小米发布 MiMo-V2.6 系列开源模型，旗舰版登顶开放模型榜
小米发布 MiMo-V2.6 系列，旗舰版 MiMo-V2.6-Pro 在 Artificial Analysis 的 Intelligence Index 上得 46 分，成为当前最强的开放可用模型，领先 Kimi K3 和 Qwen。
推荐理由：小米开源 MiMo-V2.6 系列并公开 RL 训练框架与约 7000 个任务，读者可据此了解其性能与成本定位。
技术方向
开源生态 最新动态
开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
30 条精选近 30 天 25 条共收录 154 条
更新
精选归档 · 第 2 页
The Decoder精选AI 评分7878
量子位精选AI 评分7676 清华联手无问芯穹等开源具身智能体框架 RPent
清华大学、无问芯穹、正行创新联合开源的具身智能体基础设施 RPent 发布，将通用大模型的任务规划、VLA 等专家模型的精细操作与记忆、工具、机器人接口连接成闭环，代码已在 GitHub 开放。
推荐理由：开源框架把大模型规划、VLA 执行与记忆机制串成闭环，并给出基准与延时数据，可据此判断具身智能体的工程路径。
量子位精选AI 评分7676 华为汪涛：昇腾960提前三个季度，华为要打造AI算力底座
华为在全联接大会公布昇腾芯片路线，昇腾960DT研发进度比原计划提前三个季度，单芯片算力倍增，支持2 PFLOPS FP8、4 PFLOPS FP4，HBM容量最高288GB、带宽9.6TB/s，并计划2028年昇腾970、2029年昇腾980保持一年一代。
推荐理由：华为在先进制程受限下把竞争转向超节点、光互联与软件生态，读者可看到国产算力路线的系统级取舍。
量子位精选AI 评分8080 阿里达摩院 DAMO RADAR 登上 Science，一个模型识别腹部 146 种病
阿里达摩院联合浙大一院等医院的 DAMO RADAR 登上 Science，这是面向腹部 CT 的通用影像 AI 模型，覆盖 18 种解剖结构、146 种病，模型、代码和技术框架全部开源。
推荐理由：达摩院通用腹部影像模型登上 Science，读者可了解器官级对齐方法如何覆盖 146 种病并开源。
量子位精选AI 评分8080 唐杰发布智谱 RSI 首个成果：GLM-5.3 Infra Agent 两周将推理吞吐提升至 3.2 倍
智谱创始人唐杰分享了 RSI 的早期工程案例：GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，从零参与搭建并优化生产级推理系统，不到两周将端到端吞吐提升至初始基线的 3.2 倍。
推荐理由：唐杰分享的 RSI 早期工程案例，展示了 Infra Agent 在十万卡集群上优化推理系统的具体路径与边界。
The Decoder精选AI 评分7878 DeepSeek 发布 V4.1-Flash，大幅压缩智能体 KV cache 内存占用
DeepSeek 发布多模态模型 V4.1-Flash，主要目标是降低长上下文智能体的运行成本。该模型语言主干有 5520 亿参数，支持最多 100 万 token 上下文。
推荐理由：原文给出 KV cache 压缩比例与激活参数等具体数字，读者可据此判断长上下文智能体的部署成本变化。
The Decoder精选AI 评分7878 英伟达收购 Hugging Face，称平台将继续保持开放与硬件中立
英伟达收购开源模型平台 Hugging Face，黄仁勋称平台将继续对所有人开放，不要求使用英伟达硬件，其他云和芯片仍受支持。Hugging Face 联合创始人 Thomas Wolf 表示，黄仁勋向 Clem Delangue 提出把该平台建成开放、独立、硬件中立的平台，用户当下使用方式不变。
推荐理由：梳理英伟达收购 Hugging Face 的动机，读者可借此理解芯片厂商为何要掌控开源模型分发入口。
Ars Technica · AI精选AI 评分8080 Nvidia 以 130 亿美元收购 Hugging Face
Nvidia 以 130 亿美元收购被称为 AI 界 GitHub 的 Hugging Face。Nvidia 表示，在芯片厂商取得这一关键 AI 枢纽控制权后，Hugging Face 仍将保持开放。
Ars Technica · AI精选AI 评分7878 报道称 NVIDIA 将以 130 亿美元收购 AI 模型仓库 Hugging Face
据 Ars Technica 报道，NVIDIA 将以 130 亿美元收购 AI 模型仓库 Hugging Face。报道称，在开源模型关注度上升的背景下，NVIDIA 借此拿下开源模型的关键基础设施。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断CUDA经验能否复用到非NVIDIA硬件。