技术方向
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。
223 条精选近 30 天 121 条共收录 1,487 条
Kimi K2.7 Code 编程模型已上线 Kimi API 开放平台，相比 K2.6 显著提升长上下文编程性能，平均 token 消耗减少 30%。Kimi Code Bench v2 性能提升 21.8%，Program-Bench 提升 11%。1M token 输入输出价格与 K2.6 一致，后续将发布输出速度 5-6 倍的高速版本。
推荐理由：原文展示了长上下文编程能力的基准提升及30%的Token消耗优化，并明确高速版模型的定价与速度优势。
小米发布并开源终端 AI 编程助手 MiMo Code V0.1.0，内置限时免费的多模态模型 MiMo-V2.5，并采用 MIT 协议开放。
推荐理由：原文给出了 MiMo Code 的专属 Harness、Compose 模式以及在相同模型下对比 Claude Code 的基准分数，可据此理解其协同优化思路。
小米正式开源 MiMo-V2.5 系列，包含 MiMo-V2.5-Pro 和 MiMo-V2.5 两款支持 100 万上下文窗口的模型，均采用 MIT 协议开放权重，支持商用推理、微调与二次训练。小米同步启动 MiMo Orbit 计划，向全球 AI 用户发放总计 100 万亿 Token 权益（申请制，最高权益价值 659 元），并向 Agent 框架团队提供 Token 限免支持与生态合作。
推荐理由：开源 MiMo-V2.5 权重并启动 100T Token 计划，提供全模态与 Agent 能力的免费使用入口。
DeepSeek-V4 预览版模型正式上线并同步开源，包含 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 两个版本。即日起登录官网或官方 App 即可使用 1M 超长上下文，API 服务同步更新，需将 model_name 修改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由：预览版模型同步开源，给出了 API 调用入口和 1M 上下文标配说明，读者可以据此判断它在 Agent 场景中的具体部署方式。
Mistral 发布 Mistral Small 4，将 Magistral、Pixtral、Devstral 与 Mistral Small 的指令、推理与多模态能力合并为单一模型，并以 Apache 2.0 开源。
推荐理由：原文明确给出架构、吞吐延迟优化和许可细节，读者可据此判断统一模型如何降低多模型切换成本。
Mistral AI 宣布作为创始成员加入 NVIDIA Nemotron 联盟，双方将共同开发前沿开源 AI 模型。合作结合 Mistral 的模型架构、全栈平台与专有训练方法，以及 NVIDIA 的算力、开发工具和合成数据生成管线。联盟首个项目是在 NVIDIA DGX Cloud 上训练一个基础模型，作为未来 NVIDIA Nemotron 4 系列的底座，相关模型将被开源。
推荐理由：Mistral 作为 NVIDIA Nemotron 联盟创始成员，将把自有训练方法与 NVIDIA 算力、工具结合，用于开发开源前沿模型。
DeepSeek 发布开源旗舰模型 DeepSeek V3.2，架构基于 Multi-Head Latent Attention（MLA）并引入 DeepSeek Sparse Attention（DSA），将注意力计算复杂度从 O(L²) 降至 O(Lk)。
推荐理由：详细拆解 DeepSeek V3.2 及 Math V2 的稀疏注意力与自验证训练技术，读者可据此理解其架构效率与性能提升机制。
DeepSeek 官方发布正式版 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 模型。官方网页端、App 和 API 均已更新为正式版 DeepSeek-V3.2；DeepSeek-V3.2 在公开的推理类 Benchmark 测试中达到了 GPT-5 的水平，并推出了首个将思考融入工具使用的模型。
推荐理由：V3.2 将深度思考与工具调用结合并开源，Speciale 达到国际顶级竞赛人类前列水平。
DeepSeek 正式发布 V3.2-Exp 实验性模型，在保持 V3.1-Terminus 性能基本持平的前提下，通过引入 DeepSeek Sparse Attention 提升了长文本的训练和推理效率。官方 App 与 API 已同步更新，开发者调用 API 的成本降低 50% 以上，模型权重与 TileLang、CUDA 算子已在 HuggingFace、魔搭及 GitHub 开源。
推荐理由：DeepSeek 发布 V3.2-Exp 并引入稀疏注意力机制，同步将 API 调用成本降低 50% 以上。
Hugging Face 更新 transformers 库以支持 OpenAI 的 GPT-OSS 模型，引入了 MXFP4 量化、零构建内核下载、张量并行及专家并行等关键技术。
推荐理由：Hugging Face 详细说明了 transformers 为支持 OpenAI GPT-OSS 模型而升级的核心技术，包括 MXFP4 量化、零构建内核、动态滑动窗口及张量并行等，这些改进可复用至其他主流模型。
Together AI 与 Hugging Face 宣布新能力，开发者可在 Together 平台上微调 Hugging Face Hub 上的任意兼容 LLM。
推荐理由：Together AI 与 Hugging Face 打通微调管线，开发者可直接用 API 对 Hub 上任意兼容 LLM 做微调并回传 Hub，省去自建训练基础设施的摩擦。
Hugging Face 发布开源工具 AI Sheets，用于使用开放 AI 模型构建、丰富和转换数据集。该工具支持本地部署或部署在 Hugging Face Hub，可接入 Hub 上数千个开放模型。其提供无代码操作界面，用户可通过编辑和验证单元格向模型提供反馈，并可将最终结果导出回 Hub。
推荐理由：原文明确指出AI Sheets是一个可本地部署的开源工具，并给出了免费使用入口和核心功能，便于读者评估其在数据工作流中的实际作用。
OpenAI 发布 GPT OSS 系列开源模型，包括 gpt-oss-120b（117B 参数）和 gpt-oss-20b（21B 参数）。两款均为 MoE 架构，采用 MXFP4 4-bit 量化；120B 模型可运行在单张 80GB H100 上，20B 模型仅需 16GB 显存。
推荐理由：两个模型都采用 MoE 加 4-bit 量化，小模型 21B 可跑在 16GB 硬件上，Apache 2.0 许可让社区能直接复用与微调。
Hugging Face 发布开源的官方 MCP Server，通过单一 URL 让 AI 助手访问 Hub 及数千个 Spaces 应用，并支持动态工具配置。
推荐理由：官方开源了可远程访问的 MCP Server 并详解部署权衡，读者可据此评估将 Hub 接入 AI 助手的可行性。
Hugging Face 发布 3B 参数规模的 SmolLM3 模型，包括 Base 和 Instruct 两种变体，完全开源模型权重、架构细节和三阶段预训练配方。
推荐理由：Hugging Face 发布并完全开源 SmolLM3 模型及完整训练配方，为构建同类 3B 模型提供了可复现的工程蓝图。
Gemma 3n 正式发布，支持本地运行多模态输入。该模型分为 E2B 和 E4B 两个版本，实际参数为 5B 和 8B，但显存占用仅相当于 2B 和 4B 模型，分别只需 2GB 和 3GB 显存。
推荐理由：Gemma 3n 以 2B/4B 显存实现 5B/8B 性能，支持文本、图像、音频和视频多模态输入，并开放主流开源框架支持。
H Company 在 Hugging Face 上发布开源行动视觉语言模型 Holo1 家族和 WebClick 多模态定位基准。
推荐理由：开源Holo1行动VLM家族与Surfer-H代理给出可对比的成本和精度基准，读者可评估网页自动化的落地门槛。
本教程演示如何使用 LM Studio 和 VS Code 扩展 Continue.dev，在本地部署并调用开源模型 OlympicCoder 7B 作为编码助手。
推荐理由：文章给出了在本地运行 OlympicCoder 7B 的完整集成流程，帮读者把开源模型接入现有开发工具。
NVIDIA 在 GTC 2025 大会上发布了三项开源成果：Cosmos Transfer 世界基础模型、15TB 物理 AI 数据集以及通用类人推理模型 Isaac GR00T N1。
推荐理由：NVIDIA 在 GTC 2025 开源了 Cosmos Transfer 与 Isaac GR00T N1 模型及数据集，为开发者提供了训练具身智能体的完整工具链。
Hugging Face 发布 Open R1 Update #3，公布从 DeepSeek-R1 蒸馏得到近 10 万条高质量 C++ 与 Python 代码推理样本的 CodeForces-CoTs 数据集，并发布基于 IOI 的新基准。
推荐理由：给出了代码推理复现的细节与 7B、32B 模型结果，可参考训练策略与评测方法。