各类型里多数人会感兴趣、对大部分人有帮助、相对完整系统的 AI 资源。
Empty shelves or lost keys? Recall is the bottleneck for parametric factuality
Google Research 的一篇博客，介绍名为 knowledge profiling 的行为学框架，用于分别衡量大模型对事实的编码与回忆。作者以 Gemini 3 和 GPT-5 等前沿模型为对象，得出的结论是这些模型几乎编码了所有事实，但在回忆其中许多事实上存在困难。
TimesFM-3: A zero-shot foundation model for multivariate forecasting
这是 Google Research 于 2026 年 8 月 31 日发布的一篇博客，介绍时间序列基础模型 TimesFM-3。文中称该模型可在单次前向推理中完成高精度的多变量时间序列预测，并在主要基准上优于其他预测模型；文中还回顾了此前 TimesFM 系列仅支持单变量预测的限制，并给出 GitHub、HuggingFace 和 BigQuery 链接。
Meta is back with Muse Glimmer: local, agentic, multimodal, and open source
Hugging Face 博客文章介绍 Meta 发布的多模态模型 Muse Glimmer。该模型从 Muse 蒸馏至 30B 参数，采用 Apache 2.0 许可，面向本地智能体场景，如编码、文档分析、个人助理等。文中称 transformers、llama.cpp、vLLM 等库提供首日支持，并给出与 Gemma4-31B、Qwen3.6-27B 等模型在 MCP Atlas、DeepSearch QA、τ³-Banking 等基准上的对比分数。
Training and Finetuning Multi-Vector Embedding Models with Sentence Transformers
文章介绍 Sentence Transformers v6.0 新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 风格的后期交互检索，并给出了配套的完整训练方法。文中按模型、数据集、损失函数、训练参数、评估器和训练器类等组件逐一讲解，并附实际操作示例，全部流程在安装 sentence-transformers 的训练依赖后即可运行；作者还展示了在单张 RTX 3090 上训练 14.5 小时的 mLateOn-medical 模型的评估结果。适合做检索增强生成、语义搜索的实践者阅读。
tokenizers v1: encode, decode and scaling, measured
Hugging Face 博客文章（2026 年 9 月 21 日），介绍 tokenizers 库即将发布的 v1 版本。文章指出分词在数据量大、并发请求多或长输入反复处理时可能成为瓶颈，让 GPU 等待 CPU，因此 v1 重点放在性能上，并说明文中将对比 v1 与 v0.23 的速度。文中还提到 gigatoken、tiktoken、kitoken、tokie、fastokens、wordchipper、ai-tokenizer 等开源分词库的工作。
这是 OpenAI 官方 X 账号的一条发布帖，宣布推出 GPT-6.1 Terra 模型。帖文称该模型能以更低价格提供快速、有能力的计算机使用功能，可理解屏幕内容、跨应用执行操作、自然写作，并适合覆盖整个工作日的工作量。帖子发布于 2026 年 10 月 26 日，含一段视频。
这是 Qwen 团队在 GitHub 上开源的图像生成与编辑模型 Qwen-Image-2.1 的代码仓库。据 README，它是统一的文生图与图像编辑模型，视觉生成部分为 7B 参数、32 层单流 DiT，主打紧凑高效、原生透明（RGBA）图像的生成与编辑等功能。仓库页面提供 ModelScope、HuggingFace、博客和在线演示等入口链接。
Gemini 4 Argon: Built to solve your hardest problems
这是 Google DeepMind 博客（2026 年 10 月 13 日）发布 Gemini 4 Argon 的文章，称该前沿模型面向开发者、企业、科研人员和消费者全球开放，可通过 AI Studio 与 Gemini 平台 API、Google Antigravity、Gemini 应用及搜索的 AI Mode 使用。文章描述其在编程、金融、法律、网络安全和科学等复杂多步骤任务上的表现，称在衡量金融、编程、法律与税务等领域表现的 Vals Index 上排名第一。定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入折扣 95%。
EmbeddingGemma 2: an open, lightweight multimodal embedding model
这是 Google DeepMind 博客发布的模型发布文章，介绍 EmbeddingGemma 2。该模型可将文本、图像、音频与视频的组合原生映射到统一嵌入空间，定位于设备端多模态嵌入。文章称其基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量为 7.4 亿，并回顾了前代 EmbeddingGemma 下载量超过 2000 万的情况。
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
这是 Hugging Face 博客上一篇文章（标注日期为 2026 年 10 月 15 日），介绍 Meta 发布的开放权重模型 Muse Spark Open。该混合专家模型约 8160 亿参数、每 token 约 420 亿激活，上下文窗口最长一百万 token，可接收文本、图像、音频和视频并生成文本。文中称其面向智能体式编程训练（阅读代码库、编写与调试代码、调用工具），并说明了如何运行、微调以及作者用它构建的成果。
Welcome FLUX.3 Image Klein in Diffusers
这是 Hugging Face 博客的一篇文章（2026 年 10 月 15 日），介绍 Black Forest Labs 的新开放图像生成模型 FLUX.3 Image Klein 以及它在 Diffusers 中的首日支持。该模型同时支持文生图、多参考图生图和新增的布局控制（在提示词中写边界框指定图像各部分位置），发布了时间步蒸馏版和基础版两个开放检查点，并附带 NVFP4/FP8 权重加载、LoRA 训练脚本和 Modular Diffusers 流水线支持。
Welcome Beam: a 501B open model you can own, customize, and scale
Hugging Face 博客文章，介绍美国新实验室 Reflection 的首个开源模型 Beam。文中说明其为混合专家模型，501B 参数、每 token 激活 23B，支持文本输入、100 万 token 上下文，采用 Apache 2.0 许可，面向编程与智能体场景，并附带 Rust 推理框架以及 transformers、vLLM、SGLang 支持和微调配方。