微软研究院推出 Physical AI 卸载推理工具，提升机器人任务成功率与续航
微软研究院在 Physical AI Toolchain 中新增卸载推理能力，将机器人 AI 推理从机载 GPU 迁移到边缘或云端 GPU。研究对移动操作类负载做了系统化测量，结果显示卸载后任务成功率提升、续航显著延长，并支持运行更大的 AI 模型。
推荐理由：原文给出机载与卸载推理在任务成功率、续航和响应速度上的量化对比，可作为具身智能部署设计的参考。
#开源/仓库
Microsoft Research精选AI 评分5454
NVIDIA Blog精选AI 评分4848 NVIDIA 发布 Isaac ROS 5.0，引入智能体开发流程与 ROS Lyrical 支持
NVIDIA 在 ROSCon 大会发布 Isaac ROS 5.0，新增对 ROS Lyrical 与 Ubuntu 24.04 的支持，并引入面向 AI 智能体的开发流程。
推荐理由：Isaac ROS 5.0 把 AI 智能体工作流引入 ROS 开源生态，并打通从 Jetson Orin Nano 到 Jetson Thor 的端侧部署路径，读者可据此了解当前具身智能开发栈的具体形态。
Microsoft Research精选AI 评分4444 Microsoft Research 发布 RetroChimera 模型用于小分子逆合成预测
Microsoft Research 在 Nature 发表论文，推出用于小分子逆合成预测的 RetroChimera 模型。它将基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc 通过学习排序策略融合，盲测中博士级化学家更偏好其单步反应预测；在十项挑战性多步合成任务上成功九项，超过此前编辑模型与 NeuralSym 基线。
推荐理由：原文给出 R-SMILES 2 与 NeuralLoc 的集成方法及化学家盲测结果，可作为合成路线规划方法的比较参考。
Google AI Blog精选AI 评分5151 Google 公布 Gemini 3.5 Live Translate 等多语种语音 AI 与社区数据计划
Google 在官方博客公布多语种 AI 最新能力：Gemini 3.5 Live Translate 支持 70 种语言、2000+ 语言对的实时语音翻译并能处理 code-switching 与情绪线索，Gemini 3.5 Transcribe 提供高精度语音转写，覆盖 55 种语言的轻量开源模型 TranslateGemma 可端侧离线运行。
推荐理由：原文汇总了 Google 在实时语音翻译、端侧模型与社区数据合作上的最新进展，读者可以据此了解不同网络条件下的可用能力。
Qwen精选AI 评分7272 千问开源图像生成与编辑模型 Qwen-Image-2.1
千问（Qwen）开源统一文生图与图像编辑模型 Qwen-Image-2.1，视觉生成部分采用 7B 参数与 32 层 Single-Stream DiT 结构。
推荐理由：原文给出了 7B 参数 DiT 架构与原生 RGBA、参考图编辑等能力细节，可作为对比同类图像生成模型的参考。
Hugging Face Blog精选AI 评分5555 TRL v1.14 异步 GRPO 在 HF Jobs 间用 LoRA 和 Storage Bucket 替代 NCCL
TRL v1.14 的 AsyncGRPOTrainer 新增 LoRA 支持，trainer 与 vLLM 分别跑在独立 HF Jobs 上，通过共享 Storage Bucket 目录仅同步几 MB 的 adapter。
推荐理由：详细展示了 LoRA 异步 GRPO 在跨节点 HF Jobs 上的部署方案与五轮调优路径，并给出 3.9 倍提速的实测数据。
Hugging Face Blog精选AI 评分6868 Hugging Face 开源 funes，给编码代理加入可跨工具共享的持久记忆
Hugging Face 开源 funes，一个把 Claude Code、Codex、pi、Hermes 会话轨迹索引成本地记忆层的单二进制工具。安装只需一条 curl 命令，记忆默认存本地 Lance 数据集，可绑定到 Hugging Face 私有数据集实现跨机器和跨代理共享；recall 返回原文并标注来源。
推荐理由：funes 给出了会话轨迹索引、跨代理共享与远程记忆同步的完整命令链和架构，方便直接接入现有编码代理。
Hugging Face Blog精选AI 评分5050 Liquid AI 发布 LFM2.5-DSpark 推测解码草稿模型，推理最高提速 3.2 倍
Liquid AI 发布 LFM2.5-DSpark 推测解码草稿模型，覆盖 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三个模型。
推荐理由：原文给出了 DSpark 推测解码在 GPU 与端侧的实测吞吐与函数调用延迟数据，并开源了 llama.cpp 与 SGLang 集成。
DeepSeek精选AI 评分7676 DeepSeek-V4-Pro 0813 正式发布，新增 DSpark 推测解码模块
DeepSeek 正式发布 DeepSeek-V4-Pro 0813，在预览版基础上挂载 DSpark 推测解码模块，重点强化智能体能力。该模型在 HLE 上得分 42.7/60.0（无工具/有工具），Terminal Bench 2.1 达 87.9，DeepSWE 62.7。
推荐理由：正文给出与同代模型的基准对比和 vLLM/SGLang 部署方式，读者可直接评估其相对位置并复现推理流程。
Microsoft Research精选AI 评分6363 Microsoft Research 开源可扩展 Agent 框架 Orchard
Microsoft Research 开源了面向可扩展 Agent AI 的框架 Orchard，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，并配套发布 Orchard-SWE、Orchard-GUI、Orchard-Claw 三个领域的训练配方。
推荐理由：Orchard 将环境层与训练流程解耦并开源，约 30 亿参数的小模型在 SWE-bench Verified 上逼近十倍参数量的前沿系统，展示了开源 Agent 训练栈的可行路径。
Meta AI Blog精选AI 评分4242 Meta 开源模型 SAM 3 与 DINOv3 支撑 Genesis Mission 首批项目
美国能源部 Genesis Mission 旗舰项目 SYNAPS-I 基于 Meta 开源的 SAM 3 与 DINOv3 构建科研图像分割流水线，在 NERSC 等超算中心的 300 块 A100 GPU 上微调部署，将每个时间步的分析从约一个月压缩到约 15 分钟。
推荐理由：以 DOE 的 SYNAPS-I 项目为例，展示 SAM 3 与 DINOv3 经微调后在科研图像分割中的实际效果，将每个时间步的分析时间从约一个月压缩到 15 分钟。
xAI News精选AI 评分7171 xAI 在 GitHub 开源编码智能体 Grok Build 及 TUI
xAI 在 GitHub 开源编码智能体 Grok Build 及其 TUI，源码覆盖 agent loop、工具、终端 UI 与 skills / plugins / hooks / MCP servers / subagents 等扩展机制。代码支持本地编译、对接自有本地推理，并通过 config.toml 配置运行。
推荐理由：直接公开了编码智能体的 agent loop、工具调度与扩展机制源码，为本地化部署和二次开发提供可逐行查阅的参考。
Meta AI Blog精选AI 评分5151 Brain2Qwerty v2：Meta 提出无需手术的脑电文本解码新方法
Brain2Qwerty v2 是 Meta 的非侵入式脑到文本解码研究，用 MEG 设备记录 9 名志愿者共约 22000 句打字时的脑信号，经端到端大语言模型解码，词准确率达 61%，最佳参与者为 78%。团队开源了 v1 与 v2 训练代码，合作方 BCBL 同步发布 v1 数据集，并指出准确率随数据量对数线性提升。
推荐理由：原文用 MEG 非侵入信号做端到端文本解码并给出具体词准确率，为评估非侵入方案相对侵入式脑机接口的差距提供了可比数字。
MiniMax精选AI 评分6565 MiniMax 在 Hugging Face 发布 M3 模型 MXFP8 量化版本
MiniMax 在 Hugging Face 发布 M3 模型的 MXFP8 量化版本 MiniMax-M3-MXFP8，总参数约 428B、激活参数约 23B，支持 1M 上下文与文本、图像、视频原生多模态训练。
推荐理由：原文给出 MSA 稀疏注意力在 1M 上下文下相对 M2 的预填充与解码加速数据，读者可据此评估长上下文部署成本。
xAI News精选AI 评分4040 xAI 推出 Grok 接入开源本地 Agent OpenClaw
xAI 宣布 Grok 模型可通过 SuperGrok 或 X Premium 订阅在开源本地 Agent OpenClaw 中使用，订阅各档位均支持接入。
推荐理由：原文给出了硬件适配清单、聊天平台接入命令和订阅档位说明，读者可以直接评估它在本地 Agent 方案中的位置。
xAI News精选AI 评分7070 xAI 以 Apache 2.0 开源 Grok-1 模型权重与架构
xAI 以 Apache 2.0 协议开源 Grok-1 模型权重与网络架构，这是一个 314B 参数的 MoE 大语言模型。模型为未经任何应用（如对话）微调的原始基础检查点，2023 年 10 月由 xAI 使用基于 JAX 和 Rust 的自定义训练栈从零完成预训练，每个 token 上激活 25% 权重，权重与使用说明已在 github.com/xai-org/grok 公开。
推荐理由：xAI 以 Apache 2.0 开源 314B 参数 MoE 模型 Grok-1 的基础权重与架构，读者可以据此了解该模型在 MoE 设计与预训练工程上的具体做法。