AI 每天都在变，
这里一页看完

OpenAI 与美国 GSA 合作向全体联邦行政部门员工提供 ChatGPT Enterprise

OpenAI for Government 宣布与美国总务管理局（GSA）达成新合作，未来一年内 ChatGPT Enterprise 将以几乎零成本向美国联邦行政部门全体工作人员开放。

推荐理由：原文是官方公告，明确了服务范围和为期一年的免费安排，可了解联邦政府采用 AI 工具的动向。

Noam Brown@polynoamial

我们的新 @OpenAI 开放模型

OpenAI 发布两款新的开放模型（open models），官方推文称"Both of them"已上线，详见 openai.com/open-models。

推荐理由：OpenAI罕见发布开放权重模型，标志策略重大转变

Jim Fan@DrJimFan

NVIDIA推出DreamGen引擎：让机器人在视频生成模型中"做梦"学习

NVIDIA发布DreamGen引擎（GR00T Dreams），将Sora/Veo等视频生成模型用作神经物理引擎，通过微调模型、模拟并行世界、恢复伪动作、训练基础模型四步流程，为机器人生成大规模合成训练数据。人形机器人仅凭单一拾放任务即可学会倾倒、折叠等22种新行为，在新动词和陌生环境中实现零样本泛化（成功率分别达43%和28%）。相比传统图形引擎，该方法以恒定计算成本处理可变形物体、流体等复杂交互，团队计划数周内完全开源。

推荐理由：NVIDIA提出用视频生成模型为机器人“造梦”合成训练数据，实现零样本技能泛化

Jim Fan@DrJimFan

物理AI系统的评估是最难的问题：每次调试新的FSD版本都要撞车测试吗？

物理AI评估无法靠实车碰撞测试完成，传统游戏引擎（sim 1.0）也难以覆盖所有边缘情况。基于神经网络的sim 2.0由数据驱动，随车队规模扩展。Tesla已应用多年，用于生成近正面碰撞等罕见危险场景的训练数据，补充800万辆实车难以采集的极端案例。

推荐理由：Jim Fan 指出物理 AI 评估难题，提出神经网络驱动的 Sim 2.0 数据飞轮方案

Claude Opus 4.1 发布：性能增强的增量更新

Anthropic 推出 Claude Opus 4.1，作为 Claude Opus 4 的增量更新，具备增强的能力和性能改进。该版本不允许同时指定 temperature 和 top_p 参数，用户应仅使用其中一个。

推荐理由：Claude Opus 4.1 是 Opus 4 的增量升级，官方发布无夸张数据，但参数限制这个细节对开发者是实操提醒，用高端模型的团队值得重新评估一下效果。

OpenAI 发布开放权重模型 gpt-oss-120b 与 gpt-oss-20b

OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证。两款模型在推理任务上优于同等规模的开源模型，具备较强的工具使用能力，并针对消费级硬件的低成本高效部署做了优化。

推荐理由：原文说明两款开放权重模型的推理表现、工具使用能力和消费级硬件部署定位，可帮助读者评估是否引入自建流程。

OpenAI 发布开源权重推理模型 gpt-oss-120b 与 gpt-oss-20b

OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开源权重推理模型，采用 Apache 2.0 许可证，并遵循其 gpt-oss 使用政策。

OpenAI 开源 GPT OSS 模型家族：gpt-oss-120b 与 gpt-oss-20b 采用 Apache 2.0 许可

OpenAI 发布开源权重模型家族 GPT OSS，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均采用 MoE 架构和 MXFP4 4-bit 量化，以 Apache 2.0 许可发布。

推荐理由：原文给出两个模型的参数规模、量化方案和各硬件下的部署优化路径，读者可以据此快速选择本地或云端运行方式。

如何用 Ollama 在本地运行 gpt-oss

OpenAI 开发者发布教程，讲解如何用 Ollama 在本地硬件上部署 gpt-oss-20b 或 gpt-oss-120b 并选择合适的推理设置。

推荐理由：来自 OpenAI 开发者官方的实操指南，读者可按步骤在自己硬件上用 Ollama 跑通 gpt-oss 两个规格模型。

OpenAI Cookbook 教程：用 Hugging Face Transformers 微调 gpt-oss

OpenAI 开发者 Cookbook 发布教程，讲解如何结合 gpt-oss 与 Hugging Face Transformers 进行微调。文章由 Edward Beeching、Quentin Gallouédec 和 Lewis Tunstall 撰写，并从大型推理模型（如 OpenAI o3）通过生成思维链提升准确性的背景切入。

推荐理由：官方 Cookbook 教程给出用 Hugging Face Transformers 微调 gpt-oss 的具体路径，适合需要本地定制推理模型的开发者参考。

Hao AI Lab@haoailab模型AI 评分67

FastWan视频生成模型实现70倍加速，5秒出片

FastVideo团队推出FastWan系列快速视频生成模型。该模型采用名为“稀疏蒸馏”的新训练方法，能将视频去噪速度提升70倍。在单块H200 GPU上，仅需5秒即可生成一段5秒的视频。团队提供了在线演示，并依据Apache-2.0许可证完全开源了模型、代码和数据。

推荐理由：视频生成终于从「等一分钟」进化到「实时出片」，FastWan 用稀疏蒸馏把去噪压了 70 倍，单卡 H200 五秒出五秒视频，做短视频工具和实时交互产品的团队该认真看看这个开源方案。

通过特征交互追踪注意力计算

研究团队提出“QK归因”方法，将Transformer注意力头的关注模式解释为查询侧与键侧特征激活的双线性函数，并将其整合至原有的归因图中，从而弥补了原有方法忽略注意力计算关键信息的缺陷。案例研究验证了此前在归纳提示、反义词任务等场景中假设的特征交互机制，并发现了如“一致性头”用于合理性检查等新计算模式。该方法实现了对模型前向传播过程更完整的可解释性因果图描述。

推荐理由：Anthropic补齐可解释性方法论的关键拼图，有助于理解大模型内部推理机制

OpenAI 推出 Stargate Norway，为其在欧洲的首个 AI 数据中心计划

OpenAI 宣布推出 Stargate Norway，这是其在欧洲的首个 AI 数据中心计划，隶属 OpenAI for Countries 项目。Stargate 是 OpenAI 的整体基础设施平台，是其让所有人受益于 AI 的长期愿景的关键组成部分。

推荐理由：原文由 OpenAI 官方发布，读者可了解其通过 OpenAI for Countries 在欧洲布局 AI 数据中心的动作。

智谱发布 GLM-4.5 系列模型并原生支持 SGLang

智谱发布旗舰模型 GLM-4.5（355B/32B 激活）与 GLM-4.5-Air（106B/12B 激活），含 FP8 量化版本，即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文，在 12 项基准测试中分列第 3 与第 6。GLM-4.5 在 BrowseComp 网页浏览任务中以 26.4% 准确率超越 Claude 4 Opus，工具调用成功率达 90.6%，编程与数学推理能力突出。

推荐理由：国产大模型Agent与编码能力跻身第一梯队，为开发者提供Claude/GPT之外的高性价比替代方案

ChatGPT 推出 study mode 学习模式

OpenAI 在 ChatGPT 中推出 study mode 学习模式。该模式通过提问、脚手架引导和反馈，帮助学生逐步解决问题，实现更深入的学习。

推荐理由：官方宣布了新学习模式的核心交互方式，读者可以据此了解它与学生自学场景的匹配度。

Hugging Face 发布开源免费实验跟踪库 Trackio

Hugging Face 发布开源免费的实验跟踪 Python 库 Trackio，提供本地 Gradio 仪表盘并可同步到 Hugging Face Spaces 分享。

推荐理由：Hugging Face 自述自家科学团队已用 Trackio 做研究，读者可以借此判断它能否替代现有实验跟踪工作流。

Jim Fan@DrJimFan

机器人领域的小型 Moravec's paradox：对人类困难的体操动作反而更容易

机器人领域存在"莫拉维克悖论"：后空翻等杂技比做饭、清洁更容易实现。前者可在模拟中训练并零样本迁移，无需感知环境；后者需要真实的视觉、接触物理和物体动力学，难以模拟。这导致外界困惑——机器人能炫技却做不好家务，只因通用灵巧性仍是未解难题。

推荐理由：Jim Fan 揭示机器人'炫技易做家务难'的莫拉维克悖论成因

上海AI实验室开源 Intern-S2-Preview-397B 与 Intern-S2-Preview-35B 科学多模态模型

上海人工智能实验室 InternLM 团队发布 Intern-S2-Preview-397B，定位面向科学智能与长程智能体的最强多模态基础模型，通过新的视觉语言预训练范式、20 多个领域的大规模多任务强化学习以及沙盒环境中的智能体强化学习提升通用推理与科学能力。

推荐理由：官方仓库同时给出 Intern-S2 两档新模型与 S1 系列的架构细节和基准对比，便于读者评估科学场景下的开源选型。

Hugging Face CLI 更名为 hf 并推出 hf jobs

Hugging Face 宣布官方 CLI 由 huggingface-cli 更名为 hf，命令重组为 hf <resource> <action> 的统一结构，旧命令保留并提示迁移。

推荐理由：原文给出了 hf 命令的新语法、迁移对照和 hf jobs 用法示例，熟悉 huggingface-cli 的读者可以直接对照上手。

Hugging Face 推出 PyArrow 与 Pandas 的 Parquet 内容定义分块（CDC）特性

Hugging Face 宣布 Parquet Content-Defined Chunking（CDC）现已在 PyArrow 和 Pandas 中可用，配合 Xet 存储层只上传或下载变化的数据块，降低 Parquet 文件传输和存储成本。

推荐理由：原文给出 CDC 在增删列、插入删除行等场景下的实测传输量对比和启用方法，读者可直接迁移到自己的数据集上传流程。