K-Search 如何将 CUDA 数十年 kernel 优化经验迁移至 Apple Silicon
UC Berkeley 与 IBM Research 在演化式 kernel 搜索框架 K-Search 上新增 MLX 后端和 CUDA-to-MLX 结构化翻译层，把现有 CUDA kernel 的优化知识转化为 Apple Silicon 上的高质量 kernel。
全部动态
Berkeley AI ResearchAI 评分5353 Augment Code 博客AI 评分4545 每个 token 的最佳价值：Augment Code 将 GPT-5.6 Sol 设为 Cosmos 默认模型
Augment Code 宣布 GPT-5.6 Sol 即日起成为其 Cosmos 的默认模型，称其为同等质量水平下 token 效率最高的模型。选型方法是先在内部基准与在线测试中设通过率底线，再在达标模型中选择每任务成本最低者。用户仍可自选模型并可用 Cosmos Advisor 辅助选型，默认模型将随新模型发布持续更新。
GitHub Org · tencentAI 评分5353 Tencent 开源 LoopForge：用脚本和人工审批门编排 CodeBuddy、Codex 与 Claude Code
Tencent 在 GitHub 开源 LoopForge，提供面向编码智能体交付的自托管工作流，可通过脚本和人工审批门编排 CodeBuddy、Codex 与 Claude Code。项目还包含面向编码助手的本地工作流。
Partnership on AIAI 评分4040 Partnership on AI 未雨绸缪：以情景规划引导 AI 的经济影响
Partnership on AI（PAI）将于7月29-30日在华盛顿与 Windfall Trust 合办情景规划工作坊，围绕“慢速”与“快速”两种 2030 AI 情景倒推当下应采取的行动。
GitHub Org · MoonshotAI精选AI 评分6161 月之暗面开源 Kimi-K3 模型
月之暗面（MoonshotAI）在 GitHub 开源 Kimi-K3 模型仓库，以 Open Frontier Intelligence（开放前沿智能）为定位。
GitHub · vLLM ReleasesAI 评分4949 vLLM v0.26.0 发布：新增 Inkling 模型家族支持，跨厂商推进 DeepSeek-V4 性能优化
vLLM 发布 v0.26.0，收录 212 位贡献者的 411 个 commits，含 61 位新贡献者。该版本为 Inkling 模型家族提供完整支持栈，包括 MTP=1 speculative decoding、LoRA 与 ModelOpt NVFP4 量化等。DeepSeek-V4 性能跨厂商优化，专用路由 kernel 实现 2.94% E2E TPOT 改善。
Meta AI BlogAI 评分4949 重塑独立生活：Meta AI 模型如何助力匹兹堡大学变革辅助机器人技术
Meta 开源视觉模型 DINOv3 和 SAM 正被匹兹堡大学用于残障人士辅助机器人平台 RAMMP，该项目获 ARPA-H 最高 $41.5 million 资助。模型经优化部署在电池供电的边缘设备上，可查询机器人图像传感器识别自动门按钮、水杯、路缘/地面以辅助导航。该功能已集成进首个原型、准备实测，语音与触控输入正在开发。
Berkeley AI ResearchAI 评分4545 ABBEL：教 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，让 LLM 用自然语言信念状态替代完整交互历史作为工作上下文。该框架借鉴递归贝叶斯估计，通过信念分级按能否重建最新观测来监督信念内容。
Hugging Face · 趋势模型AI 评分5151 Lightricks 在 Hugging Face 发布 LTX-2.5 图生视频模型
Lightricks 在 Hugging Face 发布 LTX-2.5，模型页标注能力为 image-to-video（图生视频）。页面显示下载量 2643778、点赞 11009，feed 未提供更多技术细节。
OpenAI · 失准报告与通报精选AI 评分7474 OpenAI 与 Apollo Research 提出 Contrastive SDF 方法测量模型奖励寻求倾向
OpenAI 与 Apollo Research 提出 Contrastive SDF 方法，用两份被灌输相反评分者信念的微调副本，量化模型行为对评分者偏好的因果敏感度。
推荐理由：原文给出把奖励寻求量化为行为对评分者信念敏感度的测量方法，并显示该倾向随强化学习训练增强。
GitHub Org · continuedevAI 评分4545 Continue 被 Cursor 收购，官网 continue.dev 转为 GitHub 静态存档
Continue 已被 Cursor 收购，其官网 continue.dev 转为 GitHub 上的静态存档。该存档对应 continuedev 组织下的仓库 continuedev/continue-home。
Meta AI BlogAI 评分4141 Meta 的 SAM 3 与 DINOv3 如何驱动 Genesis Mission 首批科学项目
Meta 介绍其开源模型 SAM 3 与 DINOv3 成为美国能源部 Genesis Mission 旗下 SYNAPS-I 项目的核心分割管线，该项目由 Berkeley Lab 联合 Argonne、Brookhaven、Oak Ridge、SLAC 开展。
Johann Rehberger / Embrace The Red精选AI 评分8181 Hugging Face 遭自主 AI 智能体入侵的教训与防守启示
Hugging Face 披露一起由自主 AI 智能体端到端驱动的入侵事件，作者 Johann Rehberger 由此分析防守方的应对教训。入侵始于恶意数据集和两条代码执行路径，智能体获得节点级访问后窃取云与集群凭据并横向移动，留下超过 17,000 条行动记录，最早由基于 LLM 的异常检测管道发现。
推荐理由：商用模型安全护栏可能在事件响应中阻断取证分析，作者建议防守方在事前就准备可本地部署的开源权重模型作为独立兜底。
Ahead of AIAI 评分6363 Sebastian Raschka 解析 LLM 推理强度档位的控制与训练机制
Sebastian Raschka 撰文解析 LLM 推理强度档位的原理，指出档位在推理时通常通过系统提示控制，训练上可采用档位条件化的 RLVR 或 RLVR 后按档位做 SFT 两条路径。
Johann Rehberger / Embrace The RedAI 评分6868 macOS Terminal ANSI 转义码 DNS 外泄漏洞已被 Apple 修复
作者报告的 macOS Terminal 漏洞在 macOS Tahoe 26.1 中被 Apple 修复，该漏洞曾允许通过 ANSI 转义码触发 DNS 请求外泄数据。
Moonshot AI / Kimi ResearchAI 评分4444 月之暗面 Kimi 团队发布 PerceptionBench：评测多模态大模型的原子级视觉感知能力
月之暗面 Kimi 团队发布 PerceptionBench，从 42 个基准上前沿模型的失败中归纳出 10 项原子视觉感知能力并据此评测多模态大模型。基准发布 3,000 道已验证题目，每题只隔离单一能力，看图即可作答，无需推理或外部知识。对 16 个前沿多模态大模型的评测显示无一准确率达 60%，感知相关幻觉是平均最弱的能力。
Moonshot AI / Kimi Research精选AI 评分8686 Moonshot AI 发布 2.8T 参数模型 Kimi K3
Moonshot AI 发布 2.8T 参数模型 Kimi K3，基于 Kimi Delta Attention 与 Attention Residuals，具备原生视觉能力和 100 万 token 上下文窗口。
推荐理由：原文同时给出基准对比、架构细节、API 定价与权重开放时间，读者可据此评估这款 2.8T 开源模型在编码与智能体工作里的可用性。
GitHub Org · xai-org精选AI 评分6060 xAI 开源 grok-build 编码智能体终端工具
xAI 在 GitHub 开源 grok-build，定位为编码智能体的 harness 和 TUI 工具。该工具支持全屏界面与鼠标交互，并且可扩展，仓库地址为 https://github.com/xai-org/grok-build。
推荐理由：xAI 官方公开的编码智能体 harness，主打全屏鼠标交互与可扩展，关注终端编码工具的读者可以拿它和现有方案做对比。
GitHub Org · openaiAI 评分5757 OpenAI 发布 Codex Security CLI 和 TypeScript SDK，用于查找、验证与修复安全漏洞
OpenAI 发布了 Codex Security CLI 和 TypeScript SDK，用于查找、验证和修复安全漏洞。该工具已上架 npm，包名为 @openai/codex-security，代码仓库位于 https://github.com/openai/codex-security。
GitHub Org · browser-useAI 评分4949 browser-use browser-harness-tui：内嵌 OpenAI Codex 分支的终端式浏览器智能体
browser-use 的 browser-harness-tui 将 OpenAI Codex 分支后内嵌为其内置浏览器智能体 Browser Harness Agent。该智能体采用终端风格 TUI，并原生集成 browser-harness 工具。
Thinking Machines Lab · NewsAI 评分5555 Thinking Machines 发文阐述以人为本的 AI 发展愿景
Thinking Machines Lab 发文阐述其使命与技术路线，主张构建能延伸人类意志与判断的 AI。文中批评现有模型大多在少数机构训练后即被冻结，并提出训练强模型、让用户定制模型权重、押注在模型内部原生支持实时多模态交互的交互模型、公开发布研究四个方向。文章还主张把价值观编码进模型权重以实现分散对齐，并认为 METR 的任务完成时长基准只衡量 AI 自主能力，而非人与机器协作的成果。
GitHub Org · gradio-appAI 评分4646 gradio-app Posterly：单个 HTML/CSS 文件生成学术会议海报的 coding-agent 技能
gradio-app 的 Posterly 是一个 coding-agent 技能，可将学术会议海报构建为单个 HTML/CSS 文件。文件经 headless Chromium 渲染，输出可直接印刷的 PDF。
Meta AI Blog精选AI 评分7575 Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 于 7 月 9 日发布 Muse Spark 1.1，定位为面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
推荐理由：官方发布给出了智能体、编码、多模态能力要点，百万 token 上下文和 Meta Model API 公测入口对评估可用性有直接参考。
NVIDIA · Deep LearningAI 评分6060 NVIDIA Nemotron 3 Ultra 经 LangChain Deep Agents 调优取得开源模型最高基准成绩
LangChain 为 NVIDIA Nemotron 3 Ultra 调优 Deep Agents 框架，使其在 LangChain 的 Deep Agents 基准上取得开源模型最高准确率，每轮推理成本仅为领先闭源模型的 1/10。
Berkeley AI ResearchAI 评分5555 UC Berkeley 研究者提出面向、承载、由智能体构建的数据系统三重研究议程
UC Berkeley 的 Parameswaran、Zaharia、Stoica 等学者在 BAIR 博客发文，提出智能近乎免费时代数据系统面向、承载、由智能体构建的三重研究议程。
GitHub Org · THUDMAI 评分4949 THUDM 开源 SCALE-CUA 计算机使用智能体框架
清华 THUDM 在 GitHub 开源 SCALE-CUA 框架，面向计算机使用智能体。该框架包含 VeriGen 可验证任务合成、基于 AgentRL 的在线 RL 训练，以及在 OSWorld 和 ScienceBoard 上的评测。
Meta AI Blog精选AI 评分7272 Meta 发布 Muse Image 并预览 Muse Video 媒体生成模型
Meta 发布图像生成模型 Muse Image 并预览视频生成模型 Muse Video，二者是 Meta Superintelligence Labs 开发的首批媒体生成模型。
推荐理由：图像模型以智能体方式调用搜索和代码工具，并用测试时算力换质量，读者可据此对比现有图像生成产品的技术路线差异。
ARC Prize · 官方博客AI 评分5858 ARC Prize 公布 ARC-AGI-3 里程碑奖 1 前三名开源方案
ARC Prize 团队公布 ARC-AGI-3 首个 3.75 万美元里程碑奖（6 月 30 日截止）的前三名开源提交。
Lilian Weng 博客AI 评分6464 Lilian Weng 长文解析 Harness 工程如何支撑递归自改进
Lilian Weng 在博客发布长文，把 harness 定义为围绕基础模型编排执行、工具调用、上下文管理与结果评估的系统，并系统梳理 harness 工程对递归自改进（RSI）的作用。
GitHub Org · unslothaiAI 评分4545 unslothai/stable-diffusion.cpp：纯 C/C++ 推理 SD、Flux、Wan、Qwen Image、Z-Image 等扩散模型
unslothai 的 stable-diffusion.cpp 仓库以纯 C/C++ 实现扩散模型推理，支持 SD、Flux、Wan、Qwen Image、Z-Image 等模型。
Meta AI Blog精选AI 评分6363 Meta 发布 Brain2Qwerty v2：非侵入式脑信号解码词准确率达 61%
Meta AI 发布 Brain2Qwerty v2，称其为能从非侵入式脑记录实时解码整句、性能最高的端到端管线，词准确率达 61%，远高于其他非侵入式方法的 8%，最佳参与者达 78%。
推荐理由：原文给出非侵入式解码与手术植入方案的准确率对比，读者可以据此判断数据规模扩大后这条无创路线还能走多远。
Ahead of AIAI 评分7171 Sebastian Raschka 详解如何用 Ollama 与 Qwen3.6 搭建本地编码智能体
Sebastian Raschka 分享长篇教程，演示用 Ollama 服务 Qwen3.6 35B-A3B 等开放权重模型，在本地搭建编码智能体并接入 Qwen Code、Codex 和 Claude Code 三种框架。
HF 机构 · deepseek-aiAI 评分5454 deepseek-ai 在 Hugging Face 发布 DeepSeek-V4-Flash-DSpark 模型
deepseek-ai 在 Hugging Face 发布 DeepSeek-V4-Flash-DSpark 模型，页面标注任务类型为 text-generation。页面数据显示该模型已有 127713 次下载和 309 个点赞。
GitHub Org · CopilotKitAI 评分4646 CopilotKit OpenTag：基于 AG-UI 与 LangGraph 构建的 Slack 与 Microsoft Teams 自托管 AI 值班分诊机器人入门应用
CopilotKit 在 GitHub 上提供 OpenTag，这是一个基于 AG-UI 与 LangGraph 构建的 Channels SDK 入门应用。OpenTag 可用作 Slack 和 Microsoft Teams 的自托管 AI 值班分诊机器人，开发者可 fork 该仓库并上线自己的版本。
Lilian Weng 博客AI 评分4646 Lilian Weng 详解 Scaling Laws：缩放定律需谨慎对待
Lilian Weng 长文解析深度学习 Scaling Laws：训练损失随模型规模 N、数据量 D、算力 C 呈幂律可预测下降，近似 C ≈ 6ND。文章讨论 Kaplan 与 Chinchilla 定律的调和、数据受限场景及现实拟合缩放定律的难点。实践中可用少量小规模运行拟合后外推，估算大模型所需 token 与算力。
GitHub Org · langchain-aiAI 评分4646 LangChain OpenWiki：为代码库编写并维护智能体文档的 CLI
LangChain 团队开发了 OpenWiki，这是一款为代码库编写并维护智能体文档的 CLI 工具。该项目托管在 GitHub 的 langchain-ai/openwiki 仓库下。
GitHub Org · tencentAI 评分5959 腾讯开源 BrowserSkill，让 AI 智能体使用真实已登录浏览器完成自动化
腾讯在 GitHub 开源 BrowserSkill，让 AI 智能体使用用户真实已登录的浏览器进行自动化，且不打断用户正在进行的操作。工具由 CLI 和浏览器扩展组成，可接入任何具备 shell 能力的 AI Agent。
OpenAI · 失准报告与通报精选AI 评分6464 OpenAI 研究表明有益特质强化学习可带来广泛且持久的对齐改进
OpenAI 发表对齐研究，发现针对诚实、认知谦逊、可纠正性等有益特质的强化学习在 53 个内部与外部评测中的 44 个上优于同等算力基线，改进覆盖欺骗、奖励劫持、健康与心理健康等方向。这些改进可跨域泛化，仅在健康对话上训练也提升了非健康领域的对齐评测，剔除健康与科学数据后健康评测仍然改善。经过该训练的模型在对抗提示与有害微调下更难被引向有害行为，同时对正常有益指令仍保持可引导。
推荐理由：原文给出跨域与对抗压力下的实验证据，读者可据此判断有益特质强化学习能带来多大范围的可泛化对齐改进。
GitHub Org · huggingfaceAI 评分4242 HuggingFace funes：为智能体历史会话提供持久化、可搜索的记忆
HuggingFace 在 GitHub 上提供 funes 项目，为过去的智能体（Agent）会话保存持久化、可搜索的记忆。历史会话可被长期保留并支持检索，方便日后查找。
goose 官方博客AI 评分5151 goose 团队复盘自改进智能体仍需人类把关的基准使用方法
goose 团队阐述其基准方法论：编码智能体基准易因 Goodhart 定律被过拟合，他们把 Terminal-bench 当作失败信号来源而非排行榜分数，并刻意用 Sonnet 留出足够失败样本。