Liquid AI 开源 d1 系列决策模型:单次判断仅 8 毫秒,支持图像输入
Liquid AI 开源 d1 系列两款开放权重决策模型,其中 d1-3B 在 NVIDIA RTX 4090 上单次判断耗时 8 毫秒。d1-3B 拥有 31.2 亿参数,在 Decision Index v0.2.1 测试集获 48.57 分;d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。
Liquid AI 开源 d1 系列两款开放权重决策模型,其中 d1-3B 在 NVIDIA RTX 4090 上单次判断耗时 8 毫秒。d1-3B 拥有 31.2 亿参数,在 Decision Index v0.2.1 测试集获 48.57 分;d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。
AI 辅助完成的 11 个正方形最优填充证明已通过 Lean 4.34.1 验证,最终审计显示零接纳(zero admissions)。该证明包含 7,920 个本地 Lean 模块,采用原生数值证书检查,最优边长约为 3.8770835900228141773。
JetBrains 发布 Mellum2.1 模型,重点增强智能体编程能力,高负载推理吞吐量接近 Qwen3.5-9B 的两倍。该模型延续 12B 混合专家架构,拥有 2.5B 活跃参数,采用 Apache 2.0 许可证开源,现已登陆 Hugging Face 支持本地部署。
星动纪元自研世界动作模型VPP2在RoboDojo仿真榜单登顶,综合平均成功率32.26%、得分39.26分,领先GPT-6-Astra约9.78个百分点。该模型采用视频预测与动作学习解耦的三阶段训练策略,在ALOHA真机零样本测试中平均成功率达58.5%。VPP2现已开源,其技术路线验证了不依赖额外数据增强即可实现泛化突破。
openJiuwen 发布并开源企业级 AgentOS,将多智能体协同、自演进及算力亲和能力融入统一底座。该平台通过插件化架构与 Agentic Hub 生态,支持技能与连接器灵活组合,并实现小时级企业端到端私有化部署。此前华为在 HC2026 大会上已发布基于该系统的开源 Agent 加速平台及一体机解决方案。
MirroS 团队发布 AgentGarten,通过代码定义物理规则与神经渲染器生成视觉反馈,以超过 30 fps 的吞吐让智能体在实时环境中交互。在捉迷藏实验中,智能体仅用 4 轮学会搭建掩体、10 轮掌握借坡道翻墙,远快于 OpenAI 2019 年需数千万局的强化学习。该系统通过“实验手册”沉淀经验,实现了物理世界的递归自我改进。
openTPU 是一个由 AI 开发的开源 AI 加速器,其 FPGA 实现能在 Inspur YPCB-00338 卡上运行 LFM2.5、Qwen3 等 10 个现代模型,且输出与模拟器逐位一致。
Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,采用 Apache 2.0 协议。该模型在 SWE-bench Verified 上得分 80.9,推理效率为 GLM 5.2 的 3-4 倍。这是 Reflection 成立一年多后首次正式推出模型,标志着其作为美国本土实验室的正式亮相。
NASA 与 IBM 联合发布开源的 NASA-IBM Lunar Foundation Model,基于 17 年月球轨道观测数据训练,旨在提升月球科学数据利用效率。该模型在极地冰层沉积预测任务中,相比最佳基线 SwinV2-B 将预测误差降低最多 22%,并在粗尺度陨石坑检测中表现优于基线近 19%。这是首批面向月球科学的开源基础模型之一,通过预训练大幅降低了对标注数据的需求。
一名用户借助自制软件把 iPhone 17 Pro Max 经 USB-C 外接至 M4 Pro 版 MacBook Pro,分担 Qwen3.8-27B 的模型层运算,预填充性能最高提升 44%。
亚马逊 Strands Agents 团队推出开源决策模型 Strands Decider 2B,支持在本地 CPU/GPU 上运行。该模型基于 Qwen3.5-2B 躯干,通过 rank-16 LoRA 微调并替换为小型评分头部,总参数仅略超一百万。在 JevBench 上,其 2B 级别模型排名第 3,常见硬件上决策时延中位数为 113ms。
月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。
Kimi 团队发布 WorldVQA 基准,包含 3,500 个图像问答对以评估多模态大语言模型的原子视觉世界知识。实验显示前沿模型在长尾知识上准确率常低于 50%,且普遍存在过度自信现象,其中 Kimi-K2.5 在 ECE 和 Slope 指标上表现最佳。该数据集及评测脚本已开源,旨在推动多模态 AI 的事实可靠性。
Kimi 团队发布开源基准 PerceptionBench,包含 3,000 道验证题目以隔离评估多模态大模型的 10 项原子视觉感知能力。在 16 个前沿 MLLM 测试中,无模型准确率超过 60%,且感知相关幻觉平均表现最弱。该基准旨在通过暴露感知断点,推动多模态 AI 实现更忠实一致的视觉理解。
Simon Willison 发布 commit-rewriter 0.2。该工具与 git 相关,具体功能与更新细节原文未作说明。
Simon Willison 发布 llm 0.36。该版本更新于 9 月 22 日发布,具体功能与改动细节未在文中披露。
Simon Willison 发布 LLM 插件 llm-typesafe 0.1a0,为 TypeSafe AI 的新模型 Jev 提供支持,可通过 `llm install llm-typesafe` 安装并设置 API key 使用。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成,通过学习式集成与重排序融合两者互补优势。
Hugging Face 发布 tokenizers v1,在保持与 v0.23 相同 token ID、API、词表和 merge ranks 的前提下重写性能,速度常达 v0.23 的数十倍。
Hugging Face 推出 NeoMME 系列多模态多语言编码器,含 260M 和 800M 两个版本,用单个双向 Transformer 同时处理文本 token 与 32×32 图像 patch,无需独立视觉塔或因果语言模型,并以掩码离散扩散目标从零训练。
一份公开教程用 TRL 的 GRPO 对 LFM2.5-350M 做轻量微调,仅约 500 条样本、100 个训练步,就把 IFStruct 基准分数从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成,评测则通过 llama.cpp 在本地 MacBook 上跑 OpenAI 兼容服务。
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩画的思路,模型通过 p5.brush 写出约 150 行 JavaScript 程序作画,全部数据集、RL 环境、训练脚本与模型均已开源。
Google Research 提出 MAPL-EMIT,一个基于 Swin-S transformer 的深度学习框架,可从 NASA EMIT 高光谱卫星数据中自动检测、预测增强并定位甲烷羽流,在专家标注羽流上召回率达 84%。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash,以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型,在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Hugging Face 最新论文提出两项系统改动,让大语言模型知识蒸馏的训练成本大幅下降:一是离线缓存教师模型的 top-100 logits,训练时无需再加载教师模型;二是融合分块 KL 损失,避免生成完整的词表×序列长度矩阵。
Hugging Face 发布 ScarfBench(Self-Contained Application Refactoring Benchmark),用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间跨框架迁移企业级 Java 应用的能力。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上最高实现 4 倍推理加速,单张 NVIDIA H100 上超过 1000 tokens/秒、RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 4x 加速的实测数字与硬件门槛,读者可据此判断本地低并发场景是否值得换用扩散式生成。
Google Research 提出 MoGen(Neuronal Morphology Generation)模型,用 PointInfinity 点云流匹配生成合成神经元形状,为 PATHFINDER 重建模型补充训练数据,在保留的小鼠轴突上降低 4.4% 重建误差,主要来自 merge error 减少。
Mistral 发布 Leanstral,这是首个面向 Lean 4 的开源代码智能体,采用 6B 激活参数的稀疏架构,权重以 Apache 2.0 许可开放,并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由:Mistral 开源面向 Lean 4 的代码智能体,给出权重、API 与 FLTEval 评测,可据此判断形式化验证的成本门槛。