每小时自动抓取 OpenAI、DeepMind、Hugging Face、TechCrunch、Ars Technica、HackerNews 等信源，由 AI 按信息价值打分，只保留过线的那几条，写成中文速览并附上一句点评。
内容由程序自动抓取、AI 筛选与改写，未经人工逐条核实。以原文链接为准。
DeepSeek AI 开源了 DeepSeek Harness（dsh），这是一个以插件为核心架构的代理 harness。项目由 Cordis 提供底层能力，Cordis 的设计在论文《A Programming Paradigm for Spatiotemporal Composability》中有描述。当前处于开发者预览阶段，官方提示会有破坏性兼容变更，使用可通过 npx 启动 Web UI 或从 GitHub 克隆运行。
如果你是开发者或想试用可插拔的代理框架，可以部署并试用 dsh，但要注意当前是开发者预览，可能出现兼容性破坏。
OlmoEarth Studio 现在支持计算并导出基于开源 OlmoEarth 基础模型的 embedding 向量，导出格式为每个维度单独波段的 Cloud-Optimized GeoTIFF（COG）。用户可在 Studio UI 或 API 中选择感兴趣区域、时间范围、编码器变体、分辨率和影像源来生成按需 embeddings，向量以 int8 存储并保留 -128 为 nodata。对开发者而言，这些轻量化的 embeddings 可用于相似性检索、少样本分割等下游任务，并且研究论文、源码和模型权重已公开。
如果你的工作需要在自定义时空条件下进行高效相似性检索或少样本分割，值得用 OlmoEarth Studio 生成并导出 embeddings 进行试验。
Cua 团队在 macOS 虚拟机内为单个进程插入了一个 Metal 能力兼容层（capability shim），让 llama.cpp 选择更新的 Metal 内核，从而显著加速推理。作者在 M1 Ultra 上测试，TinyLlama 1.1B 在解锁的 VM 中提示处理速度提升 11.08×、生成速度提升 16.36×；对 Gemma 4 12B 和 Muse Glimmer 30B 的测试也分别有多倍加速。对开发者和用户来说，这意味着在不改变宿主 GPU 执行路径的前提下，可通过进程范围的能力伪装大幅接近裸机性能。
如果你在 Apple Silicon 上用 macOS 虚拟机跑 llama.cpp，值得试试这个进程级的 Metal 能力 shim：它能显著缩小与裸机的性能差距，适合优先考虑优化本地推理性能。
NVIDIA 在 Nemotron 3 系列中新增 Nemotron 3.5 Lightning，一款 300 亿参数的 mixture-of-experts 模型，面向长时间运行的 agentic AI 工作负载。NVIDIA 还开源 NeMo Switchyard，一款用于在多模型系统内智能路由请求的库，可将请求定向到最合适的模型而无需重写应用。两者合用旨在提升模型部署控制、运行效率和针对专用任务的性能。
如果你在构建长期运行的多模型 agent，应关注 Nemotron 3.5 Lightning 的专用任务性能与 NeMo Switchyard 的路由能力，值得评估是否纳入现有多模型流水线。
antirez 发布了 h3.c，提供在 Apple Silicon 上原生运行 MiniMax-H3 的推理工具。项目按功能切片逐步实现，目前已完成提示到视频/音频、首尾帧条件化与有序 Ref2VA 图像/视频/音频引用等端到端功能，并在 M3 Max 与 M5 Max 上做了 Metal 性能和内存优化。对开发者和使用者而言，这意味着可在 macOS 机器上用命令行生成有条件的视频，支持会话内持久首/尾帧、顺序参考图像和 SSD 流式以降低显存占用。
对在 Apple Silicon 上做生成视频或开发相关工具的开发者和用户来说，这个原生实现值得关注：可直接在 M 系列机器上试验提示到视频、首/尾帧条件化和有序参考，并在需要时用 SSD 流式换取更低显存占用。