Google DeepMind 发布 WeatherNext 气旋预测模型并开源
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预测上达到 SOTA，平均多出一天预警时间，相当于气象领域约十年的进展。
推荐理由：WeatherNext 在气旋路径与强度预测上取得约一天提前量，并开源模型权重与代码，读者可据此了解 AI 天气预报的当前进展与可用入口。
开源生态
全部主题开源模型、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。
45条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 21–40 条 · 共 45 条Google DeepMind精选AI 评分8080
Mistral AI精选AI 评分6666 Mistral AI 发布 Shieldstral：3B 开源多模态安全分类器
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可开放下载。它把内容审核建模为策略自适应的问答任务，推理时接受自然语言策略并输出校准后的安全分数，无需重新训练，可在单张 16GB NVIDIA GPU 上运行。官方称其在文本安全上可匹配参数量最高 7 倍的模型，并在多模态审核上取得新的 SOTA。
推荐理由：3B 开源权重模型以推理时自然语言策略替代固定分类法，读者可据此判断内容审核的部署方式变化。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 Apple 的 MLX 后端，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，自动适配为 Apple Silicon 上的高质量内核。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的具体做法与实测数据，可了解跨硬件内核移植的可行路径。
Hugging Face Blog精选AI 评分6262 Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟、显存数据，可据此判断消费级 GPU 跑扩散模型的实际门槛。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Grabette：开源机器人操作数据采集系统
Hugging Face 发布开源低成本机器人操作数据采集系统 Grabette，用手持夹爪加双摄像头记录人类演示，无需机器人或遥操作设备即可生成机器人可用数据集。
推荐理由：原文给出了一套低成本手持采集硬件与浏览器端处理流程，读者可据此判断机器人操作数据的采集门槛变化。
Hugging Face Blog精选AI 评分8888 Hugging Face 披露 2026 年 7 月安全事件：自主 AI 智能体驱动的入侵
Hugging Face 披露本周检测到一起针对其部分生产基础设施的入侵，该事件端到端由自主 AI 智能体系统驱动，攻击者通过恶意数据集滥用数据集处理中的两条代码执行路径获得初始访问，随后提升至节点级权限、窃取云和集群凭证并在周末横向移动至多个内部集群。
推荐理由：Hugging Face 披露首起由自主 AI 智能体驱动的入侵事件，并说明防御方在托管模型护栏受阻后改用开源模型完成取证。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5：6B 激活参数的开源形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数、仅 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，解出 PutnamBench 672 题中的 587 题，并在 FATE-H 取得 87%、FATE-X 取得 34% 的 SOTA 成绩。
推荐理由：官方给出 Leanstral 1.5 在形式化验证基准上的成绩与单题成本，读者可据此判断开源证明模型的性价比。
Hugging Face Blog精选AI 评分6262 Hugging Face 与 Cerebras 将 Gemma 4 引入实时语音 AI
Hugging Face 与 Cerebras 联合演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 推理，以降低语音交互延迟。
推荐理由：原文给出了可复用的开源语音到语音流水线架构与各层组件，读者可据此评估实时语音交互的搭建方式。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理提速，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据、硬件门槛与质量取舍，便于判断本地低并发场景是否值得尝试。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉与音频输入直接进入 LLM 主干。官方称其基准性能接近 26B MoE 模型，内存占用不到后者一半，可在 16GB 显存或统一内存的设备上运行，并首次在中等规模模型中支持原生音频输入。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，可对照其与 26B MoE 的性能差距。
Google Research精选AI 评分6060 Google 开源水文建模框架，支持机构自建 AI 洪水预报
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架，让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
推荐理由：Google 把驱动 Flood Hub 的水文模型架构与训练流程开源，读者可据此判断本地洪水预报如何接入自有数据。
Mistral AI精选AI 评分6262 Mistral AI 发布开源 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，将摄取、检索与评测统一到共享接口下，开源并支持云端、本地和边缘部署。
推荐理由：Mistral 把摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 管线的整合成本是否下降。
Mistral AI精选AI 评分6060 Mistral 推出物理 AI，将 Emmi AI 并入企业平台
Mistral 宣布将 Emmi AI 并入公司，推出面向工业工程的物理 AI 能力，作为其企业平台的一部分。该能力从几何与边界条件直接预测物理场，单次前向推理在单块 GPU 上以秒级完成，而非传统求解器的小时到数周。Mistral 称其合作方包括 ASML、Airbus、Safran 和 Siemens Energy，并已开放 AI 4 Engineering 团队的新职位。
推荐理由：Mistral 把物理仿真 AI 纳入企业平台，并给出 ASML、Airbus 等合作方，读者可据此判断工业仿真工作流的可能变化。
Mistral AI精选AI 评分7171 Mistral AI 发布 Voxtral TTS 语音合成模型
Mistral AI 发布首款文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，具备情感表达与低延迟特性。
推荐理由：Mistral 首款 TTS 模型给出参数量、延迟与定价，并附与 ElevenLabs 的对比评测，可据此判断企业语音栈的选型空间。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，统一推理、多模态与编码能力
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的新一代模型，首次把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中，采用 Apache 2.0 许可。
推荐理由：Mistral 把推理、多模态与编码能力合并进单一开源模型，并给出可配置推理强度与部署门槛。
Mistral AI精选AI 评分7474 Mistral 发布 Voxtral Transcribe 2 语音转写模型家族
Mistral 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime，支持说话人分离、上下文偏置和词级时间戳，覆盖 13 种语言。
推荐理由：Mistral 一次放出批量与实时两款语音转写模型，并给出延迟、错误率与价格对比，可据此判断语音应用的选型空间。
Mistral AI精选AI 评分7878 Mistral 发布 Devstral 2 编码模型家族与 Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，分别采用修改版 MIT 与 Apache 2.0 许可，均开源。
推荐理由：官方给出两款开源编码模型的参数、SWE-bench 成绩与许可差异，可据此判断本地部署与成本取舍。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列，含 675B 参数 MoE 模型 Mistral Large 3
Mistral 发布 Mistral 3 系列，包括 Mistral Large 3 和 3B、8B、14B 三个尺寸的 Ministral 3，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出 Large 3 与 Ministral 3 全系权重，读者可据此判断开源前沿模型与端侧小模型的当前分工。
Mistral AI精选AI 评分8080 Mistral 发布 Voxtral 语音理解模型，24B 与 3B 双版本开源
Mistral 发布 Voxtral 语音理解模型，提供 24B 生产级和 3B 本地/边缘两个版本，均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，并内置问答、摘要、多语言识别和语音触发函数调用。
推荐理由：Mistral 开源语音理解模型，给出两种尺寸、32k 上下文与 API 定价，可据此判断语音转写与理解的成本与部署选择。
Mistral AI精选AI 评分7171 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：官方给出两款 Devstral 的 SWE-Bench Verified 分数、开源许可与 API 定价，便于对比代码智能体的成本与性能。