Meta 開源 Rebalancer：C++ 指派問題求解器每日處理約 4,000 萬個問題
Meta 開源 Rebalancer，這個採 Apache 2.0 授權、提供 Python 介面的 C++ 程式庫，可在限制和目標條件下將物件分配至不同箱位。
#開源生態
#開源生態
今日 7 條MarkTechPostAI 評分6060 Hacker News 熱門（buzzing.cc 中文翻譯）AI 評分5959 Strands Decider 2B 小型開源決策模型推出
Strands 團隊開源 Strands Decider 2B，這款 2B 參數決策模型面向快速實驗、本地開發及 Agent 工作流。它在 JevBench 公開集的準確度及校準表現，在 2B 級 33 款模型中排名第 3；排除略高於 2B 的模型後，在 30 款中排名第 1，本地決策中位延遲約 115ms。
Hacker News 熱門（buzzing.cc 中文翻譯）AI 評分6868 PhotoCraft 以 Rust 潔淨室重新實作 Photoshop，支援 PSD 編輯
ArtCraft 團隊推出 PhotoCraft，一款以純 Rust 編寫的開源 Photoshop 潔淨室重新實作，可離線編輯圖層、遮罩及 PSD 檔案。它提供 wgpu GPU 合成，並支援透過圖形介面、CLI、JSON 控制通道及 MCP server 操作；在 psd-tools 測試集的 309 個檔案中，307 個重新儲存後的渲染結果與原始檔一致。
Hacker News 熱門（buzzing.cc 中文翻譯）AI 評分6767 AI 生成 PR 增加審核負擔，作者稱我們熟知的開源已死
作者認為，AI 生成的 PR 和問題回報增加維護者的審核負擔，令多個開源專案收緊或停止接受外部貢獻，改變了開源協作方式。文中提到，curl 的真實漏洞報告比例跌至 5% 以下，tldraw、Ladybird、Hono 等專案也限制外部 PR，GitHub 則推出關閉 PR、限制 issue 開啟者等功能。
Epoch AI：研究、數據與評測AI 評分6666 中國 AI 公司如何賺錢？Epoch AI 分析五類收入來源
截至 2026 年 9 月，中國六家領先 AI 公司合計 AI 相關收入約為 OpenAI 與 Anthropic 合計收入的 10%，主要來自消費者應用、模型存取、企業及政府方案、授權費，以及帶動既有產品線的收入。
TechCrunch · AIAI 評分5959 LibreOffice 表示「不含 AI」如今也是一項軟件功能
LibreOffice 表示，可預見將來不會在軟件中加入 AI，預設安裝版本也不會包含任何 AI 功能。基金會稱，整合 AI 的要求包括確保用戶資料留在裝置上，並避免依賴單一 AI 供應商。用戶仍可安裝擴充功能，將文件編輯器連接至本地 AI 模型。
NVIDIA BlogAI 評分4141 電訊營運商為何以開放模型制定 AI 策略
電訊營運商正愈來愈多以開放模型制定 AI 策略，重視的不只是成本，還包括對關鍵工作負載的信任、控制及自訂能力。NVIDIA 最新《電訊業 AI 現況報告》顯示，89% 受訪者認為開源模型及軟件對公司 AI 策略很重要。
IT之家AI 評分7171 Strata 引擎開源，12GB RTX 5070 運行 125B Qwen3.8-Flash-Next 達 94 tokens/s
開發者 Niko1221 開源 Strata 引擎，讓 12GB 及以上 VRAM 的消費級顯示卡可運行量化版、參數量為 125B 的 Qwen3.8-Flash-Next。
英國 AI Security Institute：BlogAI 評分5757 英國 AI Security Institute 宣佈推出 Inspect Evals 開源評測倉庫
英國 AI Security Institute 宣佈推出 Inspect Evals，這個開源評測倉庫收錄社羣貢獻的 LLM 基準評測。其中有數十項評測，涵蓋編碼、數學、網絡安全、安全防護、推理及常識，並收錄多數前沿模型供應商常報告的基準。
英國 AI Security Institute：BlogAI 評分6161 英國 AI Security Institute 發佈並開源 Inspect Sandboxing Toolkit，支援 AI 智能體安全評估
英國 AI Security Institute 發佈並開源 Inspect Sandboxing Toolkit，供研究人員在隔離環境中進行 AI 智能體評估。
英國 AI Security Institute：BlogAI 評分5858 英國 AI Security Institute 梳理能力日益增強的開放權重 AI 系統風險管理方法
英國 AI Security Institute 概述開放權重通用 AI 系統的風險管理策略，涵蓋模型內防護、外部防護及程序措施。該機構指出，訓練資料篩選有助降低模型發佈風險，而具備完整模型存取權的審核可更準確評估風險，支援發佈決策。與 EleutherAI 及牛津大學合作的研究發現，從 LLM 訓練資料移除有害資料，抵禦對抗性微調的效果是訓練後加入防護的逾 10x，且未帶來顯著性能代價。
英國 AI Security Institute：BlogAI 評分5555 使用 Inspect Scout 分析 AI 對話紀錄的七步流程
英國 AI Security Institute 與 Meridian Labs 合作開發開源對話紀錄分析工具 Inspect Scout，並在新論文中提出使用它進行分析的七步流程。Inspect Scout 建基於 Inspect，可平行分析數千份對話紀錄，並透過掃描器把紀錄中的特定內容轉為易讀結果。流程涵蓋界定研究問題、整理及抽查資料、設計和驗證掃描器，並將結果用於即時排查或後續研究。
英國 AI Security Institute：BlogAI 評分6060 SandboxEscapeBench：安全評估 AI 智能體容器逃逸能力的基準測試
英國 AI Security Institute 開源 SandboxEscapeBench，用於在隔離環境中評估 AI 智能體的容器逃逸能力。基準涵蓋18種橫跨編排、執行階段及核心層的情境，每個容器均在加固虛擬機內運行。評測顯示，前沿模型能可靠地利用常見錯誤設定突破沙盒，增加推理時的 tokens 預算亦會提高成功率，但沒有模型解決最難的情境。
Cerebras：BlogAI 評分6363 Jais 2 推出 8B 和 70B 阿拉伯語大型語言模型，展示主權 AI 開發藍圖
G42 旗下 Inception、MBZUAI 基礎模型研究所與 Cerebras Systems 推出 Jais 2 阿拉伯語大型語言模型系列，包含 8B 和 70B 型號。
MarkTechPostAI 評分6666 DeepSeek Harness v0.2 預覽版推出 macOS 與 Windows 官方桌面應用程式
DeepSeek 為 DeepSeek Harness 推出 v0.2 預覽版官方桌面應用程式，支援 macOS（Apple silicon）及 Windows（64-bit）。
MarkTechPostAI 評分6464 Aleph Alpha 發佈 Kolibri 英德雙語 MoE 模型，總參數 78.1B、每個 token 啟用 3.46B
Aleph Alpha 發佈 Kolibri（Kolibri-1），一款面向英語和德語的開放權重 MoE 語言模型，總參數為 78.1B，每個 token 啟用 3.46B。
Zyphra ResearchAI 評分2929 Zyphra 公佈 Zyda：供語言模型使用的 1.3T tokens 開放數據集
Zyphra 公佈 Zyda，一個包含 1.3T tokens、供語言模型訓練使用的開放數據集。它整合七個開放數據集，經統一的品質過濾及跨數據集去重，並以開放且寬鬆的授權發布。消融研究顯示，Zyda 表現勝過 Dolma、Fineweb、Pile、RefinedWeb 和 SlimPajama 等現有開放數據集。
Zyphra ResearchAI 評分3636 Zyphra 發佈面向裝置端應用的 Zamba2-small（2.7B）小型語言模型
Zyphra 發佈 Zamba2-small（2.7B），一款面向裝置端應用的小型語言模型。相較 Phi3-3.8B，其首 token 生成速度快 2x、記憶體開銷減少 27%，生成延遲低 1.29x。模型權重以 Apache 2.0 授權開源。
Zyphra ResearchAI 評分5555 Zyphra 發佈 380M 參數 ZUNA 腦電圖基礎模型，支援訊號去噪與重建
Zyphra 發佈 380M 參數的 ZUNA，這是一款用於腦電圖（EEG）訊號去噪、重建及上採樣的擴散自編碼器基礎模型。在通道缺失超過 75% 時，ZUNA 在所有評估數據集均優於球面樣條插值；模型亦可按電極座標預測新通道訊號。模型以約 2 million channel-hours EEG 數據訓練，並按 Apache 2.0 授權發佈模型權重及推理、預處理程式碼。
Zyphra ResearchAI 評分5959 Zyphra 發佈 ZONOS2 即時文字轉語音模型，支援高保真聲音複製
Zyphra 發佈採用 Apache 2.0 授權的即時文字轉語音模型 ZONOS2，支援高保真聲音複製。模型採用 MoE 架構，規模由前代的 1.6B 增至 8B，即時生成吞吐量較前代提升 4x，並支援最長一分鐘的多語言及語碼轉換語音生成。ZONOS2 提供 stable 和 expressive 兩種模式，分別側重乾淨輸出，以及聲音複製的自然度與保真度。
Prime IntellectAI 評分5858 Prime Intellect 發佈 INTELLECT-1，稱其為首個全球協作訓練的 10B 參數模型
Prime Intellect 發佈 INTELLECT-1，並稱這是首個全球協作訓練的 10B 參數語言模型。模型以 1T tokens 訓練 42 天，橫跨 5 個國家和 3 大洲，最多同時使用 112 張 H100 GPU；全球分散式訓練的計算利用率為 83%。
Goodfire ResearchAI 評分5757 Goodfire 剖析 DeepSeek R1 推理模型內部機制，公開兩個 SAE
Goodfire 公開兩個以 DeepSeek R1 激活值訓練的稀疏自編碼器（SAE），並分享對推理模型內部機制及操控方式的早期研究。研究發現，R1 的特徵操控需等模型開始輸出「Okay, so the user has asked a question about…」一類思考前綴後才有效；部分特徵被過度操控時，模型反而會回復原有行為。
Prime IntellectAI 評分7474 Prime Intellect 啟動 INTELLECT-2 全球分散式 32B 參數模型強化學習訓練
Prime Intellect 啟動 INTELLECT-2，展開 32B 參數模型的全球分散式強化學習訓練，並開放任何人無需許可地貢獻異構算力。訓練以 QwQ-32B 為基礎，採用 DeepSeek-R1 的 GRPO 方法，聚焦可驗證的數學與編碼任務，並以系統提示詞設定思考 token 預算。
Prime IntellectAI 評分5353 Prime Intellect 預覽面向公共互聯網的分散式推理堆疊，並開源三個研究程式碼庫
Prime Intellect 預覽面向消費級 GPU、為公共互聯網 100ms 延遲設計的分散式推理堆疊，並開源三個研究程式碼庫。PRIME-IROH 是管線並行通訊後端，PRIME-VLLM 是可在公共網絡運行的 vLLM 管線並行整合，PRIME-PIPELINE 是快速驗證研究構想的精簡研究沙盒；用戶現已可連接私人硬件，透過公共網絡執行推理。
Prime IntellectAI 評分5656 Prime Intellect 發佈 INTELLECT-2，這是首個透過全球分散式強化學習訓練的 32B 參數模型
Prime Intellect 發佈 INTELLECT-2，稱這是首個透過全球分散式強化學習訓練的 32B 參數推理語言模型。訓練以跨異構運算節點的全非同步 RL 為核心，並配套推出 PRIME-RL、TOPLOC 和 SHARDCAST；模型、程式碼及數據均已開源，技術報告見 primeintellect.ai/intellect-2。
Fireworks AIAI 評分5353 企業如何邁向專門化智能並訓練自有模型
Fireworks AI 的文章梳理企業邁向專門化智能的路徑，從租用封閉式前沿模型、加入開源模型，逐步走到微調自有模型。在 UIPad 測試中，Kimi K3 與 GPT 5.6 Sol 整體同為 87.7 分，但 Kimi K3 執行成本為 $56，GPT 5.6 Sol 為 $115；按題型分流，可把座標題交給 Sol，其餘題目交給 K3。
Prime IntellectAI 評分5151 Prime Intellect 擴大開源環境計劃，承諾投入數十萬美元資助開發者
Prime Intellect 擴大開源環境計劃，推出大型懸賞計劃並承諾投入數十萬美元資助開發者，目標是把開源環境擴展至數千個。過去兩個月，社羣透過懸賞和 RL Residency 匯集 400 多個前沿 RL 環境及評測，80 多個實作已接受審核，RL Residency 則有 500 多名申請者。
Prime IntellectAI 評分7373 Prime Intellect 發佈 106B 參數 INTELLECT-3 MoE 模型，開源大規模 RL 訓練資源
Prime Intellect 發佈 106B 參數的 INTELLECT-3 MoE 模型，並開源模型權重、訓練框架、數據集、RL 環境及評測。模型以 GLM-4.5-Air 為基礎，經 SFT 和 RL 訓練，使用 512 張 NVIDIA H200 GPU、分佈於 64 個互連節點，歷時兩個月。
Prime IntellectAI 評分5454 Prime Intellect 開源 renderers，提供 Agentic RL 的 token 級模板處理工具
Prime Intellect 開源獨立 Python 程式庫 renderers，讓開發者以可編程的 Python 物件控制 RL 和多輪推理的對話格式。它在 token ID 層處理訊息渲染、回應解析、loss mask 標記及多輪橋接，以保留已採樣 token 前綴；文章指出，五輪 rollout 若每個邊界都無法合併，計算量約為連續序列的 3x。
Prime IntellectAI 評分6363 Prime Intellect 加入 NVIDIA Nemotron Coalition，貢獻 2,500+ 個開放 RL 環境
Prime Intellect 宣佈加入 NVIDIA Nemotron Coalition，貢獻 2,500+ 個開放 RL 環境及後訓練工具，支援 Nemotron。
Prime IntellectAI 評分6161 prime-rl 新增演算法層，支援按環境選擇訓練演算法
Prime Intellect 為 prime-rl 新增演算法層，內建六種演算法並支援按環境選用，讓同一訓練執行可混用不同演算法。六種包括 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO；自訂演算法可沿用同一抽象實作，而毋須修改 trainer。
Prime IntellectAI 評分6666 Prime Intellect 宣佈募集 $130M A 輪融資，以建設開放超級智能全棧
Prime Intellect 於 2026 年 7 月 8 日宣佈募集 $130M A 輪融資，由 Radical Ventures 領投，多家投資者參與。公司稱，累計融資額已超過 $150M，將用於建設涵蓋訓練、部署及持續改進的開放超級智能全棧。Prime Intellect 表示，其全棧已有超過 6k 名客戶使用，年化收入在不足一年內升至超過 $100m。
Liquid AI 模型與工程博客AI 評分6161 Liquid AI 發佈 LFM2，定位為市場上最快的裝置端基礎模型
Liquid AI 發佈 LFM2，推出 0.35B、0.7B 和 1.2B 三個參數規模的模型，面向裝置端生成式 AI。官方表示，LFM2 在 CPU 上的 prefill 和 decode 速度最高達 Qwen3 的 2 倍，訓練效率較上一代提升 3 倍。
Liquid AI 模型與工程博客AI 評分4545 LFM2-VL：高效視覺語言模型
LFM2-VL 推出 LFM2-VL-450M 和 LFM2-VL-1.6B 兩款開放權重視覺語言模型，支援文字及可變解像度圖像輸入。在 GPU 上的推理速度最高達現有 VLM 的 2 倍，並原生處理最高 512×512 解像度的圖像；更大的圖像會切分為 512×512 區塊。兩款模型現已於 Hugging Face 提供，採用基於 Apache 2.0 的開放授權。
Liquid AI 模型與工程博客AI 評分5959 Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，總參數達 24B
Liquid AI 發佈 LFM2-24B-A2B 早期檢查點，這款開放權重 MoE 模型有 24B 總參數，並已在 Hugging Face 提供。
Zyphra ResearchAI 評分4444 ZUNA1.1：更靈活的 EEG 去噪與超解像基礎模型
Zyphra 發佈採 Apache 2.0 授權的 EEG 基礎模型 ZUNA1.1，支援在任意通道配置下重建、去噪及升採樣 EEG。模型維持 380M 參數，支援 0.5–30 秒輸入，重建品質達到或超越 ZUNA1。用戶可在 Zyphra Cloud 的 EEG Playground 透過瀏覽器使用，亦可下載模型在本地執行。
Zyphra ResearchAI 評分5555 Zyphra Research 介紹 PUFFER 增量模糊去重系統及其效能測試
Zyphra Research 介紹 PUFFER，一套為持續增長的訓練語料設計的增量模糊去重系統，可逐批加入數據集而無須重建完整索引。
Cohere 產品與研究博客AI 評分7070 Cohere 開源發佈 Command A+，向所有人提供主權 AI 智能體能力
Cohere 開源發佈 Command A+，這款採用 MoE 架構的 LLM 以 Apache 2.0 授權，面向高效能智能體任務。模型有 218B 總參數和 25B 活躍參數，支援 48 種語言，並提供 BF16、FP8 和 W4A4 量化版本。
Cohere 產品與研究博客AI 評分6868 Cohere 開源發佈 North Mini Code 智能體編碼模型
Cohere 開源發佈 North Mini Code，稱其為首款智能體編碼模型，採用 MoE 架構，總參數 30B、啟用參數 3B，並採用 Apache 2.0 授權。
Fireworks AIAI 評分5252 Phylo 藉助 Fireworks 開放模型，讓更多科學家使用前沿 AI
生物研究環境 Biomni Lab 的開發者 Phylo 將大部分流量轉至 Fireworks 上的開放權重模型，推理成本降低 60%，用戶月度增長達 2x。Phylo 以自家的 BiomniBench 按品質、延遲和成本評估模型，並保留專有模型處理最難的一類問題。