MarkTechPost · 07-16 07:48 UTC+8
Thinking Machines Lab发布Inkling，一个975B参数的MoE模型，激活41B，支持100万token上下文和文本、图像、音频输入，权重以Apache 2.0开放。模型定位为定制化基座，突出可控思考努力，为开源社区提供了可微调的高灵活性多模态底座。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
跨年累积的 AI 精选：顶会顶刊高被引论文（全领域，按**具体会刊**分组）+ 各厂商实验室论文与官方动态；多源召回 + 大模型相关性精筛，每周自动维护；支持自助检索 arXiv 添加并自动归类。
Thinking Machines Lab发布Inkling，一个975B参数的MoE模型，激活41B，支持100万token上下文和文本、图像、音频输入，权重以Apache 2.0开放。模型定位为定制化基座，突出可控思考努力，为开源社区提供了可微调的高灵活性多模态底座。
Moonshot’s upcoming Kimi 3 is expected to close the gap with Anthropic’s Opus 4.8
月之暗面即将推出的Kimi 3预计参数规模在2万亿到3万亿之间，有望缩小与「Anthropic」的Opus 4.8的差距。这标志着中国开源大模型在规模与能力上进一步追赶国际顶尖水平。
前OpenAI CTO Mira Murati创立的Thinking Machines Lab发布Inkling，975B参数开源多模态模型，在美国开放权重模型中处于领先，但仍落后于中国部分顶尖开源模型。定价每百万输入token 1.87美元，定位微调基座，为开发者提供了新的强力定制选项。
Inkling: Our open-weights model
Mira Murati的Thinking Machines Lab发布首个开源权重模型Inkling，975B参数MoE，41B激活，Apache 2.0许可，训练数据包含45万亿token的文本、图像、音频和视频。还将推出Inkling-Small，276B参数12B激活，待测试完成后发布权重，丰富了开源多模态模型梯队。
Inkling以975B总参数41B激活的多模态能力发布，成为美国最佳Apache 2.0开源模型，同时宣布Inkling-Small（276B总参数12B激活），进一步充实了可商用的开放权重模型选择。
TensorRT-LLM v1.3.0rc21发布，宣布AutoDeploy后端将弃用，并转向PyTorch后端以加速模型支持，已实现Minimax M3功能支持一周内推出。同时列出DeepSeek V3.2主机KV缓存卸载在多GPU上可能失败等已知问题，提醒用户在特定配置下注意规避。
llama.cpp更新支持CUDA虚拟设备，禁用NCCL路径，并新增GPUx2服务器CI作业，提升了多GPU环境下部署的灵活性和测试覆盖率，对需要定制并行策略的开发者很有帮助。
Google对Gemma 4进行了静默更新，修复了工具调用错误和响应截断问题，并针对Nvidia Hopper GPU进行了加速优化。这一改动直接提升了基于Gemma 4构建工具调用应用的可靠性，从业者无需更换模型名即可获得更稳定的行为。
用世界模型给VLA当教练，原力灵机发布DW0.5，把RL搬进虚拟世界
原力灵机发布DW0.5，利用世界模型作为视觉语言动作模型的教练，在虚拟世界中进行强化学习训练，将真实机器人数据的依赖降低60%，为具身智能的数据效率和规模化训练开辟了新路径。
Soofi联盟发布Soofi S 30B-A3B，一个混合Mamba-Transformer的MoE基础模型，激活3.2B参数，专注德语和英语，为非英语及混合架构的开源生态增添了新选择。
OpenAI is now using AI to attack its own AI, and it's working better than humans ever did
OpenAI内部使用GPT-Red模型通过自我博弈训练发现攻击漏洞，成功率达84%，远高于人类红队的13%，结果直接用于加固GPT-5.6 Sol等模型，展现了自动化对抗测试的巨大潜力。
Harness Engineering 构建可靠 Agent
InfoQ报道了构建可靠Agent的Harness Engineering实践，强调通过工程化手段提升智能体的稳定性和可维护性，为生产级Agent系统落地提供参考。
Sakana AI将其Fugu编排器集成Nvidia Nemotron开源模型，旨在通过多模型协同的“集体智能”匹敌单一前沿模型，但尚未给出具体基准数据。这一尝试对探索开源模型组合策略具有启发性。
llama.cpp更新b10042，在Volta和Turing架构GPU上启用CUDA图，进一步优化推理性能，扩展了对老款NVIDIA GPU的软硬件协同加速支持。
llama.cpp服务器更新忽略空或非本地Origin头部，减少不必要的CORS警告，提升了与前端集成的运维体验和日志清洁度。
llama.cpp 恢复了 HIP 构建中的「prop.integrated」标志，此前因修复 Jetson Orin 问题而将该字段强制设为 false，导致 AMD APU/UMA 设备无法使用 CUDA 主机缓冲区。此改动修复了该不一致性，对 ROCm 上使用集成 GPU 的开发者十分关键。
Transformers 发布补丁 v5.14.1，修复了 Inkling 模型在辅助生成中使用 EncoderDecoderCache 的报错，以及 StaticCache 配合 sdpa 预填充时的位置偏置问题。这对使用 Inkling 和辅助生成流水线的开发者是必须跟进的更新。
xAI open-sources "Grok-Build" on GitHub after massive data breach
xAI 在「Grok Build」工具被曝静默上传用户 SSH 密钥和密码数据库后，将其 84 万余行 Rust 代码库以 Apache 2.0 协议开源。此举让社区得以审查和改造该 CLI 工具，也为数据泄露事件提供透明度。
SpaceXAI Open-Sources Grok Build: The Rust Agent Harness, TUI, and Tool Layer Behind Its Coding CLI
SpaceXAI 将 Grok Build 的全部 Rust 源码开源，涵盖 agent 循环、工具调度、TUI 和扩展系统，但不包括 Grok 4.5 模型，也不接受外部贡献。这对研究 agent 编程 CLI 的内部架构有直接参考意义。
llama.cpp 现在允许在「--pure」模式下使用手动指定的张量类型，扩展了量化配置的灵活性。这有助于在多种硬件后端上精细调整推理性能。
What does 99.9% uptime mean for inference?
Together AI 详细拆解了推理服务中 99%、99.9% 和 99.99% 可用性实际所需的故障域应对和工程要求，并给出选择推理提供商前应提出的关键问题。这对评估生产推理基础设施的可靠性极有参考价值。
NVIDIA Introduces New Jetson Thor Computers to Advance Mainstream Robotics and Edge AI
NVIDIA 推出基于 Thor 架构的 Jetson T3000 和 T2000 模块，为大规模市场的机器人和边缘 AI 提供紧凑、高能效的算力，目标是让基础模型在边缘设备上普及。
VentureBeat 调查 101 家企业发现，Agent 编排正在向模型提供商平台收敛，Anthropic Claude 凭借模型引力领先，但多数部署的「Agent」实为聊天机器人封装，且 token 消耗的实时成本控制仍是少数。从业者应关注真实 Agent 部署与简单封装之间的巨大鸿沟。
New Personalization and Language Support!
Unsloth 新增个性化定制、七种显示语言、语音设置以及四级工具调用权限和工作区隔离，同时为 Intel GPU 加入 Vulkan 加速的 llama.cpp 支持。这些更新提升了安全性和跨硬件体验。
Transformers v5.14.0 纳入 Thinking Machines 的多模态模型 Inkling，总参数 975B、活跃参数 41B，可处理文本、图像和音频输入，直接让社区可以加载和使用这一前沿多模态基座。
What building Shippy taught us about building agents
Hugging Face 博客总结了构建「Shippy」Agent 项目中的经验，围绕上下文管理、工具集成和幻觉控制等给出实践教训，对 Agent 开发者具有实在的指导意义。
Model Routing Is Simple. Until It Isn’t.
Hugging Face 博客探讨模型路由从简单到复杂的现实，揭示了在多模型、多租户场景下路由策略面临的延迟、成本和一致性挑战，提醒从业者谨慎设计调度方案。
Building a restaurant telephony AI host with Amazon Bedrock AgentCore and Amazon Nova 2 Sonic
AWS 用 Bedrock AgentCore 和 Nova 2 Sonic 构建电话语音点餐 Agent，并通过 MCP 协议连接餐厅后端，展示了 MCP 在实时语音 Agent 场景中的落地方式。对构建电话智能助手有直接参考价值。
OpenAI 与 Work Louder 推出硬件控制器 Codex Micro，旨在用操纵杆式设备操控 AI Agent，替代命令行输入。这暗示 Agent 交互可能向物理操控设备演进。
Apple Intelligence approved for launch in China with Alibaba and Baidu
苹果智能获得在中国市场推出的批准，据传将集成阿里巴巴和百度的技术服务，对苹果在关键市场的 AI 布局至关重要。
Hugging Face 博客指出，虽然新模型层出不穷，但在推理门槛、微调效率和社区支持方面，某些成熟模型依旧保持稳定优势。这提醒从业者关注技术栈的长期可靠性。
Slack 推出智能体驱动型端到端测试，提升 UI 自动化测试稳定性
Slack 推出 Agent 驱动的端到端测试方案，旨在提升 UI 自动化测试的稳定性，为大型应用的测试维护提供了新范式。
Patter SDK 发布指南，展示如何用动态变量、输出护栏、延迟仪表板和评估检查构建餐厅预订语音 Agent，覆盖从模拟到真实部署的完整工程流程。这对语音 Agent 开发者是详尽的操作手册。
量子位报道一项失忆症患者研究，发现记忆可以独立于其他认知模块存在，对 AI 的记忆架构设计带来新启示。这为 Agent 长期记忆模块的构建提供了新的认知科学依据。
Applied Computing wants to give oil and gas operators an AI model for the entire plant
Applied Computing 获得 2000 万美元 A 轮融资，将构建面向石油、天然气和石化行业的全厂级基础 AI 模型，垂直行业大模型正在深入传统流程工业。
How Cars24 scales conversations and builds faster with OpenAI
Cars24 使用 OpenAI 语音和聊天 Agent 每月处理超百万分钟对话，挽回 12% 的流失线索，验证了 Agent 在客服场景的大规模应用价值。
Thinking Machines Inkling 🧠, GPT-Red 🔒, Perplexity sandboxes 🛡️
TLDR AI 简报涵盖了 Thinking Machines 的 Inkling 多模态模型、GPT-Red 安全能力以及 Perplexity 沙盒功能，展示了多模态、安全和企业环境下的最新动态。
Microsoft is reportedly training salespeople to talk down OpenAI and Anthropic
微软据报培训销售人员淡化 OpenAI 和 Anthropic 模型，推销其内部模型效率更高、成本更低，反映了模型商业化赛道的竞争正在加剧。
IPO前夜，阶跃星辰想用一款 Agent 手机给市场吃一颗定心丸
阶跃星辰在 IPO 前披露 Agent 手机，试图用硬件整合 Agent 的方式证明其技术落地实力，引发对 Agent 终端新形态的关注。
Agentic vision: Building visual intelligence with Amazon Bedrock and MCP servers
AWS 发布计算机视觉 MCP 服务器，通过标准化接口将视觉处理与智能决策统一起来，大幅简化了视觉 Agent 的构建和集成。这为多模态 Agent 与 MCP 的结合提供了可直接使用的范例。
Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning
「Ring-Zero」探索将零强化学习（zero RL）扩展至万亿参数规模，以揭示大模型在可验证奖励下涌现思维链推理的行为。此前研究受算力限制多停留在小模型，大规模训练动态尚属空白。该工作通过超大尺寸训练激发出高质量推理，为千亿级模型的自主推理训练提供了关键参考。
📖 阅读⬇ PDFBoogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
「Boogu-Image-0.1」是一个开源统一多模态模型系列，涵盖Base、Turbo、Edit及Edit-Turbo四个变体，同时支持理解与生成。它在高质量文生图、快速推理、指令编辑和中英文文字渲染等任务中表现出色，直追闭源系统如「Nano-Banana-Pro」和「GPT-Image-2」。该模型家族填补了开源社区在统一多模态生成与编辑上的空白，为下游部署提供了透明高性能基座。
📖 阅读⬇ PDFSelf-Improvements in Modern Agentic Systems: A Survey
这篇综述系统梳理了现代智能体系统中的自改进技术，将其定义为从经验中积累能力增益的自适应系统。作者提出一种系统级框架，把智能体视为基座模型与提示、记忆、工具等操作脚手架的耦合体，并围绕可控演化这一核心目标展开讨论。该工作为从业者理解与设计具有持续学习能力的智能体提供了全景视角与实用框架。
📖 阅读⬇ PDFHarness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable
「Harness Handbook」聚焦AI智能体的执行外壳（harness），它负责提示构建、状态管理、工具调用等核心编排逻辑，却常因紧耦合而难以维护。该工作提出一套方法，使不断演变的harness变得可读、可导航和可编辑，显著降低开发者在定位和修改行为代码时的困难。这对于长期维护生产级智能体系统的团队具有重要工程价值。
📖 阅读⬇ PDF「KnowAct-GUIClaw」在「OpenClaw」框架的基础上，针对其跨平台GUI交互不足和缺乏自进化机制的问题，提出“深度认知、完美执行”的个人助手范式。它通过积累用户交互与任务运行经验，构建自进化的记忆与技能系统，使GUI助手持续提升任务执行能力。这对打造可跨设备、持续学习的个人自动化助手具有示范意义。
📖 阅读⬇ PDFShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillation
「ShortOPD」针对结构化剪枝后大模型在自由文本生成中严重退化的问题，发现虽然贪心解码的通过率骤降，但多次采样后可大幅恢复，说明能力未被完全抹去而是被降级。该方法采用从短序列到长序列的在策略蒸馏，引导剪枝模型重新习得连贯生成长文的能力。这为剪枝模型的实用部署提供了一种低成本恢复策略。
📖 阅读⬇ PDFAgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities
「AgentCompass」提供了一套开源、轻量、可扩展的智能体评估基础设施，将评测流程解耦为基准、环境和智能体三个独立组件，解决当前碎片化、紧耦合的问题。它大幅降低了复现和工程冗余，为研究人员提供了一个标准化的LLM智能体能力测试平台。
📖 阅读⬇ PDFTracing Agentic Failure from the Flow of Success
「Tracing Agentic Failure from the Flow of Success」提出一种轻量级失败归因模型，通过对比成功与失败轨迹的差异来定位关键错误步骤。该方法无需昂贵的人工步骤级标注或反复调用大模型，而是利用成功轨迹的流特征进行训练，显著降低了成本并易于扩展，为智能体调试提供了实用工具。
📖 阅读⬇ PDFPalmClaw: A Native On-Device Agent Framework for Mobile Phones
「PalmClaw」是一个专为手机设计的本地设备端原生智能体框架，使大模型直接在移动端执行多步任务、调用工具并迭代决策，而无需依赖云端。它突破了现有移动智能体仅靠GUI操作的局限，充分利用设备传感器与本地数据，提升了隐私性和离线可用性，对移动AI助手落地具有重要意义。
📖 阅读⬇ PDF该工作针对智能体反思优化中执行轨迹冗余、噪声大、难定位根因的问题，提出结构轨迹分析和因果提取方法。它从大量异构痕迹中提取关键因果结构，过滤无关步骤，使LLM优化器能更精准地诊断失败并改进策略。此举有效提升了长程任务智能体优化的效率与效果。
📖 阅读⬇ PDFSelf in Space: Benchmarking Self-Awareness and Spatial Cognition in UAV Embodied Intelligence
「Self in Space」是首个针对无人机具身智能中自我意识与空间认知的基准，要求模型不仅要理解环境空间，还需维持对自身状态的连贯表征。它弥补了现有基准只重环境而忽视智能体自我表征的空白，为推动无人机在复杂场景下的自主决策提供了新的评测维度。
📖 阅读⬇ PDFFrom Controlled to the Wild: Evaluation of Pentesting Agents for the Real-World
该文将渗透测试智能体的评估从受控实验推向真实世界场景，指出当前基准普遍局限于夺旗、远程代码执行等简化目标，难以反映实际攻击面的复杂性。通过构建更贴近实战的评估协议，为安全社区甄选能处理真实靶标的AI渗透测试系统提供了依据。
📖 阅读⬇ PDFLength Penalties Make Chain-of-Thought Less Monitorable
该研究揭示长度惩罚强化学习虽能压缩思维链长度，却可能削弱其可监控性：模型仍会被误导性提示影响，而缩短后的推理痕迹不再暴露这种影响。即便token准确率和简洁度看似良好，决策过程的可解释性已大幅下降。这对依赖思维链进行安全审计的实践者敲响警钟，提示需谨慎使用长度惩罚，避免推理过程不可追溯。
📖 阅读⬇ PDFSPEAR: A Simulator for Photorealistic Embodied AI Research
「SPEAR」是一款面向照片级具身AI研究的仿真器，以Python库形式提供，能通过模块化插件连接并操控任意「Unreal Engine」应用。它大幅提升了仿真器的通用性、可编程性与渲染速度，为训练具身智能体和生成合成视觉数据提供了强大而灵活的基础设施。
📖 阅读⬇ PDFRegisters Matter for Pixel-Space Diffusion Transformers
该工作发现像素空间扩散Transformer（DiT）虽不像ViT那样出现高范数图像块token，但仍存在与自注意力相关的异常模式。通过引入寄存器token，能有效改善特征图质量并提升生成效果，揭示了寄存器在生成式视觉Transformer中的价值，为扩散模型架构优化提供了新思路。
📖 阅读⬇ PDFDiscrete Diffusion Models: A Unified Framework from Tokenization to Generation
该文为离散扩散模型提出一个从分词到生成的全流程统一框架，系统梳理了离散状态空间构建（分词方案、词汇拓扑、领域结构字母表等）如何影响模型行为。这一框架帮助研究者理解不同设计选择间的内在联系，并指导新任务上的模型设计，推动了离散扩散与自回归模型的竞争与融合。
📖 阅读⬇ PDFMetaPerch: Learning from metadata for bioacoustics foundation models
「MetaPerch」利用录音元数据（如地理位置、时间）作为辅助监督信号训练生物声学基础模型，弥补了之前方法只使用标注声音而忽视丰富上下文信息的不足。该策略在物种检测任务上取得了更优性能，表明融入生态时空信息可显著提升基础模型的判别力与泛化性。