开源生态

IBM 与 Red Hat 扩展 Lightwell 以加强 AI 时代开源软件信任与治理

IBM 和 Red Hat 扩展了开源项目 Lightwell，推出新的商业产品，以帮助企业在 AI 辅助软件开发时代建立可信、可验证的软件供应链。这些产品整合了软件签名、来源验证、工件验证和政策执行，确保人工和 AI 生成的软件在整个交付生命周期中可信。此举反映了行业对加密来源和持续验证的日益关注，以应对 AI 生成代码和自动化工作流带来的安全挑战。

Meta 发布 Muse Glimmer 与 Spark，重申个人超级智能愿景

Meta 在扎克伯格发表个人超级智能文章一周年之际，发布了开放权重模型 Muse Glimmer，并计划推出 Spark，标志着其重返开放权重前沿。扎克伯格在文章中阐述了 Meta 以个人超级智能为核心的战略，并提出了关于就业、基础设施、安全、美国领导力等风险与应对建议。Glimmer 模型可在单张 RTX 3090 上运行，被视为美国开放模型的一次胜利。

中国AI安全方案DoGNAVY获全球第三，超越OpenAI与Anthropic

加州大学伯克利分校发布的CyberGym基准测试显示，国内机构与达酷诺威联合研发的DoGNAVY以90.8%的通过率排名全球第三、中国第一，超越OpenAI和Anthropic的模型。DoGNAVY仅使用开源的GLM-5.2模型，通过结构化工作流、漏洞可达性分析、动静结合分析和知识库实现高效漏洞挖掘。其背后的AgentDoG架构提供智能体安全诊断能力，用小模

DeepSeek回应取外号争议，千问办公助理收费，英伟达筹5000亿美元建AI基建

本期资讯涵盖多个AI相关动态：DeepSeek回应了用户被取外号的争议，解释为临时对话标签；千问办公助理推出收费服务；DeepSeek-V4-Flash正式版周调用量全球第一；英伟达计划筹集5000亿美元用于AI基建；扎克伯格呼吁美国放宽开源AI限制。此外，还包括携程反垄断罚单、苹果测试长鑫存储芯片、宇树科技IPO等商业新闻。

Mistral推进AI主权：区域推理、开放模型与欧洲新基建

Mistral AI 宣布三项举措以推进AI主权：推出区域端点和优先服务层级，支持第三方开放模型（如Z.ai的GLM-5.2），并组建联盟确保欧洲长期AI算力，目标到2030年建设1GW容量。这些措施旨在让企业和国家控制模型、基础设施和算力，同时保持区域合规和可靠性。

Meta 发布开源模型 Muse Glimmer，优化代理任务与工具使用

Meta 发布了新的开源模型 Muse Glimmer，这是一个 30B 参数、采用 Apache 2.0 许可证的模型，旨在优化端到端代理任务完成、可靠工具使用和多步推理。作者 Simon Willison 在本地使用 LM Studio 和 llm-coding-agent 插件进行了测试，认为该模型大小适合在 32GB 以上内存的机器上运行，并展示了其

vLLM v0.27.0 发布：支持 Kimi K3、Qwen3.5，性能大幅提升

vLLM 发布 v0.27.0 版本，包含 561 个提交，来自 242 位贡献者。该版本新增对 Kimi K3、Qwen3.5、K-EXAONE-2.0 等模型的支持，并升级至 PyTorch 2.13.0，深化 FlashAttention 4 集成，优化 DeepSeek-V4 性能，扩展 Model Runner V2 至非生成任务，并引入容错框架和

FineBooks项目：开源OCR模型助力历史书籍文本识别，小模型表现惊艳

Hugging Face 与 EleutherAI 合作发起 FineBooks 项目，在超过 2000 页历史书籍上测试了 14 个开源 OCR 模型，发现小模型表现优于大模型，最佳模型字符准确率超 97%，成本低于每千页 2 美元。研究认为这些模型足以用于 AI 训练数据，但尚不适合学术用途。团队计划用顶级模型重新处理约 20 万份 BHL 文档并开放数

Meta 发布开源模型 Glimmer，推进个人超级智能愿景

Meta 发布了开源权重模型 Muse Glimmer，该模型拥有 300 亿参数，旨在本地消费级硬件上运行 AI 代理，支持多步骤任务和隐私保护。此举体现了 CEO 扎克伯格关于“个人超级智能”的愿景，但更强大的 Muse Spark 模型仍保持闭源，显示出 Meta 在开源与控制的平衡策略。

另有 1 家信源报道

扎克伯格发布AI宣言：四大要点解读

Meta CEO 马克·扎克伯格发布长篇宣言《未来属于每个人》，阐述其对超级智能 AI 发展的愿景，包括推动数据中心建设、开放 AI 模型、呼吁减少政府监管但加强网络安全合作。该宣言旨在塑造 Meta 作为负责任 AI 领导者的形象，并影响公众和政策制定者。

FineBooks：开源OCR模型能否解锁历史知识？

Hugging Face 与 EleutherAI 合作推出 FineBooks 项目，旨在评估开源 OCR 模型在处理历史文献上的表现，并重新处理公共领域书籍以提升 AI 训练数据质量。项目发布了包含 14 个模型的 BHL OCR 排行榜、基准数据集和评估工具，基于 2165 页专家转录的历史书籍页面进行测试。初步结果显示，现代 VLM 模型在历史文档上

另有 1 家信源报道

Meta 回归开放模型，发布 Muse Glimmer 并捍卫蒸馏策略

Meta 发布了 30B 参数的开放权重模型 Muse Glimmer，采用 Apache 2.0 许可，可在消费级 GPU 上本地运行，并在多数基准测试中优于同类竞品。扎克伯格同时发表文章，捍卫模型蒸馏的合法性，并呼吁美国在开放模型领域保持领先。Meta 计划未来几周发布更强模型 Muse Spark 1.2 的开放权重版本，并考虑通过云业务变现其数据中心

另有 2 家信源报道

Meta 发布 Muse Glimmer 模型，NVIDIA 平台支持本地代理工作流

Meta 发布了 Muse Glimmer，一个 30B 参数的开源稠密模型，支持 120K+ 上下文窗口，专为本地 AI 代理工作流设计。该模型在 NVIDIA 的 GPU 平台上优化运行，单 GPU 可实现每秒 20K tokens 的吞吐量，支持全本地推理，无需模型分片或外部端点。NVIDIA 提供了多种部署选项，包括 GeForce RTX 5090

Meta 发布 Muse Glimmer：开源多模态模型，支持图像视频与工具调用

Meta 发布了 Muse Glimmer，一个 30B 参数的开源多模态模型，包含 2B 视觉编码器和 28B 文本解码器，支持图像、视频和工具调用。该模型在 transformers、llama.cpp、vLLM 等库中获得首发支持，并采用混合注意力、门控分组查询注意力等架构优化。Muse Glimmer 还提供了可选的投机解码模块，以加速生成。

DreamFast 发布 Gemma 3 12B Heretic v2：去审查量化模型

DreamFast 发布了基于 Google Gemma 3 12B IT 的 abliterated 版本 Heretic v2，通过 Heretic v1.3.0 减少模型拒绝行为，同时保持质量，并针对视频生成模型 LTX-2 优化。该模型提供 FP8、INT8 (ConvRot)、NVFP4、MXFP8 和 GGUF 等多种量化格式，支持从 Ada 到

Om AI联汇开源端侧原生VLX-Seek 1.5，3B模型多项评测超越英伟达

Om AI联汇完成数亿元融资，并开源全球首款端侧原生模型VLX-Seek 1.5。该模型有3B和10B两个版本，采用流式多模态架构，在无人机视角、指代表达理解等任务上超越英伟达LocateAnything等更大模型。公司旨在通过端侧原生路线，推动物理AI在机器人、无人机等场景的规模化落地。

DeepMind 发布 WeatherNext Cyclones，同时预测气旋路径与强度

Google DeepMind 推出 WeatherNext Cyclones（WN-C），一种用于热带气旋预报的 AI 系统，可同时预测路径和强度，比现有专业模型提前约一天。该系统与 NHC、CIRA 和英国气象局合作开发，已在 Google Weather Lab 上线，并在 Nature 发表论文。WN-C 使用粗分辨率数据（约 28 公里网格）和功能

微软AI收入七成依赖OpenAI，达241亿美元

据彭博社报道，微软的AI收入中约70%来自OpenAI，在截至6月的财年中达到241亿美元。微软CEO萨蒂亚·纳德拉曾表示AI业务年化收入有望超过370亿美元。这种依赖解释了微软近期支持开放权重模型、批评蒸馏等行为的立场。同时，微软正在Office产品中逐步替换为自家AI模型。

Google DeepMind WeatherNext 突破飓风预测，开源模型并更新 Weather Lab

Google DeepMind 发布 WeatherNext 系列 AI 天气预报模型，利用功能生成网络高效生成集合预测，可在 TPU 上不到一分钟生成 15 天预报。模型在低分辨率下仍能准确预测飓风强度，并开源代码和权重，同时推出 WeatherNext 2 和 mini 版本，以及更新 Weather Lab 平台。该突破将飓风预测提前时间增加一天以上，

Vaani-LID v0：覆盖42种印度语言的语音识别前端

Hugging Face 与 ARTPARK-IISc 联合发布 Vaani-LID v0，这是一个开源语音语言分类器，可识别印度 42 种语言，覆盖四个语系。该模型基于 Vaani 语料库预训练的 FastConformer 编码器，在冻结状态下跨域表现优于微调的 Whisper，并采用分层 softmax 提升泛化能力。研究还发现，对预训练编码器进行微调