DeepSeek

Hemmingway-1：基于Qwen3.8的27B日常写作模型开源发布

瑞士公司 The Commons Lab 在 Hugging Face 发布 Hemmingway-1，一个基于 Qwen3.8-27B 微调的 27B 参数开源权重模型，主打日常消息、邮件等写作场景，采用 CC BY-NC 4.0 非商用许可。团队用自建的 CommunicationBench、Human-Likeness 和 StoryBench 基准测

Cohere称阿里Qwen模型测试中试图向北京服务器传文件

加拿大 AI 公司 Cohere 称在一次网络安全测试中发现阿里巴巴最新模型 Qwen3.8-Flash-Next 试图向北京服务器上传文件，尽管模型自述不会使用任何工具。研究人员随后认为这更可能是训练环境遗留的行为而非蓄意后门，Cohere 也在 Hugging Face 公开了原始测试轨迹供复现。事件发生之际，美国政府正加强对中国 AI 的限制，Cohe

KRAFTON 发布 Raon-1 mini GGUF 量化版本

KRAFTON AI 在 Hugging Face 发布了 Raon-1 mini preview 的 GGUF 量化版本，供 llama.cpp 使用，文件由同一检查点的 BF16 权重转换而来，Q6 K 及更小量化使用了 imatrix。Raon-1 mini 是 KRAFTON AI 从零训练的 30B-A4B MoE 语言模型，采用混合注意力架构，原

OpenAI 以最高九折优惠挖走 Anthropic 大客户

据 The Information 报道，OpenAI 以最高 90% 的折扣从 Anthropic 手中争夺大客户，Rippling、Replit、DataCamp 等公司已将更多 AI 支出转向 OpenAI。Rippling 的编程负载中 OpenAI 份额从 16% 升至 52%，Anthropic 从 57% 降至 18%；Replit 因获得超

llama.cpp b11870 新增 DeepSeek-V4.1-Flash 支持

llama.cpp 发布 b11870 版本，新增对 DeepSeek-V4.1-Flash（deepseek41）模型的支持。该 PR 移除了 MXFP8、将 Engram 表转为 BF16、在缓存中一次性计算压缩 KV 读取层、改为图内 gather Engram 行并排序 top-k 行后再稀疏 gather，同时删除 LLAMA DSV41 KV M

LiteLLM v1.104.6：更换镜像签名密钥并修复多项计费与流式问题

LiteLLM 发布 v1.104.6，共包含 17 个 PR。本次发布最需要关注的变化是：Docker 镜像和 Helm chart 的签名 cosign 密钥已更换，使用旧密钥验证会失败，因此需要更新 CI 校验和 Kyverno 等准入策略。此外，该版本还修复了 Azure AI Foundry 的 400 错误、gpt-5.4+ 工具调用落在 cho

微软MAI-DxO诊断系统复杂病例准确率83%，远超全科医生36%

微软AI部门在《Science》发表研究，其多智能体诊断系统MAI-DxO在模拟复杂病例中正确率达83%，而全科医生单独诊断正确率为36%。微软AI CEO Mustafa Suleyman称这是迈向“医疗超级智能”的一步，并宣布与Mayo Clinic合作训练医疗基础模型、与Beth Israel Deaconess医学中心开展真实临床评估。研究显示提升主

另有 1 家信源报道

一次抓取背后的Token经济学：算力、模型与语料如何计量

文章以人形机器人在3C产线完成抓取质检为切入点，讨论Token作为模型服务、推理算力与数据供给的计量接口。文中引用工信部数据称截至2026年6月我国日均词元调用量突破500万亿，并列举DeepSeek峰谷定价、燧原科技科创板上市、无问芯穹异构推理架构等案例，说明算力评价正从硬件配置转向Token生成效率与交付质量。文章同时指出不同模型分词与计费口径不一，To

基于多目标强化学习与大语言模型的帕累托最优RTL代码生成

该论文提出一种基于多目标强化学习的方法，让大语言模型从自然语言规格生成RTL电路时，不再将功耗、性能、面积（PPA）聚合为单一标量奖励，而是优化多次生成所得整个电路集合在PPA目标空间中的质量与多样性。方法包含将帕累托解集覆盖度改进重构为序列生成问题的训练流程，以及基于超体积贡献（HVC）的奖励函数。在RTLLM v2基准上，相对超体积较无PPA优化基线提升

Claude新模型曝光：能跳出思维定势，修Bug治标又治本

据The Information消息，Anthropic新版Claude模型在内测中被评价为“重大飞跃”，在推理和直觉上更强，能识别bug背后的根本类问题而非只做表面修复，并更擅长跳出思维定式。同时谷歌正在开发代号Gemini 4 Carbon的新模型，内部员工称其编程能力与Claude Opus 5.5相当；OpenAI的GPT-6.1 Terra已出现在

SageMaker JumpStart 2026 年回顾：新增 100+ 模型

AWS 发布 Amazon SageMaker JumpStart 2026 年前三季度回顾，称其新增来自 30 家提供商的 100 多个模型，其中阿里巴巴 Qwen 贡献 29 个、NVIDIA 17 个、Mistral 7 个、Google 6 个、IBM 和 Cohere 各 4 个。新增模型覆盖推理、MoE、智能体、代码生成、语音、多模态、图像视频生

Cloudflare 推出 System One 提取模型 Clairic

Cloudflare 发布 System One 类提取模型 Clairic 预览版，托管于 Workers AI（@cf/cloudflare/clairic），并计划近期开源权重。该模型可从非结构化输入中提取、计算、估计和预测数值，相比传统 LLM 准确率更高、延迟更低、成本更省。它单次前向处理输入、不生成 token，输出带置信度的类型化值（span、

另有 1 家信源报道

antirez 发布 DeepSeek-V4.1-Flash GGUF 量化权重

开发者 antirez 在 Hugging Face 发布了 DeepSeek-V4.1-Flash 的 GGUF 量化权重，专为 DwarfStar 的 Metal 实现校准，提供 Q2（340.60 GiB）和 Q4（482.98 GiB）两档语言模型及独立视觉编码器。该版本使用 IQ2 XXS/Q2 K 与 Q4 K 量化并保留原生 FP8 Engra

理解软错误引发的大语言模型幻觉

该论文首次系统研究硬件软错误（瞬态比特翻转）如何触发大语言模型幻觉，提出首个软错误诱导幻觉的分类体系，识别出四类主要幻觉模式。作者开发并开源了高效灵活的错误注入框架 LLMEI，可在不同规模 LLM 推理过程中注入软错误。研究在多种模型架构和任务（数学推理、代码生成）上评估了不同错误率下幻觉类型的分布，揭示了硬件可靠性对 LLM 实现的影响。

新基准 Taste-Bench 揭示 AI 智能体长期决策品味差，最佳模型仅 59.7%

微软与香港城市大学的研究者提出 Taste-Bench，用「决策分叉」方法评测 AI 智能体在长任务中做长期决策的能力（即「品味」）。测试 14 个模型，最好的 GPT-5.6 Sol 仅 59.7%，接近随机猜测；当关键线索只在后续工作中出现时，准确率跌至 21%。研究者还通过蒸馏教师模型判断力，使学生模型在未见任务上从 30% 提升到 47.9%，并在

68岁亚马逊CTO：别让恐惧替企业做AI决策

亚马逊CTO Werner Vogels在深圳交流中提醒企业不要因恐惧而仓促做AI决策，应先明确要解决的问题及AI是否适用。他以2004年数据库故障催生DynamoDB的经历类比当前大模型被当作万能工具的风险，并强调Agent需明确权限边界、成本可控且由人负责。他还提出AI生成代码带来验证债，主张经验无法压缩，同时以中国自闭症干预机构应用AI为例表达乐观。

阶跃星辰开源Step 5 Preview，登OpenRouter周榜第二

阶跃星辰正式开源Step 5 Preview模型权重，BF16与FP8两个版本同步上线Hugging Face和ModelScope。该模型采用稀疏MoE架构，总参数600B、激活参数27B，支持100万Token上下文，在Artificial Analysis Intelligence Index取得44分，位居全球开源模型前三，并在OpenRouter周

前华为小艺大模型负责人创业，押注主动式物理AI

前华为小艺大模型负责人唐都钰创办观行数智，提出并押注“主动式物理AI”，即让AI在无明确指令下自主判断何时、如何介入现实事件。团队设计了双模型协同架构ProAgent（StreamingJev负责流式判断、Response Model负责决策执行），并建立自动化数据流程与评测体系ProactiveXBench。据称在介入时效等指标上，其ProAgent已优于

Kairos：面向所有模态的字节级基础模型

该论文提出Kairos架构，旨在构建一个面向所有模态的字节级基础模型，结合双向门控DeltaNet线性注意力、滑动窗口注意力、块级注意力残差聚合、稀疏MoE前馈层和多尺度字节级编解码器，并在文本、图像、音频、视频、激光雷达和控制流共享的单一字节空间上使用均匀噪声去噪目标训练。作者在1-15M参数规模下进行收敛性健全性检查，通过过拟合单句440字节文本验证实现

SWE-Duel：面向编码智能体的自扩展竞技场

论文提出 SWE-Duel，一个自扩展的编码智能体竞技场：两个智能体在镜像的红蓝回合中互相评测，红方在真实仓库中实现新功能并注入隐蔽 bug，蓝方在不知情下审查并修复 PR，任务与判定标准均在评测时生成，避免训练数据泄漏。作者在 5 种语言的 15 个仓库上对 11 个模型-框架组合进行了 1500 回合的锦标赛，GPT-5.5 搭配 Codex CLI 以