标签
Gergely Orosz 认为，对开放AI模型削弱美国领导地位的担忧忽略了顶级AI推理公司均是美国企业这一事实；像Kimi K3这样的优秀中国开放模型反而能通过利用先进芯片助力美国初创公司。
LM Studio推出Bionic，这是一个面向开放模型的AI智能体，支持编码、文档处理和离线语音转录，具备灵活的模型执行和零数据保留特性。
这篇博文延续了Anthropic的verbalizable workspace论文，通过测量中间层转向方向的影响范围、训练中结构的形成时机、结构在不同模型间的迁移性以及其扩展性，全部基于开放模型进行实验。
Sayash Kapoor宣布即将举行的博士答辩，主题为“AI评估中缺失的科学”，讨论基于AI的科学、代理评估和开放模型风险，将进行直播，对所有人开放。
NVIDIA的博客文章强调了像Nemotron这样的开放模型如何使企业和国家能够构建可信、可控且可定制的AI系统，这与限制检查和适应的封闭模型形成对比。
Reflection AI 是一家开发开源模型的美国初创公司，已与欧洲 AI 基础设施公司 Nebius 签署了一项价值 10 亿美元的计算交易，以获得 Nvidia 最新芯片的访问权限。此时，由于对闭源模型和政府限制的担忧，人们对开源 AI 的兴趣日益增长。
一位用户批评 LM Arena 没有收录最近的开源模型（如 Qwen3.6 和 Step 3.7 Flash），质疑该平台在比较新开源模型与闭源模型方面的相关性。
NVIDIA强调，开放前沿模型和AI基础设施正在推动AI研究，这体现在ICML 2026接收的论文中，涵盖机器人学、生命科学和合成数据等领域。
认为将开放模型与封闭API产品进行比较的基准测试具有误导性，因为它们衡量的是原始推理能力，而非隐藏的工具和预处理，暗示实际模型质量差距可能比报告的要小。
Ahmad Osman宣布了ODS的使命：让AI本土化，让用户能轻松在自己的硬件上运行开源模型和智能体应用。
一个称为tinyrouter的微小的大约1万参数路由器学习在MMLU中每个问题应该使用哪个开源模型，通过优化分配超越单个模型。
HuggingFace CEO Clement Delangue 整理了250个来自美国的开放AI里程碑，重点介绍了Transformer、PyTorch、BERT、GPT-2和Llama等贡献，并呼吁在AI开发中保持开放性。
本文简要介绍了AI中模型蒸馏的历史，并预告了即将举行的一场关于使用TRL（Transformer强化学习）蒸馏开放模型的直播课程。
GLM-5.2 现在可以通过 Hugging Face Inference Providers 和 hf-claude 在 Claude Code 中选择使用，使得将开源模型集成到开发者工作流中变得更加容易。
Daniel van Strien 分享说，编码智能体是 Hugging Face Hub 的真实用户，现在已有公开数据显示每个智能体在 Hub 流量中的份额，每月更新。
一条推文指出，连以专有软件闻名的Palantir公司现在也开始倡导开放AI模型，这标志着行业立场的转变。
Palantir CEO Alex Karp 猛烈抨击封闭模型，强调企业应掌控自身的数据、权重和 AI 价值，并介绍了 Palantir 的本体论层和模型无关策略。
本文分析了不同的AI性能指标（有界 vs 无界）如何决定前沿AI能力是仍集中在富裕行为者手中，还是扩散到较小的模型，这对监管具有重要意义。
文章认为，比较闭源和开源AI模型可能不公平，因为像Anthropic这样的闭源模型提供商可以通过RAG、提示预处理或隐藏的专家模型等技术来补充其模型输出，使得基准比较变成了苹果与橙子的对比。