Meta、英伟达等发布新模型，GitHub调整服务，AMIE问诊AI及多项智能体基准与框架问世
按分类过滤；排序保持编辑选择，不按点击量重新排列。
Meta推出采用Apache 2.0许可的30B参数模型Muse Glimmer，专为端到端代理任务完成优化。该模型支持可靠工具调用与多步推理，并在SWE-Bench等基准测试中表现强劲。
开发者可在32GB内存设备上本地部署该模型，用于构建具备代码调试及复杂工作流处理能力的AI代理应用。
Hugging Face Transformers v5.15.0 新增对 Meta Muse Glimmer、GraniteSWA 及 Cosmos3 Edge 等模型的支持。此次更新包含多项新模型集成，并调整了线性注意力模型的核函数加载机制为可选模式。
开发者可立即通过新版库调用 Meta 最新的 30B 多模态代理模型 Muse Glimmer。需检查现有代码中线性注意力模型的配置，因核函数不再自动强制启用，需显式开启以避免性能回退。
基于Gemini的AMIE (Video)系统在实时临床视频咨询中展现出专家级水平。在涉及30名医生的OSCE研究中，其病史采集和诊断能力被评为与医生相当或更优。
开发者可关注其低延迟对话与视听感知集成架构，为构建高复杂度感官交互的医疗辅助系统提供技术参考。
随着MAI-Code-1.1-Flash的发布，GitHub将于2026年9月10日在所有Copilot体验中停用MAI-Code-1-Flash。官方建议用户在此之前更新工作流和集成以使用新模型。
开发者需检查并更新依赖旧模型的CI/CD流程或应用集成，企业管理员需在Copilot设置中启用新模型策略以确保服务连续性。
该模型新增原生视觉支持，并在代码质量与指令遵循方面有所提升。其列表价格较前代降低73%，为轻量级编码工作流提供更高性价比。
开发者应检查Copilot设置以启用该模型，利用其低成本和视觉能力优化编码流程。企业管理员需手动开启策略才能供团队使用。
英伟达推出300亿参数混合专家模型Nemotron 3.5 Lightning，专为长时运行代理工作负载优化。同时发布开源库NeMo Switchyard，支持在多种模型间智能路由请求。
开发者可利用该组合构建更高效的多代理系统，通过智能路由无需重写应用即可集成不同模型，提升部署控制力与运行效率。
该更新为JetBrains用户带来持久记忆功能，可跨会话保留上下文。同时集成Ollama作为本地模型提供商，并增强企业级管理控制。
开发者可利用记忆功能减少重复输入，或通过Ollama在IDE内直接使用本地模型，提升编码隐私与灵活性。
OpenAI与AWS合作，通过Amazon Bedrock提供Daybreak网络安全能力。该服务旨在支持企业级安全工作流程。
企业安全团队可直接在AWS生态中集成OpenAI的安全模型，简化部署流程并增强工作流自动化能力。
Ray 2.57默认启用DataSourceV2并引入Hash Shuffle V2，优化数据扫描与洗牌资源管理。新增嵌入式RocksDB后端支持GCS容错，Serve组件增强gRPC及KV缓存感知路由。
开发者可移除外部Redis依赖简化部署，利用新洗牌机制提升大规模数据处理效率，并测试实验性LLM路由功能。
研究揭示策略蒸馏中存在退化一致性问题，并提出TIDE方法通过修正学生模型的多余与缺失Token来优化训练。该方法在数学推理基准测试中显著提升了性能并减少了响应长度。
开发者在进行大模型后训练或蒸馏时，可参考TIDE方法解决学生模型模仿老师模型时的逻辑缺陷，提升模型推理能力并降低格式错误率。
ActBench是一个自演化基准，通过执行轨迹而非最终响应来评估协作智能体的行为安全风险。该基准包含600个案例，覆盖15种风险行为和48个Web服务API，并开源了代码。
开发者可利用该基准测试智能体在数据泄露和未授权操作方面的安全性，改进防护机制以应对高成功率的攻击。
GitHub已正式完成GitHub Models服务的退役工作，该服务曾为开发者提供统一的大模型API及GitHub Actions集成能力。原有依赖该服务的工作流需迁移至其他LLM提供商并配置独立API密钥。
开发者需立即检查CI/CD流水线中是否使用了GitHub Models，并迁移至OpenAI等其他API以避免构建失败，同时重新评估令牌成本。
文章指出当前自动研究的生成排序范式忽略了稀疏反馈问题，主张将其类比为灰盒模糊测试。核心在于利用廉价的认知进展信号指导后续干预，而非仅对已完成运行进行排名。
开发者在设计自动研究Agent时，应从单纯扩大采样转向构建反馈导向的搜索架构，利用密集信号优化实验路径以降低成本。
该论文提出一种紧凑的Harness设计，通过模型、执行和状态三个边界连接服务与环境。它展示了如何将模型生成转化为环境动作，并利用运行时反馈优化后续决策。
开发者可参考此框架理解生产级编程Agent的内部流转逻辑，并利用提供的开源代码构建或优化自己的Agent系统。
Anthropic因美国商务部出口管制于6月暂停两款模型访问，7月1日恢复。系统提示词确认了该事件并要求模型客观陈述。
开发者需了解模型在涉及地缘政治话题时的回答边界，并关注合规性对API可用性的潜在影响。
这个分类今天没有入选条目。
一天一封，只发当日简报和重要更新。不做二次营销，退订由 Buttondown 直接处理。
订阅名单不会存进本站；正式开放后由 Buttondown 托管确认与退订。