德国 AI 公司 Aleph Alpha 发布 Kolibri，一个德英双语开源权重模型，总参数 780 亿，采用混合专家架构，每 token 激活约 30 亿参数。公司称其在质量与运营成本上处于帕累托前沿，德语基准得分 71%，解码速度快于 GPT OSS A5B、Qwen 3.6 A3B 和 Gemma 4 A4B。训练数据中德语占 21.3%，并使用中文模型生成合成数据。模型面向公共行政、航空和工业，支持最高 100 万 token 上下文，在德国和芬兰用 768 块 B200 GPU 训练，权重以 Apac…
推荐理由780 亿参数、Apache 2.0 开源、德语基准 71%，做欧洲合规部署可直接下载权重
开发者 Yash K Saini 为朋友 Akash 做了一个终端里的模拟技术面试工具 grill，基于开源模型、完全本地运行、不联网。它会克隆你的代码仓库并定位值得提问的行，例如 unsafe 块、锁、生命周期、spawned task、useEffect、forEach(async ...)、any、空 catch 等。在 Akash 的 4 个公开仓库上扫描出 116 处可疑点，其中排第一的是 miccli 项目 src/audio.rs:62 处一个与实时音频回调共享的 Arc<Mutex<...>>。面试…
推荐理由想练「讲自己项目」式面试的人可以直接本地跑，扫描器能自动找出代码里最可能被追问的那几行
Yandex 发布 Sona 技术报告，用单个生成式模型把候选生成和排序合并，替代传统多级推荐流水线。在智能音箱上进行的 7 天线上 A/B 测试中，一个部署的 transformer 取代了 15 个以上候选生成器、预排序和排序阶段。Sona 用共享用户表征：编码器每次请求读取一次收听历史，解码器生成候选，排序模块用同一编码器状态打分，不使用人工特征。语义分词器把每首歌编码为 3 个离散码，Recall@1000 从 0.8111 提升到 0.8524。编码器处理 8192 个历史事件，近期 2048 个用 7 …
推荐理由推荐系统架构从多级级联转向单模型的完整案例，含线上 A/B 和成本数据
开发者发布 MCP 服务器 pulpie-mcp，让 AI 编码 Agent 自己抓取网页和文档并转为干净 Markdown。测试中 Claude 用它爬取一个 60 页文档站点，含后端冷启动约 10 秒，总耗时约 49 秒，产出 60 个可检索的 Markdown 文件。工具本地运行 Pulpie 内容提取模型，保留表格、代码块、链接和图片，而非摘要或截断内容。提供四个工具：fetch_markdown、save_markdown、crawl_docs 和 list_library，Agent 可先查已存内容再决…
推荐理由做 Agent 文档检索可参考：49 秒抓 60 页，本地模型保留表格代码，避免摘要丢失 API 细节
DEV Community 文章指出，AI 系统的审计日志由执行操作的同一进程写入，因此当 Agent 泄露数据、删错数据库或发起未授权调用时，日志往往显示「success」且格式合法，监控只回答「是否成功」因而亮绿灯。作者认为 AI 失败的特点是「看起来合理」：不抛异常、不报错，错误在数周后才被发现，追溯成本从几分钟变成数小时甚至数天。原文信息有限，未给出具体案例或解决方案。
推荐理由做 Agent 监控和审计的人该看：日志由执行方自写，成功状态不等于做对了事。
阿里云 2023 年 4 月发布通义千问，同年 8 月开源 Qwen-7B，此后三年半迭代至 2.4 万亿参数开放权重模型。2024 年 2 月 Qwen1.5 覆盖 0.5B 到 72B，6 月 Qwen2 除 72B 外全部改用 Apache 2.0 许可，9 月 Apsara 大会一次开源超 100 个模型，预训练数据从 7 万亿增至 18 万亿 token。阿里称 Qwen 系列下载量超 4000 万，Hugging Face 上衍生模型超 5 万个。
推荐理由想了解 Qwen 各代参数、许可和上下文长度变化，这篇按时间线一次讲清。
Cantina Security 联合 Yeta Labs 发布 apex-flash-1，一个专为漏洞研究训练的开放权重模型，基于 Z.ai 的 GLM-5.3-Flash 做强化学习微调，以 MIT 协议在 Hugging Face 发布。模型总参数 321.3B，MoE 架构激活 18B，用 GRPO 加 rank-256 LoRA 训练，数据来自 50 个真实漏洞案例构建的 150 个任务。在 20 个留出漏洞案例的 60 项任务上解出 40 项（66.7% pass@1），单次运行约 2.38 美元；Cl…
推荐理由每个解出任务成本约 0.06 美元，是 Opus 的 1/29，做漏洞研究 Agent 可本地部署
TypeSafe AI 推出非自回归的 System One Model「Jev」，输入状态和问题后直接输出带概率的结构化类型值，不生成文本。上线一周后在 OpenRouter 1K-10K token 上下文区间登顶，处理 15.1% 的请求。借助 Modal 的无服务器平台，Jev 在发布三天内处理超 1 万亿 token，满足超低延迟推理需求，团队无需自管基础设施。
推荐理由做大规模自动化或低延迟结构化决策的团队，可参考这种非自回归、并行输出的模型路线
OpenRouter 发布文章，对比 OpenAI、Anthropic、Google 及自家 openrouter:shell / openrouter:bash 四种服务端代码执行方案。这类工具让模型在 API 请求内直接调用提供商沙箱运行命令，开发者无需自建容器。OpenRouter 的沙箱按账户和工作区隔离，默认关闭外网访问，限制单条命令的运行时长和输出大小，计费为每秒 0.0001 美元，新建或休眠容器最低按 30 秒计。两个工具均处于 beta 阶段。文章指出，需要自定义基础镜像、GPU 任务或数小时长会…
推荐理由选型前先看这张对比：OpenRouter 沙箱每秒 0.0001 美元、30 秒起计，且默认断网。
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 模型用英文单词表达加法结果的能力。禁用推理时，5,070 个测试用例的数值准确率为 23.57%，格式合规率 96.17%；一至三位数操作数准确率 97.04%，十至十三位数降至 6.44%。启用中等推理后，169 个配对用例中答对 167 个，推理过程包含逐位对齐和进位计算。
推荐理由本地部署 Qwen3.8 27B 的实测数据：关推理做多位数加法基本不可用，开推理准确率 98.8%
OpenAI、Anthropic、Google DeepMind 在 30 天内发布 4 款前沿模型：Claude Fable 5.1（9 月 1 日）、GPT-6 Astra（9 月 3 日）、GPT-6.1 Sol 与 Gemini 4 Argon（9 月底）。Astra 与 Fable 5.1 同为 $10/$50 每百万 token，Sol 和 Argon 仅为其五分之一（$2/$10），Argon 为尝鲜价后续翻倍。缓存输入价差最大：Astra $1.00，是 Fable 5.1 的 4 倍、Sol 的 …
推荐理由做 Agent 选型先看缓存价：Astra 比 Sol 贵 10 倍，Sol 在 DeepSWE 上追平 Astra…
Google 公布 AI 加速科学的进展：AlphaGenome Atlas 绘制了人类基因组全部 90 亿个单碱基变异并开放给研究者；推出全球天气 AI 模型 WeatherNext 3；发布 AI 与经济 ATLAS 开放报告；翻译服务覆盖近 300 种语言、服务 70 亿人。Google 称重点投入健康、自然灾害与天气韧性、学习、经济机会四个方向。
推荐理由AlphaGenome Atlas 的 90 亿变异数据已开放，做基因与生物信息的人可直接取用
Google 于 10 月 1 日起暂停其开源软件漏洞奖励计划（Open Source Software Vulnerability Rewards Program），原因是自动化提交数量大幅上升，其中绝大多数无效。Google 在 X 和项目网站表示，将在 2027 年第一季度提供更新。据 Tom's Hardware 报道，Google 工程师和开源维护者被大量无效或含幻觉的报告淹没。去年 TechCrunch 曾报道安全专家警告 AI 垃圾内容对漏洞赏金计划构成严重风险。暂停期间，参与者被建议考虑 Googl…
推荐理由AI 生成的低质漏洞报告已让 Google 直接停掉赏金计划，安全从业者提交前需注意
开发者发布开源项目 Find My Thingy，一个本地优先的个人记忆助手，用自然语言提问即可检索自己文档中的内容。支持导入 PDF、TXT、Markdown，经分块和嵌入后存入 ChromaDB，由 Ollama 运行的 Gemma 3 4B 基于检索到的段落生成带来源引用的回答。技术栈为 React + Vite + TypeScript 前端、Python FastAPI 后端、SQLite 数据库、Sentence Transformers（all-MiniLM-L6-v2）嵌入、PyMuPDF 处理 P…
推荐理由想自建本地 RAG 文档问答的开发者可直接参考其技术栈组合与分块、引用溯源的处理方式。
Andrej Karpathy 在 X 上表示，他理解当前局面的心智模型是：现在关注 AI 的 99% 以上的人，接触 AI 相关事物的时间不到一年。他认为这让「AI 恐龙」——2026 年前、甚至 2012 年前就进入 AI 领域的人——感到非常困惑。原文为一条推文回复，信息有限。
推荐理由一条推文点出 AI 从业者代际断层：一年内入场者占绝对多数，老资历反而成了少数派。
客服 AI 公司 Cresta 基于 Claude Agent SDK 推出自然语言 Agent 构建器 Conductor，用户描述需求后，Conductor 会从蓝图走到实现、评估和优化。Cresta 成立于 2017 年，CEO 为 Ping Wu，累计融资超 2.7 亿美元，ARR 超 1 亿美元，客户包括 United Airlines、CVS Health、Marriott。Conductor 早期版本用 Claude Sonnet 和 Claude Opus 搭建，原本只服务内部部署团队，后产品化开放…
推荐理由想看企业级 Agent 怎么落地客服场景、Claude Agent SDK 实际怎么用的
开发者发布 OriginTrace，一个基于 Sanity Context MCP 的 AI 内容溯源工具，用于检测 DEV.to 文章是否被抄袭。工具通过 Serper API 搜索全网，抓取最多 15 个候选页面，用词重叠、5-gram shingling、LCS 比率等多信号分析判断抄袭，并检查是否署名或回链，给出 credited_syndication 或 unattributed_repost 的判定。内置对话式 AI Agent 可查询溯源数据并生成 DMCA 下架模板，所有检查结果以结构化 JSON…
推荐理由做内容或写博客的人可以用它查自己的文章被谁抄了，还能直接生成 DMCA 模板
Google 研究人员发布论文，提出 RRSI（正则化递归自改进 Agent Harness）方法，解决 Agent 自我优化时「背题」的问题。论文指出，近期 Agent 的进步多来自 harness 而非新模型，但让语言模型反复重写 harness 会导致其在固定测试任务上过拟合：训练分数上升，新任务收益缩小甚至消失。RRSI 在提出改动和筛选改动两端设限：编辑预算随时间收缩、critic 剔除硬编码任务名或答案的方案、只接受有可测性能提升的算力增加。在编码、办公、工程设计 8 个基准上，底层模型 Claude …
推荐理由做 Agent 评测和 harness 优化的人可直接借鉴：编辑预算递减 + critic 过滤，能避免自改进过拟合。
亚马逊 10 月 Prime Day 促销中，13 英寸 M5 芯片、512GB 存储的 MacBook Air 从 1299 美元降至 1099 美元，15 英寸版本从 1499 美元降至 1299 美元。15 英寸版额外配备两个扬声器（共六个）和两个 GPU 核心。原文标题提及 iPad Mini 降价，但正文未给出具体价格。原文信息有限，且与 AI 无直接关联。
推荐理由与 AI 无关的消费电子促销，关注 AI 的读者可跳过。
NASA 与 IBM Research 联合多所学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。模型基于地球观测模型 TerraMind 从零训练，使用自建数据集 SomBench——近 200 万个 tile bundle、11 种模态、两个空间尺度，含约 100 万张约 1 米/像素的窄角相机高分辨率图像和近 96.4 万张 100 米/像素的宽角相机多光谱图像。数据主要来自月球勘测轨道飞行器 17 年观测，并整合 GRAIL、Lunar Pr…
推荐理由月球科研数据首次有开源基础模型可用，少样本即可迁移到极地冰、陨石坑等任务