DeepInfra 成为 Hugging Face Inference Providers 支持的服务商
DeepInfra 正式接入 Hugging Face Hub 的 Inference Providers,首批支持对话与文本生成任务,可调用 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开源权重模型。
DeepInfra 正式接入 Hugging Face Hub 的 Inference Providers,首批支持对话与文本生成任务,可调用 DeepSeek V4、Kimi-K2.6、GLM-5.1 等开源权重模型。
NVIDIA 发布 Nemotron 3 Nano Omni,一款面向文档分析、多图推理、语音识别、长音视频理解与智能体电脑操作的全模态理解模型,在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等榜单上取得领先成绩。
推荐理由:原文给出架构、训练配方与多榜成绩,可据此判断开源全模态模型在文档、音视频与智能体场景的可用性。
OpenAI 通过模型防护、滥用检测、政策执行以及与安全专家的合作来保护 ChatGPT 的社区安全。
OpenAI 宣布 ChatGPT Enterprise 和 OpenAI API 已获得 FedRAMP Moderate 授权,可供美国联邦机构安全采用 AI。该授权意味着联邦政府客户可在合规框架下使用这两项服务。
Mistral AI 发布企业 AI 编排层 Workflows 公开预览版,提供持久化执行、可观测性和人工审批能力,ASML、ABANCA、CMA-CGM 等客户已用于自动化关键流程。
推荐理由:Mistral 把企业 AI 编排层做成 Studio 内的一体化产品,读者可据此判断生产级智能体落地的工程门槛。
Google DeepMind 与韩国科学技术信息通信部(MSIT)达成合作,将在首尔办公室设立 AI Campus,向韩国学界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
OpenAI 与 Microsoft 宣布达成修订后的协议,简化双方合作关系并增加长期确定性,以支持持续的大规模 AI 创新。
推荐理由:OpenAI 与 Microsoft 修订合作协议,读者可了解双方长期合作框架的调整方向。
OpenAI 本周在 Hugging Face Hub 发布开源 PII 检测模型 Privacy Filter,可在单次 128k 上下文前向传播中标注八类个人信息,采用 Apache 2.0 许可,1.5B 参数、50M 激活参数,在 PII-Masking-300k 基准上达到 SOTA。
推荐理由:文章给出三个基于 Privacy Filter 的可运行应用与 gradio.Server 前后端分工写法,可迁移到自己的 PII 脱敏工具。
OpenAI 发布开源规范 Symphony,用于 Codex 编排,可把 issue tracker 变成常驻运行的智能体系统。该规范旨在提升工程产出并减少上下文切换。
Choco 借助 OpenAI API 构建 AI 智能体,用于自动化食品分销流程、提升生产力并推动业务增长。这是 OpenAI 发布的一则客户案例,讲述该 AI 在真实场景中的落地成效。
OpenAI 公布指导其工作的五项原则,由 Sam Altman 分享,目标是确保 AGI 惠及全人类。
OpenAI 发布一套新框架,分析 921 种职业和 1.48 亿个美国岗位,识别哪些角色面临自动化风险、重组、增长或受 AI 影响较小。该框架用于刻画 AI 带来的就业转型格局。
DeepSeek 发布 V4,两个 MoE 检查点上线 Hub:DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活,DeepSeek-V4-Flash 为 284B 总参数、13B 激活,均支持 1M token 上下文窗口。
推荐理由:DeepSeek-V4 把长上下文成本压到 V3.2 的零头,读者可据此判断智能体长任务部署的可行性。
OpenAI 发布 GPT-5.5,该模型面向编码、研究和数据分析等复杂任务,并支持跨工具使用。
推荐理由:OpenAI 官方发布 GPT-5.5,读者可据此了解新模型面向编码、研究与数据分析的定位。
OpenAI 发布 ChatGPT Work 实用工作流指南,覆盖重复性任务、进度更新、调研、规划与团队运营等日常办公场景。内容面向希望把 ChatGPT Work 落地到日常工作的团队,提供可直接套用的操作方式。
Hugging Face 发布教程,讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能,并以官方发布的 Gemma 4 浏览器助手扩展为参照。
Google Research 宣布新方法已作为 Google Photos 的 Auto frame 功能上线,可自动调整拍摄视角。该方法先用 3D 点图估计模型重建场景与相机参数,再用生成式潜在扩散模型补全新视角下露出的空白区域,并自动检测人脸位置与广角畸变来选定理想机位。用户可在 Auto frame 候选中选择第二版重构图,一键改善含人物的照片。
OpenAI 推出 ChatGPT for Clinicians,对美国经过验证的执业医师、执业护士和药剂师免费开放。该产品用于支持临床诊疗、文档记录和研究工作。
推荐理由:面向美国执业医师、执业护士和药剂师免费开放,可据此判断临床文档与研究场景的可用入口。
Google DeepMind 发布论文提出 Decoupled DiLoCo 分布式训练架构,把大规模训练拆分为解耦的计算岛屿并在其间异步传输数据,从而隔离局部硬件故障。
推荐理由:Google DeepMind 披露 Decoupled DiLoCo 的异步训练架构,读者可了解跨数据中心训练在带宽与容错上的取舍。
OpenAI 在 ChatGPT 中推出工作区智能体(workspace agents),由 Codex 驱动,可自动化复杂工作流并在云端运行,帮助团队跨工具安全地扩展工作。官方称其面向团队协作场景,强调安全地跨工具使用。
推荐理由:OpenAI 官方给出 ChatGPT 工作区智能体的定位与云端运行方式,可据此判断团队自动化流程的形态。
OpenAI 详解 Codex 智能体循环如何借助 WebSockets 与连接级缓存降低 API 开销并改善模型延迟。该文深入 Responses API 的智能体工作流,说明连接复用对减少请求开销的作用。
OpenAI 发布教程,介绍如何在 ChatGPT 中构建和使用 workspace agents,以自动化可重复的工作流、连接工具并简化团队运营。
OpenAI 发布 Privacy Filter,这是一个用于检测和脱敏文本中个人身份信息(PII)的开放权重模型,官方称其准确率达到 state-of-the-art 水平。
推荐理由:OpenAI 以开放权重形式发布 PII 检测与脱敏模型,可了解其在隐私数据处理上的能力定位。
Google Research 在 ICLR 论文中提出 ReasoningBank,一种从成功和失败经验中蒸馏高层推理模式的智能体记忆框架,代码已开源。
推荐理由:论文给出 ReasoningBank 的记忆蒸馏机制与 WebArena、SWE-Bench-Verified 上的成功率与步数变化,可据此判断智能体记忆方向的做法差异。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作,推动前沿 AI 在企业的大规模落地。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权限,并围绕金融、制造、零售、媒体娱乐等行业共建行业专属 AI 方案。目前仅 25% 的组织成功将 AI 规模化投入生产。
OpenAI 发布 ChatGPT Images 2.0,改进了文字渲染、多语言支持和视觉推理能力。官方同时提到 Images 2.5 的新变化。
推荐理由:官方给出 ChatGPT Images 2.0 在文字渲染、多语言与视觉推理上的改进方向,可据此判断图像生成能力的变化。
Hugging Face 发布 QIMMA(阿拉伯语"顶峰"),一个先验证基准质量再评测模型的开源阿拉伯语 LLM 排行榜。QIMMA 整合 14 个来源基准的 109 个子集、超 52,000 条样本,覆盖文化、STEM、法律、医疗、安全、诗歌与编程 7 大领域,其中 99% 为原生阿拉伯语内容,并首次在阿拉伯语排行榜中引入代码评测。
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后的 AI 网络安全格局,指出 Mythos 的漏洞发现与修补能力来自模型、算力、安全脚手架与系统自主性的组合,而非单一模型。文章认为开源生态在检测、验证、协调、补丁传播四个阶段更具结构性优势,并主张用可私有部署的半自主 AI 智能体做防御。
OpenAI 推出 Codex Labs,并与埃森哲、普华永道、Infosys 等合作,帮助企业在软件开发生命周期中部署和扩展 Codex。OpenAI 同时公布 Codex 周活跃用户达到 4M。
Berkeley AI Research 提出 GRASP,一种面向学习型世界模型的梯度规划器,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号,同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题,使长时程规划更稳健。
Hyatt 在全球员工队伍中部署 ChatGPT Enterprise,使用 GPT-5.4 和 Codex 提升生产力、运营效率与宾客体验。OpenAI 为此次落地提供支持。
Google Research 发布论文《Reasoning-Driven Synthetic Data Generation and Evaluation》。
Google Research 提出 MoGen(Neuronal Morphology Generation),用 PointInfinity 点云流匹配模型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把重建误差降低 4.4%,主要来自 merge error 的减少。
OpenAI 更新 macOS 和 Windows 版 Codex 应用,新增电脑操作、应用内浏览、图像生成、记忆和插件功能,用于加速开发者工作流。
推荐理由:官方列出 Codex 桌面端新增的电脑操作、应用内浏览与插件等能力,可据此判断编码智能体的功能边界。
OpenAI 发布 GPT-Rosalind,一款面向生命科学研究的 frontier 推理模型。该模型用于加速药物发现、基因组分析、蛋白质推理和科研工作流。
推荐理由:OpenAI 官方发布面向生命科学的推理模型,读者可了解其瞄准的药物发现与基因组分析场景。
Sentence Transformers 现已支持训练和微调多模态嵌入与重排序模型,作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索(VDR)为例,微调后 NDCG@10 从基座的 0.888 提升至 0.947,超过其测试的所有现有 VDR 模型,包括参数量达其 4 倍的模型。
Hugging Face 发布了一个 Skill 和配套测试工具,帮助贡献者把 transformers 中的语言模型移植到 mlx-lm,使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由:Hugging Face 公开了把 transformers 模型移植到 mlx-lm 的 Skill 与测试工具,读者可了解其流程与对评审者的减负方式。
Hugging Face 将 RLVE 框架从单轮推理题扩展到多轮、工具增强的电商对话,推出 EcomRLVE-GYM,包含产品发现、替代品、购物车构建、退货、订单跟踪、政策问答、捆绑规划和多意图旅程 8 个可验证环境。
OpenAI 推出 Trusted Access for Cyber 计划,领先安全公司与大型企业已加入,使用 GPT-5.4-Cyber 并配套 1000 万美元 API 资助强化全球网络防御。
Google DeepMind 发布 Gemini 3.1 Flash TTS,一款主打可控性与表现力的文本转语音模型,已在 Gemini API 和 Google AI Studio 面向开发者预览,企业版在 Vertex AI 预览,Workspace 用户可通过 Google Vids 使用。
推荐理由:官方给出音频标签控制方式、Elo 分数与多语言覆盖,可据此判断语音生成的可控性变化。