River AI获11亿美元融资，旨在重塑AI训练以打造个人化代理
由xAI联合创始人Igor Babuschkin创立的AI初创公司River AI，在成立仅两个月后获得了由General Catalyst和AMP PBC领投的11亿美元融资，Nvidia、AMD Ventures、Y Combinator和Temasek参投。River AI旨在从头重建AI技术栈，包括训练、模型、产品层和硬件，以开发个人可训练的AI助手
Mistral AI
公司与模型 · 欧洲开源力量 Mistral 的模型发布与商业化进展 · 共 40 条
8月12日星期三 · 2 条
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。
8月9日星期日 · 1 条
模型基因组：通过指纹识别LLM是从零训练还是衍生
Hugging Face 博客发布了一篇技术文章，介绍如何通过分析公开的模型配置文件（config.json）、分词器（tokenizer）和权重（embedding CKA）来客观判断一个大型语言模型是从零训练还是基于开源基础模型衍生而来。文章指出，架构指纹和分词器重叠是主要证据，而权重相似性因旋转不变性等原因不可靠。作者将该方法应用于韩国九个组织的公开基
8月7日星期五 · 1 条
微软推出 Azure API 管理 AI 网关预览版，集中治理模型与工具
微软发布了 Azure API Management 的专用 AI 网关层公开预览版，该网关围绕模型、MCP 服务器和工具而非 API 进行组织，支持 OpenAI、Anthropic、Mistral 等模型，并提供策略配置、遥测和工具联邦功能。该网关旨在集中治理 AI 流量，但引发了关于治理边界、密钥风险、预览限制及与现有网关共存等问题的讨论。
8月6日星期四 · 1 条
PydanticAI v2.25.0 发布：新增 xAI 搜索选项并修复多项问题
PydanticAI 发布了 v2.25.0 版本，主要新增了 xAI FileSearchTool 集合搜索选项的转发功能，并修复了多个 bug，包括 Azure 上 Mistral 模型的 max_tokens 参数、base_url 端口处理、GPT-5.6 模型的 thinking 模式以及工具调用参数解析等问题。
8月5日星期三 · 1 条
Megakernels 争议与多模型发布：AI 新闻综述
Latent Space 的 AINews 报道了关于 Megakernels 的讨论，认为其因复杂性和硬件变化而失去优势，但 Cursor 开源了 Megakernel 并宣称提升 41% 吞吐量。同时，Qwen 发布 Qwen3.8-Max，NVIDIA 和 Mistral 推出 Alpamayo 2 Super 和 Shieldstral，Pokee-
8月4日星期二 · 4 条
Mistral AI 发布开源多模态安全分类器 Shieldstral
Mistral AI 发布了 Shieldstral，一个 3B 参数的开源多模态安全分类器，通过将内容审核构建为策略自适应问答任务，在文本安全方面匹配甚至超越高达其 7 倍规模的模型，并在多模态审核上达到新高度。该模型支持在推理时以自然语言提供政策，无需重新训练即可统一处理文本和图像，并输出校准的安全分数。Shieldstral 以 Apache 2.0
消费级GPU本地LLM能源效率基准：架构与量化策略影响显著
一项针对消费级GPU上本地部署LLM的能源效率基准研究，在RTX 4060Ti上测试了9个开源模型（1B-7B参数），发现模型架构和量化策略比参数数量更影响能效，其中gemma3:1b和llama3.2:1b能耗最低，而7B-Mistral能耗最高达4.4倍，qwen3.5:2b因内部推理导致每提示能耗异常高。
基于RAG的上下文知识增强：减少中小企业LLM错误信息
该研究针对中小企业在使用大语言模型时面临的幻觉和错误信息问题，提出了基于检索增强生成（RAG）的VectorRAG和GraphRAG建模方法。研究在LLaMA、Mistral和Qwen等多个先进LLM上进行了实验评估，结果显示RAG增强的LLM能显著减少幻觉和错误信息，提高响应质量和上下文相关性，从而支持更可靠、可信的决策。
llama.cpp b10247 发布：修复宽 MoE 模型多后端加载崩溃
llama.cpp 发布 b10247 版本，主要更新是 ggml 后端调度器改用动态分配来管理分割图输入，替代原先固定大小的数组，解决了加载 Gemma 4、Qwen MoE、Mixtral、DeepSeek 等宽 MoE 模型时在多后端环境下因图分割超过 30 个输入张量而导致的崩溃问题。该版本提供了适用于 macOS、Linux、Windows、And
8月3日星期一 · 1 条
Embabel 代理框架发布 1.0 正式版
Embabel 框架在 Java 上构建 AI 代理，现已达到 1.0 正式发布。它允许开发者将代理定义为类型化领域对象，并使用受游戏 AI 启发的目标导向行动规划（GOAP）在运行时动态规划行动序列。Embabel 基于 Spring AI 构建，支持多种模型提供商，并可与 LangGraph 等现有框架对比。该框架由 Spring 框架创始人 Rod J
8月2日星期日 · 21 条
Mistral AI 发布 Mathstral：专攻数学推理的 STEM 模型
Mistral AI 发布了 Mathstral，这是一个专为数学和 STEM 领域设计的新模型，基于 Mistral 7B 构建，在 MATH 基准上达到 56.6%，在 MMLU 上达到 63.47%。该模型旨在支持学术研究，与 Project Numina 合作开发，并可通过 HuggingFace 获取。Mathstral 在推理时增加计算量可显著提
Mistral AI 与 NVIDIA 联合发布 12B 模型 Mistral NeMo
Mistral AI 与 NVIDIA 合作发布了 12B 参数的 Mistral NeMo 模型，支持 128k 上下文窗口，在推理、世界知识和编码方面达到同类最佳水平。该模型采用 Apache 2.0 许可，支持 FP8 推理，并引入新分词器 Tekken，在多语言压缩效率上显著提升。Mistral NeMo 已可通过 HuggingFace、Mistr
Mistral AI 发布 Mistral Large 2 模型，支持多语言与代码生成
Mistral AI 发布了 Mistral Large 2 模型，拥有 128k 上下文窗口，支持多语言和 80 多种编程语言，参数规模为 1230 亿，可在单节点上高效运行。该模型在代码、推理和多语言基准上表现优异，并增强了指令遵循和函数调用能力。模型以研究许可发布，商业使用需获取商业许可，并已在 la Plateforme 和多家云平台上提供。
Mistral AI 推出模型定制、Agents 早期版本及 SDK 1.0
Mistral AI 宣布在 La Plateforme 平台上支持对其旗舰模型（如 Mistral Large 2 和 Codestral）进行定制，包括基础提示、少样本提示或微调，并允许用户自带数据集。同时，该公司推出了 Agents 的早期版本，用于在 Le Chat 或 API 上创建自定义行为和工作流。此外，Mistral AI 发布了稳定版的客户
Mistral AI 发布 Pixtral 12B 多模态模型
Mistral AI 发布了 Pixtral 12B，这是一个原生多模态模型，基于 Mistral Nemo 架构，并新训练了 4 亿参数的视觉编码器，支持可变图像尺寸和 128K 长上下文。该模型在 MMMU 基准上达到 52.5%，在指令跟随和多模态任务上表现优异，同时保持文本性能不妥协。模型采用 Apache 2.0 许可证，可在 La Platefo
Mistral AI 发布 Mistral Compute 基础设施服务
Mistral AI 宣布推出新的 AI 基础设施产品 Mistral Compute，提供从裸机服务器到完全托管 PaaS 的私有集成堆栈，包括 GPU、编排、API 等。该产品旨在让各国、企业和研究实验室自主构建 AI 环境，减少对少数云提供商的依赖，并已获得多家欧洲公司支持。
Mistral AI 推出“AI for Citizens”计划，助力政府主权AI部署
Mistral AI 宣布推出“AI for Citizens”计划，旨在帮助各国政府和公共机构战略性地利用人工智能，通过提供开放、可定制的AI解决方案，避免对封闭式大型科技供应商的依赖。该计划强调数据主权、部署选择和定制化研发，已与法国、新加坡等多国政府及机构合作。此举旨在让国家和公民掌握AI应用的主动权，促进公共服务转型和创新。
Mistral AI 发布 Devstral 新模型，提升代码智能体能力
Mistral AI 与 All Hands AI 合作推出 Devstral Medium 和升级版 Devstral Small 1.1，前者在 SWE-Bench Verified 上得分 61.6%，后者得分 53.6% 且为开源模型中的新 SOTA。Devstral Small 1.1 以 Apache 2.0 协议发布，Devstral Medi
Mistral AI 发布 Voxtral 语音模型，开源且成本减半
Mistral AI 发布了 Voxtral 语音理解模型，提供 24B 和 3B 两种规模，均采用 Apache 2.0 许可证，并可通过 API 使用。该模型支持长上下文、多语言、问答、摘要和函数调用，在转录和音频理解基准上优于 Whisper 等模型，且成本低于同类 API。
Mistral AI 为 Le Chat 推出深度研究与语音等新功能
Mistral AI 为其 AI 助手 Le Chat 推出多项新功能，包括 Deep Research 预览模式、基于 Voxtral 模型的语音模式、由 Magistral 推理模型驱动的多语言推理、Projects 上下文文件夹，以及与 Black Forest Labs 合作的图像编辑功能。这些功能旨在提升用户的深度研究、自然交互和上下文管理体验，用
Mistral AI 发布大模型全生命周期环境影响评估，呼吁行业标准化
Mistral AI 发布了其大语言模型的首个全生命周期环境影响评估，与 Carbone 4 和 ADEME 合作完成，并经过同行评审。报告披露了训练 Mistral Large 2 的碳排放、耗水量和资源消耗，以及 Le Chat 每次推理的边际影响。该公司呼吁行业采用标准化环境报告，并提出了减少 AI 环境足迹的杠杆，如提高透明度和优化模型使用。
Mistral AI 发布 Codestral 25.08 及企业级编码栈
Mistral AI 发布了 Codestral 25.08 模型，并推出了面向企业的完整编码栈，包括 Codestral Embed 和 Devstral 代理。该方案旨在解决企业采用 AI 编码工具的部署、定制、集成和可观测性等限制，声称可将开发、审查和测试时间减少 50%。Codestral 25.08 在补全接受率、代码保留和减少失控生成方面有显著提
Mistral AI 展示微调 Pixtral-12B 提升卫星图像分类性能
Mistral AI 发布博客，介绍通过 LoRA 微调其视觉语言模型 Pixtral-12B 在卫星图像分类任务上的应用。实验使用 AID 数据集，微调后模型在模糊类别上的分类准确率显著提升，且微调过程可通过 Mistral API 或 LaPlateforme UI 轻松完成。文章强调了领域专用微调在卫星图像等高专业度场景中的价值。
Mistral AI 增强连接器控制，提升企业 AI 集成安全性与可管理性
Mistral AI 为其 Connectors 平台推出多项新功能，包括增强的管理员控制、带作用域的 API 密钥、多账户连接器、调试器，以及将连接器集成到 Workflows 和 Vibe Code 中。这些功能旨在为企业提供更安全、更可控的 AI 工作流集成体验，支持超过 60 个预构建连接器及自定义 MCP 选项。
Mistral AI 发布 Leanstral 1.5：开源形式验证模型实现性能飞跃
Mistral AI 发布了 Leanstral 1.5，这是一个免费、Apache-2.0 许可的模型，拥有 119B 总参数和 6B 激活参数，在形式验证方面实现了重大性能提升，完全饱和 miniF2F，解决 587/672 个 PutnamBench 问题，并在 FATE-H 和 FATE-X 上达到新的最先进水平。该模型通过三阶段训练（中期训练、监督
Mistral AI 发布 Robostral Navigate：单摄像头导航模型
Mistral AI 发布了 Robostral Navigate，一个 8B 参数的具身导航模型，仅使用单个 RGB 摄像头即可让机器人自主导航，在 R2R-CE 基准上达到 76.6% 的成功率，超越多传感器方法。该模型完全在模拟环境中训练，采用指向导航和强化学习，并计划扩展至统一具身智能体。
Mistral Studio 为提示词和技能提供集中式记录系统
Mistral AI 宣布其 Studio 平台为提示词和技能提供集中式记录系统，支持版本管理、所有权追踪和审计日志，使企业能够快速迭代并受控部署 AI 行为。该功能将提示词视为生产资产，通过不可变版本、清晰所有权和审计日志确保合规性，并集成可观测性以追踪生产输出到具体版本。
Mistral AI 发布 Voxtral TTS 多语言语音生成模型
Mistral AI 发布了 Voxtral TTS，一个 4B 参数的多语言文本转语音模型，支持 9 种语言，具有低延迟和情感表达。该模型可通过 API 和 Mistral Studio 使用，定价为每 1k 字符 0.016 美元，并支持零样本跨语言语音适应。
Mistral Small 4 发布：统一推理、多模态与编码的开源模型
Mistral AI 发布了 Mistral Small 4，这是其 Small 系列的新旗舰模型，首次统一了推理、多模态和智能体编码能力，支持文本和图像输入，并采用 Apache 2.0 开源许可。该模型基于 MoE 架构，总参数 119B，激活参数 6B，上下文窗口 256k，性能相比 Small 3 提升显著，推理延迟降低 40%，吞吐量提升 3 倍。
Mistral 发布 Medium 3.5 模型及云端编码代理
Mistral AI 发布了 Mistral Medium 3.5，这是一个 128B 参数的开源权重模型，支持长时程编码和生产力任务，并成为 Le Chat 和 Mistral Vibe 的默认模型。同时推出了远程代理和 Le Chat 的 Work 模式，支持并行异步任务执行。该模型在 SWE-Bench Verified 上得分 77.6%，定价为每百
Mistral OCR 4 发布：支持边界框与置信度评分，性能领先
Mistral AI 发布了 Mistral OCR 4，这是一款文档解析模型，支持边界框、块分类和置信度评分，覆盖 170 种语言，并可在单容器中自托管部署。该模型在人类评估和 OlmOCRBench 基准上表现优异，价格低至每千页 2 美元（批量 API），适用于企业搜索、RAG 和代理工作流。
7月23日星期四 · 1 条
PydanticAI v2.16.0 发布：新增 Mistral 缓存与 Gemini 模型支持
PydanticAI 发布 v2.16.0 版本，新增 Mistral 提示缓存键、ToolFailed 错误类型、可选 run_id 参数，并支持 Google Model Armor 及新的 Gemini 模型。同时修复了多个 bug，包括 ctx.enqueue() 错误一致性和工具重试计数问题。
7月17日星期五 · 1 条
LangChain4j 发布 1.18.0 版本，引入 BDI 代理模式与 TTS 支持
LangChain4j 发布 1.18.0 和 1.18.0-beta28 版本，引入 BDI 代理模式、支持 OpenAI 文本转语音、Mistral 批量 API 等新功能，并修复多项 bug。这些更新增强了代理系统的鲁棒性和多模态能力。
7月11日星期六 · 1 条
Ollama v0.32.0 发布：新增交互式代理体验
Ollama 发布 v0.32.0 版本，引入全新的交互式代理体验，运行 `ollama` 命令即可启动代理，帮助用户编码和委派工作。该版本将 Codex App 集成更名为 ChatGPT，并简化了集成选择菜单，仅保留最受欢迎的集成。此外，对于较旧的代理模型（如 CodeLlama、Qwen2.5、Llama 3.x 等），启动前会显示弃用警告。
7月1日星期三 · 1 条
BAIR 2026届博士毕业生展示
伯克利人工智能研究实验室（BAIR）公布了2026届博士毕业生名单，他们的研究涵盖机器人、大语言模型、计算机视觉、AI安全等领域。毕业生们将前往学术界、工业界或创业，其中多人加入OpenAI、Mistral AI等公司。
6月29日星期一 · 1 条
开源生态多元化：Zyphra、Cohere、Poolside 等推动模型发布新趋势
Interconnects AI 的最新开源模型报告指出，开源生态系统正变得更加多元化，参与者包括纯模型制造商、大科技公司和产品公司。报告重点推荐了 NVIDIA 的 Nemotron 系列、Cohere 的 Command A+、GLM-5.2、Zyphra 的 ZAYA1 和 Poolside 的 Laguna-M.1 等模型，并讨论了开源模型发布的动机
6月16日星期二 · 2 条
Transformers 发布补丁 v5.12.1：修复 PEFT 下限与 Mistral 分词器
Hugging Face 发布了 Transformers 库的补丁版本 v5.12.1，主要更新了 PEFT 库的下限版本，并修复了自动分词器在安装 mistral-common 时无法正确解析 Mistral 分词器的问题。该版本与 v5.10.3 类似，但排除了主版本中已包含的修复，vLLM 将首先针对 5.10.3 版本。
Transformers 补丁版 v5.10.4 发布，修复多项问题
Hugging Face 发布了 Transformers 库的补丁版本 v5.10.4，修复了多个问题，包括与 vLLM 的同步、ProcessorMixin 中的 token 处理、InternVL 模型、处理偏移、peft 下界以及 mistral 后端。该版本在 PyPI 上以 5.10.4 发布，跳过了 5.10.3。
6月6日星期六 · 1 条
Spring AI 2.0.0-RC1 发布：多项新特性与修复
Spring AI 发布了 2.0.0-RC1 版本，包含多项新特性、错误修复和文档更新。新特性包括为 MessageWindowChatMemory 添加回合边界裁剪、移除模型默认值、将 advisors 移至独立模块、移除内部工具执行等。错误修复涉及流式处理、span 层级和 JSON schema 生成等问题。该版本旨在简化 API 并提升可维护性。