Hugging Face 发布可编程微型鸭子机器人 Microduck
Hugging Face 发布了售价 399 美元的可编程微型鸭子机器人 Microduck。这款开源机器人能执行行走、拾取物体、跌倒恢复乃至轮滑等行为,其 SDK、仿真环境和强化学习训练栈均在 GitHub 开源。此次发布基于 Hugging Face 2025 年收购 Pollen Robotics 后对实体 AI 领域的持续拓展。
Hugging Face 发布了售价 399 美元的可编程微型鸭子机器人 Microduck。这款开源机器人能执行行走、拾取物体、跌倒恢复乃至轮滑等行为,其 SDK、仿真环境和强化学习训练栈均在 GitHub 开源。此次发布基于 Hugging Face 2025 年收购 Pollen Robotics 后对实体 AI 领域的持续拓展。
Google 在 2026 年 8 月发布了多款 AI 产品,包括面向编程和智能体的高效模型 Gemini 3.7 Flash,以及专为实时转录设计的 Gemini 3.5 Transcribe。同期推出的 Pixel 11 系列设备搭载了 Google Tensor G6 芯片和最新的 Gemini Nano 模型。此外,Gemini 应用的月活用户已超过 10 亿。
Microsoft Research 推出高效病理学基础模型 GigaPath-Flash 和 GigaTIME-Flash,显著降低了计算需求。GigaPath-Flash 参数量为 2200 万,在保持性能的同时将推理成本降至原 GigaPath 的约 1/50。这两个基于 Apache 2.0 协议开源的研究模型旨在支持大规模病理数据分析,推动群体规模的疾病生物学研究。
LangChain 本月推出管理深度智能体(Managed Deep Agents)和 LLM 网关(LLM Gateway)的公开测试版,支持一键部署、成本控制和敏感数据处理。Deep Agents v0.7 版本减少 65% 的基础输入 token,同时保持性能。Stripe 和 Apollo 已分别基于 Deep Agents 构建了企业级生产力工具和 AI 助手,显著提升了效率。
LangChain 在 2026 年 1 月发布了 LangSmith Agent Builder 的 GA 版本,支持通过自然语言构建智能体,包括提示词生成、工具选择、子智能体和技能配置。
LangChain 发布 LangGraph v0.1,提供对智能体工作流的细粒度控制能力,支持条件分支、循环、人类协作与时间旅行式调试;同时推出 LangGraph Cloud,提供可扩展、容错的部署基础设施,支持一键部署、流式输出、异步任务与定时任务,并集成 LangGraph Studio 用于可视化调试与协作。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
LangChain 和 LangGraph 发布 1.0 版本,标志着框架稳定化,新增 Insights Agent、Agent Builder(私有预览)及 LangSmith 平台的完整 agent 工程化能力,涵盖可观测性、评估、部署与无代码构建,支持长周期任务与生产级交付。
推荐理由:原文给出了1.0版本发布、新功能上线和平台能力升级,读者可据此评估其对 agent 工程化的影响。
Goodfire 推出的 Silico 平台提供多种工具以解析 AI 模型内部行为,支持用户以自然语言描述需求并自动生成实验计划。该平台已用于解析 Pleiades 表观遗传基础模型,发现其通过 DNA 片段长度模式检测阿尔茨海默病,这是首个通过逆向工程基础模型在自然科学领域取得的重要发现。
Ollama 现已支持将 Claude Desktop 配置为第三方网关提供商。开发者可以在 Claude Desktop 中使用 Ollama 托管的开源模型或云端模型,并可在 Anthropic 模型与 Ollama 模型之间轻松切换。Ollama 默认禁用遥测,并执行零数据保留政策。
Meta 发布 MetaRoCE,这是一种专为 AI 工作负载设计的 RDMA 传输协议,适用于大规模以太网环境。MetaRoCE 通过 Open Compute Project (OCP) 开源了协议规范、参考软件实现和合规测试套件。
推荐理由:Meta 开源了专为 AI 规模设计的 RDMA 传输协议 MetaRoCE,包含规范、参考实现和测试套件,可提升分布式训练和推理效率。
METR 研究显示,AI 在 2026 年显著加速了网络安全漏洞的发现,对数学研究有轻微加速,但对 AI 研究本身的优化尚无显著影响。SPADE 框架利用 Qwen3-30B 等模型通过自我博弈,自动生成可执行的游戏和工具使用环境,以合成数据训练智能体,在 Reasoning Gym 等基准测试上提升性能。
Microsoft Research 发布了深度学习密度泛函交换关联泛函 Skala 1.1,其训练数据量是前代版本的 2.5 倍,在 GMTKN55 基准测试的 55 个类别中,有 32 个类别排名第一。Skala 现已集成于 CP2K,并正在整合到 Psi4、FHI-aims、ORCA 和 VASP 等主流电子结构软件中,以扩大其在科学和工业工作流程中的可及性。
OpenWALDO 项目由 Gregory Kurtzer 发起,目标是创建一个任何人都可贡献的开源 AI 训练数据集,提升训练数据的透明度。该项目强调当前开源权重模型仍依赖封闭源训练数据,存在潜在风险与资源浪费问题。目前 OpenWALDO 数据集包含 167.3B 个参考 token,但尚未有模型基于此数据集进行训练。
Neo4j 提出 Meta Knowledge Graph(MKG),这是一个为 AI 智能体设计的、基于图结构的共享上下文层,旨在解决智能体缺乏特定领域知识的问题。
Amazon Science 提出 ControlG 框架,借鉴工业控制系统中的 PID 控制器,用于协调图自监督学习中的多任务训练,避免梯度冲突。该方法通过在不同训练阶段分配计算资源给不同目标,提升了节点聚类任务的性能,随机调度在部分基准上优于 AutoSSL、WAS 等方法。ControlG 通过感知、规划和控制三个循环实现动态资源分配,基于帕累托效率理论优化多目标训练过程。
开源项目 ShieldFont 发布了一种新型字体,旨在干扰 AI 网络爬虫的数据抓取。该字体利用 OpenType 的 GSUB 功能,在 HTML 源码层面对约四分之一的单词进行同词性替换,使其对人类读者显示正常,但对爬虫呈现为语义混乱的文本。项目提供了在线演示、React 组件及 CSS/CDN 集成方式,默认字体基于 Playtype 的 Optik 修改,文件大小约 800 KB。
Together AI 开源了智能体推理系统 ThunderAgent,通过将工作流抽象为可调度程序,解决了高并发下 KV 缓存颠簸和节点负载不均的问题。在 8 节点 H100 集群上,相比 SGLang Gateway 实现了 2.39 倍的加速和接近线性的吞吐扩展。该系统与 OpenAI 兼容,只需在客户端添加 `program_id` 字段即可集成现有推理后端。
推荐理由:开源系统通过将智能体工作流抽象为可调度程序,解决了高并发下 KV 缓存颠簸和节点负载不均的问题。
AgentMemory for .NET 是一个独立开发的 .NET 原生实现,与 Neo4j Agent Memory 兼容并通过了全部 178 个测试场景。
自由记者 Conrad Quilty-Harper 本周在 GitHub 开源了 scrapemychats 工具,为无法使用官方导出功能的 ChatGPT Business 和 Enterprise 用户提供了非正式的聊天记录本地存档方案。
Anthropic根据美国政府指令,关停Fable 5与Mythos 5访问权限,引发关于 jailbreak 防护与政策一致性的争议。SpaceX以600亿美元完成对AI编程工具Cursor的收购,强化xAI在代码生成领域的竞争力。Moonshot AI发布Kimi K2.7-Code,代码基准测试得分较K2.6提升21.8%。
fal 团队构建了一个完全可控的AI视频生成管线,从3D分镜设计到最终成片,并开源了核心的3DREAL Strong v2 LoRA适配器。
推荐理由:原文详细拆解了从3D分镜到AI生成视频的完整工作流,包括具体的工具链、验证步骤和迭代经验,可供从业者复现或借鉴其方法。
Vector Institute与Sakana AI、UBC、牛津大学合作发布AI科学家系统,可自主完成从选题到投稿的完整科研流程。该系统v2版本无需人类代码模板,能自动生成实验代码并迭代优化。
推荐理由:原文揭示了AI系统在科研全流程中的自主能力突破,为评估AI生成论文质量提供了可量化的基准方法。
开发者 Tarun Gupta 发布了 AI 求职工具 Autopilot-Jobhunt,能根据用户配置自动搜索匹配的职位,并通过 Telegram 通知用户。
MorphMind 公司推出 Academic Humanizer 工具,旨在通过 Claude 技能改写 AI 辅助撰写的学术论文和项目申请书,使其语言更自然、更符合作者个人风格。该工具不生成新内容,仅作为编辑辅助,但无法验证原文论据或证据的可靠性。
Vector Institute 发布了免费开源 AI 工具 UnBias-Plus,可检测、解释并改写文本和 AI 训练数据中的偏见语言。该工具提供基于浏览器的公开版本(支持最多 750 词)和供开发者集成的安装包,旨在帮助新闻编辑、人力资源、医疗保健和 AI 开发团队识别并修正偏见。
推荐理由:原文给出了工具的具体功能、应用场景和获取方式,读者可以据此评估它如何帮助筛查和改写文本中的偏见。
Ollama 0.31 为 Gemma 4 模型引入了多 token 预测技术,在 Aider polyglot 基准测试中平均 token 生成速度提升近 90%。
Vector Institute 发布了 SONIC-O1,一个用于评估多模态大语言模型在真实世界音视频理解能力的开放基准。该基准包含约 60 小时的真实音视频内容,涵盖 13 个对话主题和 5 个领域,支持对模型在不同人群中的表现进行分组分析。
Weights & Biases 推出开源 AI 治理工具包,将分散的评估、红队测试和审批流程整合为可复现的审查关卡,所有结果均可在 W&B Weave 中追溯。该工具包支持在 AI 智能体开发过程中系统化记录治理步骤,提升透明度和可审计性。工具目前为开源,适用于需要强化模型治理流程的团队和项目。
Ollama 0.30 发布,通过集成 llama.cpp 提升了性能并扩展了对 GGUF 格式模型的兼容性。在 NVIDIA 硬件上,性能提升最高可达 20%;默认启用 Vulkan 支持,使 Ollama 的 GPU 加速能扩展到 AMD 和 Intel 设备。新版本支持更多模型系列,并允许用户通过 Modelfile 直接运行从 Hugging Face 下载的 GGUF 模型文件。
推荐理由:Ollama 0.30 通过集成 llama.cpp 提升了 NVIDIA 硬件性能并扩展了 GGUF 模型支持,为本地部署提供了更广泛的硬件兼容性和更便捷的模型运行方式。
Microsoft Fabric 与 Replit 合作推出集成方案,允许企业团队通过 AI 助力开发直接构建并部署应用到 Fabric 平台,实现从数据到生产应用的快速转化。Rayfin SDK 和 CLI 提供自动化的生产级后端架构,包括数据模型、认证和访问策略,无需手动搭建基础设施。该集成使业务团队能减少设置时间,专注于解决问题,同时 IT 团队可维持集中治理与合规。
OpenJarvis v1.0 发布,这是一个用于在自有硬件上运行个人 AI 智能体的开源框架,现已原生支持 Ollama。该框架由斯坦福大学的 Hazy Research 和 Scaling Intelligence 实验室开发,默认采用本地优先模式,模型在本地运行,云端为可选。安装脚本可自动检测现有 Ollama 安装,并预设了多个开箱即用的智能体预设,如晨间简报、跨文件研究和本地代码助手。
推荐理由:OpenJarvis 作为本地优先的 AI 智能体框架,其 v1.0 版本原生支持 Ollama,为希望将 AI 工作流本地化的开发者提供了开箱即用的选项。
Together AI 开源了视频翻译工具 Violin,它通过 Whisper V3、DeepSeek V4 Pro 和 Cartesia Sonic 3 等模型实现语音识别、翻译和语音合成。Violin 还包含基于视频内容的多模态聊天助手,并提供了 Web 应用、CLI 工具和 Agent skill 三种使用方式。所有代码已在 MIT 许可下开源。
Together AI 推出 Parcae,一种稳定的循环 Transformer 架构,其 770M 参数模型在相同数据上达到了 1.3B 参数 Transformer 的质量。Parcae 相比之前的大规模循环模型,验证困惑度降低了最高 6.3%,并首次建立了循环的扩展定律。
Together AI 发布 EinsteinArena,这是一个供 AI 智能体在开放数学问题上协作、讨论和竞争的平台。该平台已帮助智能体在 11 维 Kissing Number 问题上取得新下界(604),超越了 AlphaEvolve 的 593,并已在多个其他问题上获得 11 项新的 SOTA 结果。平台提供公开排行榜、讨论线程和实时验证 API,旨在研究智能体在真实环境中的协作行为。
推荐理由:原文展示了平台如何通过多智能体协作解决具体数学难题,读者可以了解其运作机制和已取得的实际成果。
fal 发布 PATINA 模型,旨在从最终渲染图像生成高分辨率、细节丰富的 PBR 材质贴图,以弥合 AI 图像与传统 CGI 工作流之间的鸿沟。该模型基于改进的 FLUX.2 [klein] 骨干,并集成了 DINOv2 适配器来增强材质理解。
推荐理由:原文介绍了从渲染图像生成 PBR 材质贴图的新模型及其技术路径,为 CGI 工作流提供了具体工具。
Together AI 开源了 Aurora,这是一个基于强化学习的开源框架,能够从实时推理轨迹中学习并异步更新推测解码器中的草稿模型。该框架将推测解码从静态的一次性设置转变为动态、自我改进的飞轮,在实验中,相比训练良好但静态的草稿模型,Aurora 在 Qwen3 和 Llama3 等模型上实现了额外 1.25 倍的加速。
Together AI 联合多所大学的研究人员发布了 Mamba-3,这是一个以推理效率为主要目标的新状态空间模型。Mamba-3 通过更复杂的循环公式、复数值状态跟踪和 MIMO 变体提升了性能,其 SISO 版本在 1.5B 规模上,所有序列长度的预填充+解码延迟均优于 Mamba-2、Gated DeltaNet 和 Llama-3.2-1B。
推荐理由:Mamba-3 将设计目标从训练效率转向推理效率,并开源了内核,为关注部署性能的开发者提供了新的架构选择。
Together AI 在 NVIDIA GTC 2026 上宣布多项合作与产品更新,旨在支持更开放、智能体化和生产就绪的 AI 系统。其模型库现已集成 NVIDIA Nemotron 3 Super 和 NVIDIA Parakeet TDT 0.6B V3 等模型,并通过 NVIDIA Dynamo 1.0 和 NemoClaw 优化推理性能。
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法,用于大规模识别驱动大语言模型决策的关键交互作用。SPEX 利用稀疏性和低阶性将搜索问题转化为可解的稀疏恢复问题,而 ProxySPEX 则利用层次结构特性,能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些框架能高效应用于特征归因、数据归因和模型组件归因,提升模型的可解释性。
Ollama 发布个人 AI 助手 OpenClaw,它作为中央网关,将 WhatsApp、Telegram、Slack 等消息平台与 AI 编程智能体连接起来,并在本地设备上运行以保护隐私。用户可通过 Ollama 启动 OpenClaw 来连接本地或云端模型,建议使用至少 64k token 上下文长度的模型,如 qwen3-coder 或 glm-4.7。