Ai2 发布 HiRO-ACEv2:以约 1/300 成本生成 3 km 分辨率极端天气模拟
Ai2 推出高分辨率气候模拟系统 HiRO-ACEv2,其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场,在稀有极端事件上匹配目标模拟统计量误差在 3% 以内。该系统生成全球 3 km 气候数据的成本约为 X-SHiELD 的 1/300,仅需单区域时可省百倍以上。目前 HiROv2 仅适配与 X-SHiELD 对齐的 ACE 版本,尚不支持 ERA5 等其他气候场景。
Ai2 推出高分辨率气候模拟系统 HiRO-ACEv2,其新降尺度模型 HiROv2 可同时预测多种高分辨率气象场,在稀有极端事件上匹配目标模拟统计量误差在 3% 以内。该系统生成全球 3 km 气候数据的成本约为 X-SHiELD 的 1/300,仅需单区域时可省百倍以上。目前 HiROv2 仅适配与 X-SHiELD 对齐的 ACE 版本,尚不支持 ERA5 等其他气候场景。
Amazon SageMaker JumpStart 提供预训练模型目录,可用 SageMaker Python SDK 部署模型、运行轻量可重复的性能测试,并在测试完成后删除端点。
Liquid AI 发布 LFM2.5-24B-A2B,一个总参数 24B、每 token 仅激活 2B 的推理模型,面向端侧运行、可调用工具的智能体。它在 LiveClaw 上得分 48.09,高于 Qwen3.6-35B-A3B 的 38.19,在 8 项工具使用与智能体基准中 5 项领先或持平。
推荐理由:LFM2.5-24B-A2B 用 2B 激活参数对比更大 MoE 的端侧成绩与推理速度,可作为端侧智能体选型的参考。
NVIDIA 在 RTX Spark 笔记本 10 月 16 日上市前公布一批软件更新,覆盖本地智能体、创作应用与开发者工具。GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi 和 WorkBuddy 等智能体应用支持 MXC 与 OpenShell 安全沙箱,并可通过开源路由库 NVIDIA Switchyard 在本地与云端模型间分流。
推荐理由:梳理 RTX Spark 上市前的本地 AI 软件生态清单,可据此判断本地智能体在 PC 上的可用程度。
AINews 汇总 10 月 7 日至 8 日动态,Tomek Korbak、Mikita Balesni 和 Jasmine Wang 称上周被 OpenAI 解雇,三人发表致管理层公开信,认为原因是把安全置于公司短期利益之前,OpenAI 方面称其不当处理机密信息。
作者用 HuggingChat 中的 ML-intern 在几天内训练并发布了六个模型,包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM 和相机视角 LoRA,总计算成本约 103 美元。
推荐理由:作者公开了七个提示词与六次训练的真实成本,可迁移到自己的模型微调流程中。
Liquid AI 在 d1 决策模型家族下开源 d1-3B 和实验性 d1-omni-600M 两款模型,两者均为开放权重并已上线 Hugging Face。
推荐理由:Liquid AI 开源两款决策模型,给出了端侧与 GPU 延迟实测和七项基准对比,可据此判断小模型做实时决策的可行性。
阿布扎比技术创新研究院(TII)发布 1.6B 参数的语音识别模型 Falcon-ASR,聚焦阿拉伯语及阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。
英伟达团队以 Nemotron 3 为基础,通过 SFT、RL 与反馈驱动推理分别构建 IOI 和 IMO 专项模型,在 IOI 2026 取得 535.4/600、IMO 2026 取得 30/42,均超过金牌线。
Google DeepMind 发布 EmbeddingGemma 2,这是原生将文本、图像、音频和视频映射到统一嵌入空间的端侧多模态嵌入模型,基于 Gemma 4 架构、Apache 2.0 许可、740M 参数。
推荐理由:EmbeddingGemma 2 把多模态嵌入压到 740M 参数并给出向量截断与内存数据,可据此评估端侧检索方案的可行性。
Microsoft 与 Hugging Face 联合发布 ThinkingBox,按智能体在隔离 MCP 会话中留下的数据库终态与副作用打分,而非看它生成的回答,已在 Hugging Face 开放框架与数据集。
推荐理由:论文给出 507 个有状态业务流程各跑 20 次的一致性数据,可据此判断智能体可靠性的真实水位。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源与多语言 TTS 模型,单模型评测耗时从收集投票的数周缩短到数小时。
Import AI 第 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安之处,即数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并以集体形式行动,Dwarkesh Patel 与 Ajeya Cotra 均有分析。