DeepSeek 发布 V4.1-Flash-1017，智能体与编码任务表现超过更大竞品
DeepSeek 发布 V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 新 Flash 模型在自家基准上以更低单任务成本超过更大竞品，同时开放内部搜索 API。
技术方向
开源生态 最新动态
开放权重、能下载下来自己部署的模型，开源框架与 GitHub 上爆火的 AI 项目。
8 条精选近 30 天 7 条共收录 17 条
更新
开源生态的精选
The Decoder精选AI 评分8686
AWS Machine Learning Blog精选AI 评分7373 Reflection Beam 开源智能体编码模型在 AWS 上的部署指南
AWS 博客介绍如何在 AWS 上部署 Reflection AI 的开源权重智能体编码模型 Beam。Beam 为稀疏 MoE 模型，总参数 501B、激活参数 23B，Reflection 报告有效上下文长度 100 万 token，权重以 Apache 2.0 许可发布于 Hugging Face，提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由：文章给出 Beam 在 SageMaker JumpStart 与 HyperPod 上的两条部署路径和参数配置，可作为开源大模型上云的实操参考。
NVIDIA Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 端侧模型
NVIDIA 发布开源模型 Nemotron 3.5 Super VL，参数规模 120B，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍。同期推出两款端侧模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，前者已上线，后者将于 10 月 23 日推出。
推荐理由：原文给出三款模型的参数规模、内存占用和开放权重，读者可据此判断从数据中心到桌面的智能体部署分层。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，用真实 harness 训练，并给出 SWE-bench 提升数据。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 EmbeddingGemma 2 端侧多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，将文本、图像、音频和视频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 740M。
推荐理由：原文给出了端侧多模态嵌入的参数量、内存占用和基准提升，读者可据此判断本地检索与 RAG 的可行边界。
Google DeepMind精选AI 评分6060 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质加水印
Google DeepMind 推出 SynthID Bio，把水印技术用于合成生物学，在蛋白质序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，同时保持生物功能。
推荐理由：原文交代了水印如何嵌入蛋白质序列与 AlphaFold 3 结构，并给出湿实验验证结果，可据此判断生物设计溯源这一层防线的作用。
Microsoft Research精选AI 评分6666 微软研究院研究物理 AI 机器人推理卸载并加入 Physical AI Toolchain
微软研究院系统研究了移动操作机器人工作负载的推理部署，发现把推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务表现和续航。
推荐理由：微软研究院系统测量机器人端侧 GPU 推理的瓶颈，并给出把推理卸载到边缘或云端的开源工具链。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让演化式内核搜索把已有 CUDA 内核当作知识库，改写为 Apple Silicon 上的 Metal/MLX 内核。
推荐理由：原文给出注意力与 Mamba 两类内核在 Apple Silicon 上的实测对比，并拆出翻译层带来的增益。