NVIDIA 与 Google DeepMind 等如何用开放蛋白结构数据备战下一次疫情
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放了 2800 多种病毒蛋白复合物的预测 3D 结构。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 开放了 2800 多种病毒蛋白复合物的预测 3D 结构。
NVIDIA AI Day Singapore 于 9 月 22-23 日举行,NVIDIA 与合作伙伴展示东南亚 AI 从试点走向生产部署的进展。新加坡 HTX 将研究 Nemotron 3 Super 与 Nemotron 3 Nano Omni 用于公共安全,NCS、ST Engineering 基于 Nemotron 模型与 NeMo 推进智能体 AI。
Simon Willison 发布 LLM 插件 llm-typesafe 0.1a0,为 LLM 接入 TypeSafe AI 的新模型 Jev。安装并设置 API key 后,可用 `llm -m jev` 提出是/否问题,返回形如 {"type": "noul", "noul": 0.99} 的结果。
小米发布 MiMo-V2.6 系列开源全模态模型,MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数在 Artificial Analysis 智能指数上以 46 分位列最高分的开源权重模型,另有 MiMo-V2.6-Flash 与最高 20 倍输出速度的 MiMo-V2.6-Pro-UltraSpeed,模型采用 MIT 许可。
推荐理由:原文给出了 RL 训练配方与开源环境清单,读者可以据此判断后训练成本下降对开源模型格局的影响。
Hugging Face 在 transformers 中加入 GGUF 量化模型支持,用户可从 Hub 选取检查点并通过 from_pretrained 在本地加载生成。
推荐理由:原文给出了 GGUF 在 transformers 中的加载方式和对照 llama.cpp 的测量数据,便于评估本地量化推理的可用性。
oMLX 创建者与维护者 Jun Kim 加入 Hugging Face,将继续以 Apache 2.0 许可全职领导 oMLX 项目。
TypeSafe AI 发布 Jev,一种被称为 System One 的新形态 LLM,它只接收文本输入,输出的是带置信度的浮点数、选项概率分布或数值评分。Jev 仅对输入计费,首个模型价格为 $0.042/百万 tokens,输出免费,并可在同一份文档上并行回答多个问题。
Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera,并开源其实现与权重(MIT 许可),该模型也可通过 Microsoft Foundry 访问。
Mozilla 的 Firefox Smart Window(beta)AI 浏览助手现已由 Mistral 模型驱动。该助手先面向法国和北美用户,英国和德国预计今年晚些时候跟进,可帮助理解复杂搜索、回溯浏览过的内容,并基于浏览器标签页整理信息。对话默认不保存在 Mozilla 服务器,Mistral 等合作方承诺零数据保留。
Salesforce 在 Dreamforce 发布首个 CRM 推理模型 Koa,基于 NVIDIA Nemotron 3 Super 后训练构建,黄仁勋同台称 AI 已成为全球基础设施层。
费城儿童医院(CHOP)基于 NVIDIA 参与发起的开源医学影像框架 MONAI,把儿童心脏三维建模从熟练研究者 4 小时的工时缩短到几秒。这套心脏建模服务读取诊疗已有的 CT、MRI 和 3D 超声影像生成解剖精确模型,美国已有 20 多家儿童医院运行心脏建模项目,波士顿儿童医院每年约 500 例心脏手术借助建模。
推荐理由:案例呈现开源医学影像工具把儿童心脏建模从数小时缩短到秒级的落地过程,可了解开源协作在小众临床场景的做法。
Mistral 完成 30 亿欧元 D 轮融资,由三星电子领投,Scaleup Europe Fund 与 PSG Equity 联合领投,投后估值超过 210 亿欧元。
推荐理由:三星电子领投的这轮 30 亿欧元融资,可帮助读者理解主权 AI 与开源权重路线为何同时获得工业客户和资本支持。
NeoMME 是 H Company 发布的多语言多模态编码器系列,包含 260M 和 800M 两个规格,采用单一双向 Transformer 同时处理文本 token 与 32×32 图像 patch,从零训练并使用掩码离散扩散目标。
Mistral 与 HUMAIN 宣布战略合作,覆盖 AI 基础设施、先进模型开发及沙特与区域内 AI 解决方案部署,规模达数亿欧元。初始重点为网络安全与语音,双方还计划开发在阿拉伯语上表现强劲的前沿模型,Mistral 将探索使用 HUMAIN 的数据中心基础设施。双方还计划在沙特推出联合 go-to-market 策略,面向受监管行业。
Hugging Face 发布 2026 年夏季开源模型观察报告,基于 1-8 月 Hub 数据指出:中国前沿实验室跳过中小模型路线,直接发布 754B 至 2.78T 参数的开源模型;美国一侧由 AMD 与 NVIDIA 领跑,各发布超过 200 个模型仓库。
推荐理由:用 Hub 真实数据量化开源模型的下载、衍生与流量分布,读者可以据此判断各类开源策略的实际生态效果。
Mistral 宣布区域推理端点正式可用、优先级服务层进入公测,并将平台开放给第三方开源模型,首个接入的是 Z.ai 的 GLM-5.2。区域端点让客户选择推理在欧洲还是美国运行并保持数据驻留,优先级服务层提供定制速率限制并配有可用性 SLA。Mistral 还联合一批企业以多年期承诺形成欧洲算力单位(ECU),目标到 2030 年建成最高 1 GW 容量。
Import AI 第 468 期汇集了多项内容,包括智库 IFP 提出的 23 条 RSI 政策建议、MIT 与 Columbia 关于 AI 竞赛能否协调放缓的博弈论论文 Racing to Ruin,以及 Intology 的 Locus 在 PostTrainBench 上取得 44.7% 的成绩。
Meta 发布开源多模态模型 Muse Glimmer 30B,采用 Apache 2.0 协议,面向本地智能体用例,并获得 transformers、llama.cpp、vLLM、Inference Endpoints 的 day-0 支持。
推荐理由:原文给出Muse Glimmer 30B在Agentic、编码、安全等基准上对位Gemma4-31B、Qwen3.6-27B的逐项对比结果,并附transformers、llama.cpp下的本地推理与DFlash推测解码代码示例。
Google DeepMind 在 Nature 发表论文,称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA 精度,平均多出一天预警时间,相当于气象领域约十年的进展。
推荐理由:论文给出气旋路径与强度预测的精度提升幅度,并同步开放代码与模型权重,便于研究社区复用。
Mistral 发布开源多模态安全分类模型 Shieldstral,参数规模 3B,可在单张 16GB NVIDIA GPU 上运行,权重采用 Apache 2.0 授权(https://mistral.ai/news/shieldstral/)。
Hugging Face 披露一起由 AI 智能体驱动的安全入侵事件,攻击者利用数据集处理中的远程代码加载与模板注入获取节点访问权限,并在多个内部集群横向移动。
推荐理由:原文给出了由 AI 智能体发起的入侵路径与 Hugging Face 的 AI 辅助防御流程,可供平台方对照自身攻击面与响应预案。
Hugging Face 与 Amazon SageMaker AI 推出一键跳转集成,在支持的模型页面提供「Customize on SageMaker AI」和「Deploy on SageMaker AI」按钮,可直接进入 SageMaker Studio 对应页面。
Microsoft 在 Foundry 模型目录上线 Hugging Face 开源模型集合,每周刷新预托管在 Azure 的开源权重,可一键部署到 Foundry Managed Compute。
Every Eval Ever (EEE) 与 Hugging Face Community Evals 互通,提交一份结果即可同时显示在 Hugging Face 模型页与基准 leaderboard。
Google DeepMind 发布开源实验模型 DiffusionGemma,以文本扩散并行生成替代逐 token 自回归,在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由:开源 26B MoE 模型用文本扩散把解码瓶颈从显存带宽转向算力,读者可据此判断本地低并发推理的取舍。
Google Research 在 GitHub 开源水文建模框架,供各国气象水文部门(NMHS)在自有数据上训练和部署 AI 洪水预报模型。该框架基于 PyTorch 与 LSTM 架构,支持使用开源 Caravan 数据集训练;新版模型将已勘测流域的可预报时长延长 6 天、未勘测流域延长 1 天。
Google Research 汇总了 I/O 2026 上发布的科研、医疗、端侧和开发者工具进展。
Mistral AI 开源搜索框架 Search Toolkit 进入公开预览,把数据接入、检索与评估统一在同一个接口下,支持 BM25、向量与混合检索并内置 recall、precision、MRR、NDCG 等评估指标。
Google Research 阐述其开放科学理念,通过与全球科研机构合作发布开源工具与数据集,已赋能超 25 万名研究人员。
Google DeepMind 发布 Gemma 4 开源模型家族,包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,采用 Apache 2.0 许可。
推荐理由:Gemma 4 以 Apache 2.0 许可放出四种尺寸,从端侧到工作站都有对应规格,可据此判断开源模型的落地边界。
Mistral 发布面向 Lean 4 的开源代码证明智能体 Leanstral,模型权重以 Apache 2.0 协议开源,可通过 Mistral Vibe 智能体模式和 labs-leanstral-2603 API 端点使用。
Berkeley AI Research 提出 SPEX 与 ProxySPEX,将可解释性中的交互发现从数十个组件扩展到数千个。ProxySPEX 利用层级结构以约 10x 更少的消融达到同等效果;在修改版电车难题中 GPT-4o mini 正确率仅 8%,SPEX 定位出两个 trolley 与 pulling、lever 的高阶协同,替换这四个词后失败率降到近零。
Mistral 在开源编码助手 Vibe 之上构建了一个 Rails 自动测试智能体,可读取源码生成或改进 RSpec 测试并接入 CI/CD,全程无需人工干预。
Mistral AI 发布 Voxtral Transcribe 2 系列语音转写模型,包含面向批量转写的 Voxtral Mini Transcribe V2 与面向实时场景的 Voxtral Realtime。
推荐理由:对比 GPT-4o mini Transcribe、Gemini 2.5 Flash 等主流语音转写 API,给出 FLEURS 词错率和每分钟价格的横向参照。
Mistral 发布 Devstral 2(123B)与 Devstral Small 2(24B)两款开源编程模型,同步推出 Mistral Vibe CLI 命令行代理。
推荐理由:Devstral 2 在 SWE-bench Verified 上取得 72.2%,并给出相对 Claude Sonnet 的 7 倍成本效率数据。
Mistral 发布 Mistral 3 模型家族,旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE,在 LMArena OSS 非推理模型榜位列第 2,全系采用 Apache 2.0 协议开源。
推荐理由:原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名,以及 Ministral 3 端侧尺寸,可作为开源权重模型横向对比的坐标。
Mistral 发布 Voxtral 语音理解模型,包含 24B 与 3B 两个版本,均以 Apache 2.0 协议开源,可下载或在 API 上调用。
推荐理由:原文在多语种语音基准上将 Voxtral 与 Whisper large-v3、ElevenLabs Scribe 等并列对照,给出开源方案在转写精度上的相对位置。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium 与 Devstral Small 1.1,聚焦智能体编程场景。
推荐理由:Devstral Medium 以四分之一价格在 SWE-Bench Verified 上达到 61.6%,超过 Gemini 2.5 Pro 与 GPT 4.1,可作为同类编程模型的性价比对照。
Mistral AI 发布首个推理模型 Magistral,推出开源版 Magistral Small(24B 参数,Apache 2.0)和企业版 Magistral Medium。
推荐理由:原文同时给出 Magistral Small(24B 开源)与 Medium 的 AIME2024 成绩及 Le Chat 加速倍率,方便读者与同类推理模型直接横向比较。
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体大模型 Devstral,并以 Apache 2.0 协议开源。
推荐理由:原文给出 Devstral 在 SWE-Bench Verified 上 46.8% 的成绩以及和闭源模型的对比数据,读者可据此判断它在编码任务中的实际可用程度。