Artificial Analysis@ArtificialAnlysAI 评分6161

MBZUAI 基础模型研究院发布开源权重 MoE 模型 K2 Horizon 375B A23B（375B 总参数、23B 激活），在 Artificial Analysis Intelligence Index 得 47 分，较前代 K2 Think V2（17 分）提升 30 分。

elvis@omarsar0AI 评分8888

NVIDIA 宣布收购 Hugging Face，Jensen Huang 称开放模型能增强安全与网络安全、加速创新扩散并支持技术主权，让开发者、初创公司、大学和国家都能构建和定制 AI。

Nvidia 以 130 亿美元收购 AI 模型平台 Hugging Face

Nvidia 已同意以 130 亿美元收购 AI 模型平台 Hugging Face。Hugging Face 托管数百万模型和数据集，是开源 AI 的重要阵地，去年曾以 70 亿美元估值拒绝了 Nvidia 的大额投资以保持独立。Nvidia 称交易目标是加速开放权重模型的普及，这类模型设计公开，用户可自行下载、定制并在自有硬件上运行。

NeoMME 发布 260M 与 800M 多语言多模态编码器，权重以 Apache 2.0 开源

H Company 团队发布 NeoMME，含 260M 和 800M 两个尺寸的多语言多模态编码器，用单个双向 Transformer 从零处理文本 token 和 32×32 图像 patch，不使用预训练视觉塔或因果语言模型，训练采用掩码离散扩散目标，每个模型处理约 5240 亿 packed token。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6969

Institute of Foundation Models（IFM）发布开源模型族 K2 Horizon，包含 0.9B 至 375B 参数的六个基础模型，全部以 Apache 2.0 许可开源。

Aidan Gomez@aidangomezAI 评分8686

NVIDIA 宣布收购 Hugging Face，Jensen Huang 称开放模型能强化安全与网络安全、加速创新与扩散，并让开发者、初创公司、高校和企业都能构建和定制 AI。Cohere CEO Aidan Gomez 转发祝贺，认为这对开源 AI 是极强的组合，并附上 https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

Nvidia 以约 129.3 亿美元收购 Hugging Face

Nvidia 宣布以 129.3 亿美元收购开源 AI 模型与数据集托管平台 Hugging Face，该平台 2023 年估值为 45 亿美元。

Nvidia 确认以 129 亿美元收购 Hugging Face

Nvidia 确认以 129.3 亿美元收购 Hugging Face，后者平台托管 300 万个模型、100 万个应用和 50 万个数据集，服务超过 1800 万开发者。

MiniMax (official)@MiniMax_AIAI 评分3838

HUMAIN 发布 HUMAIN-M3，一个由 HUMAIN 委托、MiniMax 开发的前沿阿拉伯语大模型，现已在 HUMAIN Node 开放研究预览。该模型基于 MiniMax-M3 基础模型，用超过 1 万亿阿拉伯语 token 进一步训练，覆盖多种语言和地区方言，目前以研究预览形式提供。

Thomas Wolf@Thom_WolfAI 评分9090

Hugging Face 联创 Thomas Wolf 宣布公司以 $12,930,300,000 被 NVIDIA 收购。他表示 Hub 将在 NVIDIA 支持下继续作为开放、独立、计算无关的平台发展，用户侧今天没有任何变化；团队认为开源 AI 正处于规模与算力日益关键的关键节点。

Thomas Wolf@Thom_WolfAI 评分1616

Thomas Wolf 回应网友提问，确认数字 129303 确实是一个双重彩蛋，隐藏两层含义：一层特定于 Hugging Face，另一层特定于 Nvidia，但他未在推文中说明具体含义。

英伟达宣布以约 129.3 亿美元收购 Hugging Face，预计 2027 年上半年完成

英伟达 CEO 黄仁勋宣布，公司同意以 129.303 亿美元收购 Hugging Face，交易预计 2027 年上半年完成。双方将扩大平台规模、加强基础设施，Hugging Face 承诺继续面向整个 AI 生态开放，开发者无需使用英伟达算力即可在平台上开发和部署模型。目前平台有超过 1,800 万名开发者、300 多万个模型、50 万个数据集和 100 万个应用，企业用户超过 20 万家。

NVIDIA 宣布以 129.303 亿美元收购 Hugging Face

NVIDIA 宣布已同意以 12,930,300,000 美元收购 Hugging Face，黄仁勋在官方博客公布了这一消息。Hugging Face 目前有超过 1800 万开发者，托管超过 300 万个模型、50 万个数据集和 100 万个应用，服务超过 20 万家企业。

Hugging Face 教程：用 GRPO 微调 LFM2.5-350M，100 步提升结构化输出通过率至 29.7%

Hugging Face 发布完整教程，使用 TRL 库以 GRPO 微调 LiquidAI/LFM2.5-350M，约 500 样本、100 训练步即可在免费级 Colab 或 Kaggle GPU 上完成，训练后模型在 IFStruct 基准上从 22.6% 提升至 29.7%。

Jensen Huang@JensenHuangAI 评分8787

Jensen Huang 宣布 NVIDIA 将收购 Hugging Face，并称 NVIDIA 会成为 Hugging Face、其社区及开源模型未来的好归宿。他表示开源模型能增强安全与网络安全、加速创新与普及、支持主权，让开发者、初创公司、大学、行业和国家都能构建、定制并受益于 AI。原文链接：https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

clem 🤗@ClementDelangueAI 评分8888

Hugging Face CEO Clément Delangue 宣布与 NVIDIA 达成 $12,930,300,000 收购意向。他表示开源 AI 正处转折点，需要更多算力、支持与协作；NVIDIA 承诺强力支持 Hugging Face 及其使命，并保持平台开放、独立和算力无关，创始团队全部留任。双方目标是让开源成为构建 AI 的默认方式，赋能 1 亿 AI 构建者拥有而非租用智能。

Thomas Wolf@Thom_WolfAI 评分9393

Thomas Wolf 代表 Hugging Face 宣布，NVIDIA 将以 $12,930,300,000 收购 Hugging Face，并表示对用户当天没有任何变化。Wolf 回顾了 2016 年以来的历程，称团队将继续把 Hub 打造为开放、独立、计算无关的平台，并借助 NVIDIA 的资源继续推进开源 AI。

Qwen@Alibaba_QwenAI 评分5858

通义千问（Qwen）发布 E-Commerce Bench，用于评测 Agent 在长周期自主商业运营中的表现。智能体以 ¥100,000 启动资金在线上商店运营 365 天，处理采购、谈判、定价、促销、库存和现金流，市场由真实电商数据驱动。

Hugging Face 发布开源工具 funes，为编码智能体提供可本地持有的记忆层

Hugging Face 发布开源工具 funes，为 Claude Code、Codex、pi、Hermes 等编码智能体提供本地记忆层，把已有会话记录索引成 Lance 数据集，一条 funes add 命令即可让 Agent 自主召回原始出处（Agent、时间戳、会话、轮次）。

用 TRL 和 OpenEnv 训练编码模型画水彩：Hugging Face 全流程开源复现

Hugging Face 博客作者基于 Surya Narreddi 的原始想法，用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程，所有数据集、环境、脚本和模型均开源在 Hub。

Dongxi 东锡 NLP@dongxi_nlpAI 评分3939

@shannonzshen 分享了关于构建 Software World 的早期研究，这是一个由 Agent 运营的类似 GitHub 的系统。系统为依赖链中的 Python 软件包部署 Agent，每个 Agent 负责与其他 Agent 协作并优化自己所拥有的软件包。

Dongxi 东锡 NLP@dongxi_nlpAI 评分5757

Video Delta Net (VDN) 发布，采用混合注意力实现近无损质量的实时文本生成视频，称开源视频生成速度已超过播放速度。VDN 将 Minimax-H3 加速 75-90 倍，在 8× NVIDIA B200 GPU 上 11 秒生成 14 秒 768p 视频，并开源 checkpoint、训练/推理代码和技术博客。

开发者基于 MiniCPM-o 4.5 打造本地全模态桌面 Agent AI Jarvis 并开源

林亦团队在 NVIDIA 与抖音平台联合创作合作中，基于 MiniCPM-o 4.5 的低延迟全双工能力打造了本地全模态桌面 Agent AI Jarvis，并开源在 https://github.com/LYiHub/pub-local-jarvis。

赵昊与百度百舸团队对谈：世界模型如何走向规模化训练

百度智能云具身智能前沿讲堂上，清华大学AIR助理教授赵昊与百度智能云AI计算首席科学家王雁鹏等对谈世界模型规模化问题。赵昊提出以3D/4D Token为核心的世界模型路线，认为世界模型不等于视频生成，需表达空间结构、光学属性和速度、加速度等动态信息；其OmniNWM通过动作编码与相机参数解耦，实现200帧稳定生成，并与精锋医疗、极智嘉分别合作手术预演和仓库机器人场景。

DisCo 提出 Repo-To-Skill 方法，将 1,000 个 ML 仓库蒸馏成 5,000+ 技能并提升智能体研究表现

论文提出 Repo-To-Skill 与技能驱动的智能体 DisCo，将 GitHub 仓库中的操作性知识蒸馏为可复用技能，分为任务无关和任务导向两种形式。任务无关蒸馏产出 AREX-Skill Library，从 1,000 个常用 ML 仓库蒸馏出 5,000+ 个经核验的技能，按 20 个领域、178 个能力族组织。

Rohan Paul@rohanpaul_aiAI 评分4141

Rohan Paul 发帖称 HuggingFace/Pollen Robots 已从演示走向实际生产，深圳工人正在手工组装该机器人。

OpenCode@opencodeAI 评分2525

Meta Muse Spark 1.3 现已在 OpenCode 上免费提供。

SolarWM 发布开放数据与可扩展训练框架，仅用5秒序列训练实现小时级交互式视频世界模型

SolarWM 是一个全开源的交互式视频世界模型基础，包含可重构多源数据引擎和骨干原生适配框架，将10个数据集约143万片段（约25.85TB）转为统一的帧对齐训练契约，并基于 Wan2.2、LTX-2.5 和 MiniMax-H3 训练四个 5B–33B 模型。

Iris-mini 与 Iris-pro：开源搜索智能体在 BrowseComp 和 HLE 上取得强结果

论文提出 Iris-mini 和 Iris-pro 两个搜索智能体，分别以 35B-A3B 和 397B-A17B 规模训练，并公开其数据管线与训练配方。任务从网页超链接结构反向构造多跳问题，经轨迹级与轮次级过滤后 SFT，再用 SFT-RL climbing 交替优化。

ginobefun@hongming731AI 评分4242

BestBlogs 09-03 早报汇总十条 AI 内容：Google 发布 Gemini 3.8 Flash 与 Cyber，提升长周期编程与漏洞修复推理能力。

Aravind Srinivas@AravSrinivasAI 评分6060

Perplexity 开源本地推理引擎 Lily，专为 Apple Silicon 上的 Qwen3.6-35B-A3B 优化，用于支撑 Mac 应用新推出的混合计算功能，避免端侧算力成为 Computer 任务瓶颈。

Perplexity@perplexity_aiAI 评分6060

Perplexity 宣布开源 Lily，这是其为 Perplexity Computer 的混合计算构建的本地推理引擎。Lily 专为 Apple silicon 上的 Qwen3.6-35B-A3B 优化，使设备端算力不会成为 Computer 任务的瓶颈。详情见 https://www.perplexity.ai/hub/blog/optimizing-on-device-inference-for-apple-silicon

🚨 AI News | TestingCatalog@testingcatalogAI 评分6060

Meta 官方宣布 Muse Spark 1.3 发布，已在 Meta 模型 API 和 Muse Code 上推出，官方称这是其在编码和智能体工作上的最大跃升，价格极低。

MiniMax (official)@MiniMax_AIAI 评分5858

FastVideo 发布的 FastH3 现已支持 NVIDIA DGX Spark，并通过 MLX 支持 Apple Silicon，较 MiniMax H3 基础版本地生成提速 8x。文中展示了一段 15 秒 1344×768 的视频，由两台 NVIDIA DGX Spark 完全本地生成。

NVIDIA 开源 Switchyard：用 Rust 代理在 OpenAI 与 Anthropic API 间路由和翻译 LLM 流量

NVIDIA 发布 Switchyard，一个 Apache 2.0 协议的 Rust 代理和库，用于在多个后端之间路由 LLM 流量，并双向翻译 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种格式，包括流式事件。

Claude@claudeaiAI 评分2828

Anthropic 宣布 Claude Campus Ambassadors 校园大使项目开放申请，今年扩大面向更多学生的机会，设本科生、研究生和 PhDs/postdocs 三条通道。申请入口为 https://anthropic.com/campus。

Rohan Paul@rohanpaul_aiAI 评分5656

Cohub 是一个开源 Agent OS，为 Agent 提供会话之外的持久工作空间，集中管理文件、会话、工具、定时任务和可复用上下文。作者 Rohan Paul 转发了该项目的介绍，并重点分析其双层记忆模型：Space 保存单个项目的完整工作状态，只把持久性知识提升到作为组织记忆的 Hub，兼顾低成本保留执行状态与选择性沉淀共享判断。

Simon Willison 分析 Claude Fable 5.1 新系统提示词：严禁歌词与受版权角色

Anthropic 在 Claude 消费端应用的文档中发布了 Fable 5.1 的最新系统提示词，新增禁止复现歌词、诗歌和书籍段落，禁止绘制受版权角色与标志，1929 年前出版的作品除外。

Unsloth AI@UnslothAI精选AI 评分6666

Unsloth 通过 MTP（Multi-Token Prediction）让 Qwen3.8-Flash-Next 本地推理提速约 1.3 至 1.7 倍且精度不变，GGUF 在单张 RTX PRO 6000 上可达 170 tokens/s（基线 100 tokens/s）。

Ethan Mollick@emollickAI 评分3434

Ethan Mollick 转引 @levie 的观点并评论称，AI 模型越来越擅长发现和利用漏洞，前沿模型领先、开源权重紧随其后，企业漏洞发现将成倍增加，用 AI 加人工监督来分诊和自动化修复基本是唯一出路。Mollick 表示这不一定是希望因 AI 而繁荣的岗位类型，但说明了 AI 能力变化时哪些工作有需求可能快速转移。