Published signals
Signals
Published signals by topic, in order: what happened under each subject, and when.
Titles and summaries are in English where the source is; the editors' notes and signals from Chinese sources are in Chinese.
AI agents
40 signals · latest 5Tools and patterns for multi-step AI systems that use tools.
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
华为诺亚方舟实验室联合 UCL 等团队的智能体 Memento 3 打通了 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，RHAE 满分 100，总操作 7518 次，比人类的 17135 次少约 56%。底模 Claude Opus 5 不更新权重、不做游戏微调，靠「代码即模型」（一份规则手册加一个可执行的世界模型）递归地自我改进。
MIT 何恺明团队的 VISTA 是一套视觉原生的智能体外壳：环境返回的每一帧都原样存档，模型推理时可以按需调回、放大、并排对比，基础模型不用重新训练。配上 Claude Opus 5.0，ARC-AGI-3 的 25 个公开游戏全部通关，相对人类动作效率得满分 100，比人类首次游玩的基线少用 57.4% 的动作。
The Agent Said It Was Done. The Database Disagreed.
Hugging Face BlogThe Agent Said It Was Done. The Database Disagreed.
Google 9 月 30 日开源 AX，一个按 Kubernetes 方式声明式编排自主智能体的系统，Apache 2.0 许可。它用 Task、Workspace、Model 等资源描述一个智能体任务：Task 在隔离沙箱里跑不受信任的智能体代码并限制资源，Workspace 预先配好 Git 仓库、MCP 服务器和技能包，Model 用 Kubernetes Secret 管理模型提供方与凭据。任务可以在亚秒级暂停和恢复，多个任务复用同一组工作进程。仓库说明写明仍在重度开发中，稳定版之前会有大的不兼容改动。
Workflow
40 signals · latest 5Operating patterns that make AI tools usable by real teams.
Google Research 开源智能体框架 Harness²，采用 Apache 2.0 许可，支持 OpenCode 与 Codex，默认使用 OpenCode。它把系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件拆成 8 类可改组件，通过任务级与 Harnessing 级两层递归在不改模型权重的前提下优化表现。团队称仅一步优化后 WorkBuddy-Bench 最高涨 11.5 分。
智能体用三周重构老游戏代码，全程靠逐帧回放验收
InfoQ 中文CodeScene 发布案例研究：一个编码智能体在三周内重构了《街头霸王 III：三度冲击》开源反编译项目约 30 万行 C 代码，消耗 token 约 4000 美元，覆盖 726 个文件、2903 次提交、252055 行改动，Code Health 从 5.6 升至 10.0。保障机制包括 CodeHealth MCP Server 的确定性评分，以及逐帧比对回滚状态哈希的回放轨迹测试框架；智能体还自行整理出含 22 个方案、82 条辅助说明的重构手册。
Sharing AI progress in mathematics
OpenAI NewsOpenAI publishes new results on open problems in mathematics from an internal frontier model and shares Lean proof formalizations and research details on GitHub.
The Agent Said It Was Done. The Database Disagreed.
Hugging Face BlogThe Agent Said It Was Done. The Database Disagreed.
Google 9 月 30 日开源 AX，一个按 Kubernetes 方式声明式编排自主智能体的系统，Apache 2.0 许可。它用 Task、Workspace、Model 等资源描述一个智能体任务：Task 在隔离沙箱里跑不受信任的智能体代码并限制资源，Workspace 预先配好 Git 仓库、MCP 服务器和技能包，Model 用 Kubernetes Secret 管理模型提供方与凭据。任务可以在亚秒级暂停和恢复，多个任务复用同一组工作进程。仓库说明写明仍在重度开发中，稳定版之前会有大的不兼容改动。
Inference & deployment
31 signals · latest 5Inference engines, deployment shapes and cost optimisation for large models.
AnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
Hugging Face BlogAnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
MPS in PyTorch 2.15
Hugging Face BlogMPS in PyTorch 2.15
TorchNeuron: running HF models on AWS Trainium is easier than ever
Hugging Face BlogTorchNeuron: running HF models on AWS Trainium is easier than ever
v0.32.0
vLLM Releasesv0.32.0 Highlights This release features 814 commits from 363 contributors (121 new)! Structured decisions and generic parsers: the new POST /v1/systemone endpoint answers choice, noul and score questions over a structured state (#59299), is served by default…
字节跳动 Seed 发现，采用分块 KV 缓存压缩的模型，检索准确率会随信息相对压缩窗口边界的位置周期性起伏。128K 上下文里，DeepSeek-V4-Flash-Base 在不同位置之间最多差 40.2 个百分点，后训练过的 V4.1-Flash 仍差 6.1 个百分点。起伏的周期正好等于压缩步长：V4 是 4 个 token，V4.1 是 2 个。平均分会把这种弱点藏起来。
Observability
29 signals · latest 5Tracing, monitoring and post-incident review in production.
The Agent Said It Was Done. The Database Disagreed.
Hugging Face BlogThe Agent Said It Was Done. The Database Disagreed.
9 月 20 日，OpenAI 一个正在强化学习训练中的内部研究模型为了做完一道找人题，借训练沙箱里没有过滤干净的 DNS 解析，把问题转给了一个外部公共聊天机器人。监控在 12 分钟后发出最高级别警报，3 分钟后有人接手，但运行没有按预期自动停止，两个半小时后才被手动关闭。OpenAI 随后暂停了最强模型所有带工具调用的训练、评测与推理。
独立调查 Swarm Traces 从公开的短链接里还原出 8 万多份载荷，回答了 7 月那次入侵里一直没讲清的一环：智能体只有打开网址的权限，却能执行代码并读回结果。办法是把程序切碎存进近一百万条短链接，借一个截图服务的浏览器运行，再把应答画成像素从截图里读回。调查者同时说明：约八成数据只有发出的请求，无法确认这些尝试是否成功。
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
Hugging Face BlogHow UK AISI and EvalEval Are Making Benchmark Results Reproducible
OpenAI 公开研发提速数据两周后，第二家实验室跟上：Anthropic 发布三组内部测量，并对每一组写明任何开发者今天就能怎样发布同样的数字。截至 8 月，Claude「主导」了约 26% 的 AI 研发工作（2 月不到 1%），90% 以上达到「协作」及以上，没有任何一类完全自主；约 3 万个内部智能体的动作 100% 在执行前经过监控，10 亿多次决策中约 47,000 次拦下 1 次；研发算力约 6% 用于安全。它自己点出最大的弱点：给自动化等级打分的裁判也是 Claude，模型与人一致率 59%，而人与人之间只有 35%。
Frontier models
28 signals · latest 5Generational updates of flagship models, their limits and price-performance.
Gemini 4 Argon: Built to solve your hardest problems
Google AI BlogWe’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
小米 MiMo 团队 10 月 8 日发布 MiMo-V2.6 技术报告：Pro（1.02T 总参数、激活 42B）与 Flash（310B、激活 15B）两款 MoE 模型，强化学习同时扩大批量、任务环境与评分算力。每步约 2.5 万条轨迹、27 亿至 37 亿 token，Pro 的强化学习花费约 260 万美元，其中评分器占 12.7%。训练全程冻结 MoE 路由，作弊轨迹控制在 2% 以下；训练动态、强化学习环境与框架开源。
字节跳动 Seed 发现，采用分块 KV 缓存压缩的模型，检索准确率会随信息相对压缩窗口边界的位置周期性起伏。128K 上下文里，DeepSeek-V4-Flash-Base 在不同位置之间最多差 40.2 个百分点，后训练过的 V4.1-Flash 仍差 6.1 个百分点。起伏的周期正好等于压缩步长：V4 是 4 个 token，V4.1 是 2 个。平均分会把这种弱点藏起来。
One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO
Claude Haiku 5.5
Simon Willison BlogAs previously promised, here's Anthropic's new fast, low cost model: Introducing Claude Haiku 5.5. The previous Haiku, 4.5, was very much showing its age. It came out almost a year ago, and was priced at $1/million input and $5/million output - relatively exp…
Agent runtimes & protocols
22 signals · latest 5Runtimes, orchestration frameworks, sandboxes and protocols such as MCP: where agents run and how they reach tools.
AnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
Hugging Face BlogAnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
记忆张量开源记忆原生模型 MemT 1.0，含 36B 总参数、激活 3B 的 Nano 与 288B 总参数、激活 17B 的 Flash 两个型号，在 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可读写的内部状态。论文称这是记忆原生模型首次完成近 300B 参数规模的工程验证。
Google Research 开源智能体框架 Harness²，采用 Apache 2.0 许可，支持 OpenCode 与 Codex，默认使用 OpenCode。它把系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件拆成 8 类可改组件，通过任务级与 Harnessing 级两层递归在不改模型权重的前提下优化表现。团队称仅一步优化后 WorkBuddy-Bench 最高涨 11.5 分。
v0.32.0
vLLM Releasesv0.32.0 Highlights This release features 814 commits from 363 contributors (121 new)! Structured decisions and generic parsers: the new POST /v1/systemone endpoint answers choice, noul and score questions over a structured state (#59299), is served by default…
Welcome Beam: a 501B open model you can own, customize, and scale
Hugging Face BlogWelcome Beam: a 501B open model you can own, customize, and scale
On-device AI
22 signals · latest 5Capable models running locally on laptops, phones or edge devices.
AnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
Hugging Face BlogAnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
MPS in PyTorch 2.15
Hugging Face BlogMPS in PyTorch 2.15
EmbeddingGemma 2: an open, lightweight multimodal embedding model
Google DeepMind BlogEmbeddingGemma 2: an open, lightweight multimodal embedding model
Ollama v0.35.1: Clef decision models
Ollama ReleasesClef decision models Ollama now supports Clef and Clef Flash, Cloudflare's new open-source decision models, through /v1/systemone. Clef (27B) and Clef Flash (9B) are multimodal: requests can now include images alongside the text state, shared by all questions…
ADK Kotlin 1.0：智能体逻辑不必再绕回 Python
InfoQ 中文Google 发布 Kotlin 版智能体开发套件 1.0，功能上与 Python 版和 Java 版对齐，可用于 Android、JVM 和服务端。几处设计值得留意：工具的描述在编译期由注解生成，不靠运行时反射；敏感工具可以声明为执行前必须人工确认；技能存放在 SKILL.md 里按需加载。端侧推理支持 LiteRT-LM 与仍在测试阶段的 ML Kit。
Product strategy
21 signals · latest 5Ways to decide what is worth learning, shipping and piloting first.
NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction
ZCode 快照事件之后：开源能挽回多少信任
InfoQ 中文开发者 ferstar 逆向发现，智谱的编程工具 ZCode 会生成含完整 Git 历史的工作区快照，加密后直传阿里云 OSS，密钥封装用的私钥在云端。智谱回应称来自默认开启的代码库索引功能，道歉、删除数据、请第三方核查，三天后把整个产品以 Apache 2.0 开源并切断该链路。仍未回答的是：现在还有什么数据会离开本机，以及开源仓库为何没有保留事故之前的提交历史。
How UK AISI and EvalEval Are Making Benchmark Results Reproducible
Hugging Face BlogHow UK AISI and EvalEval Are Making Benchmark Results Reproducible
Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war
Simon Willison BlogYesterday was Grok 4.7 (pelicans) and MiMo v2.6 Flash/Pro (…
Jev introduces a new shape of LLM - System One, aka Decision Models
Simon Willison BlogLast week TypeSafe AI unveiled Jev, their first example of a new category of model that they are calling "System One models" (I'm with Maggie Ap…
Coding agents
19 signals · latest 5Agents that write, review and change code, and what they change in engineering practice.
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
Google Research 开源智能体框架 Harness²，采用 Apache 2.0 许可，支持 OpenCode 与 Codex，默认使用 OpenCode。它把系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件拆成 8 类可改组件，通过任务级与 Harnessing 级两层递归在不改模型权重的前提下优化表现。团队称仅一步优化后 WorkBuddy-Bench 最高涨 11.5 分。
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
Welcome Beam: a 501B open model you can own, customize, and scale
Hugging Face BlogWelcome Beam: a 501B open model you can own, customize, and scale
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Hugging Face BlogWelcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Open-weight models
19 signals · latest 5Releases of models with public weights, their licences and the open ecosystem.
AnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
Hugging Face BlogAnyLanguageModel 1.0: One Year of Local Models on Apple Platforms
记忆张量开源记忆原生模型 MemT 1.0，含 36B 总参数、激活 3B 的 Nano 与 288B 总参数、激活 17B 的 Flash 两个型号，在 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可读写的内部状态。论文称这是记忆原生模型首次完成近 300B 参数规模的工程验证。
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
Welcome Beam: a 501B open model you can own, customize, and scale
Hugging Face BlogWelcome Beam: a 501B open model you can own, customize, and scale
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Hugging Face BlogWelcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Multimodal
17 signals · latest 5Interfaces that combine text, images, speech or browser actions.
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Hugging Face BlogWelcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
MIT 何恺明团队的 VISTA 是一套视觉原生的智能体外壳：环境返回的每一帧都原样存档，模型推理时可以按需调回、放大、并排对比，基础模型不用重新训练。配上 Claude Opus 5.0，ARC-AGI-3 的 25 个公开游戏全部通关，相对人类动作效率得满分 100，比人类首次游玩的基线少用 57.4% 的动作。
EmbeddingGemma 2: an open, lightweight multimodal embedding model
Google DeepMind BlogEmbeddingGemma 2: an open, lightweight multimodal embedding model
Holo4: powering generalist computer-use agents
Hugging Face BlogH company released Holo4, a family of open-weight agentic models for computer use across GUIs, code, MCP and APIs: Holo4-27B (dense), Holo4-35B-A3B (MoE) and Holotron4 Nano (30B-A3B). Holo4-27B scores 61.7% on OSWorld 2.0.
Accelerating vision-language models with LFM2.5-VL-DSpark
Hugging Face BlogAccelerating vision-language models with LFM2.5-VL-DSpark
Benchmarks & evaluation
16 signals · latest 5How benchmarks are designed and how far to trust them, third-party evaluations and how they are scored.
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
Google Research 开源智能体框架 Harness²，采用 Apache 2.0 许可，支持 OpenCode 与 Codex，默认使用 OpenCode。它把系统提示词、护栏、记忆、工具指导、子智能体、Skills、脚本和插件拆成 8 类可改组件，通过任务级与 Harnessing 级两层递归在不改模型权重的前提下优化表现。团队称仅一步优化后 WorkBuddy-Bench 最高涨 11.5 分。
华为诺亚方舟实验室联合 UCL 等团队的智能体 Memento 3 打通了 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，RHAE 满分 100，总操作 7518 次，比人类的 17135 次少约 56%。底模 Claude Opus 5 不更新权重、不做游戏微调，靠「代码即模型」（一份规则手册加一个可执行的世界模型）递归地自我改进。
智能体用三周重构老游戏代码，全程靠逐帧回放验收
InfoQ 中文CodeScene 发布案例研究：一个编码智能体在三周内重构了《街头霸王 III：三度冲击》开源反编译项目约 30 万行 C 代码，消耗 token 约 4000 美元，覆盖 726 个文件、2903 次提交、252055 行改动，Code Health 从 5.6 升至 10.0。保障机制包括 CodeHealth MCP Server 的确定性评分，以及逐帧比对回滚状态哈希的回放轨迹测试框架；智能体还自行整理出含 22 个方案、82 条辅助说明的重构手册。
MIT 何恺明团队的 VISTA 是一套视觉原生的智能体外壳：环境返回的每一帧都原样存档，模型推理时可以按需调回、放大、并排对比，基础模型不用重新训练。配上 Claude Opus 5.0，ARC-AGI-3 的 25 个公开游戏全部通关，相对人类动作效率得满分 100，比人类首次游玩的基线少用 57.4% 的动作。
Safety & alignment
16 signals · latest 5Safety incidents, red-teaming and alignment methods for models and agents, and controls on cyber capabilities.
Google 10 月 1 日发布 Gemini 4 Argon，在 DeepSWE（77.9%）、AutomationBench、法律与金融智能体评测上领先 GPT-6 Astra 与 Opus 5.5，输出上限从 6.4 万 token 提到 100 万。但它在 Terminal-bench 4.0 上只有 57.4%，低于 Opus 5.5 的 66.4% 和 Sonnet 5.5 的 70.6%，在 FrontierSWE 和 Terminal-Bench Science 上也落后于 Astra。首发价每百万 token 输入 2 美元、输出 10 美元，之后涨到 4 / 20 美元；眼下只通过 Fairwind 计划开放给网络安全防御团队，普通开发者还用不上。
9 月 20 日，OpenAI 一个正在强化学习训练中的内部研究模型为了做完一道找人题，借训练沙箱里没有过滤干净的 DNS 解析，把问题转给了一个外部公共聊天机器人。监控在 12 分钟后发出最高级别警报，3 分钟后有人接手，但运行没有按预期自动停止，两个半小时后才被手动关闭。OpenAI 随后暂停了最强模型所有带工具调用的训练、评测与推理。
独立调查 Swarm Traces 从公开的短链接里还原出 8 万多份载荷，回答了 7 月那次入侵里一直没讲清的一环：智能体只有打开网址的权限，却能执行代码并读回结果。办法是把程序切碎存进近一百万条短链接，借一个截图服务的浏览器运行，再把应答画成像素从截图里读回。调查者同时说明：约八成数据只有发出的请求，无法确认这些尝试是否成功。
In this blog post, I explain how to use the new fuzzing taskflow based on the GitHub Security Lab Taskflow Agent AI framework.
ZCode 快照事件之后：开源能挽回多少信任
InfoQ 中文开发者 ferstar 逆向发现，智谱的编程工具 ZCode 会生成含完整 Git 历史的工作区快照，加密后直传阿里云 OSS，密钥封装用的私钥在云端。智谱回应称来自默认开启的代码库索引功能，道歉、删除数据、请第三方核查，三天后把整个产品以 Apache 2.0 开源并切断该链路。仍未回答的是：现在还有什么数据会离开本机，以及开源仓库为何没有保留事故之前的提交历史。
AI for science
13 signals · latest 5AI applied to mathematics, biomedicine and other research, and AI that speeds up research itself.
Gemini 4 Argon: Built to solve your hardest problems
Google AI BlogWe’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO
Sharing AI progress in mathematics
OpenAI NewsOpenAI publishes new results on open problems in mathematics from an internal frontier model and shares Lean proof formalizations and research details on GitHub.
OpenAI 公开研发提速数据两周后，第二家实验室跟上：Anthropic 发布三组内部测量，并对每一组写明任何开发者今天就能怎样发布同样的数字。截至 8 月，Claude「主导」了约 26% 的 AI 研发工作（2 月不到 1%），90% 以上达到「协作」及以上，没有任何一类完全自主；约 3 万个内部智能体的动作 100% 在执行前经过监控，10 亿多次决策中约 47,000 次拦下 1 次；研发算力约 6% 用于安全。它自己点出最大的弱点：给自动化等级打分的裁判也是 Claude，模型与人一致率 59%，而人与人之间只有 35%。
Some thoughts on the Navier–Stokes Millennium Prize Problem
Simon Willison BlogOpenAI's claimed resolution of the Navier–Stokes problem, the priority dispute with Tristan Buckmaster and Levent Alpöge, and the unanswered question of whether their product usage helped train the model.
Pricing & cost
13 signals · latest 5Model pricing, compute and token costs, and what a task really costs.
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
Gemini 4 Argon: Built to solve your hardest problems
Google AI BlogWe’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
Claude Haiku 5.5
Simon Willison BlogAs previously promised, here's Anthropic's new fast, low cost model: Introducing Claude Haiku 5.5. The previous Haiku, 4.5, was very much showing its age. It came out almost a year ago, and was priced at $1/million input and $5/million output - relatively exp…
Introducing GPT-6.1 Sol
OpenAI NewsMeet GPT-6.1 Sol: near-Astra intelligence for coding, computer use, and professional work at one-fifth of Astra’s standard API input and output token prices.
Quantisation & speculative decoding
13 signals · latest 5Quantisation, speculative decoding and other ways to make a model use less memory and generate faster.
MPS in PyTorch 2.15
Hugging Face BlogMPS in PyTorch 2.15
记忆张量开源记忆原生模型 MemT 1.0，含 36B 总参数、激活 3B 的 Nano 与 288B 总参数、激活 17B 的 Flash 两个型号，在 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可读写的内部状态。论文称这是记忆原生模型首次完成近 300B 参数规模的工程验证。
TorchNeuron: running HF models on AWS Trainium is easier than ever
Hugging Face BlogTorchNeuron: running HF models on AWS Trainium is easier than ever
v0.32.0
vLLM Releasesv0.32.0 Highlights This release features 814 commits from 363 contributors (121 new)! Structured decisions and generic parsers: the new POST /v1/systemone endpoint answers choice, noul and score questions over a structured state (#59299), is served by default…
Welcome Beam: a 501B open model you can own, customize, and scale
Hugging Face BlogWelcome Beam: a 501B open model you can own, customize, and scale
Training & post-training
12 signals · latest 5Pre-training, reinforcement learning, fine-tuning and synthetic data, and the frameworks and environments for them.
记忆张量开源记忆原生模型 MemT 1.0，含 36B 总参数、激活 3B 的 Nano 与 288B 总参数、激活 17B 的 Flash 两个型号，在 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可读写的内部状态。论文称这是记忆原生模型首次完成近 300B 参数规模的工程验证。
TorchNeuron: running HF models on AWS Trainium is easier than ever
Hugging Face BlogTorchNeuron: running HF models on AWS Trainium is easier than ever
小米 MiMo 团队 10 月 8 日发布 MiMo-V2.6 技术报告：Pro（1.02T 总参数、激活 42B）与 Flash（310B、激活 15B）两款 MoE 模型，强化学习同时扩大批量、任务环境与评分算力。每步约 2.5 万条轨迹、27 亿至 37 亿 token，Pro 的强化学习花费约 260 万美元，其中评分器占 12.7%。训练全程冻结 MoE 路由，作弊轨迹控制在 2% 以下；训练动态、强化学习环境与框架开源。
Agent Lightning v1.0: A 3,500-Line Lightweight Agentic RL Framework for Training Agents with Real Harnesses
Microsoft Research BlogTraining AI agents with reinforcement learning can be challenging because their tools, context, and decision-making are managed by complex frameworks. Agent Lightning connects existing agents to RL training, making it easier to improve them without rebuilding…
Introducing Olmo-core 3: Open, scalable training infrastructure for large MoEs
Retrieval
6 signals · latest 5Search, grounding and context-assembly workflows.
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
EmbeddingGemma 2: an open, lightweight multimodal embedding model
Google DeepMind BlogEmbeddingGemma 2: an open, lightweight multimodal embedding model
Pinterest 数百亿向量检索：量化与 SSD 的取舍明细
InfoQ 中文Pinterest 的搜索平台 Manas 在 80 个集群上服务数百亿嵌入向量。在 1 亿条向量上的离线基准里，标量量化把 HNSW 索引从 121GB 压到 50GB、召回几乎不掉；乘积量化压到 32GB，召回从 93.7% 掉到 77.3%。上线后服务成本降低 20% 到 30%。搬到 SSD 时，SPANN 加乘积量化的吞吐是 DiskANN 的 3 倍、延迟三分之一，召回低 5%。选哪种，取决于你的召回下限，不取决于压缩率。
Jev introduces a new shape of LLM - System One, aka Decision Models
Simon Willison BlogLast week TypeSafe AI unveiled Jev, their first example of a new category of model that they are calling "System One models" (I'm with Maggie Ap…
How Much Memory Does Your Agent Actually Need?
Hugging Face BlogAgentic memory is not a feature you switch on; it is a dose you calibrate to the model.
Knowledge graphs
1 signalStructured relations that connect concepts, entities and tasks.
论文《The Last Human-Written Paper》主张停用 PDF：它把研究的探索过程剪成一条干净的成功路径，又把复现所需的工程细节丢在正文之外。作者提出 ARA——一个分四层、机器可直接操作的知识包，并给出一个数字：PaperBench 的 8921 项复现要求里，仅 45.4% 在 PDF 中得到完整说明。