ALTK-Evolve 把 GPT-4.1 智能体轨迹提炼成提示词规则，无需更新权重，并以 67.5% Pass^4 位列 τ²-bench 零售榜首。在 40 个留出零售任务上，含 292 条规则的 lossless 配置将平均准确率从 78.1% 提至 82.5%，每次对话成本从 $0.084 升至 $0.139。
推荐理由：实验同时报告 Pass^4、对话轮次与模型 token 成本，能帮助判断学习式规则在客服智能体中的可靠性收益与代价。
Hugging Face 发布 AnyLanguageModel 1.0，以同一 API 接入 Apple 端侧与托管模型。
推荐理由：同一 Foundation Models API 可覆盖系统、端侧和托管模型，并保持工具调用与引导生成一致，为 Apple 应用迁移提供可复用路径。
MemT-1.0 提出把连续记忆内嵌到基础模型计算中的记忆原生架构，基于 Metis 采用 Gated DeltaNet-2 与 Mixture-of-Storage 扩展原生记忆容量，并配合 34B tokens 的两阶段训练（持续预训练+后训练）。
推荐理由：对比原生内存机制与检索增强方法在长上下文场景下的推理与存储效率，并给出智能体任务结果，可作为长记忆架构设计的参考。
面壁（OpenBMB）在 HuggingFace 上线 tiny-processor 版本的 MiniCPM OCR 模型，仓库名为 openbmb/tiny-processor-minicpm-ocr。仓库页面显示其公开可访问，但下载模型文件需登录或注册 HuggingFace 账号，并同意共享账号信息与使用条款。
HarnessPro 论文提出一种无标签方法，递归进化 AI 智能体 Harness，以提升任务成功率并降低执行成本。它使用 LLM 生成的测试评估候选 Harness，由专用智能体诊断执行轨迹、规划更新，并通过归一化加权平方距离选择 lite、medium、heavy 三种变体。
推荐理由：论文在3项基准上测试HarnessPro，并量化GPT-5.5配合Codex时高性能模式相对RHO的通过率增益与单任务成本降幅。
谷歌开源 Harness²，这是一个 Harness 层递归自我改进（RSI）方法，让模型在运行中自我改写外挂代码、系统提示词、工具链和技能库。在 WorkBuddy-Bench 上，GLM-5 配合 OpenCode 时综合得分从 64.2 升至 75.7（+11.5），超过原生 Gemini 3.5 Flash 的 72.4。
推荐理由：原文拆解了 Harness² 的双层递归机制，并给出 WorkBuddy-Bench 等专业基准上的具体涨分，读者可据此评估 Harness 层 RSI 的可行路径与开源接入方式。
腾讯混元发布长记忆写入模型 Hy-Memory-30B-A3B 的 GGUF 量化版本，提供 Q4_K_M、Q6_K 和 Q8_0 三种精度，可通过 llama.cpp 进行本地推理。
推荐理由：原文给出该模型在四种记忆框架下的横向评测结果，读者可与 Claude Opus 5、DeepSeek V4.1 Flash 等基线直接对比。
VAST 开源实时世界模型 EdenLive，5B 模型在单张 RTX 5090、720P 条件下生成速度超过 24FPS，端到端延迟为百毫秒级，支持任意参考输入、任意画风和分钟级连续生成。
推荐理由：原文给出了单卡 720P 超 24FPS 与百毫秒级端到端延迟的具体数据，并拆解了世界状态与视觉渲染解耦的技术路线，便于读者评估实时世界模型的可用边界。
腾讯混元在 Hugging Face 开源长记忆写入模型 Hy-Memory-30B-A3B 的 FP8 量化版（约 3B 激活参数），可在 Mem0、MemOS、Hy-Memory 等记忆框架中替代通用大模型。
推荐理由：原文给出长记忆写入模型的架构、两阶段训练流程与跨框架评测对比，附开源代码与权重，可作为 Agent 框架中记忆层替换通用大模型的参考。
清华 THUNLP 实验室联合面壁智能、OpenBMB 开源智能体操作系统 PilotDeck 2.0，主打 WorkSpace 工作舱隔离、白盒记忆可查可改、Dream 模式归纳整理与 Always-on 后台常驻执行，并原生支持 MCP。
推荐理由：给出智能体操作系统的开源实现与量化成本数据，可作为 Agent 框架设计中多模型路由和记忆可追溯方案的参考。
智谱推出法律专用开源模型 GLM-Legal，在 Vals AI 法律评测中以 19.2% 的任务全通过率和 86.23% 的准确率位列 Harvey LAB 与 LegalBench 双榜开放权重模型榜首。
推荐理由：给出了 GLM-Legal 在 Harvey LAB 等榜单上的通过率与和 Gemini 4 Argon 的成本对比，读者可据此评估法律垂直模型在真实律所任务中的取舍。
DeepSeek 发布 V4.1-Flash-1017，作为 V4.1-Flash 的小版本更新，在推理、编码、智能体和视觉基准上有所提升，并缩短任务执行时间和输出长度。
同一件事，精选收录的是《DeepSeek发布V4.1-Flash-1017模型，同步开放自研搜索API》
范式智能联合睿思智联推出一站式生产级 AI 部署平台「模域 ModelSphere」，已在 GitHub 以 Apache 2.0 协议免费开源。
推荐理由：原文给出了该开源平台在多芯片适配和模型支持上的具体清单，为评估国产算力部署方案的团队提供了一处可参照的工程选项。
优必选发布统一多模态世界模型 Thinker-WM，在 WorldOlympiad、EWMBench 和 WorldArena1.0 三项公认具身世界模型基准中全部取得第一。
推荐理由：文章对比了拼接式与统一表征方案的技术差异，给出 Thinker-WM 在三大基准的具体得分与六大能力模式。
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
腾讯混元发布 Hy-Memory-30B-A3B，一个约 3B 激活参数的长期记忆写入模型，用于替代 Mem0、MemOS、Hy-Memory 等外部记忆框架中的通用 LLM，决定保留哪些信息及如何更新记忆库。
推荐理由：原文给出一个 3B 激活参数的记忆写入专用模型，并提供在 Mem0、MemOS、Hy-Memory 与未参与训练的 EverMemOS 上的对比基准，用于评估替代通用 LLM 的写入效果。
VLA-Δ 用当前与未来观测之间的物理状态变化作为显式监督目标，在 LIBERO 和 RoboTwin 上取得与 SOTA 可比的成绩，并在真实机器人实验中优于 π0.5，且推理阶段不增加额外开销。作者为此构建了大规模预训练数据集与物理状态变化标注，代码已开源至 https://github.com/ZJU-OmniAI/VLA-Delta。
推荐理由：论文给出以物理状态变化为显式监督目标的 VLA 训练与数据构建方法，并开源全部代码，可作为机器人策略学习中状态建模方案的参考。
Intern-Decision 提出 0.8B/2B/4B 三种规模的多模态决策模型，通过在完整 assistant JSON 骨架中放置决策占位符的自回归掩码语言建模目标，一次前向返回结构化选项及概率。
本文提出 JevAgentHarness，用小决策模型在 Agent harness 中分流 LLM 的多选决策，配合拟合的置信度阈值降低成本与延迟。
推荐理由：原文给出 Agent harness 把工具选择分流到小决策模型的阈值训练方法与实测成本收益，可供同类 Agent 工程参考。
NVIDIA 与 IIT Madras AI4Bharat 联合发布约 2.8 万亿 token 的 Nemotron-pretraining-Indic-v1 印度语言预训练语料。
推荐理由：22 种印度语言共 2.8 万亿 token 的预训练数据与可复现的生成流水线一并开源，团队可在自有数据上沿用这套方法。
MambaAct 用紧凑的 Mamba 动作专家替换 π0.5 的 Transformer 动作专家，并通过轻量级 Context Compressor 压缩 VLM token，以降低流匹配 VLA 的去噪推理开销。
推荐理由：MambaAct 同时给出动作专家规模、LIBERO 与真实机器人上的延迟和成功率变化，便于对照具身智能模型推理优化的工程收益。
蚂蚁集团百灵团队开源发布Ling-3.1-flash模型，主打真实办公任务处理，采用约560B总参数、激活25B的稀疏MoE架构，上下文窗口最高1M。模型采用7层KDA配1层Gated MLA的混合线性注意力结构，已接入蚂蚁内部桌面协同Agent客户端「小虎」。
推荐理由：原文公开了模型架构参数、多项基准分数以及办公医疗场景实测，便于读者评估其在真实任务中的落地能力。
Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，上下文窗口达 1M tokens。
推荐理由：文章同时给出 816B 多模态 MoE 模型的架构、推理与微调命令，并附 llama.cpp、vLLM、SGLang 实测，便于直接对照复用。
Meta 的开源编码模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，提供 BF16（Muse-Spark-Open-816B-A42B）与 NVFP4 量化（Muse-Spark-Open-816B-A42B-NVFP4）两种变体。
推荐理由：原文给出了 BF16 与 NVFP4 两种变体的部署路径、对应实例类型及推理调用方式，便于读者在自有 AWS 环境中评估该模型的编码能力。
Mistral 发布首个时序基础模型家族 Timestral，提供 5M、28M、123M 和 209M 四档参数量，最大 209M 模型在 GIFT-Eval、TIME、fev-bench 三个公开榜单的零样本预训练模型中均排名第一，参数规模仅为此前 SOTA 的约三分之二。
推荐理由：以 209M 参数在 GIFT-Eval、TIME、fev-bench 三个榜单同时位列零样本预训练模型第一，并给出与 Chronos-2、TimesFM-3 等更大模型的对比数据。
瑞士 Swiss AI 团队的 Project Apertus 发布 Apertus 1.5，包含 8B 与 70B 双尺寸，权重以 Apache 2.0 协议开源并托管到 Hugging Face。
推荐理由：原文给出与 Gemma 4 12B、GPT-OSS-20B 等开源模型的评测对比，读者可以据此判断这套开源多模态模型在当前生态中的相对位置。
NVIDIA 在官方博客中披露过去一年对北欧算力生态的密集投入，包括投资 Lovable、Legora 等瑞典 AI 独角兽、联合爱立信等公司在瑞典上线两套 DGX GB300 超算（1152 个 GPU）。
推荐理由：原文把分散在独角兽投资、超算建设和开源模型应用上的公告合并呈现，读者可一次看清 NVIDIA 在欧洲的算力合作抓手。
研究提出重新分配敏感性分数（RSS），用于识别稀疏自编码器中反复出现且方向一致的特征变化。在8个语言模型的27个预训练SAE上，提示词变换形成了可复现的重新分配特征；研究进一步区分表示变化、读出贡献和决策失败，两项冻结安全读出的复现失败AUROC分别为0.935和0.958。
推荐理由：论文将表示变化与下游失败拆开评估，并给出可在27个预训练SAE上复现的RSS方法，便于理解机制诊断与安全读出评估。
MiniCPM-V-4.7-1B-DSpark 是面壁为 MiniCPM-V-4.7-1B 配套的 DSpark 推测解码草稿模型，本次发布其在 llama.cpp 下的 GGUF 量化版本。
面壁 MiniCPM 在 Hugging Face 开源 MiniCPM-V-4.7-35B-A3B-DSpark，这是专为 MiniCPM-V-4.7-35B-A3B 配对的 DSpark 投机解码草案模型，含 5 层约 3.89 亿参数，单次前向生成 15 个 token，使用 200 万样本训练 6 轮 AdamW。
推荐理由：DSpark 草案模型的训练配方与 vLLM、llama.cpp 的投机解码接入示例都在原文给出，为 MiniCPM-V-4.7 的推理加速提供了一个现成方案。
AI2 发布 HiRO-ACEv2 气候模拟系统，可生成全球 3 km 数据，成本约为 X-SHiELD 的 1/300。新版下采样模型 HiROv2 同时预测多个高分辨率场，对仅百万分之一概率的极端事件统计误差控制在 3% 以内，并准确估计训练时未见的热带气旋能量。系统附带可下载模型、教程笔记与 Web Demo，未来计划加入 4°C 升温情景。
推荐理由：3 km 全球气候模拟成本约为传统模型的 1/300，并附论文与教程，读者可据此评估其对极端气候研究的可及性。
JevGPT 提出面向自主研究智能体的双系统架构，System Two 设定证据目标并整合发现，System One 定位支撑材料、评估相关性并通过原文段落反馈驱动下一步研究。在固定语料问答和文档排序实验中，JevGPT 在保持领先任务表现的同时比同档研究智能体更快且成本更低，并覆盖更广的来源和支撑文档。
推荐理由：原文给出快慢双系统设计与证据闭环的具体实现和实验数据，读者可以据此评估它在自主研究工作流中的可迁移性。
ReTerm 提出让终端智能体从自身失败中学习恢复的自改进方法，基于 Qwen3.5-9B 的 ReTerm-9B 在 Terminal-Bench 2.0 上达到 34.8% Pass@1，较基模型提升 14.6 点。
推荐理由：论文提出让终端智能体从失败状态自我恢复的在线强化学习方法，为提升长任务可靠性提供了可复用的训练范式。
VideoJev 提出将视频理解与交互统一为结构化决策任务的 System One 模型族，把预训练多模态大语言模型的自回归解码替换为对时间区间与文本选项打分的共享头，从而同时覆盖时序定位和多选视频问答。
推荐理由：原文给出了统一决策接口在时序定位和视频问答上的精度增益与实测加速比，便于评估其在长视频智能体工作流中的可复用程度。
Urbex 是一个面向城市级3D场景的智能体视觉-语言框架，将空间定位重构为主动空间搜索，让 VLM 智能体在多视图环境中查询地标、放大局部并提交 bounding box。
APUS AI（麒麟合盛）10月13日宣布开源个人 Agent 产品 Reflex Agent，基于自研决策模型 Reflex 与 Continuum 记忆引擎。
推荐理由：APUS AI 公开了用决策模型驱动 Harness 的 Agent 架构与记忆引擎实现，开源后可与现有代码驱动方案对比 Loop Working 的工程取舍。
PrismaCoder 论文提出基于分解式评分标准的数据合成流水线 PrismaForge，并据此训练发布了 PrismaCoder-9B 与 PrismaCoder-35B 两个开源模型，在多模态代码任务上领先开源 SOTA 并接近闭源系统表现。
推荐理由：原文提出了基于评分标准的多模态代码数据合成与强化学习流程，并开源了模型与数据集，可作为其他视觉编程任务的数据构建参考。
MAI-Gym 是一个开源 GUI 智能体评估与强化学习训练统一平台，覆盖手机、电脑和网页环境，可扩展至 20,000 个并行实例。基于该平台训练的 MAI-Gym-9B 在 10B 参数以下开源 GUI 智能体中达到当前最优，在 MobileWorld 上取得 78.4%、在 OSWorld-Verified 上取得 76.2%。
推荐理由：论文同时给出平台规模、训练结果与模拟到真实的迁移数据，能为 GUI 智能体的训练成本和跨环境泛化提供参考。
LiquidAI发布LFM2.5-24B-A2B推理模型，采用24B参数MoE架构但每次仅激活2B，专为本地智能体设计。
推荐理由：LiquidAI给出24B参数MoE仅激活2B的端侧推理模型，在智能体基准上对标更大模型，并附带本地部署与Agent接入示例，便于评估迁移成本。