Granite Switch 4.1 发布，整合聊天、决策与语音转录模型
Granite Switch 4.1 发布 8B 和 30B 模型，将通用与安全决策适配器、Granite-Speech-5.0-Turbo-CTC 语音识别模型及基础模型整合到同一托管端点。
推荐理由：文章给出 Granite Switch 4.1 的模型组合、适配器缓存复用与单端点部署方式，便于理解多能力统一推理的实现路径。
技术方向
开源生态 最新动态
开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
8 条精选近 30 天 8 条共收录 21 条
更新
开源生态的精选
Hugging Face Blog精选AI 评分6767 AWS Machine Learning Blog精选AI 评分6868 Meta Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 面向智能体编码工作流优化的开放权重模型 Muse Spark Open 现已上线 Amazon SageMaker JumpStart。该模型采用 MoE 架构，总参数量 816B、每个 token 激活 42B，支持 1M tokens 上下文，并提供 BF16 与 NVFP4 两种版本。
推荐理由：文章给出两种权重格式的实例映射、SDK 调用与清理步骤，可用于评估部署成本和接入方式。
NVIDIA Blog精选AI 评分7878 NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 开放模型
NVIDIA 发布 120B 参数的开放多模态智能体模型 Nemotron 3.5 Super VL，以及面向端侧设备的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：这三款开放模型覆盖企业服务器到端侧设备，并披露训练、部署和行业定制信息，便于比较不同智能体场景的算力需求。
Mistral AI精选AI 评分6969 Mistral AI 发布 Timestral 时间序列基础模型
Mistral AI 发布 Timestral 时间序列基础模型家族，提供 5M、28M、123M 和 209M 四种参数量规格，支持概率预测、多变量目标以及历史和已知未来的协变量。最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开预测基准中位列预训练零样本模型首位，并可通过 Mistral Forge 微调或部署到本地、VPC 和隔离网络环境。
推荐理由：同时给出模型规模、基准表现、推理速度与部署方式，便于读者判断不同规格在预测任务中的取舍。
Hugging Face Blog精选AI 评分7878 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，这是一款总参数量为 24B、每个 token 仅激活 2B 参数的推理模型，面向端侧智能体的工具调用和多步任务。
推荐理由：原文同时给出模型架构、训练规模、端侧推理速度与多类评测结果，适合比较本地智能体的效果和部署成本。
NVIDIA Blog精选AI 评分7878 NVIDIA RTX Spark 笔记本将上线并完善本地 AI 软件生态
NVIDIA 与合作伙伴将在 RTX Spark 笔记本上市前推出本地 AI 智能体、模型、创作应用和开发者工具更新，相关笔记本计划于 10 月 16 日上市。文章还介绍 Nemotron 3.5 Bolt 74B、开源路由器 NVIDIA PAIR、Adobe 应用优化、Broadcast 2.3、llama.cpp Windows 应用及 DLSS 5 等更新。
推荐理由：文章集中梳理 RTX Spark 发布前的软件生态、模型、创作工具、开发者环境和游戏支持，能帮助读者判断本地 AI 工作流的实际覆盖范围。
ComfyUI Newsletter精选AI 评分7777 作者如何用单张 GPU 和 MiniMax H3 生成实时视频
作者通过组合多项优化，让 MiniMax H3 在单张 RTX 5090 上以 448×256 分辨率实时生成视频，目标是在 15 秒内完成 15 秒内容。
推荐理由：文章拆解了在单张消费级 GPU 上运行 MiniMax H3 实时视频生成的优化方法，并开源可复现的自定义节点。
Microsoft Research精选AI 评分8181 Microsoft Research Asia 开源 Agent Lightning v1.0 轻量级 Agentic RL 框架
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，以约 3,500 行代码构建轻量级 Agentic RL 控制平面。
推荐理由：原文同时说明框架架构、训练流程和编码智能体实验结果，便于评估其如何接入现有 Agent harness。