全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
Harness2 by Google Research – Recursive Agent Harnessing
这是 Google Research 发布的框架 Harness²，用于开放世界中的递归式智能体 harnessing。它把 harness（围绕模型的提示、工具、记忆、技能、编排等系统）和 harnessing（优化该系统）在模型权重固定的前提下分两个层级递归进行，并给出任务级递归的定义。仓库包含 arXiv 论文链接、项目网站、基准指南文档、演示 GIF 与 Apache 2.0 许可证，示例流程涉及 JobBench 基准的安装与运行命令。
Anthropic 介绍 Claude Duet 的产品文章：这是一个让 Claude 作为主动型智能体工作的新应用，目前已以研究预览形式开放等候名单，面向美国地区的 Pro 和 Max 订阅用户。文章称 Duet 会主动提示需要关注的事项、完成用户交代的任务、在用户离开时继续工作，并在代其行动前征求确认；产品面向事务繁多的专业人士和小企业主，以 iOS、Android 独立应用及 claude.ai 网页形式提供，在研究预览期间计入与 Claude 其余功能相同的用量额度。
Claude designed protein binders against scorpion neurotoxins
Anthropic 介绍其内部研究用 Claude 模型按提示词和四次后续追问设计出针对蝎神经毒素的小型蛋白结合体（minibinders），这些提示由 Anthropic 与投资研究公司 Citrini Research 合作拟定。Adaptyv Bio 和 Twist Bioscience 的团队对 211 个设计做了结合实验测试，其中 17 个符合标准，Anthropic 将全部 211 个设计及数据作为资源公开。
Using Claude to reduce the attack surface of code
Anthropic 的一篇文章，介绍用 AI 模型进行自动化攻击面分析与缩减的初步研究，即先梳理可达代码，再移除或限制某次部署不需要暴露的访问。文中预告了他们用 Claude 对大型开源代码库应用这类技术所收集的数据。
PaperPilot – Zero-Cloud, Pure-Rust PDF Engine with WASM and MCP
一个本地文档 AI 助手项目，用纯 Rust 编写 PDF/文档工具，宣称文件不离开用户机器。同一引擎可用于 MCP 服务器（供代码智能体合并、拆分、OCR、压缩 PDF）、命令行、浏览器 WASM 版、Tauri + Svelte 桌面应用以及本地 REST API，采用 Apache 2.0 许可。
Google open-sources TorchTPU, a native PyTorch back end for TPUs
该项目为 Google TPU 提供 PyTorch 后端，使 PyTorch 模型和算子可在 TPU 上运行，包含面向多种 PyTorch 操作的 ATen 内核、用于优化 XLA 计算的编译缓存，以及分布式训练（数据并行、张量并行）和模型推理示例。列出支持的示例模型包括 Llama、Qwen、ResNet、DLRM、minGPT、UNet，并提供 torch.compile() 集成、调试与基准工具。文档为 Marimo 交互式笔记本，需在 TPU VM（如 v6e GCE 实例）上运行。
Mercury 3: Diffusion at scale
Inception 发布 Mercury 3 的官方博客，介绍其称为迄今能力最强的基于扩散（diffusion）的大语言模型。文中称该模型在多项基准上表现优于 GPT-6 Luna 和 Claude Haiku 5.5，在 NVIDIA GPU 上速度约 1,068 tokens/秒，快 4–8 倍，参数量比 Mercury 1 大 40 倍以上，上下文为 100 万 token，并给出输入/输出每百万 token 的定价及上线折扣。文中还提到早期接入伙伴将其用于语音与聊天客服、实时辅导、数据工程和网页导航。
Timestral: Mistral's time-series foundation models
这是 Mistral 官方博客 2026 年 10 月 15 日发布的发布公告，介绍其首个时间序列基础模型系列 Timestral。该系列有四种规模（5M 至 209M 参数），提供概率化、多变量预测，支持过去与未来的协变量，可在 CPU 上高效运行并支持零样本预测；其中最大的 209M 模型据称在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，参数约为前代最优模型的三分之二。模型技术包括合成数据预训练、协变量感知注意力和长上下文学习，并可通过 Mistral Forge 进行领域微调。
DeepInfer: High-performance inference framework for DeepSeek models
DeepSeek 在 GitHub 上开源的推理框架仓库，称其为支撑 DeepSeek 大规模生产服务的高性能框架，此次开源版本提供面向规模化服务的离线推理能力。README 列出支持的模型为 DeepSeek-V4.1-Flash，并列出了优化内核、注意力 DP/CP 与 MoE EP+EPLB 并行、异步调度、批不变量推理、确定性采样、结构化输出等功能及配置细节。材料中还包含一条 Reddit 用户评论。
Kimi K3.1 Pro and K3.1 Pro Highspeed
月之暗面（Kimi）发布 Kimi K3.1 Pro 的技术博客，称其为 K3.1 系列首个模型、其最强的 3T 级开放权重模型，具备 100 万 token 上下文，在编程、3D 创作、金融研究及其他智能体能力上有明显提升。同时发布的 Highspeed 版本速度约为 K3.1 Pro 的 2–3 倍。文中说明模型已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，完整权重将于 11 月 4 日前开放，并介绍其是在 K3 基础上加大后训练算力得到的版本。
Using thousands of AI agents to uncover new leads in biological data
OpenAI 的一篇研究发布（标注日期 2026 年 10 月 21 日），介绍 OpenAI 与 PerturbAI、Scripps Research 合作，用分布式并行部署的数千个 AI 智能体，帮助科学家在来自数百万个脑细胞的数据中识别有前景的研究线索，并提供指向 bioRxiv 上论文的链接。
Cerebras Deploys Trillion-Parameter AI Models
这是 Cerebras 于 2026 年 10 月 22 日发布的博客，作者 Sarah Chieng，说明如何在晶圆级芯片上部署大型模型。文中指出单块 WSE-3T 晶圆有 44 GB 片上内存，而万亿参数模型的权重需要数 TB 空间，因此介绍如何把前沿模型拆分到多块 WSE-3T 上，以每秒 1000–2000 以上 token 运行数万亿参数模型。说明以约 3 万亿参数的开源模型 Kimi K3 为例，涉及模型完整放入片上内存、跨芯片映射以及处理高并发请求等内容。