全球创新版图

New experts join Google’s AI & Economy team

Google 于 2026 年 9 月 18 日发布博文，宣布扩充其 AI & Economy 团队，新增学术顾问、研究员（fellows）以及核心内部研究人员。博文标题为「New experts join Google’s AI & Economy team」，来源为 Google AI 官方博客。证据未披露具体人数、姓名、所属机构、研究议程或任何资金安排。

写代码的工程师、做系统设计的架构师、负责稳定性的 SRE 均可跳过：这是 Google 研究团队的人员扩充，不涉及模型、API、推理成本或系统行为变化。

PyTorch Day Japan 2026 Comes to Tokyo on December 10

PyTorch 官方博客宣布，PyTorch Day Japan 2026 将于 12 月 10 日在东京举办，为期一天，包含技术演讲与互动讨论，定位为汇聚开源 AI 社区的活动。

不影响写代码的工程师、架构师和 SRE：目前只有活动时间地点，没有框架版本、API 或运行时变化。

Making global data easier to explore

Google 与联合国系统联合推出 UN System Data Commons，一个开放平台，用于让全球统计数据可访问且易于搜索。该消息由 Google AI 官方博客于 2026-09-17 发布，属于双方合作发布的平台级产品。

做公共数据接入的工程师：上游数据源可能多一个官方入口，但接口与许可未公开前不必改架构。

Mistral and Mozilla are bringing open, private and multilingual AI to your web browser

Mistral AI 与 Mozilla 宣布合作，将开放、私密且多语言的 AI 引入 Firefox Smart Window。该消息由 Mistral AI 于 2026 年 9 月 16 日发布，标题与正文均明确点出双方合作及目标产品为 Firefox Smart Window。

做浏览器端推理的工程师：若 Firefox Smart Window 走本地模型，端侧运行时与隐私边界会直接影响你的集成方式。

Building AI to accelerate science and improve lives

Google AI 发布博客《Building AI to accelerate science and improve lives》，称 AI 的真正衡量标准是它帮助了谁，并展示其当下对生活的影响；文中表示将聚焦先进技术能带来非凡进展的关键领域。证据未给出具体产品、模型、数字或时间表。

不影响写代码的工程师、架构师和 SRE：该文只有方向性表述，没有模型、接口或基础设施变化可供适配。

AI for everyone in every language

Google AI 发布博客文章《AI for everyone in every language》，称其方向是超越传统文本翻译，构建能够理解世界各种鲜活语言「原本表达方式」的模型。文章未给出具体模型名称、参数规模、支持语言数量、评测结果或发布时间表。

做多语言产品与本地化的工程师：这只是方向声明，没有语言清单、评测或 API，暂时不需要改任何实现。

AI for Societal Impact

Google AI 发布了一个名为 AI for Societal Impact 的合集页面，主题是专家与本地领导者如何利用 AI 突破，让更多人分享 AI 带来的机会。证据仅包含该页面的标题与一句摘要，未给出具体项目、数字、日期或产品能力。

不影响写代码的工程师、架构师和 SRE：该证据只是 Google AI 的社会影响内容合集，没有模型、API 或部署变化。

New insights from Google’s AI & Economy ATLAS

Google 发布 AI & Economy ATLAS 的新洞察，将其数百万个全球数据点转化为可交互、开放访问的体验。该内容发布于 Google 官方博客的 AI 与经济主题页面，时间为 2026 年 9 月 15 日。证据未披露具体数据指标、覆盖国家数量或交互功能细节。

不影响写代码的工程师、架构师和 SRE：这是一次公开数据体验的发布，未涉及模型、接口或系统稳定性变化。

Watch astronaut Christina Koch and Google’s James Manyika discuss space, technology, and discovery.

Google 发布一场对谈活动信息：宇航员 Christina Koch 与 Google 研究、实验室、技术与社会高级副总裁 James Manyika 就太空、技术与发现展开对话。证据仅包含该活动的标题、参与者身份与发布时间（2026-09-14），未披露对谈具体内容、技术细节或产品信息。

不影响写代码的工程师、架构师和 SRE：该条目只是 Google 的一场人物对谈活动，未涉及任何技术、系统或稳定性信息。

KubeCon + CloudNativeCon North America 2026: Your Week in Salt Lake City

CNCF 博客宣布 KubeCon + CloudNativeCon North America 2026 将于 2026 年 11 月 9–12 日在盐湖城举行，面向开源与云原生社区的开源采用者与技术人士。

做云原生平台与稳定性工程的 SRE：这是 2026 年 11 月盐湖城大会的时间地点公告，暂无技术内容，可先跳过。

PyTorch Conference China 2026: Advancing the Open Source AI Stack

PyTorch Conference China 2026 于2026年9月8日至9日在上海举行，与 KubeCon + CloudNativeCon 和 OpenInfra Summit 同期举办，9月7日有赞助商主办的联合活动。会议聚焦开源 AI 技术栈的推进，包括技术讨论。

做系统设计的架构师：开源 AI 技术栈与云原生基础设施的融合趋势值得关注。

Alibaba Cloud, Ant Group, Cambricon and Huawei Come Together in Shanghai to Advance the Open Source AI Stack at PyTorch Conference China

2026年9月8日，阿里巴巴云、蚂蚁集团、寒武纪和华为齐聚上海，参加PyTorch大会中国站，推动开源AI技术栈发展。阿里巴巴云和寒武纪作为白金会员加入PyTorch基金会。

做AI基础设施的工程师：PyTorch基金会新增中国白金会员，可能影响框架对国产芯片的支持和云服务集成。

Cambricon Joins the PyTorch Foundation as a Platinum Member

PyTorch Foundation 于 2026 年 9 月 8 日宣布，Cambricon 作为白金会员加入该基金会。Cambricon 成立于 2016 年。

做系统设计的架构师：若考虑在国产芯片上部署 PyTorch，Cambricon 的加入可能带来更优的软件支持，值得关注后续集成进展。

Mistral raises €3B to make sovereign, open-weight AI the technology frontier

Mistral 于 2026 年 9 月 8 日宣布完成 D 轮融资，筹集 30 亿欧元，投后估值超过 210 亿欧元。

做系统设计的架构师：关注开放权重模型在私有化部署中的可行性，但本次事件无技术细节。

PyTorch x Hugging Face in Bengaluru: Building India’s Next Generation of ML Systems Contributors

2026年9月7日，PyTorch与Hugging Face在印度班加罗尔举办技术活动，由Red Hat和Hugging Face主办，超过170名学生、工程师、研究人员和开源贡献者参加，主题围绕PyTorch、大规模推理和强化学习。

做系统设计的架构师：开源社区活动可能影响工具链选择，但本次无具体技术发布，可跳过。

Supporting independent journalism in Ukraine

OpenAI、AIRPPU 和 WAN-IFRA 于 2026 年 9 月 7 日宣布启动一个 AI 项目，旨在帮助乌克兰新闻机构加强创新、韧性和独立新闻业。

做新闻推荐或内容生成系统的工程师：AI 在新闻业的应用场景可能影响你的产品设计，但若你只做通用 AI 基础设施，此事件影响有限。

Accessing OpenAI models on Amazon Bedrock from Australia with global cross-Region inference

AWS 博客宣布，澳大利亚团队现可通过 Amazon Bedrock 的全球跨区域推理功能，从亚太（悉尼）和亚太（墨尔本）区域访问 OpenAI 的 GPT-5.6 Sol、Terra 和 Luna 模型。文章展示了如何调用模型、使用提示缓存、通过 OpenID Connect 配置 Codex，以及使用 Amazon CloudWatch 监控用量。

做长上下文推理的工程师：上下文成本模型变了，提示缓存和跨区域推理可能改变成本结构。

Get Started with Kimi K3 on CoreWeave Dedicated Inference

CoreWeave 发布指南，指导用户在 NVIDIA GB300 NVL72 上通过 CoreWeave Dedicated Inference 部署 Kimi K3。另有报道称 Moonshot AI 希望从美国云厂商对 Kimi K3 的收入中分成 30%。

做模型部署的工程师：关注 GB300 上的部署指南；做商业分析的架构师：关注分成模式对成本的影响。

Supporting Thailand’s next generation of AI startups

OpenAI 与泰国高等教育科研创新部（MHESI）合作，于 2026 年 8 月 28 日宣布启动一个为期八周的加速器项目，支持 10 家健康、保健和教育领域的初创企业，帮助其将 AI 原型转化为可信赖的产品。

做系统设计的架构师：关注 OpenAI 与政府合作模式，可能影响未来 AI 服务的合规与部署架构。

The Open ASR Leaderboard Adds Its First Global South Language

Hugging Face 于 2026 年 8 月 28 日宣布，Open ASR Leaderboard 新增首个全球南方语言。

做语音识别或评测的工程师：榜单新增语言可能影响模型选择，但具体语言未明，建议关注后续细节。

Introducing OpenAI models on Amazon Bedrock for in-country inferencing in India

AWS 宣布 Amazon Bedrock 现支持 OpenAI GPT-5.6 模型（Terra 和 Luna）在印度进行国内推理，通过印度地理跨区域推理，确保推理请求和数据留在印度境内。

做系统设计的架构师：在印度部署 OpenAI 模型时，可考虑使用 Bedrock 以满足数据驻留要求。

Expanding OpenAI’s presence in Brazil

OpenAI 于 2026 年 8 月 27 日宣布扩大在巴西的业务，深化与开发者、企业和社区的合作，以支持该国的人工智能采用。

做系统设计的架构师：若你依赖 OpenAI API，可关注巴西区域的延迟和合规变化，但当前无直接影响。

Disrupting a new covert influence campaign from Russia

OpenAI 于 2026 年 8 月 25 日宣布，已封禁来自俄罗斯的账户，这些账户使用 AI 推广一个虚假的以色列智库和一个“主权”指数，该指数赞扬俄罗斯并批评西方。

做系统设计的架构师：AI 滥用检测需考虑多模态内容分析和行为模式识别。

New partnership set to see the UK and Ukraine develop battle winning technology as Britain secures access to Ukraine's Avengers AI Labs

英国与乌克兰签署了一项具有里程碑意义的AI协议，双方将合作开发新的军事能力和未来技术。英国将获得乌克兰Avengers AI实验室的访问权限。

做系统设计的架构师：关注AI在国防系统中的集成，但当前证据未提供技术细节，可暂不关注。

Mistral x HUMAIN

Mistral 于 2026 年 8 月 24 日发布新闻，宣布与 HUMAIN 合作。新闻标题为 'Mistral x HUMAIN'，来源为 Mistral AI 官网。

做系统设计的架构师：合作可能影响集成方案，但当前信息不足，可跳过。

German ciphers, telegrams, and cloud native data sovereignty

2026年8月20日，CNCF博客发布文章《German ciphers, telegrams, and cloud native data sovereignty》，以1917年德国电报事件为引，讨论云原生数据主权。

做系统设计的架构师：数据主权要求可能影响云原生架构的存储和网络设计。

Introducing AI Futures

OpenAI 于 2026 年 8 月 20 日推出新博客 'AI Futures'，旨在探讨变革性 AI 如何重塑权力、治理、经济和个体自由。

做系统设计的架构师：此事件不直接影响技术架构，但可能影响未来 AI 系统的合规要求。

ChatGPT Ads expands across Europe

OpenAI 宣布 ChatGPT Ads 扩展到 31 个欧洲市场，广告商可在用户探索、比较和决策时触达用户。

做系统设计的架构师：广告系统引入可能影响 API 和产品架构，需关注数据流和隐私合规。

GRPO Beyond English: A Large-Scale Study of GRPO in Non-English and Multilingual Settings

Apple 发布了一项关于 GRPO 的大规模实证研究，覆盖多种基础模型、训练语言和推理语言奖励，发现用母语训练推理与用英语训练推理的差距很小。

做多语言 NLP 的工程师：推理训练的语言选择可能不再重要，可考虑用母语数据降低成本。

OpenAI joins PORTS-Pike project

OpenAI 于 2026 年 8 月 17 日宣布加入 PORTS-Pike 项目，扩大社区投资并支持俄亥俄州南部数千个就业岗位。

做系统设计的架构师：该事件不涉及技术架构变化，可跳过。

International Transfer of Stochastic Cortical Self-Reconstruction

SCSR 是一种随机皮层自重建方法，用于在顶点级别估计个体化的健康皮层厚度参考，以检测神经退行性疾病中的灰质萎缩。本研究评估了在 UK Biobank (UKB) 上训练的 SCSR 模型向独立中国人群数据集的迁移能力，比较了四种训练策略：直接应用、微调、从头训练和联合训练。

做医学影像分析的工程师：跨人群迁移的评估方法可能影响模型部署策略。

Stockmark-Nemotron-3-Nano-Omni-JapanDocReader: Structured Document Parsing via Capability Injection and Forgetting Control

Stockmark 与 NVIDIA 合作发布 Stockmark-Nemotron-3-Nano-Omni-JapanDocReader，一个基于 Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 的日语文档理解模型。研究聚焦通过能力注入和遗忘控制实现结构化文档解析。实验对比了解析中心 SFT、混合 SFT（结合解析与 VQA 数据）和基于 DAPO 的解析中心 RL。结果显示解析中心 SFT 提升解析性能但导致 VQA 遗忘；混合 SFT 缓解遗忘并保持解析性能；在混合 SFT 基础上应用 DAPO RL 进一步超越 SFT 上限。训练数据由包含两个互补合成流的数据引擎构建。

做文档解析或多模态模型的工程师：能力注入与遗忘控制的权衡及 RL 超越 SFT 上限的方法值得关注。

Enforcing data residency with single-Region Claude Code on Amazon Bedrock

AWS 发布博客，介绍如何在 Amazon Bedrock 上通过单区域 Claude Code 强制数据驻留。方法包括使用应用程序推理配置文件或 Mantle 端点，并配合 IAM 区域条件，以及通过 AWS CloudTrail 验证合规性。

做系统设计的架构师：数据驻留合规方案影响 AI 服务架构设计，需关注区域限制和审计要求。

On-Policy Delta Distillation for Multilingual Math Reasoning

arXiv 论文《On-Policy Delta Distillation for Multilingual Math Reasoning》研究 On-Policy Distillation (OPD) 及其变体 On-Policy Delta Distillation (OPD^2) 在英语、韩语和日语数学推理中的应用。实验基于 Qwen3，OPD^2 使用教师模型与其基础模型之间的概率差作为学习信号，在韩语和日语上表现优于 OPD，并缩小了英语-韩语性能差距。英语-only OPD 也能提升韩语和日语性能，但常使响应偏向英语。

做多语言模型训练的工程师：蒸馏信号设计变了，可能影响后训练效果。

ArtECulture: Benchmarking Culture-Conditioned Visual Emotion Understanding in Multimodal Large Language Models

ArtECulture 基准包含 6,792 件艺术品，覆盖英语、中文和阿拉伯文化，提供文化特定的情感标签和解释。16 个多模态大语言模型在零样本设置下评估，最佳模型准确率低于 50%。

做多模态情感分析的工程师：文化条件任务暴露模型短板，可参考检索增强框架提升跨文化表现。

Introducing asago: Open source AI safety and governance orchestration

Red Hat 宣布推出 asago，一个开源的 AI 安全与治理编排项目，合作伙伴包括 Alquimia AI、Brave Software、EvalEval coalition、IBM Research、Interdisciplinary Transformation University Austria、Microsoft、MIT Lincoln Laboratory、North Carolina State University、NVIDIA 和 The Alan Turing Institute。

做系统设计的架构师：开源治理编排可能影响 AI 系统的合规设计，值得关注。

TS-MAMP: A Remanufactured Agricultural Robot Powered by Second-Life EV Components and NMS-Free On-Device Weed Detection

TS-MAMP 是一款基于 3R 循环经济原则的农业机器人，使用退役 48V BLDC 轮毂电机和 60%-80% 健康度的铅酸电池模块，将动力总成和底盘 BOM 成本降低约 60% 至 450 美元以下。其无 NMS 的 YOLOv10n 检测器在 mAP@0.5 上达到 80.87%。

做边缘 AI 部署的工程师：无 NMS 检测器在低算力设备上的精度表现值得关注。

Gaokerena: A Small Persian Medical Language Model Family

Gaokerena 论文发布，介绍面向波斯语医疗问答的紧凑型语言模型家族。Gaokerena-V 在 9000 万 token 波斯语医疗语料和 2 万条专家审核问答对上训练，将翻译版医疗 MMLU 基准从 46.28% 提升至 49.31%。Gaokerena-R 采用思维链和两种新的 RLAIF 框架，在更小数据集上达到 52.98% 的分数。两个模型均配备自定义不确定性头。

做医疗 AI 或低资源语言模型的工程师：紧凑模型加 RLAIF 在低资源场景的基准提升值得关注。

Advancing responsible AI across Europe

OpenAI 于 2026 年 7 月 31 日发布文章，阐述其安全、安保、透明度和来源实践如何支持欧洲负责任 AI 治理，并称随着欧盟 AI 法案推进，相关工作将继续。

做系统设计的架构师：若你的系统依赖 OpenAI API，需关注其合规声明对数据处理的潜在影响。

OsteoCAD: A Human-in-the-Loop Cloud-Edge Framework for Bone Tumor Segmentation

OsteoCAD 是一个模块化 eHealth 框架，通过集成用户界面提供端到端深度学习能力，包括数据集创建、预处理、模型训练和推理。它安全连接远程 GPU 基础设施以缓解本地硬件限制。在墨西哥进行的大骨肿瘤分割真实案例研究中验证了其可行性。

做医学影像 AI 的工程师：该框架展示了如何通过云边协同降低本地硬件需求，可能影响部署架构设计。

AI systems and the reproduction of (standard) language ideologies in World Englishes

arXiv 论文（2607.28528v1）研究 AI 系统如何再现标准语言意识形态，以 'delve' 争议为例，指出全球北方用户对全球南方英语使用者的语言规范进行规训。

做多语言 NLP 的工程师：训练数据中的语言偏见可能影响模型对非标准英语的处理，需关注数据多样性。

v8.4.111 - Add Huawei Ascend NPU training support (#25500)

Ultralytics 8.4.111 版本新增华为昇腾 NPU 训练支持，支持单卡和多卡训练与验证，通过 torch_npu 实现，多卡训练使用华为 HCCL 分布式后端。设备行为现在从所选 PyTorch 设备派生，而非硬编码为 CUDA，提升了与华为昇腾、英特尔 XPU、AMD ROCm 的兼容性。分布式训练后端选择：NVIDIA 用 NCCL，昇腾用 HCCL，英特尔用 XCCL。文档新增昇腾从训练到 .om 导出和部署的流程，以及 AMD ROCm 集成指南。

做模型训练的工程师：训练硬件选择不再局限于 NVIDIA，昇腾 NPU 也可直接用于 YOLO 训练。

Guidance: 2G Switch-off Charter

英国科学、创新与技术部于2026年7月29日发布《2G Switch-off Charter》指南，要求移动网络运营商承诺确保2G网络关闭过程安全，并保护关键服务和弱势消费者。

做系统设计的架构师：2G关闭影响物联网设备连接，需评估迁移方案。

Accelerating scientific discovery with ChatGPT for Academic Researchers

OpenAI 于 2026 年 7 月 29 日宣布向 10 万名学术研究人员免费提供 ChatGPT 最先进 AI 模型的访问权限，以加速科学研究、协作和发现。

做科学计算或研究工具的工程师：AI 模型免费开放可能改变科研工作流，需关注 API 集成和合规要求。

Driving the Future of Open Source AI: An Update from PyTorch Foundation Projects

2025年4月，PyTorch基金会转型为多项目基金会，旨在支持跨领域协作并推动AI生命周期创新。2026年7月22日，基金会发布更新，介绍其项目进展。

做系统设计的架构师：PyTorch基金会多项目化可能影响你依赖的AI组件生态，需评估新项目的集成风险。

Building AI infrastructure with the Effingham County community

OpenAI 宣布在佐治亚州 Effingham 县启动 Project Camellia，承诺负责任能源、社区投资、就业和 Codex 访问。

做系统设计的架构师：关注数据中心选址和能源策略，可能影响云服务布局。

Validity of LLMs as data annotators: AMALIA on authority

葡萄牙公共资助的 9B 参数模型 AMALIA（面向欧洲葡萄牙语）在道德基础权威编码任务上与受过训练的人类标注者达成一致，显示其作为数据标注工具的效度。

做数据标注或低资源语言 NLP 的工程师：模型可替代人工标注的效度证据出现，需评估任务适配性。

LingBot-VLA 2.0 开源：国产具身模型进入跨本体规模化阶段

蚂蚁集团 Robbyant 发布 LingBot-VLA 2.0 技术报告、预训练权重与代码；官方披露训练数据覆盖 20 种机器人配置和约 6 万小时机器人/第一视角视频。

GLM-5.2 开源：智谱把 1M 上下文用于长时工程任务

智谱于 2026 年 6 月发布 GLM-5.2，以 MIT 许可开放权重，并提供 1M 上下文版本。

Industrial policy for the Intelligence Age

OpenAI 于 2026 年 6 月 9 日发布题为“Industrial policy for the Intelligence Age”的文章，提出面向 AI 时代的产业政策构想，强调扩大机会、共享繁荣和建设韧性机构。

做系统设计的架构师：政策动向可能影响 AI 系统的合规要求，但当前无具体技术影响。

Introducing the OpenAI Economic Research Exchange

OpenAI 于 2026 年 6 月 8 日推出 Economic Research Exchange，旨在研究 AI 对就业、生产力和经济的影响，并已开放研究项目申请。

做系统设计的架构师：此事件不直接影响技术架构，但可能影响长期战略规划，可关注其研究结论。

Amazon Research Awards recipients announced

Amazon Science 宣布了 2025 年秋季 Amazon Research Awards 的获奖者，覆盖 11 个国家的 49 多所大学。获奖者可以使用 Amazon 公共数据集以及 AWS AI/ML 服务和工具。

做系统设计的架构师：该奖项可能带来新的 AI 研究成果，但当前证据未涉及具体技术，因此对架构设计无直接影响。

We’re launching the Google DeepMind Accelerator program in Asia Pacific to tackle environmental risks

Google DeepMind 宣布在亚太地区启动 Accelerator 项目，旨在应对环境风险。

做环境监测或地理空间分析的工程师：AI 加速器可能带来新的数据源和工具，值得关注。

Command A+ 发布：Cohere 强化可私有部署的企业 Agent 模型

Cohere 于 2026 年 5 月发布 Command A+，并通过标准 API 与私有部署方式提供。

MiniCPM5-1B 开源：面壁把端侧小模型与 Agent Skills 连接

面壁智能与 OpenBMB 于 2026 年 5 月发布 MiniCPM5-1B，并提供部署、微调和 Agent Skills。

SenseNova U1 开源：商汤把理解与生成合并为原生多模态模型

商汤于 2026 年 4 月发布并开源 SenseNova U1 原生统一多模态模型系列。

Announcing our partnership with the Republic of Korea

Google DeepMind 宣布与大韩民国建立合作伙伴关系，旨在利用前沿 AI 模型加速科学突破。

做系统设计的架构师：此合作不直接影响技术架构，但若涉及数据共享，可关注后续合规要求。

GLM-5.1 发布：智谱把 Agent 目标推进到 8 小时持续执行

智谱官方 Release Notes 于 2026 年 4 月记录 GLM-5.1 发布，定位为长时任务旗舰模型。

OpenSeeker：1.17 万条合成数据让开放搜索 Agent 接近前沿系统

2026 年 3 月 16 日提交的 OpenSeeker 完全开放模型与训练数据，仅用 11.7k 合成样本和 SFT，在 BrowseComp 达到 29.5%，高于开源 DeepDive 的 15.3%，BrowseComp-ZH 达到 48.4%。

Seed 2.0 发布：字节把多模态理解与长时 Agent 推进生产部署

字节跳动 Seed 团队于 2026 年 2 月发布 Seed 2.0 Pro、Lite 与 Mini 三档通用 Agent 模型。

MiniMax M2.5 开源：编码与办公 Agent 转向生产效率竞争

MiniMax 于 2026 年 2 月发布并开放 MiniMax-M2.5，面向编程、工具调用、搜索和办公任务。

GLM-5 开源：智谱从代码生成转向长时系统工程

智谱于 2026 年 2 月发布 GLM-5，并以 MIT 许可开放权重，同时提供国内外 API。

Step 3.5 Flash 开源：阶跃星辰用稀疏模型争夺高效 Agent 推理

阶跃星辰于 2026 年初开放 Step 3.5 Flash，定位为兼顾推理、工具使用与效率的基础模型。

Kimi K2.5 开源：月之暗面加入原生多模态与 Agent Swarm

月之暗面于 2026 年 1 月开放 Kimi K2.5，提供原生多模态理解、工具使用和并行 Agent Swarm。

Baichuan-M3 开源：百川聚焦医疗决策流程

百川智能于 2026 年初开放 Baichuan-M3-235B，面向临床问诊与可靠医疗决策。

GLM-4.7 发布：跨工具步骤保留推理状态，面向长链编码 Agent

智谱于 2025 年 12 月发布并开放 GLM-4.7 权重，重点增强编码、工具使用与多步推理。

GLM-4.6V 开源：智谱让视觉理解直接进入工具调用

智谱于 2025 年 12 月发布并开源 GLM-4.6V 与 9B 的 GLM-4.6V-Flash。

Beyond Converging Representations: A Philosophical Response on the Interpretation Risks of Scientific Foundation Models：科学基础模型表征对齐的定量基准与通用性边界

2025年12月，一项研究分析了近60个科学模型（涵盖字符串、图、3D原子和蛋白质模态）的内部表征，发现它们在化学系统上高度对齐。高表现模型在训练分布内表征一致，弱模型则发散；但在分布外结构上，几乎所有模型都坍缩到低信息表征。研究提出表征对齐作为科学模型通用性的定量基准，并可用于模型选择和蒸馏。

DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models：开源模型首次在推理与智能体任务上超越GPT-5

2025年12月，DeepSeek发布V3.2模型，提出DeepSeek Sparse Attention (DSA)机制降低长上下文计算复杂度，并采用可扩展强化学习框架进行后训练。其高计算变体DeepSeek-V3.2-Speciale在2025年国际数学奥林匹克（IMO）和国际信息学奥林匹克（IOI）中获得金牌，性能超越GPT-5并与Gemini-3.0-Pro持平。此外，论文描述了一个大规模智能体任务合成流水线，用于生成工具使用场景的训练数据。

Kosmos: An AI Scientist for Autonomous Discovery：自主科学发现AI系统实现6个月研究自动化

2025年11月提交。Kosmos是一个AI科学家系统，可在12小时内执行多达200次智能体滚动，平均运行42,000行代码并阅读1,500篇论文。独立科学家验证其报告中79.4%的陈述准确，合作者报告单次20周期运行相当于平均6个月的研究工作量。系统在代谢组学、材料科学、神经科学和统计遗传学等领域产生了7项发现，其中3项独立复现了未公开手稿的结果，4项为全新贡献。

Less is More: Recursive Reasoning with Tiny Networks：7M参数递归模型超越千亿参数大模型

2025年10月提交。提出Tiny Recursive Model (TRM)，仅用7M参数和2层网络，通过递归推理在ARC-AGI-1上达到45%测试准确率，在ARC-AGI-2上达到8%，超越Deepseek R1、o3-mini、Gemini 2.5 Pro等千亿参数大模型。训练数据仅约1000个样本。

GLM-4.6 发布：智谱强化长上下文编码与搜索 Agent

智谱于 2025 年 9 月发布 GLM-4.6，将上下文窗口从 128K 扩展到 200K，并增强编码、推理和工具使用。

SimpleFold: Folding Proteins is Simpler than You Think：通用Transformer架构挑战蛋白质折叠领域专用设计

2025年9月，Apple团队提出SimpleFold，首个基于流匹配的蛋白质折叠模型，仅使用通用Transformer模块，无需三角更新、显式成对表示等复杂领域设计。模型参数达3B，在约900万蒸馏结构及PDB数据上训练，在标准折叠基准上达到与AlphaFold等SOTA相当的性能，且在集成预测上表现更优，推理可在消费级硬件上运行。

GPhyT: Towards a Physics Foundation Model：单一Transformer模拟多种物理现象，通用物理基础模型初现

2025年9月，研究团队提出General Physics Transformer (GPhyT)，在1.8TB多领域仿真数据上训练，实现单一模型模拟流体-固体交互、冲击波、热对流、多相流等。GPhyT在多个物理域上超越专用架构7倍以上，并展现出对未见物理系统的零样本泛化能力（通过上下文学习），以及更稳定的长期预测。

混元翻译模型开源：腾讯用 7B 模型切入低成本多语言生产

腾讯混元官方仓库于 2025 年 9 月开放 Hunyuan-MT-7B 与 Hunyuan-MT-Chimera-7B。

Measuring the environmental impact of delivering AI at Google Scale：谷歌AI推理环境成本首次实测，中位数文本提示能耗仅0.24Wh

2025年8月，Google在真实生产环境中首次系统测量了AI推理的能耗、碳排放和用水量。针对Gemini AI助手，中位数文本提示能耗0.24 Wh（低于观看9秒电视），碳排放较一年前降低44倍，用水量0.26 mL（约5滴水）。测量覆盖AI加速器、主机系统、空闲容量和数据中心开销全栈。

GLM-4.5 开源：智谱把推理、代码与 Agent 合并为统一模型

智谱于 2025 年 7 月发布 GLM-4.5 与 GLM-4.5-Air，并同时提供 API 和开放权重。

DREAMS: Density Functional Theory Based Research Engine for Agentic Materials Simulation：多智能体框架实现DFT自动化，材料模拟进入L3级自主探索时代

2025年7月，DREAMS提出层次化多智能体框架，结合LLM规划器与领域专用智能体（结构生成、收敛测试、HPC调度、错误处理），在Sol27LC晶格常数基准上平均误差低于1%，在CO/Pt(111)吸附难题上复现专家级结果，并实现贝叶斯集成不确定性量化。该框架达到L3级自动化水平，显著减少人工干预。

Kimi K2 开放：Moonshot 把国产模型竞争推向 Agent 与代码

Moonshot AI 发布 Kimi K2 混合专家模型并开放权重，重点强化代码和 Agent 工具使用。

Groq Launches European Data Center Footprint in Helsinki, Finland

Groq 于 2025 年 7 月 6 日宣布在芬兰赫尔辛基启动欧洲数据中心足迹。

做系统设计的架构师：欧洲推理端点可能改变延迟预算和数据驻留策略。

OrbitAll: A Unified Quantum Mechanical Representation Deep Learning Framework for All Molecular Systems：统一量子力学深度学习框架，覆盖任意电荷自旋分子体系

2025年7月，OrbitAll提出基于自旋极化轨道特征的SE(3)-等变图神经网络框架，可处理任意电荷、自旋和溶剂环境的分子体系。在带电、开壳层和溶剂化分子预测上表现优异，仅用10%训练数据即达到化学精度（~1 kcal/mol），推理速度比DFT快10^3-10^4倍。

Announcing AI for Citizens

Mistral AI 于 2025 年 7 月 3 日发布公告，宣布推出“AI for Citizens”计划。公告标题为“Announcing AI for Citizens”，内容由 Mistral AI 发布。

做系统设计的架构师：关注该计划是否涉及公共服务 AI 架构，但当前信息有限。

UMA: A Family of Universal Models for Atoms：原子模拟通用模型，Meta开源，加速材料与化学计算

2025年6月，Meta FAIR发布UMA系列模型，训练于5亿个3D原子结构，采用混合线性专家架构，小/中模型参数1.4B但仅约50M活跃参数。无需微调即可在分子、材料、催化剂等多领域达到或超越专用模型性能。代码、权重和数据已开源。

ERNIE 4.5 全家族开源：百度用异构 MoE 补齐多模态开放路线

百度于 2025 年 6 月开放 ERNIE 4.5 的 10 个模型变体，并采用 Apache 2.0 许可。

Skala: Accurate and scalable exchange-correlation with deep learning：深度学习突破DFT精度-效率权衡，计算化学迎来新范式

2025年6月，Meta FAIR推出Skala，一种基于深度学习的交换关联泛函，在GMTKN55基准上误差2.8 kcal/mol，超越最先进杂化泛函，同时保持半局域DFT的低计算成本。训练数据来自高精度波函数方法，首次实现深度学习泛函的系统性可改进。

AlphaEvolve: A coding agent for scientific and algorithmic discovery：进化式编码代理，56年来首次改进Strassen矩阵乘法

2025年6月，Google DeepMind发布AlphaEvolve，一种进化式编码代理，通过LLM自主修改代码并迭代优化，在多个科学和计算问题上取得突破。包括：发现4×4复矩阵乘法仅需48次标量乘法（56年来首次改进Strassen算法）、优化数据中心调度算法、简化硬件加速器电路、加速自身训练LLM。

MiniMax-M1 开源：国产推理模型竞争延伸到百万上下文

MiniMax 发布并开源 M1 混合注意力推理模型，提供百万 token 输入上下文。

Qwen3 Technical Report：统一思考与非思考模式的MoE大模型

2025年5月，阿里巴巴发布Qwen3系列大语言模型，涵盖0.6B至235B参数，包括密集和MoE架构。核心创新是统一思考模式（复杂多步推理）与非思考模式（快速响应），支持动态切换和思考预算机制，可自适应分配计算资源。模型在代码、数学、智能体等基准上达到SOTA，多语言支持从29种扩展至119种，全部开源（Apache 2.0）。

Qwen3 开源：中国模型进入混合推理与 Agent 阶段

Qwen 团队发布 Qwen3 系列开放模型，支持 thinking/non-thinking 切换与多语言能力。

GLM-4-32B 开放：智谱补齐中等规模推理与批处理模型

智谱 GLM 团队于 2025 年 4 月开放 GLM-4-32B-0414 系列，覆盖对话、推理与沉思版本。

Large Language Models Pass the Turing Test：GPT-4.5首次实证通过标准图灵测试

2025年3月，加州大学圣迭戈分校团队在预注册、随机对照的三方图灵测试中，评估了ELIZA、GPT-4o、LLaMa-3.1-405B和GPT-4.5四个系统。参与者与另一人类及一个AI进行5分钟对话，然后判断哪个是人类。当GPT-4.5被提示采用人类化人格时，73%的评判认为它是人类，显著高于真实人类被选中的概率。LLaMa-3.1在相同提示下达到56%的胜率，与人类无显著差异。这是首个任何AI系统通过标准三方图灵测试的实证证据。

A Foundational Potential Energy Surface Dataset for Materials：高质量势能面数据集MatPES，推动材料通用机器学习势函数

2025年3月，多机构联合发布了MatPES数据集，包含约40万结构，从2.81亿分子动力学快照中精心采样，覆盖160亿原子环境。基于该数据集训练的通用机器学习原子间势（UMLIP）在平衡、近平衡和分子动力学性质基准上，可媲美甚至超越在更大数据集上训练的模型。同时发布了基于r²SCAN泛函的高保真势能面数据集，改进了原子间键合描述。

SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features：多语言视觉语言编码器统一训练配方，显著提升定位与密集预测

2025年2月提交。SigLIP 2是SigLIP的升级版，将图像-文本对比学习与字幕预训练、自监督损失（自蒸馏、掩码预测）和在线数据筛选统一到一个训练配方中。在零样本分类、图像-文本检索、VLM视觉特征提取上全面超越SigLIP。特别在定位和密集预测任务上有显著提升。支持多分辨率和原始宽高比输入。通过去偏技术改善多语言理解和公平性。发布ViT-B/L/So400m/g四个尺寸（86M至1B参数）。

GENERator: A Long-Context Generative Genomic Foundation Model：长上下文生成式基因组基础模型，零样本预测变异效应

2025年2月提交。GENERator是一个生成式基因组基础模型，上下文长度达98k核苷酸，在3860亿核苷酸的真核DNA上预训练。无需任务特定微调，即可在零样本下实现与基于比对的方法相当的变异效应预测。通过微调，在多个基因组基准上达到领先性能。可生成编码蛋白质的DNA序列，并通过提示引导设计顺式调控元件，包括经UMI-STARR-seq验证的合成超级增强子。

Open Problems in Mechanistic Interpretability：机制可解释性面临的关键挑战与未来方向

2025年1月，一篇前瞻性综述讨论了机制可解释性（MI）领域的开放问题，包括方法改进、应用目标和社会技术挑战。文章指出当前MI方法在揭示深层计算机制方面仍有局限，需要概念和实践上的提升，并强调MI在AI安全、科学发现中的潜力。

DeepSeek-R1 开源：推理能力与低成本冲击全球模型格局

DeepSeek 发布 R1、R1-Zero 和蒸馏模型，公开权重与技术方法。

讯飞星火 X1 发布：国产算力进入深度推理模型验证

科大讯飞于 2025 年 1 月发布星火 X1，并在 4 月升级其数学、代码与逻辑推理能力。

Can Open Large Language Models Catch Vulnerabilities?：开源LLM检测漏洞强但分类弱，安全部署需谨慎

2025年1月，一项研究系统评估了Llama3、Codestral和Deepseek R1在Big-Vul数据集上的漏洞检测与分类能力。结果显示，这些模型在检测漏洞方面表现良好，但在按CWE标准分类时准确率低，存在过度泛化和误分类问题。研究揭示了模型特定偏差和常见失败模式，强调在安全敏感环境中部署前需解决这些局限。

DeepSeek-V3 开源：训练效率成为全球模型竞争的新变量

DeepSeek 发布并开放 DeepSeek-V3 权重与技术报告，采用 671B MoE、37B 激活参数和 FP8 训练。

Grok-2 向所有 X 用户开放：实时搜索与引用成为产品差异点

xAI 于 2024 年 12 月宣布升级版 Grok-2 向所有 X 用户免费开放，并加入网页与 X 搜索结果引用。

DiffDock分子对接性能被传统方法超越：公平对比揭示数据泄露问题

2024年12月，加州大学旧金山分校团队发表论文，对DiffDock与Surflex-Dock、Glide等传统分子对接方法进行公平比较。在已知结合位点条件下，Surflex-Dock Top-1成功率68%，Top-5成功率81%，而DiffDock仅45%和51%。DiffDock的训练集包含98%的PDBBind 2020数据，测试集来自2019年后，其中超过一半的测试案例在训练集中存在近邻结构，导致性能虚高。

RedPajama: an Open Dataset for Training Large Language Models：RedPajama开放数据集推动LLM训练透明化

2024年11月提交。论文发布RedPajama-V1（LLaMA训练数据的开放复现）和RedPajama-V2（超100万亿token的原始网页文本及质量信号）。数据集已用于Snowflake Arctic、Salesforce XGen、AI2 OLMo等生产级模型。通过1.6B参数模型的消融实验，展示了如何利用质量信号有效筛选高质量子集。

GSM-Symbolic: Understanding the Limitations of Mathematical Reasoning in Large Language Models：LLM数学推理的脆弱性被系统性揭示

2024年10月提交。该研究通过构建GSM-Symbolic基准，系统评估了多个顶级开源和闭源LLM的数学推理能力。核心发现是：当问题中仅改变数值时，所有模型性能均出现下降；当增加一个与推理无关的从句时，性能下降高达65%。这表明当前LLM并未进行真正的逻辑推理，而是依赖训练数据中的推理模式匹配。

Qwen2.5 发布：中国开放模型形成全尺寸与垂直模型矩阵

阿里巴巴 Qwen 团队发布 Qwen2.5 系列，覆盖 0.5B 到 72B，并扩展代码、数学和视觉语言模型。

Qwen2-VL: Enhancing Vision-Language Model's Perception of the World at Any Resolution：动态分辨率视觉语言模型，性能比肩GPT-4o

2024年9月，阿里巴巴发布Qwen2-VL系列视觉语言模型，包含2B、8B和72B三个版本。核心创新包括Naive Dynamic Resolution机制，使模型能根据图像分辨率动态调整视觉token数量；以及Multimodal Rotary Position Embedding (M-RoPE)，实现文本、图像和视频位置信息的有效融合。在多个多模态基准测试中，Qwen2-VL-72B达到与GPT-4o和Claude3.5-Sonnet相当的性能，超越其他通用模型。代码已开源。

Phikon-v2, A large and public feature extractor for biomarker prediction：开源病理学基础模型，性能比肩私有模型

2024年9月，Owkin等机构发布Phikon-v2，一个基于DINOv2自监督学习的病理学视觉Transformer（ViT-L），在超过100个公开队列、4.6亿张病理切片上训练，覆盖30多种癌症。在8个slide-level任务上，Phikon-v2超越前代Phikon，性能与使用私有数据训练的GigaPath和H-Optimus-0等基础模型相当。研究还发现，简单集成策略平均提升AUC 1.75（p<0.001），且小模型在某些任务（如MSI预测）上可击败大模型。

Aramco Digital and Groq Announce Progress in Building the World’s Largest Inferencing Data Center in Saudi Arabia Following LEAP MOU Signing

2024年9月12日，Aramco Digital与Groq宣布，在LEAP谅解备忘录签署后，正在沙特阿拉伯建设全球最大的推理数据中心，并取得进展。

做AI推理部署的工程师：推理数据中心规模化，可能影响推理成本与延迟，值得关注。

Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers：LLM生成的研究想法比人类专家更具新颖性

2024年9月，来自MIT等机构的研究者通过招募100多名NLP专家，首次进行了LLM与人类专家在研究想法生成上的头对头比较。实验设计控制了混淆变量，采用双盲评审。结果显示，LLM生成的想法在新颖性上显著优于人类专家（p<0.05），但在可行性上略逊一筹。研究还发现LLM自我评估存在失败，且生成多样性不足。

MatterGPT: A Generative Transformer for Multi-Property Inverse Design of Solid-State Materials：基于GPT的固态材料逆设计，实现多目标属性定制

2024年8月，研究团队提出MatterGPT，基于SLICES晶体表示法训练生成式Transformer，用于固态材料的逆设计。模型在下一标记预测任务上训练，可生成具有目标单属性（如形成能、带隙）的晶体结构，并首次实现多属性联合优化。生成结构具有高有效性、唯一性和新颖性，且能生成超出训练数据分布的材料。

Virchow2: Scaling Self-Supervised Mixed Magnification Models in Pathology：病理学基础模型规模化训练，数据多样性与领域方法超越纯参数扩展

2024年8月，研究团队发布Virchow2系列病理基础模型，包括6.32亿参数的Virchow2、19亿参数的Virchow2G及2200万参数的蒸馏版Virchow2G Mini。所有模型在310万张全切片图像上训练，覆盖多种组织、机构与染色。在12个图块级任务上达到SOTA，表明数据多样性与领域特定方法比单纯扩大参数更有效。

Consent in Crisis: The Rapid Decline of the AI Data Commons：AI数据公地危机：网络数据限制一年内激增

2024年7月，MIT等机构对14000个网络域名的数据使用协议进行了大规模纵向审计。研究发现，2023-2024年间，C4数据集中约5%的token（或28%的关键来源）已被robots.txt完全限制使用；若考虑服务条款限制，45%的C4数据已被限制。不同AI开发者面临差异化的限制，且网站服务条款与robots.txt之间存在不一致。

HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis：HEST-1k：大规模空间转录组数据集，推动病理学基础模型与多模态学习

2024年6月，HEST-1k团队发布了包含1,229个空间转录组图谱的数据集，每个图谱关联H&E全切片图像和元数据。数据来自153个队列，涵盖26个器官、2个物种、25种癌症类型，包含210万表达-形态对和7600万细胞核。配套HEST-Library和HEST-Benchmark用于基础模型评估。

MMLU-Pro: A More Robust and Challenging Multi-Task Language Understanding Benchmark：MMLU-Pro基准：提升推理难度与稳定性，更精准区分模型能力

2024年6月，MMLU-Pro团队发布增强版多任务语言理解基准，将选项从4个增至10个，并剔除琐碎和噪声问题。实验显示，模型在MMLU-Pro上准确率比MMLU下降16%-33%，且对24种提示风格的敏感度从4-5%降至2%。链式思维推理在MMLU-Pro上优于直接回答，而MMLU上相反。

Yi-1.5 开源：零一万物继续押注中英双语开放模型

零一万物于 2024 年 5 月开放 Yi-1.5 系列，增强代码、数学、推理与指令遵循能力。

People cannot distinguish GPT-4 from a human in a Turing test：GPT-4首次通过交互式图灵测试

2024年5月提交。在随机对照预注册图灵测试中，GPT-4在5分钟对话中被判为人类的概率为54%，显著高于ELIZA（22%），接近真实人类（67%）。这是首个严格证明AI系统通过交互式双人图灵测试的实验。

MatterSim: Deep Learning Atomistic Model Across Elements, Temperatures and Pressures：材料模拟的深度学习突破

2024年5月提交。MatterSim是一个从大规模第一性原理计算主动学习的深度学习模型，可模拟0-5000K、0-1000GPa条件下的元素周期表材料，预测吉布斯自由能精度达15 meV/atom（与实验对比），数据效率提升97%。

nnU-Net Revisited: A Call for Rigorous Validation in 3D Medical Image Segmentation：nnU-Net再审视：3D医学图像分割中严格验证的必要性

2024年4月，该论文重新评估了3D医学图像分割方法，发现许多声称超越U-Net的新架构在严格验证下并不成立。通过避免常见验证缺陷（不充分基线、不足数据集、忽略计算资源），作者证明当前SOTA配方是：1）基于CNN的U-Net（ResNet/ConvNeXt变体），2）使用nnU-Net框架，3）扩展到现代硬件。CNN方法仍优于Transformer和Mamba方法。

Microsoft 投资 G42 15 亿美元：主权 AI 与云联盟扩展到中东市场

Microsoft 于 2024 年 4 月宣布向 G42 投资 15 亿美元取得少数股权，并与 G42 支持设立 10 亿美元开发者基金。

Demonstration of logical qubits and repeated error correction with better-than-physical error rates：逻辑量子比特与重复纠错实验突破物理错误率基线

2024年4月，该论文报告在离子阱量子处理器上实现了逻辑量子比特的纠缠和重复纠错，逻辑错误率比物理错误率低4.7倍至800倍（取决于后选择使用）。使用[[7,1,3]]码和[[12,2,4]]码，每个纠错周期包含超过100个物理CNOT门，但错误率接近两个物理CNOT门的水平。这标志着从含噪中等规模量子计算向可靠量子计算的转变。

Grok-1 开放权重：xAI 用 314B MoE 建立第一代开放技术坐标

xAI 于 2024 年 3 月发布 Grok-1 基础模型权重与网络架构，采用 Apache 2.0 许可。

DeepSeek-VL: Towards Real-World Vision-Language Understanding：DeepSeek-VL：面向真实世界的视觉语言理解

2024年3月提交。DeepSeek-VL是一个开源视觉语言模型，采用混合视觉编码器处理1024x1024高分辨率图像，并基于真实用户场景构建指令微调数据集。模型在保持语言能力的同时，在多个视觉语言基准上达到或超越同尺寸模型最优水平，且语言基准性能未下降。1.3B和7B模型均已开源。

Scaling Rectified Flow Transformers for High-Resolution Image Synthesis：整流流Transformer规模化生成高分辨率图像

2024年3月提交。该论文提出改进的噪声采样技术训练整流流模型，并设计了一种新的Transformer架构，该架构对图像和文本使用独立权重并支持双向信息流。实验表明，该方法在文本到图像合成中优于现有扩散模型，且最大模型在多项指标上超越当前最优水平。作者将公开实验数据、代码和模型权重。

Gemini：高度多模态模型家族：Gemini：高度多模态模型家族

谷歌发布Gemini多模态模型家族，包含Ultra、Pro、Nano三种规模，在32项基准测试中30项达到最先进水平，首次在MMLU上超越人类专家表现，并在所有20个多模态基准测试中取得最优。

Mamba: Linear-Time Sequence Modeling with Selective State Spaces：Mamba：基于选择性状态空间的线性时间序列建模

Mamba是一种新型序列模型架构，通过让状态空间模型参数成为输入的函数，实现了内容感知的选择性信息传播与遗忘，解决了传统高效架构在离散模态上的推理弱点。该模型采用硬件感知的并行算法，在推理时吞吐量比Transformer高5倍，序列长度线性扩展，在语言、音频和基因组学等多个模态上达到最先进性能。在语言建模中，Mamba-3B模型性能与两倍大小的Transformer相当。

The Falcon Series of Open Language Models：Falcon系列开源语言模型，最大180B参数，性能接近GPT-4

Falcon系列包含7B、40B和180B参数的因果解码器模型，在超过3.5万亿token的高质量网络数据上训练，是公开记录中最大的预训练运行。Falcon-180B显著优于PaLM、Chinchilla、LLaMA 2和Inflection-1，性能接近PaLM-2-Large，且预训练和推理成本更低，成为与GPT-4和PaLM-2-Large并列的世界三大语言模型之一。

Mistral 7B：7B参数模型超越13B，推理与代码生成领先

Mistral 7B v0.1是一个70亿参数的语言模型，在推理、数学和代码生成上超越Llama 2 13B和Llama 1 34B。它采用分组查询注意力（GQA）加速推理，滑动窗口注意力（SWA）处理任意长度序列并降低成本。还提供了指令微调版本Mistral 7B Instruct，在人工和自动基准上超越Llama 2 13B Chat。模型以Apache 2.0许可发布。

Artificial Intelligence Index Report 2023：第六版AI指数报告，提供最全面的AI数据与趋势分析

该报告是AI指数报告的第六版，引入了比以往任何版本都多的原始数据，包括新增的AI公众舆论章节、更详尽的技术性能分析、关于大型语言和多模态模型的原创分析、全球AI立法记录的详细趋势、AI系统环境影响研究等。报告旨在为政策制定者、研究人员、高管、记者和公众提供无偏见、经过严格验证、来源广泛的数据，以加深对AI复杂领域的理解。

Mistral 7B 发布：小模型效率成为开放生态的新竞争轴

Mistral AI 在 2023 年 9 月发布 Mistral 7B 开放模型。

Gold-YOLO：通过收集-分发机制实现的高效目标检测器：华为提出GD机制与MAE预训练，在COCO上达到39.9% AP和1030 FPS

Gold-YOLO提出Gather-and-Distribute（GD）机制，结合卷积与自注意力操作，增强多尺度特征融合。首次在YOLO系列中引入MAE风格无监督预训练。Gold-YOLO-N在COCO val2017上达到39.9% AP，T4 GPU上1030 FPS，比YOLOv6-3.0-N高2.4% AP。代码已开源。

Baichuan 2: Open Large-scale Language Models：百川2开源大语言模型，中英文能力领先

百川智能发布Baichuan 2系列大语言模型，包含7B和13B参数规模，从零训练于2.6万亿tokens。在MMLU、CMMLU、GSM8K、HumanEval等公开基准上匹配或超越同尺寸开源模型，并在医疗、法律等垂直领域表现优异。所有预训练模型检查点将开源。

The Rise and Potential of Large Language Model Based Agents: A Survey：LLM智能体的崛起与潜力综述

该综述系统梳理了基于大语言模型（LLM）的智能体概念、框架与应用。文章从哲学起源追溯至AI发展，论证LLM作为通用智能体基础的优势，提出包含大脑、感知、行动三组件的通用框架，并覆盖单智能体、多智能体及人机协作三大应用场景，同时探讨智能体社会中的行为、个性及涌现现象。

Qwen-VL: 多功能视觉语言模型，支持理解、定位、文本阅读等：Qwen-VL系列模型，基于Qwen-LM，通过视觉受体、输入输出接口、三阶段训练和多语言多模态语料库实现图文理解，在多项基准上创下新纪录。

Qwen-VL系列模型基于Qwen-LM，通过视觉受体、输入输出接口、三阶段训练和多语言多模态语料库实现图文理解。模型包括Qwen-VL和Qwen-VL-Chat，在图像描述、问答、视觉定位等基准上创下通用模型新纪录，并在真实对话基准上优于现有视觉语言聊天机器人。

Consciousness in Artificial Intelligence: Insights from the Science of Consciousness：从意识科学看人工智能意识

该报告基于五种主流神经科学意识理论（递归处理理论、全局工作空间理论、高阶理论、预测处理、注意图式理论），提取出计算可实现的意识指标属性，并评估了当前AI系统。结论是当前无AI系统具备意识，但构建有意识AI无技术障碍。

Qwen-7B 开放：中文大模型进入开放生态建设阶段

Qwen 团队在 2023 年 8 月公开 Qwen-7B 与 Qwen-7B-Chat 的代码和模型权重。

RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control：将互联网知识迁移至机器人控制的视觉-语言-动作模型

RT-2提出将视觉-语言模型（VLM）与机器人轨迹数据共同微调，通过将机器人动作编码为文本令牌，使模型同时处理自然语言和动作输出。在6000次评估试验中，RT-2展现出对未见物体的泛化能力、解释未训练指令（如按数字或图标放置物体）以及执行基础推理（如选择最小或最大物体）的能力。链式思维推理进一步支持多阶段语义推理，例如选择石头作为临时锤子。

Llama 2 发布：开放模型成为可持续的产业路线

Meta 与 Microsoft 在 2023 年 7 月发布 Llama 2，并允许研究和商业使用。

生成式 AI 服务管理暂行办法公布：中国市场形成明确的产品治理框架

中国七部门在 2023 年 7 月公布《生成式人工智能服务管理暂行办法》，自 8 月 15 日起施行。

SDXL：改进高分辨率图像合成的潜在扩散模型

SDXL是Stable Diffusion的升级版，采用三倍大的UNet骨干网络，增加注意力块和更大跨注意力上下文，使用双文本编码器。设计多种新颖条件方案，在多宽高比上训练，并引入后处理精炼模型提升视觉保真度。性能显著优于前代，与黑盒顶级图像生成器竞争。

The RefinedWeb Dataset for Falcon LLM: Outperforming Curated Corpora with Web Data, and Web Data Only：仅用网络数据超越精选语料库的Falcon LLM数据集

该论文证明，经过适当过滤和去重的网络数据（仅来自CommonCrawl）足以训练出强大的大语言模型，甚至优于使用The Pile等精选语料库训练的模型。研究团队从CommonCrawl中提取了5万亿token，并公开了6000亿token的RefinedWeb数据集，以及基于该数据集训练的1.3B和7.5B参数的语言模型。

Voyager: An Open-Ended Embodied Agent with Large Language Models：LLM驱动的终身学习智能体在Minecraft中自主探索

2023年5月，NVIDIA和UT Austin团队提出Voyager，首个LLM驱动的终身学习智能体，在Minecraft中无需人类干预持续探索、获取技能并发现新事物。Voyager使用GPT-4，通过自动课程、技能库和迭代提示机制，获得3.3倍独特物品、解锁里程碑快15.3倍。

Sparks of Artificial General Intelligence: Early experiments with GPT-4：GPT-4展现通用智能火花，AGI雏形已现

2023年3月，微软研究团队发布了对早期GPT-4的评估报告。论文通过大量实验证明，GPT-4在数学、编程、视觉、医学、法律、心理学等众多领域表现出接近人类水平的性能，且无需特殊提示。作者认为GPT-4可被视为早期（但不完整）的AGI系统，并指出其局限性在于仍基于下一个词预测范式。

LLaMA: Open and Efficient Foundation Language Models：开源高效基座模型改写大模型竞争格局

2023年2月，Meta发布LLaMA系列模型（7B-65B参数），仅使用公开数据集训练。LLaMA-13B在多数基准上超越GPT-3（175B），LLaMA-65B与Chinchilla-70B和PaLM-540B竞争。模型全部开源。

Extracting Training Data from Diffusion Models：扩散模型严重记忆训练数据，隐私风险远超GAN

2023年1月提交。系统研究扩散模型（如DALL-E 2、Imagen、Stable Diffusion）的训练数据记忆问题。通过“生成-过滤”流水线，从最先进模型中提取了超过1000个训练样本，包括个人照片和商标logo。训练了数百个不同设置的扩散模型，分析建模和数据决策对隐私的影响。结论：扩散模型比GAN等生成模型隐私性差得多，缓解需要隐私保护训练的新进展。

A Watermark for Large Language Models：软prompt绿名单水印，可检测LLM输出且不影响文本质量

2023年1月提交。提出一种针对专有语言模型的文本水印框架：在生成每个token前，基于之前token的哈希值随机选择一组“绿色”token，并在采样时软性地促进使用这些绿色token。水印对文本质量影响可忽略，检测时无需访问模型API或参数，仅需一个公开算法和少量token即可统计检验。在OPT多亿参数模型上验证，并分析了鲁棒性和安全性。

Robust Speech Recognition via Large-Scale Weak Supervision：Whisper 开启语音识别零样本泛化时代

2022年12月，OpenAI发布Whisper论文，报告了训练一个模型仅通过预测互联网上68万小时多语言多任务音频的转录文本，即可在零样本设置下达到与先前完全监督方法竞争的性能，且接近人类准确率和鲁棒性。模型和推理代码已开源。

BLOOM: A 176B-Parameter Open-Access Multilingual Language Model：BLOOM开源多语言大模型，推动AI民主化

2022年11月提交。BLOOM是一个176B参数的开源解码器Transformer语言模型，由数百名研究人员合作训练，基于包含46种自然语言和13种编程语言的ROOTS语料库。在多种基准上达到竞争性能，多任务提示微调后更强。模型和代码以负责任AI许可证公开发布。

Stable Diffusion 公开发布：生成式 AI 第一次大规模进入开放生态

Stability AI 在 2022 年 8 月公开发布 Stable Diffusion 的模型与代码。