Mistral AI 开源 3B 多模态安全分类模型 Shieldstral
Mistral AI 以 Apache 2.0 协议开源 3B 多模态安全分类模型 Shieldstral,它把内容审核建模为二元问答任务,推理时用自然语言写入策略即可返回校准的连续安全分数,无需重训,统一处理文本与图像。
推荐理由:原文说明了把内容审核改写成自然语言问答的做法,读者可据此理解它如何在不重训的前提下适配不同产品策略。
Mistral AI 以 Apache 2.0 协议开源 3B 多模态安全分类模型 Shieldstral,它把内容审核建模为二元问答任务,推理时用自然语言写入策略即可返回校准的连续安全分数,无需重训,统一处理文本与图像。
推荐理由:原文说明了把内容审核改写成自然语言问答的做法,读者可据此理解它如何在不重训的前提下适配不同产品策略。
Microsoft Research 开源智能体框架 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,并同步发布训练数据与评测方法。
推荐理由:原文给出三个领域的训练配方与具体分数,读者可据此评估小参数开源模型在真实任务上的能力边界。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架构建 MLX 后端,通过结构化 CUDA-to-MLX 翻译层把现有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由:读者可了解 CUDA 内核优化经验如何被结构化迁移到 Apple Silicon,以及翻译层对性能提升的具体贡献。
NVIDIA 发布 Cosmos-H-Dreams,一个面向手术机器人的实时、动作条件生成式模拟器,将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型,并通过 FlashDreams 加速推理库提供服务,在单张 NVIDIA RTX PRO 6000 GPU 上从约 10 fps 提升到约 160 fps 的交互运行。
Diffusers 现可通过 from_pretrained() 直接加载 Nunchaku 量化检查点,无需单独推理引擎或本地 CUDA 编译。
Hugging Face 与 Pollen Robotics 发布开源系统 Grabette,用手持夹爪录制人类演示并自动生成机器人可用数据集,无需机器人、实验室或遥操作设备。
Hugging Face 上线 Thinking Machines Lab 的 Inkling 系列开源多模态模型,Inkling 为 975B 总参数、41B 激活参数的 decoder-only MoE 模型,原生支持图像、文本、音频输入与 1M 上下文,在 45 trillion token 上训练。
推荐理由:原文给出架构细节与各部署配置的显存开销,读者可据此判断自己硬件能否跑起来。
Hugging Face 宣布 transformers 的 vLLM 建模后端在多种 LLM 架构上已达到或超过 vLLM 手写原生实现的速度,模型作者只需加 --model-impl transformers 标志即可免费获得极速推理。
Hugging Face 与 Amazon SageMaker AI 推出深链集成,支持模型页上的 Customize on SageMaker AI 和 Deploy on SageMaker AI 按钮一键直达 SageMaker Studio,模型预加载、环境自动配置。
Microsoft 在 Build 2026 宣布 Foundry Managed Compute,并推出 Hugging Face models on Foundry,把 Hugging Face 生态的开源权重模型以每周更新的精选目录形式提供,可一键部署到 Foundry Managed Compute。
LeRobot v0.6.0 发布,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:原文系统梳理了机器人学习闭环各环节的新增能力,读者可据此了解开源机器人栈的当前边界。
Hugging Face 与 SkyPilot 联合发布 store: hf 存储后端,用一个 hf:// URL 和已有的 HF_TOKEN 就能把 Hugging Face Bucket 或任意 Hub 仓库挂载进 SkyPilot 任务。
Photoroom 在 PRX 系列第 4 篇中详解其 7B 文生图模型的预训练数据管线:混合公开与内部数据集,用 VLM 重写长描述,再转成可流式读取的语料。
Hugging Face 官方博客介绍 Kernels 项目近期的重大更新,Hub 上新增了 kernel 仓库类型,可展示 kernel 支持的加速器、操作系统和后端版本,并提升可发现性。
Mistral AI 发布 Leanstral 1.5,一款 Apache-2.0 许可、119B 总参数 6B 激活参数的免费模型,权重已上线 Hugging Face 并提供免费 API 端点 leanstral-1-5。
推荐理由:原文给出基准成绩、成本对比和测试时扩展曲线,读者可据此判断其在形式化验证任务上的性价比与能力边界。
IBM Research 推出开源基准 ScarfBench,用于评测 AI 智能体在 Enterprise Java 跨框架迁移任务上的表现,覆盖 Spring、Jakarta EE、Quarkus 三大生态,包含 34 个应用、204 个迁移任务、约 151K 行代码和 1331 个专家编写的测试。
Every Eval Ever(EEE)与 Hugging Face Community Evals 现已互通,贡献者可用转换器把 EEE 记录写成 Hugging Face 所需的 YAML 文件,评测分数会显示在模型页并汇入基准排行榜,同时带来源徽章链回完整 EEE 记录。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次并行生成整段文本,在专用 GPU 上文本生成速度最高提升 4 倍,单张 NVIDIA H100 可达 1000+ tokens per second,NVIDIA GeForce RTX 5090 可达 700+ tokens per second。
推荐理由:原文给出了速度、显存与质量取舍的具体数据,读者可据此判断它是否适合本地交互场景。
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架,让各国气象水文部门把 AI 洪水预测接入自有工作流。
Google Research 发布 I/O 2026 综述,介绍其在科学发现、健康、边缘计算、天气预测、Gemini 核心能力、开发者生产力、隐私保护和量子计算等方向的研究与产品进展。
推荐理由:官方长文系统梳理了研究到产品的转化路径,读者可据此理解其各条线的布局重点。
Mistral AI 宣布以公开预览形式发布开源框架 Search Toolkit,把数据摄取、检索和评测整合进统一接口,覆盖云端、本地和边缘部署。其内置 BM25 稀疏检索、稠密向量检索与混合配置,以及 recall、precision、MRR、NDCG 等评测指标;Agent 可通过 MCP Connectors 从 CRM、代码仓库等源系统拉取实时数据。
Mistral 发布 Mistral Medium 3.5,一个 128B 稠密、256k 上下文窗口的旗舰模型,以修改版 MIT 协议开放权重,SWE-Bench Verified 得分 77.6%,τ³-Telecom 得分 91.4,最少四张 GPU 即可自托管。
推荐理由:原文给出了模型规模、价格与自托管门槛,读者可据此评估其在编码智能体场景的可用性。
Google Research 公布其开放科学生态成果,过去十年发布的开源工具与开放数据集已服务全球超过 250,000 名研究者和开发者。基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已助力处理 250 万人的外显子组和全基因组数据;神经科学数据集 H01 达 1.4 petabyte,被访问超 20 万次。
Google DeepMind 与韩国科学技术信息通信部(MSIT)宣布建立新合作,将在首尔办公室设立 AI Campus,与首尔大学(SNU)、KAIST 及三个 AI Bio Innovation Hubs 等机构协作。
Google DeepMind 发布 Gemma 4 开源模型系列,采用 Apache 2.0 许可,包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,主打推理与智能体工作流。
推荐理由:原文给出了各尺寸的硬件适配与开源许可细节,读者可据此判断本地部署和微调的可行路径。
Google Research 宣布推出 Vibe Coding XR 工作流,结合 Gemini 与开源的 XR Blocks 框架,把自然语言直接转化为具备物理感知的 Android XR 应用,60 秒内即可完成。
Google Research 在 The Check Up 活动上介绍了其医疗 AI 最新进展,涵盖个性化健康、临床协作、开发者生态、公共卫生与生物医学发现多个方向。
Mistral AI 宣布成为 NVIDIA Nemotron Coalition 创始成员,与 NVIDIA 计划结合自身模型架构、全栈 AI 平台与 NVIDIA 的算力、模型开发工具及合成数据生成管线,共同开发开源前沿模型。
Mistral AI 发布并开源 Leanstral,首个专为 Lean 4 设计的代码智能体,采用高稀疏架构、6B 活跃参数,以 Apache 2.0 许可发布权重,同时在 Mistral Vibe 中提供 agent 模式并开放免费 API 端点 labs-leanstral-2603。
Mistral AI 介绍了基于其开源编码助手 Vibe 构建的自主测试智能体,它读取 Rails 源文件、生成或改进 RSpec 测试,并在 CI/CD 流水线中无人值守运行。
Google Research 发布开源语音数据集 WAXAL,覆盖撒哈拉以南非洲 27 种语言、逾 1 亿使用者,以 CC-BY-4.0 许可开放。数据集包含约 1,846 小时 ASR 转录自然语音与超过 565 小时高保真 TTS 录音,由非洲学术与社区组织主导采集,合作方包括 Makerere University、University of Ghana 等。
Mistral AI 发布 Voxtral Transcribe 2 系列,包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时应用的 Voxtral Realtime,后者以 Apache 2.0 开源权重在 Hugging Face 发布。
推荐理由:原文给出两款模型的延迟、词错率与价格对比,读者可据此评估其在语音工作流中的替换价值。
Mistral AI 发布 Devstral 2 系列编码模型,包含 123B 的 Devstral 2 与 24B 的 Devstral Small 2,前者在 SWE-bench Verified 上取得 72.2%。
推荐理由:原文给出两个尺寸的参数、SWE-bench 分数与部署门槛,读者可据此判断它在自托管编码场景中的可行性。
Mistral AI 宣布推出 Mistral 3 模型家族,包括 14B、8B、3B 三款稠密小模型和旗舰 Mistral Large 3(41B 激活参数、675B 总参数的稀疏 MoE),全部以 Apache 2.0 许可开源。
推荐理由:原文给出了模型规格、许可证与部署入口,读者可据此评估其在开源模型中的定位与可用性。
Mistral AI 发布 Voxtral 语音理解模型,提供 24B 和 3B 两个尺寸,均以 Apache 2.0 许可开源,也可通过 API 调用,API 定价 $0.001 per minute 起。
推荐理由:原文对比了开源与闭源语音方案的取舍,并给出价格与基准数据,便于评估其部署性价比。
Mistral AI 宣布推出 AI for Citizens 计划,帮助各国政府和公共机构将 AI 用于公共服务转型、创新与竞争力提升,已与法国、卢森堡、新加坡、荷兰、英格兰、瑞士等国的政府、国防、公共部门和教育机构合作。
Mistral AI 发布首个推理模型 Magistral,分为开源的 Magistral Small(24B 参数,Apache 2.0 许可)和企业版 Magistral Medium。
推荐理由:原文给出两个变体的参数规模、AIME2024 分数与开放许可,便于读者评估其与现有推理模型的差距。
Mistral AI 宣布发布 Mistral Small 3.1,基于 Mistral Small 3 升级,改进了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 per second,以 Apache 2.0 许可开源。
推荐理由:原文列出了上下文、速度与运行门槛,读者可据此判断它是否适合端侧与低延迟场景。