Reflection AI 开源编码智能体模型 Beam，并给出 AWS 部署路径
Reflection AI 推出开源权重模型 Beam，面向编码智能体与长周期任务，可维护代码、调用工具并完成多步工作流。
推荐理由：文章给出 Beam 的参数量、上下文长度与三种部署路径，可据此判断开源编码模型在 AWS 上的落地成本。
精选
AWS Machine Learning Blog精选AI 评分6666 vLLM Blog精选AI 评分6262 vLLM 从 Day 0 支持 Reflection Beam，并针对 NVIDIA Blackwell 优化
vLLM 宣布从 Day 0 支持 Reflection 的 Beam 模型，这是一个 501B 参数、每 token 激活 23B 的 MoE，并在 NVIDIA Blackwell 上完成优化，推理、工具调用和结构化输出开箱可用。
推荐理由：vLLM 从 Day 0 支持 Beam 并给出内核融合与自适应验证的实测数据，可看推理栈如何承接新架构。
NVIDIA Newsroom精选AI 评分8282 NVIDIA RTX Spark 笔记本今日开售，最高 128GB 统一内存与 1 petaflop AI 算力
NVIDIA 宣布 RTX Spark 笔记本今日全球开售，由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出，起售价 2,599 美元。
推荐理由：RTX Spark 把 128GB 统一内存和 1 petaflop FP4 算力放进轻薄 Windows 笔记本，可据此判断本地跑大模型与智能体的硬件门槛变化。
vLLM Blog精选AI 评分6060 AMD 与 vLLM 如何在 MI355X 上优化 Kimi K3 推理：AgentX 吞吐超 NVIDIA HGX B300 24.4%
AMD 与 Embedded LLM 在 vLLM Blog 详解 Kimi K3 在八卡 AMD Instinct MI355X 上的推理优化，在 AgentX 基准 50 tokens/s/user P90 交互性下达到约 7。
推荐理由：AMD 与 vLLM 社区拆解 Kimi K3 在 MI355X 上的六项推理优化，可迁移到自建推理栈的瓶颈排查。
Together AI Blog精选AI 评分7878 Meta Muse Spark Open 上线 Together AI，支持 1M token 上下文与智能体编码
Meta 的 Muse Spark Open 已在 Together AI 上线，Together AI 是其 Day 0 发布伙伴。该模型面向长时程智能体编码工作流，具备 1M token 上下文窗口、长时程自主规划与自我纠错、可协调子智能体、跨桌面移动端与浏览器的 computer use 与多模态浏览，并接受文本、图像、音频和音视频输入，还会在执行前说明意图。
推荐理由：官方给出 Muse Spark Open 的上下文窗口、定价与调用方式，可据此判断它在长时程编码智能体上的可用性。
vLLM Blog精选AI 评分7878 vLLM 为 Meta Muse Spark Open 提供 Day 0 支持
vLLM 与 Meta Superintelligence Labs 合作，在 Muse Spark Open 发布当天为其提供 Day 0 支持。
推荐理由：vLLM 在发布当天给出 Muse Spark Open 的部署命令、量化格式与 DSpark 投机解码配置，可据此评估 1M 上下文的生产落地成本。
AWS Machine Learning Blog精选AI 评分6060 Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，可在自己的 AWS 账户中部署为 SageMaker AI 端点。
推荐理由：Meta 的编码优化开源模型接入 SageMaker JumpStart，文中给出两种量化变体的实例选型与部署步骤，可据此估算自托管成本。
PyTorch Blog精选AI 评分8585 Meta 开源 Muse Spark Open：816B 总参数、42B 激活的编码与智能体模型
Meta 发布 Muse Spark Open 的开放权重，这是一个 816B 总参数、42B 激活的模型，上下文窗口 1M tokens，已在 Hugging Face 上以 Muse Model License 提供。
推荐理由：Meta 开源 816B 总参数、42B 激活的编码与智能体模型，并给出 Helion 内核与 TorchTitan 微调路径，可据此评估开源权重模型的部署与二次训练成本。
Apple Machine Learning Research精选AI 评分6666 Apple 用 MLX 与 RDMA 在 Mac Studio 上实现本地及分布式大模型推理
Apple 发布 MLX 新版本，展示在 Mac Studio 上本地运行前沿大模型：四台 M5 Ultra 组成的集群运行 816B 参数的 Muse Spark Open 时生成速度超过 36 tokens/s，单机 M5 Ultra 相比 M3 Ultra 的 TTFT 最高快 4.6 倍、生成速度提升 1.6 倍。
推荐理由：Apple 官方给出 MLX 在 Mac Studio 集群上跑近万亿参数模型的实测数据，可据此判断本地大模型推理的可行边界。
Comfy Blog精选AI 评分7474 Black Forest Labs 发布 FLUX 3 Image Klein：5.6B 开源权重模型
Black Forest Labs 发布 FLUX 3 Image Klein，这是 FLUX 3 家族中紧凑的开源权重模型，参数量 5.6B，保留大尺寸 FLUX 3 Image 的边界框等控制功能，并提供未蒸馏的 Base 版和低延迟的 Distilled 版。
推荐理由：原文给出 5.6B 开源权重的量化加速数据与消费级 GPU 实测，可据此判断本地图像生成的成本变化。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明 Rust、Go、C 编译后的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快的 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的效率与密码学取舍。
NVIDIA Newsroom精选AI 评分6262 NVIDIA 发布 RTX Spark，面向创作者、玩家与 AI 智能体的 Windows PC
NVIDIA 发布 RTX Spark，定位为一台面向创作者、玩家和 AI 智能体的 Windows PC，并将于 10 月 16 日在旧金山、柏林、台北、北京、伊斯坦布尔、首尔等地举办发布活动。
推荐理由：NVIDIA 官方公布 RTX Spark 的定位与全球发布活动安排，并汇总多家媒体对本地 AI 与游戏表现的早期评价。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍用其智能体开发平台 Google Antigravity 加速抗菌肽发现，把过去分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白，找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。
推荐理由：原文给出智能体科研工作台在抗菌肽发现中的完整流程，可了解跨库检索与结构分析如何被压缩进单次会话。
vLLM Blog精选AI 评分6262 NVIDIA Nemotron 3.5 Super VL 发布，vLLM 首日支持
NVIDIA 发布开源多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，支持文本、图像、文档和视频输入，输出文本。
推荐理由：原文给出模型架构、部署配置与吞吐对比，读者可据此判断多模态智能体推理的落地成本。
PyTorch Blog精选AI 评分6060 ExecuTorch 推出 Arm Cortex-M CPU 后端，PyTorch 模型可直接跑在 MCU 上
PyTorch 官方博客发布 ExecuTorch 的 Arm Cortex-M 后端，让 PyTorch 模型无需转换格式即可直接运行在 Cortex-M CPU 上，并通过 CMSIS-NN 加速，覆盖 Scalar、DSP 和 MVE/Helium 全部能力档位。
推荐理由：ExecuTorch 新增 Cortex-M 后端，给出各能力档位与 MLPerf Tiny 实测数据，可据此评估 MCU 端部署路径。
NVIDIA Newsroom精选AI 评分7474 NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 系列模型
NVIDIA 发布开放模型 Nemotron 3.5 Super VL，1200 亿参数，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍，精度接近 NVIDIA 最大推理模型而参数量约为其五分之一。
推荐理由：NVIDIA 一次放出三款覆盖数据中心到端侧的开放权重模型，并列出各行业后训练案例，可据此判断开放模型在企业智能体部署中的位置。
vLLM Blog精选AI 评分7676 vLLM 提出训练推理逐位一致的 RL 训练方案，DeepSeek-V4-Flash 上 diff 为 0
vLLM 团队提出让训练前向直接调用 vLLM 推理 kernel 并修改这些高性能 kernel，使 rollout 与训练对每个采样 token 产生逐位相同的 logprob（diff = 0）。
推荐理由：原文给出训练与推理逐位一致的具体做法与吞吐代价，可据此判断高性能 RL 训练中数值对齐的取舍。
vLLM Blog精选AI 评分6262 vLLM 推出 push 模式 NIXL KV 传输，TTFT 最高改善 3 倍
vLLM 发布基于 push 的 NIXL KV 传输连接器 NixlPushConnector，把传输协调与建立从解码实例的关键路径移到预填充侧的后台线程。
推荐理由：vLLM 官方给出 push 模式 KV 传输的架构与复现脚本，可对照 pull 模式判断是否切换部署。
Google DeepMind精选AI 评分6060 Google DeepMind 与新加坡政府合作推出端侧反诈检测模型
Google DeepMind 与新加坡政府科技局（GovTech）合作，基于轻量级 Gemma 模型微调出可在普通智能手机上运行的端侧诈骗检测模型。该模型在设备本地处理对话数据，采用两阶段流水线：先用轻量分类器筛查入站消息，再由微调后的 Gemma 分析更大范围的对话上下文以确认威胁或排除误报，检测到操纵性对话模式时在设备上实时提醒用户。
推荐理由：原文给出端侧反诈模型的微调路径与两阶段流水线设计，可了解隐私与检测如何兼顾。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 团队在 Amazon Bedrock 上基于 Grok 4.7 构建工具调用智能体，在三个需要搜索而非查表验证的任务上跑了 72 次，答对 67 次，xhigh 档位 18 次全对。
推荐理由：通过 72 次可复现的智能体运行，量化了 Grok 4.7 各推理档位在正确率与 token 成本间的取舍。