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。
Hugging Face 推出 smolagents，这是一个旨在简化语言模型智能体能力的轻量级库。其核心特性是 CodeAgent，允许智能体以 Python 代码形式编写动作，相比传统的 JSON 工具调用具有更好的组合性和通用性，并支持通过 E2B 进行沙箱安全执行。
推荐理由：该库通过让智能体直接编写代码而非JSON来执行动作，并提供了沙箱执行与Hub集成，为构建灵活且安全的AI工作流提供了新的工程范式。
IBM、普林斯顿大学、卡内基梅隆大学和伊利诺伊大学香槟分校联合推出 Bamba-9B，这是一款完全使用开放数据训练的混合 Mamba2 模型。在 vLLM 框架下，该模型相比标准 Transformer 实现了 2.5 倍吞吐量提升和 2 倍延迟加速。目前模型已支持 transformers、vLLM、TRL 和 llama.cpp，并公开了包含有状态数据加载器在内的训练与微调配方。
推荐理由：IBM 联合高校发布基于开放数据训练的混合 Mamba2 模型，提供显著推理效率提升及完整训练复现资源。
Hugging Face 博客介绍了 Google 新发布的 PaliGemma 2 视觉语言模型，该模型结合了 SigLIP 图像编码器与 Gemma 2 语言模型，提供 3B、10B 和 28B 三种参数规模，并支持 224x224、448x448 和 896x896 多种输入分辨率。
推荐理由：原文给出了PaliGemma 2的多尺寸变体、分辨率支持及量化性能数据，读者可据此评估其在不同算力条件下的微调潜力与部署成本。
Hugging Face 发布 SmolVLM，这是一款参数量为 2B 的视觉语言模型，在 transformers 库中实现了最低的显存占用（约 5.02 GB）。
推荐理由：SmolVLM 在保持视觉问答能力的同时将显存占用降至约 5GB，为端侧部署和低成本微调提供了具体的性能基准与开源训练配方。
Mistral AI 发布 Pixtral Large，这是一个基于 Mistral Large 2 构建的 124B 参数开源权重多模态模型。该模型包含 123B 的多模态解码器和 1B 参数的视觉编码器，支持 128K 上下文窗口，能容纳至少 30 张高分辨率图像。
推荐理由：原文给出了124B参数规模、128K上下文窗口及在MathVista等基准上的具体得分，读者可据此评估其图像理解能力与开源权重可用性。
Cohere For AI 团队发布 Aya Expanse 系列开源权重模型，包含 8B 和 32B 参数版本，旨在解决多语言模型性能落后于单语模型的挑战。
推荐理由：原文详细拆解了通过数据套利、偏好训练和模型合并提升多语言性能的技术路径，为开发者提供了可复用的训练策略参考。
Hugging Face 宣布对 Gradio 5 进行由 Trail of Bits 执行的独立安全审计，所有发现的安全漏洞已在发布前修复。审计覆盖了本地运行、云端部署、分享链接及供应链四个场景，识别出包括 CORS 配置错误导致的令牌窃取、SSRF、任意文件上传引发的 XSS、竞态条件以及远程代码执行等关键风险。
推荐理由：官方披露了针对 Gradio 5 的独立安全审计结果及修复细节，开发者可据此评估升级后的默认安全性与潜在风险缓解措施。
Mistral AI 发布原生多模态模型 Pixtral 12B，采用 Apache 2.0 许可证开源。该模型基于 Mistral Nemo 架构，支持 128k token 长上下文和可变图像尺寸，在 MMMU 基准测试中达到 52.5%，旨在作为 Mistral Nemo 12B 的直接替代品，兼顾多模态理解与文本指令遵循能力。
推荐理由：官方发布了原生多模态模型 Pixtral 12B，在保持文本性能的同时提升了视觉推理能力，并提供了多种部署方式。
Technology Innovation Institute (TII) 发布了基于 Mamba 架构的 7B 参数大语言模型 Falcon Mamba，采用 TII Falcon Mamba 7B License 1.0 协议开源。
推荐理由：TII 在 Hugging Face 博客详细披露了 Falcon Mamba 的架构设计、训练数据及基准测试对比，展示了纯 SSM 模型在长序列处理上的效率优势。
Hugging Face 推出跨 Mistral、Cohere、NousResearch 和 Llama 等模型的统一工具调用 API，使同一套代码可移植且无需针对特定模型修改。
推荐理由：原文提供了跨模型统一的工具调用 API 实现细节与代码示例，开发者可直接复用该方案解决多模型适配难题。
Google 在 Hugging Face 博客宣布扩展 Gemma 模型家族，新增 Gemma 2 2B、ShieldGemma 安全分类器和 Gemma Scope 稀疏自编码器套件。
推荐理由：原文详细展示了 Gemma 2 2B 在端侧部署与辅助生成中的具体用法，以及 ShieldGemma 和 Gemma Scope 的开源特性，为开发者提供了可落地的技术参考。
Hugging Face 正式上架 Meta 发布的 Llama 3.1 系列模型，包含 8B、70B 和 405B 三种尺寸的基座与指令微调版本，以及 Llama Guard 3 和 Prompt Guard 安全模型。
推荐理由：原文详细列出了 Llama 3.1 各尺寸模型的显存需求、量化方案及微调代码，为开发者评估部署成本和集成路径提供了具体参考。
Mistral AI 发布 Mistral NeMo，这是一款与 NVIDIA 合作开发的 12B 参数模型，拥有高达 128k tokens 的上下文窗口。该模型在推理、世界知识和编码准确性方面在其尺寸类别中处于领先地位，并作为 Mistral 7B 的即插即用替代品提供预训练基座和指令微调检查点，采用 Apache 2.0 许可证。
推荐理由：Mistral NeMo 作为 Mistral 7B 的即插即用替代方案，提供了 128k 上下文窗口和 Apache 2.0 许可，适合需要多语言支持和高效代码压缩的研究者与开发者。
Mistral AI 发布了 Codestral Mamba，这是继 Mixtral 系列后探索新架构的又一成果。该模型由 Albert Gu 和 Tri Dao 协助设计，利用 Mamba 架构实现线性时间推理和无限长度序列建模的理论能力。
推荐理由：Mistral AI 发布了基于 Mamba 架构的 Codestral Mamba，该模型在代码生成和推理能力上可与 SOTA Transformer 模型媲美，且支持线性时间推理。
Google 发布了最新一代开源大语言模型 Gemma 2，包含 9B 和 27B 两种参数规模的基座与指令微调版本。该模型引入了滑动窗口注意力、Logit 软封顶、知识蒸馏和模型合并等四项主要技术进步，上下文长度为 8K tokens。Hugging Face 已同步提供 Transformers 集成、Inference Endpoints 部署支持以及基于 TRL 的微调示例代码。
推荐理由：原文详细解析了Gemma 2在滑动窗口注意力、软封顶及知识蒸馏上的技术改进，并提供了基于Transformers的微调与部署指南。
Mistral AI 推出其首个专为代码生成设计的开放权重模型 Codestral。该模型参数量为 22B，支持 80 多种编程语言，拥有 32k 上下文窗口，并在 RepoBench 等长程代码生成评测中表现优于竞品。
推荐理由：官方详细披露了 Codestral 的架构参数、多语言支持及基准测试数据，并明确了非生产许可与商业授权路径，为开发者评估其实际编码能力提供了完整依据。
Mistral AI 正式推出 Mistral AI 非生产许可证（MNPL），允许开发者将技术用于非商业目的及支持研究工作。该举措旨在平衡开源理念与商业可持续性，确保基于其模型构建业务的企业能公平贡献于公司的研发与独立发展。
推荐理由：Mistral AI 官方宣布推出非生产许可证 MNPL，明确了其模型在商业与非商业用途下的授权边界。
TII 发布 Falcon 2 系列新模型，包含 11B 参数的基础大语言模型（LLM）和支持图像理解的视觉语言模型（VLM）。
推荐理由：原文给出了11B参数模型的训练数据规模、架构细节及在英语和多语言基准上的具体评测分数，读者可据此评估其性能与开源可用性。
谷歌推出开源视觉语言模型家族 PaliGemma，采用 SigLIP-So400m 作为图像编码器、Gemma-2B 作为文本解码器。该模型支持图像与文本输入并输出文本，提供预训练（PT）、混合任务微调（Mix）及特定基准微调（FT）三类检查点，涵盖 224x224、448x448、896x896 三种分辨率及多种精度格式。
推荐理由：原文详细拆解了PaliGemma的架构组成与推理流程，并提供了基于Transformers的微调代码示例，适合开发者快速上手该开源视觉语言模型。
Hugging Face 发布 Transformers Agents 2.0，引入基于过去观察迭代解决复杂任务的新智能体类型，并将该模块升级为独立库 smolagents。新框架强调代码清晰性与模块化，支持社区共享选项，实测显示基于 Llama-3-70B-Instruct 的智能体在 GAIA Leaderboard 上超越了多个 GPT-4 基线智能体。
推荐理由：官方展示了新框架在GAIA基准测试中超越GPT-4智能体的实测数据，并提供了从Transformers迁移到独立库smolagents的清晰路径。