NVIDIA AI 祝贺 @alexandr_wang 和 @Muse 团队发布开放权重模型。https://t.co/7JH7PXOnAz 在被引用的帖子中，@ArtificialAnlys 报告称，Meta 的 Muse Spark Open 拥有 816B 个参数（42B 个活跃参数），在 Artificial Analysis Intelligence Index 上得分为 39，排名美国开放权重模型第 #1。Muse Spark Open（xhigh）的得分比 Meta 的 30B 稠密模型 Muse Glimmer（high，17）高 22 分。https://t.co/jf31mQNINe
同一新闻，精选展示《Meta releases Muse Spark Open, scoring 39 on Artificial Analysis Intelligence Index》
中国商务部和科学技术部发布了出口管制草案，涉及23项关键人工智能技术，包括大模型、智能体、算力集群和数据处理。针对核心模型技术的管制门槛包括训练算力达到10^26 FLOPs、参数量不少于2万亿，或跻身全球前10；另有单独规定适用于使用中国重要数据训练的模型。开源发布将自动获得许可；在境外本地服务器上安装则需要办理标准出口许可证；API访问仍不受管制。
中国商务部和科技部发布了出口管制草案，涉及23项关键人工智能技术，包括大型模型、智能体、计算集群和数据处理。对核心模型技术的管制适用于训练计算量达到10^26 FLOPs、参数量至少为2万亿，或全球排名前10的模型。开源发布可获得自动许可，而在海外本地服务器上安装则需要办理标准出口许可证；通过API、应用、网站、SaaS工具和轻量级端侧版本提供访问仍不受限制。
Paradigm 与北京睿思智联宣布推出 ModelSphere，这是一个免费的开源平台，整合了企业级算力管理、模型部署和运行时优化。该平台采用 Apache 2.0 许可证发布，支持异构芯片调度和集群运维，并兼容 vLLM、SGLang 等推理引擎，提供缓存感知路由、自动扩缩容和自动性能调优功能。公司提供的公告链接至项目代码库：https://github.com/modelsphere/modelsphere。
@reflection_ai 推出的 Reflection-Beam-1.0 在 vLLM 中获得 Day-0 支持。 总参数量为 501B，每个 token 激活 23B，上下文窗口为 1M token。Beam 将混合注意力与 Harmony 格式的推理和工具使用相结合。 Beam 还在 SkyRL（@NovaSkyAI）中获得 Day-0 RL 支持：https://t.co/3SjWJKKgpH https://t.co/EkmA1L6B3H
推荐理由：vLLM 和 SkyRL 的 Day-0 支持将 Beam 的发布与推理和 RL 工作流衔接起来，为考虑如何使用该模型进行推理或训练的开发者提供了具体背景。
Jev 在发布后的两周内便被 35% 的付费团队采用，这是 Vercel 记录到的最快采用速度，覆盖范围接近 Sonnet 5.5 的两倍。Typesafe AI 的轻量级决策模型会从预先确定的输出中进行选择，以更低成本、更快地完成分类。这些数据来自 Vercel 的 AI 网关，可能低估了使用自有 API 的提供商；开源模型目前占网关令牌用量的 70% 以上，支出占比接近 25%。
直播：全新开放权重模型 https://x.com/i/broadcasts/1DxleVaPLagKL
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
推荐理由：部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
Reflection 的首个模型 Beam 在 Artificial Analysis Intelligence Index 上得分 30，在美国开放权重模型中排名第 2。 Beam 是一款开放权重模型，总参数量为 501B，激活参数量为 23B，已在 Hugging Face 上发布。
Reflection 发布了 Beam，这是一款拥有 501B 参数的 MoE 模型，权重依据 Apache 2.0 许可证开放，并有 40 多家生态合作伙伴。 NVIDIA AI 表示，该模型使用 NVIDIA GB300 NVL72 训练，在 Blackwell Ultra 上开箱即用，第 0 天即可达到每 GPU 每秒超过 70K 个 token。 Reflection 引述的公告包含 BF16、FP8 和 NVFP4 权重、DFlash2 drafter 以及 Mirror CLI；Beam 1.0 NVFP4 检查点可在 https://huggingface.co/reflection/Beam-1.0-501B-A23B-NVFP4 获取。
推荐理由：Apache 2.0 许可证、多种权重格式以及已发布的训练工具包，为开发者评估 Beam 是否适合其部署工作流提供了具体信息。
Hugging Face表示，一场与Reflection团队探讨他们如何构建Beam的直播将在几分钟后开始。 直播：https://t.co/q6OKvCiB9o https://t.co/scNsrfsC3s 在被引用的公告中，Reflection表示，Beam已在多个平台开放，权重采用Apache 2.0许可证，并与40多家合作伙伴协作推出；还提供分词器、参考实现、BF16、FP8和NVFP4权重，以及DFlash2起草模型。
推荐理由：列出的制品和Apache 2.0许可证，为评估Beam如何融入现有模型部署工作流提供了具体背景。
腾讯推出了 Hy Memory 2.0，其中包含开源模型、框架和 MemHub，后者被称为私人记忆管家。 该框架可处理聊天、工作和代码记忆。腾讯表示，该框架在 4 项基准测试中开源性能排名第一，并称 Hy-Memory-30B-A3B 在主要框架中击败了 Opus 5。MemHub（CLI + Mac）可在 10 多种 AI 工具之间同步。 SDK 和 MemHub：https://github.com/Tencent-Hunyuan/Hy-Memory 模型：https://huggingface.co/tencent/Hy-Memory-30B-A3B
推荐理由：据报告的基准测试结果和跨框架比较，有助于评估 Hy-Memory-30B-A3B，同时也可了解 MemHub 所称的覆盖范围，即支持 10 多种 AI 工具。
NVIDIA 与 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1，涵盖 22 种印度语言、约 2.8 万亿个 token，并将很快与其开放式 GPU 加速生成流程一同发布。该语料库包含全部 22 种语言的本土文字文本，以及 12 种语言的罗马化文本；这些文本由精选英文来源翻译而来，并经过质量检查和来源追溯。一个印度语系继续预训练阶段提升了五项已报告基准的成绩，但该阶段混合了合成数据与自然数据，因此这项比较无法单独确定该语料库的贡献。
推荐理由：该流程通过将翻译、质量评估、修复和文字系统转换分开，同时保留与源文档的链接，为多语言数据生成提供了一种可复用的方法。
@kirillk_web3 称，Meta 的 Llama 4 让所有人失望，Meta 转向闭源并推出 Muse Spark，Zuck 开出一张 1000 亿至 2000 亿美元的支票，Muse Wonder 于周一发布，3 天后 Meta 又向你开放权重：8160 亿个参数，但任一时刻仅有 420 亿个处于激活状态。https://t.co/031gtR0nHm https://t.co/nEN1JMzvBa Alexandr Wang：“笑死，Muse Spark 开源后表现太猛了” https://t.co/AcUT9o8NEQ
BFL 宣布推出 FLUX 3 Image Klein，采用开放权重，拥有 56 亿参数，支持原生 4K、边界框和像素级精准编辑，并表示它可在单张消费级 GPU 上运行。https://t.co/uIOfPdNhuL NVIDIA AI 表示，该模型使用 NVIDIA GB200 NVL72 训练，可在 RTX GPU 上运行，并且还有一个 NVFP4 变体：https://t.co/7rlalk7Otf https://t.co/zf1f7e4kJ7
同一新闻，精选展示《Black Forest Labs releases FLUX 3 Image Klein with 8 GB VRAM support》
Meta推出了Muse Spark Open，这是一款原生多模态开放权重模型，拥有8160亿个参数和100万个token的上下文窗口，面向复杂编程任务和智能体工作流。该模型旨在Mac上本地运行，不过Engadget报道称，它至少需要1太字节的RAM。Meta称，在其评测中，该模型的表现优于其他热门开放权重模型，目前已通过多个API平台提供。
同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》
Token Rhythm称已有超过30万名开发者加入其平台，并推出限时双11预售优惠。在 TokenRhythm API 单次充值满50元，即可获得等额的模型使用额度，累计赠送额度没有上限；该公司表示，这些额度（包括此前已发放的额度）均不会过期。本文由 Token Rhythm 提供，经授权转载自 QbitAI。
蚂蚁已开源 Ling-3.1-flash。这款模型总参数量约为 560B，每个 token 激活约 25B 参数，上下文窗口最长可达 1M。QbitAI 在一项电商促销方案任务和一项模拟就医准备任务中对其进行了测试，并报告称模型的计算过程可追溯，且会明确处理缺失信息。评测还发现，面对较长输入时模型偶尔会出现注意力偏移，并指出当前版本不具备原生视觉理解能力。
Meta 已发布 Muse Spark Open。这是一款开放权重模型，拥有 8160 亿个参数（其中 420 亿个处于激活状态），上下文长度最高可达 100 万个 token，并支持文本、图像、视频和音频。Meta 报告称，该模型在多个基准测试类别中领先 Qwen 3.8、GLM 5.3 和 Kimi K3，但在编程方面落后于部分竞争对手。模型权重已发布在 Hugging Face 上；使用时必须标注“Built with Muse Spark Open”，年收入超过 2000 万美元的 API 提供商还需与 Meta 单独签订协议。
同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》
伙计们，这简直就是我的超级碗时刻！我等了好久，终于等到美国开放权重模型再次具有竞争力。就在今天之前，美国模型还落后于早在2026年2月就已出现的中国模型。还有更多工作要做！
朋友们，这就像是我的超级碗时刻。我等了好久，终于等到美国开放权重模型再次具有竞争力。直到今天之前，美国模型仍落后于早在2026年2月就已领先的中国模型。还有更多工作要做！ 这至少把差距缩短了一半，按时间算（比如缩短了3个月）
llama serve -hf ggml-org/Muse-Spark-Open-816B-A42B-GGUF:Q2_K（在两台 Mac Studio 上）。 干得漂亮，@finkd 和 @johnternus！
Meta 针对代码优化的开放权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上提供，包含 BF16 和 NVFP4 两种版本，支持 100 万 token 的上下文窗口，总参数量为 816B，其中每个 token 激活 42B 参数。AWS 提供了使用 SageMaker Studio 或 SageMaker Python SDK 进行部署的说明，以及推理和清理示例。发布时，该模型可在美国东部（弗吉尼亚北部）和美国东部（俄亥俄州）使用。
推荐理由：部署指南将 BF16 和 NVFP4 的内存需求与受支持的实例类型对应起来，为团队在代码仓库上评估该模型时规划基础设施提供了具体依据。
Muse Spark 开放版——权重今日发布！美国最佳开源模型，可在新款 Mac Studio 上运行 🍎 https://t.co/C8PU0RvlUA
@AIatMeta表示将发布Muse Spark Open，并称其为“迄今能力最强的美国开放权重模型”。引用的帖子称，该模型专为编程和智能体工作打造，并列出总计816B、激活42B个参数，以及1M token的[上下文窗口](https://t.co/yAtoxNeYJm)。 Nathan Lambert回应道：“好吧，我现在真的得写博客了🎉” https://t.co/uKl5X18Xpw
Nathan Lambert 预测，如果 muse spark open 的性能大致与其公布的成绩相符，其采用率将激增，并称它是首个具备接近前沿水平智能体能力的美国开放权重模型。 他将这一转变与中国的 GLM 5.2 和 Kimi K3 相提并论。在引述的公告中，@alexandr_wang 表示，muse spark open 总参数量为 816B，激活参数量为 42B，上下文长度为 1M token，并具备原生多模态能力，专为编程和智能体任务打造。 https://t.co/9elY7xigU5
Meta Muse Open License 就是垃圾。 值得庆幸的是，没人真正在乎许可证，除了那些会乐于遵守的推理服务提供商。
Meta 的 Muse Spark Open 是一款开放权重的混合专家模型，约有 8160 亿个参数，每个 token 激活约 420 亿个参数，上下文窗口最长可达 100 万个 token。该模型经过智能体编程训练，可接收文本、图像、音频和视频，并生成文本。Hugging Face 提供推理和部署方案，报告了其自身的量化测试结果，并演示了使用 TRL 对注意力层进行 LoRA 微调，同时冻结专家网络。
推荐理由：这些部署方案阐明了稀疏专家激活如何在保留大量内存需求的同时减少每个 token 的计算量，帮助开发者根据不同检查点格式和服务框架评估硬件需求。
Black Forest Labs 已发布 FLUX 3 Image Klein，这是一款拥有 56 亿参数的开放权重模型，可用于文生图、图像编辑以及使用最多十张参考图进行生成。它支持原生 4K 输出，其 INT8 版本可在配备 8 GB 显存的 NVIDIA GPU 上运行，在 RTX 4070 上生成一张图像不到 9 秒。年收入低于 500 万美元的公司可依据 FLUX Kommunity License 免费用于商业用途。
推荐理由：硬件要求和商业许可门槛为评估本地生成图像是否适合团队现有 GPU 配置及业务规模提供了具体依据。
vLLM 重点介绍了 @RedHat_AI 为 NVIDIA Nemotron 3.5 Super VL（一款 120B 多模态 MoE 模型）推出的 FP8 和 DSpark 检查点，这些检查点使用了 LLM Compressor 和 Speculators。 RedHat_AI 报告称，在 Hopper 上的性能接近提升 2 倍，同时保持准确性。其使用 4× H100 进行的基准测试显示，FP8 在负载下提高了吞吐量，DSpark 提升了每位用户的流式处理速度；两者结合后，在 HumanEval、数学推理和 RAG 工作负载上的表现均优于单独使用其中任一方案。 两个检查点均已开放： https://huggingface.co/RedHatAI/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-FP8 https://huggingface.co/RedHatAI/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B.dspark
Microsoft Research 推出 Magnetar，这是一种零知识虚拟机，使用仅基于标准哈希函数的安全机制来证明 RISC-V 程序的执行。它支持用 Rust、Go 或 C 编写的程序，无需开发者将其改写为密码学电路。Microsoft 报告称，在 15 个基准测试程序中，Magnetar 在同一台机器上的平均速度比现有最快的可比 zkVM 快 10 至 39 倍，证明验证时间约为 12 毫秒。
推荐理由：基准测试对比将证明速度与通用执行和标准哈希函数联系起来，阐明了限制可验证计算更广泛采用的权衡。
英伟达发布了 Nemotron 3.5 Super VL，这是一款拥有 1200 亿参数、每个 token 激活 120 亿参数的开放式多模态模型，面向持续运行的企业智能体。英伟达表示，在指定的智能体任务上，该模型的准确率接近 Nemotron 3 Ultra，但参数量约为其五分之一；英伟达还将开放模型权重、数据集和训练方案。配套的 Nemotron 3.5 Bolt 74B-A9B 24GB 面向本地智能体，而 Bolt E4B 4GB 计划于本月晚些时候推出。
推荐理由：部署细节说明了量化、缓存和硬件要求如何影响在企业自有基础设施上运行持续工作的智能体时所面临的实际权衡。
vLLM-Omni 现已从首日起支持 FLUX 3 Image Klein。 vLLM 团队与 Black Forest Labs 和 NVIDIA 合作，将这款新图像模型引入其服务技术栈。 此次集成包括 FLUX 3 Image Klein 图像生成，以及 BF16、FP8 和 NVFP4 检查点。https://t.co/hsjdzMrbkt
Black Forest Labs 的 FLUX.3 Image Klein 发布首日即获得 Diffusers 支持，可用于文生图、多参考图图生图以及边界框布局控制。开放的检查点包括一个蒸馏模型（无需 CFG，使用 16 步）和一个基础模型（使用 CFG，运行 50 步）；在报告的基准测试中，蒸馏模型在 H100 上用 1.93 秒生成了一张 1024 × 1024 图像。Hugging Face 提供量化加载示例、LoRA 训练脚本，以及用于定制其 Modular Diffusers 流水线的工作流。
推荐理由：运行时测量数据和量化指南有助于开发者评估硬件需求，包括参考图像如何增加生成时间，以及何时降低精度可以减少内存占用而不提升速度。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款面向多模态智能体的开放式 1200 亿参数模型；还发布了 Nemotron 3.5 Bolt 74B-A9B 24GB，面向本地智能体工作负载。Bolt E4B 4GB 将于 10 月 23 日推出。Super VL 面向工具调用、业务工作流和视觉文档理解，并开放模型权重、数据集和训练方案。Bolt 74B-A9B 采用原生 2 位量化，可装入 24GB 内存；Bolt E4B 则面向物理智能体和对话智能体。
推荐理由：开放模型权重、数据集和训练方案，为组织提供了定制智能体以适配自身工作流的途径，同时满足本地部署和数据驻留要求。
NVIDIA AI 祝贺 StepFun 发布 Step 5 Preview，称这是 StepFun 迄今规模最大的开放权重发布。 NVIDIA 表示，这款 600B MoE 模型支持持续长达 24 小时的智能体任务，并在 NVIDIA GB300 上使用 NVFP4 时达到近 8K tokens/sec/GPU 的运行速度。 StepFun 发布公告的引述内容列出了每个 token 激活 27B 参数、1M-token 上下文窗口、原生文本和视觉输入，以及 Hugging Face 和 ModelScope 上的 BF16 和 FP8 权重。 NVP4 检查点：https://t.co/lSECChAwlW 使用以下链接部署：https://t.co/GO1wqTSBOk https://t.co/28TBzUo6ZU
推荐理由：报告的吞吐量将 Step 5 Preview 与特定 GPU 和精度格式联系起来，为读者了解其长时间运行的智能体工作负载提供了具体的部署背景。
Project Apertus 发布了 8B 和 70B 两种规模的 Apertus 1.5，新增图像和音频理解、可选思考模式、262,144-token 上下文窗口，并改进了指令遵循和工具使用能力。模型权重于 2026 年 7 月 24 日在 Hugging Face 上以 Apache 2.0 许可证发布；模型仅生成文本，语音语言处理仍处于实验阶段。团队还公布了训练数据、训练方案、中间检查点和可复现的评估记录。
推荐理由：公布的中间检查点、训练数据混合方案和评估设置，为研究各个训练阶段如何改变模型行为以及复现所报告的结果提供了具体依据。
vLLM 已首日支持 Jais 3。 祝贺 @IFM_AI 及其合作伙伴发布这一成果。原生阿拉伯语智能体 AI 从第一天起即可通过 vLLM 提供服务。https://twitter.com/IFM_AI/status/2110641827778843010
英伟达将加入欧盟委员会“科学人工智能赋能计划”，承诺为欧洲研究界提供工具、培训、计算资源获取渠道及合作机会。其深度学习学院已推出可免费下载、采用开放许可的课程材料，无需注册、缴费，也没有截止日期。英伟达还正与欧洲人工智能工厂合作，为初创企业和中小企业拓展计算资源获取渠道；目前正在欧洲开发的35台超级计算机计划服务300多万名研究人员。
推荐理由：这些承诺通过结合计算基础设施使用渠道、可灵活采用的课程材料以及使用相关资源的技术支持，解决小型研究团队面临的实际障碍。
徐迪生团队在一项人机协作中使用了上海人工智能实验室的书生-S2 模型，证明了三维 Ghys 猜想，相关预印本已发布在 arXiv 上。研究人员指导了七轮递归探索，问题图的节点数从 15 个扩展到 389 个。北京大学团队使用其 SHEAF 框架，将全部四个主要定理形式化，在约五天内生成约 55 万行 Lean 代码，并通过了 Lean 检查。
推荐理由：这种工作流程为研究数学提供了一种可迁移的方法：将专家指导与模型递归探索结合起来，并围绕由可检查证明任务构成的依赖图组织形式化验证。
