跳到正文
10月20日周二
  2. AI at Meta70

    Meta 发布 Muse Glimmer 技术报告，这是一个 30B 开源权重模型，面向消费级硬件上的智能体任务。该模型在单张消费级 GPU 的 Mac 或 PC 上以 4-bit 精度运行可达实用速度，并在工具调用和多步规划上领先同规模开源模型。报告涵盖模型架构、蒸馏配方和量化等内容。

    推荐理由：技术报告公开了 30B 开源权重模型的架构、蒸馏配方与量化方案，可供关注端侧智能体的读者参考。

  4. GitHub Blog · AI & ML34

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，对话、代码改动和工作上下文均保持不变。VS Code 会以该会话关联的 worktree 打开项目，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到会话对应的 pull request。

  11. Ars Technica · AI35

    AI 游戏克隆令独立开发者不敢展示作品

    AI 游戏克隆正让独立开发者不敢公开作品，一款被推迟的 Steam Next Fest 试玩版成为这一问题加剧的信号。开发者担心自己的创意被 AI 快速复制，从而在展示阶段就失去竞争优势。

  15. elvis58

    Viggle 发布 JST-2，官方称其为全球首个全栈物理原生世界基础模型，整套模型栈在 3D 空间构建，可在数秒内生成 3D 场景并实时扩展。该模型附带 PINOC MCP server，向 Claude Code 发一条提示词即可生成角色、按文本驱动动画并组装场景；角色与动作共用同一骨架，因此智能体无需中途做重定向处理。

    引用ViggleAI@ViggleAI

    Today we are releasing JST-2, the world's first full-stack physics-native world foundation model. Many world models learn in pixel/video space. We went back to first principles and built the entire model stack in 3D. Generate a 3D scene in seconds and expand it in real time. Create characters with motion built in, all through one general architecture.

10月19日周一
  5. elvis58

    Nace 发布多模态决策模型 Drex Max，支持文本、图像和视频输入，单次决策耗时 34 ms，262K token 下低于 1 秒，输入价格为 $0.06/1M tokens。该模型可直接从截图、录屏、扫描文档、科学图表和照片中做决策，适合 computer-use 与 browser-use 智能体。Nace 称其在 Mind2Web 上达到 88.3%，超过 Jev 1.14，Decision Index 得分为 67.6（Jev 1.14 为 60.70）。

    引用Nace AI@NaceAI

    Drex Max is here: our multimodal decision model text, images, and video 34 ms/decision, under 1s at 262K tokens $0.06 / 1M input tokens available today at https://nace.ai/drex

  6. elvis22

    学习如何用智能体和开放模型构建应用，现在正是最好的时机。 我鼓励学生们应用上下文工程技术，然后构建自己的领域专用 harness。别忘了在这个过程中构建 evals。 如果你想找一个起点，Nebius AI Builder Program 正在扩展到欧洲，提供 1000 万美元的计算资助、资金和社区支持。

    引用Nebius@nebiusai

    The AI Builder Program is expanding across Europe with $10M in total support across compute grants, capital, and community programs. Are you building open models, developer tools, or applications on top of them? The program helps builders go from experimentation to scale-up through: - Compute grants for selected projects in areas such as open models, coding agents, post-training, and evals - VC connections to help turn open source projects into companies - Hackathons and demo days with communities including @AITinkerers, @techeurope_ , and @esra_robotics to build, connect, and share your work We’re kicking off the European expansion this week at #NVIDIAGTC Berlin with @NVIDIAAI, @Accel, and a network of European VCs. Building AI in Europe? Details below. 👇

  7. elvis20

    有工程师分享与 AI 智能体高效协作的建议，把系统思维列为首要能力，即从系统各子部分出发去理解和构建。作者补充应尽早学会衡量结果、搭建评估（evals），否则难以判断是否取得真实进展。可借助智能体起步，但始终要查看数据和 traces。

    引用Thorsten Ball@thorstenball

    I often get emails from junior engineers asking me what to do. Here's what I just wrote to one of them

  11. 极客公园30

    端侧 AI 商业化难在哪？麒麟软件、后摩智能等五位一线操盘手讲透了

    后摩智能 10 月 14 日在北京举办生态合作伙伴大会，圆桌环节五位来自操作系统、应用、数据工程、整机集成和芯片领域的从业者讨论端侧 AI 如何成为一门生意。麒麟软件姚翎称涉密场景下本地安全没有商量余地，罗格数据刘学鹏认为企业要把 AI 数字员工招进内部而非放在云端。后摩智能陈仲铭表示正通过 M 系列做大算力和先进封装做大带宽，突破算力、带宽、功耗的「不可能三角」。

  15. Turing Post (Ksenia Se)22

    Turing Post 整理了 10 篇值得关注的 Looped Transformer 论文，涵盖 Recurrent Looped Transformer、Looped Prediction Transformer（LPT）、Loop Flow Transformers（LiFT）、Looped Diffusion Transformer、LAST、LoopCD、Hyperloop Transformer、OperLoop、LoopQuant，以及基于 looped transformer 的 Recursive Multi-Agent Systems。文章以速览指南形式介绍各方法是什么、如何工作、何时使用。

10月18日周日
  1. Lisan al Gaib17

    它们又消失了

    引用Lisan al Gaib@scaling01

    these just appeared in the OpenAI API: aurora-blue-alpha aurora-green-alpha aurora-red-alpha there was an openrouter model called aurora-alpha earlier this year which was likely GPT-5.3-Codex-Spark so these could also be specialized codex coding models, or high-speed inference versions of GPT-6 models

  3. Turing Post (Ksenia Se)38

    微软企业 AI 的 Lewis Liu 将 AI 智能体记忆拆成三种目标：个性化让智能体适配特定用户，自我改进让过往经验改变任务执行方式，组织记忆让公司积累的知识触达需要的人。他指出“记忆”背后隐藏着关键设计决策：什么能跨会话保留、何时重新浮现、如何影响下一次决策。Turing Post 据此发布了一份智能体记忆完整指南，从 7 个视角探讨如何把经历转化为更好的工作成果。