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。
DeepSeek 与华为合作为昇腾芯片打造编程工具并全部开源，核心是比 CUDA 更易上手的 TileLang 语言，该语言最初由北京大学研究人员开发，DeepSeek 已使用约一年。双方还优化了由 128 颗昇腾 950 芯片组成的超级节点，华为称对该工作提供了全面支持。DeepSeek 认为，为 AI 芯片建立独立软件生态首先需要一门易编程又能发挥硬件全部性能的通用语言。
推荐理由：DeepSeek 与华为在昇腾芯片上开源编程工具，读者可了解国产芯片软件生态补短板的路径与进展。
Anthropic 发布评估称，智谱开源权重模型 GLM-5.3 在漏洞利用能力上接近其 Claude Mythos Preview。
推荐理由：Anthropic 与 CAISI 的实测数据给出开源模型在漏洞利用能力上逼近前沿闭源模型的量化对比，并附有绕过安全护栏的成本估算。
DeepSeek 将 TileLang 算子开发工具链及 DeepGEMM、DeepEP、FlashMLA、TileKernels、DeepSelect 五大计算与通信库推出昇腾版本，TileLang 官宣原生支持华为昇腾 950 NPU。
推荐理由：DeepSeek 把算子工具链铺到昇腾，读者可据此了解国产算力在软件栈层面的适配进展与迁移难点。
NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行，无需训练、调参和特征工程，单次前向即可预测新行的分类或回归结果。模型提供 28M 至 215M 三种参数规模，仅用人工合成表格预训练，采用 OpenMDW-1.1 许可可商用，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：表格基础模型首次做到免训练免调参单次前向预测，读者可了解其架构设计与基准表现。
H 公司发布 Holo4 系列智能体模型，包含 27B dense 与 35B-A3B MoE 两个版本，同时推出 Holotron4 Nano。Holo4 可通过 GUI、代码、MCP 和 API 与软件交互，同一模型可运行在桌面、网页、Android、代码沙箱和企业 API 上。
推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，可据此判断通用型 computer-use 智能体的成本与能力边界。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 开放 2800 多种病毒的蛋白复合物预测 3D 结构，供任何科学家免费使用。
推荐理由：读者可了解开放病毒蛋白复合物数据集与配套 GPU 加速流程，及其对疫苗与药物靶点研究的可用性。
NVIDIA 在 ROSCon 发布 Isaac ROS 5.0，这是一套基于 ROS 的 GPU 加速软件包集合，新增智能体工作流与平台支持，帮助开发者更快构建、定制和部署机器人应用。
推荐理由：Isaac ROS 5.0 把智能体工作流引入机器人开发，读者可据此了解开源机器人工具链的演进方向。
Hugging Face 在 transformers 中加入 GGUF 模型支持，用户可从 Hub 选取量化 checkpoint，通过 from_pretrained 传入 gguf_file 在本地生成，也可用 transformers serve 暴露 OpenAI 兼容 API。
推荐理由：Hugging Face 官方说明 transformers 如何直接加载 GGUF 量化权重，并给出与 llama.cpp 的实测对比和当前限制。
Mistral 宣布 Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行，同时 Mistral Priority Tier 进入公开预览，提供自定义速率限制和带 SLA 的可用性承诺。
推荐理由：Mistral 把区域推理端点、SLA 保障层级与第三方开源模型接入打包成一套主权 AI 方案，可据此判断企业部署时的区域与合规选项。
Google DeepMind 发布 WeatherNext AI 模型，在预测气旋路径、强度和风场结构上达到 SOTA，平均为预报员多争取约一天的预警时间，三天预报精度相当于此前模型的两天水平。
推荐理由：WeatherNext 在气旋路径与强度预测上多出约一天预警时间，并开源模型权重，读者可据此判断 AI 天气预报的可用边界。
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可跨软件工程、网页导航和个人助理任务复用环境、数据管线与评测流程。
推荐理由：微软研究院开源 Orchard 框架，给出环境服务、训练配方与数据，读者可了解小模型在真实任务上的训练路径。
Berkeley AI Research 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：K-Search 把 CUDA 内核优化经验迁移到 Apple Silicon，给出了注意力与 Mamba 两类内核的实测数据。