Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，一个 740M 参数的开源轻量多模态嵌入模型，可将文本、代码、图像、视频和音频统一映射到共享嵌入空间。
推荐理由：原文给出了参数量、上下文窗口和量化后的内存占用，读者可以据此评估它在端侧多模态检索中的可用性。
#开源生态
Google DeepMind精选AI 评分6666
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略押注在开放模型上
NVIDIA 最新《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型与软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并开放完整微调流程。
Hugging Face BlogAI 评分2929 Falcon-Emirati-7B：让 LLM 学会阿联酋方言、文化与语感
Falcon-Emirati-7B 发布，这是基于 Falcon-H1-Arabic 的 7B 方言专用模型，专注理解与生成阿联酋阿拉伯语。它沿用 Falcon-H1 混合架构（Mamba 与 Transformer 注意力并行），家族覆盖 3B、7B、34B，上下文窗口最高 128K 与 256K tokens。团队用真实方言网页数据、MSA 文化语料和受术语表约束的合成数据完成方言适配。
AWS Machine Learning BlogAI 评分5252 Amazon Quick 如何实现自动化、可审计的跨账户资源晋升
AWS 展示了 Quick Resource Migrator，通过部署在 Amazon Bedrock AgentCore 上的 MCP server，自动将 Amazon Quick 资源从开发账户迁移到生产账户。
Hugging Face Blog精选AI 评分7171 Ai2 开源科研报告生成模型 AstaBrief 8B 及训练数据
Ai2 开源 AstaBrief 8B 及其训练数据，该模型可将研究问题和检索到的文献片段生成带引用的报告。模型以 Qwen3-8B 为基础，使用 47K 个 SFT 样本和约 6K 个 DPO 样本，并以引用密度等信号过滤训练数据。
推荐理由：文章展示了如何用真实科研查询、引用密度过滤和双裁判偏好数据，让8B模型兼顾报告质量、溯源与生成效率。
Hugging Face Blog精选AI 评分6363 Hugging Face 推出 Open TTS Leaderboard，评测多语种文本转语音与声音克隆模型
Hugging Face 推出 Open TTS Leaderboard，以客观指标评估开源多语种文本转语音与声音克隆模型。榜单使用 Qwen3 ASR 计算 WER/CER，在 H200 GPU 和 CPU 上测量 RTFx 与 TTFA，并以 WavLM 嵌入的余弦相似度评估说话人相似性，将单个模型的评测时间从数周缩短至数小时。该榜单不取代人工偏好排名，也不直接衡量自然度、表现力或听众偏好。
推荐理由：榜单以统一客观指标覆盖开源多语种 TTS，将评测周期从数周缩至数小时，可缓解竞技场对开放权重模型覆盖不足的问题。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布开放表格基础模型 Kumo Tabular，登顶四项基准
NVIDIA 发布开放表格基础模型 Kumo Tabular，无需训练、调优或特征工程，即可在单次前向推理中完成表格分类与回归。模型提供 28M 至 215M 参数的三种尺寸，仅用人工数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 排名第一。
推荐理由：它把表格分类与回归压缩为单次前向推理，并以四项基准结果呈现精度与效率相对传统流程的变化。
Hugging Face Blog精选AI 评分7171 Hugging Face Hub 上线 RL Environments 专区
Hugging Face Hub 上线 RL Environments 专区，以数据集仓库和标签支持强化学习环境的发现、版本管理与运行。首版聚焦任务集，新增 rl-environment 筛选器，并为 Harbor、Verifiers、OpenEnv 和 NeMo Gym 生成加载命令，无需新建仓库类型、注册表或账号。
推荐理由：它把分散在不同框架的强化学习环境纳入统一标签体系，为跨框架发现、版本管理和复用任务集提供了清晰路径。
NVIDIA Blog精选AI 评分6767 NVIDIA 等机构如何用开放病毒蛋白数据为下一次大流行病做准备
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，公开了超过 2,800 种病毒的蛋白复合物预测 3D 结构，帮助研究人员储备疫情应对所需的结构生物学知识。
推荐理由：材料同时给出数据集规模、推理流程与置信度标注方式，为病毒结构研究提供可直接复用的开放资源。
NVIDIA BlogAI 评分4545 AI Day Singapore：NVIDIA 与合作伙伴展示东南亚 AI 进展
NVIDIA 与合作伙伴在 AI Day Singapore 展示东南亚 AI 进展，以 Nemotron 开放模型和工具推动公共部门及企业规模化部署。新加坡 HTX 正研究 Nemotron 3 Super 与 Nemotron 3 Nano Omni；泰国 iApp Technology 开源法律模型，Thanoy 聊天机器人约有 43,000 名用户。
Hugging Face Blog精选AI 评分6262 Transformers 支持运行 llama.cpp 量化模型
Hugging Face 宣布 transformers 支持高效运行 GGUF 模型，可通过 from_pretrained 加载 Hub 上的 GGUF 检查点，在 Apple Silicon 上复用 ggml 内核，性能接近 llama.cpp。初始支持 Qwen3.5 架构，并提供 transformers serve 暴露 OpenAI 兼容 API。
推荐理由：transformers 直接加载 GGUF 并复用 ggml 内核，让本地推理在熟悉 API 下接近 llama.cpp 性能。
Hugging Face BlogAI 评分3333 oMLX 创作者 Jun Kim 加入 Hugging Face，支持 MLX 社区
oMLX 创作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将从副业转为有资金支持的正式项目，继续保持 Apache 2.0 开源协议并由 Jun 继续领导，目标是提升稳定性并加快开发。Hugging Face 计划让 oMLX 成为新想法的试验场，并推动 transformers 模型定义快速转为可被不同引擎使用的 MLX 参考实现。
Microsoft ResearchAI 评分5454 RetroChimera 通过模型集成改进大规模小分子合成预测
Microsoft Research 在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型通过学习式集成融合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，按排名为候选反应分配权重。
NVIDIA BlogAI 评分3535 NVIDIA 谈 AI 安全：如何在智能体栈的每一层解决这一工程问题
NVIDIA 提出 AI 安全是工程问题，需要明确的安全需求、可执行的管控、指定负责人和防护有效的证据。智能体栈中模型、harness 与运行时环境各层都承担安全责任，权限不能随任务自动扩展，敏感操作仍需人工审批。NVIDIA OpenShell 作为开源安全运行时在智能体之外强制执行策略并提供沙箱执行，Cisco DefenseClaw 与 JFrog 已在其上构建治理与技能扫描能力。
Google ResearchAI 评分4343 MilleMiglia：面向中程物流的逼真实例生成器
Google 推出 MilleMiglia，一款用 C++ 编写的中程物流实例生成器，可生成逼真且保护隐私的基准数据。它以时空图上的多商品流问题建模跨配送中心运输、换车与暂存，源代码和文档已在 GitHub 提供。
Mistral AIAI 评分5252 Mistral 与 Mozilla 合作，以 Mistral 模型驱动 Firefox Smart Window
Mistral 与 Mozilla 达成合作，Firefox Smart Window（beta）现由 Mistral 模型提供支持，覆盖法国和北美，英国与德国预计于今年晚些时候跟进。该 AI 浏览助手可梳理复杂搜索、找回用户离开的重要页面，并根据浏览器标签页获取信息；对话默认不保存在 Mozilla 服务器，Mistral 等合作方同意零数据保留。
Microsoft ResearchAI 评分4949 GigaPath-Flash 与 GigaTIME-Flash：以高效病理基础模型迈向群体规模发现
Microsoft Research 开源 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏骨干降低群体规模病理研究的计算成本。GigaPath-Flash 配备 22M 参数 ViT-S 和 21M 参数 LongNet 编码器，计算量约低 50 倍，成绩与原版相差 3% 以内；两者采用 Apache 2.0，仅供研究且未经临床验证。
Microsoft ResearchAI 评分4949 扩大 Skala 使用范围，加速迈向预测性 DFT
Microsoft Research 发布 Skala 1.1：训练数据量为前版的 2.5×，GMTKN55 加权平均误差为 2.8 kcal/mol，并在 55 类中的 32 类排名第一。Skala 已可用于 CP2K，正集成至 Psi4、FHI-aims、ORCA 和 VASP；持续更新的 benchmark 将跟踪后续版本性能。
Mistral AI精选AI 评分6262 Mistral 推出区域推理、第三方开放模型支持与欧洲算力计划
Mistral 同时扩展区域推理、开放模型支持和欧洲算力基础设施，以增强客户对数据位置、服务能力与模型选择的控制。Mistral Regional Endpoints 已正式可用，客户可选择在欧洲或美国运行推理；Mistral Priority Tier 进入公开预览，提供自定义速率限制和由正常运行时间 SLA 支持的服务等级。
推荐理由：区域端点、SLA 服务层与第三方开放模型被纳入同一基础设施，为主权 AI 落地提供了可参考的控制框架。
Berkeley AI ResearchAI 评分5252 从 CUDA 到 MLX：K-Search 如何将数十年的内核经验带到 Apple Silicon
K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将既有 CUDA 内核知识转化为适配 Apple Silicon 的优化策略。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 DiffusionGemma，文本生成最高提速 4x
Google DeepMind 发布开放实验模型 DiffusionGemma，通过并行生成文本块，在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由：并行生成 256 token 块将本地推理提速与质量、云端成本取舍放在同一框架下，便于评估速度敏感工作流的适配范围。