定义，其顶部特征向量对应名人传记、政府行政、地理描述等可解释主题。训练因此表现为按序离散的秩递增步骤，每步降低损失并扩展一个正交子空间。
Mistral AI精选SI 评分7878 Mistral 发布 Voxtral 语音理解模型，24B 与 3B 双版本开源
Mistral 发布 Voxtral 语音理解模型，提供 24B 生产级和 3B 本地与端侧两个版本，均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，具备内置问答与摘要、多语言自动检测以及从语音直接触发函数调用等能力。
推荐理由：Mistral 开源语音理解模型，给出两种尺寸、32k 上下文与 API 定价，可据此判断开源语音方案的落地成本。
Mistral AI精选SI 评分7272 Mistral 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 至 1.1。
推荐理由：Mistral 与 All Hands AI 联合发布两款代码智能体模型，给出 SWE-Bench Verified 分数与 API 定价，便于对比现有方案。
Mistral AISI 评分4040 Mistral AI 推出 AI for Citizens 计划，助各国政府掌控 AI 未来
Mistral AI 推出 AI for Citizens 协作计划，帮助各国政府和公共机构战略性地运用 AI 改造公共服务、推动创新。该计划提供开源模型、自托管部署、数据主权保障及定制化研发，已与法国、卢森堡、新加坡、荷兰、英国、瑞士等国政府及公共部门合作。
Mistral AI精选SI 评分6262 Mistral AI 发布 Mistral Compute AI 基础设施服务
Mistral AI 发布 Mistral Compute，提供私有化集成 AI 基础设施栈，涵盖 GPU、编排、API、产品与服务，形态从裸金属服务器到全托管 PaaS。
推荐理由：Mistral 从模型厂商延伸到自建 AI 基础设施，读者可据此判断欧洲算力自主路线的具体形态。
Mistral AI精选SI 评分7878 Mistral AI 发布首款推理模型 Magistral，含 24B 开源版与企业版
Mistral AI 发布首款推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：Mistral 首款推理模型同时给出开源权重与企业版，并公开训练论文，可对照其多语言推理与速度主张。
Mistral AI精选SI 评分7474 Mistral AI 发布编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SoTA 高出 6 个百分点以上，并以 Apache 2.0 许可开源。
推荐理由：官方给出 Devstral 在 SWE-Bench Verified 的分数与开源许可，读者可据此判断开源编码智能体的当前水位。
Mistral AI精选SI 评分7171 Mistral AI 发布 Mistral Small 3.1，支持多模态与 128k 上下文
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/s，以 Apache 2.0 许可开源。
推荐理由：官方给出 128k 上下文、150 tokens/s 与 Apache 2.0 开源等参数，可据此判断小模型在端侧与多模态场景的可用性。