GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
#部署/工程
#部署/工程
今日 1 条OpenAI NewsAI 评分2222
NVIDIA Blog精选AI 评分7272 NVIDIA DGX Spark 推出 64GB 配置，支持双机集群扩展本地 AI
NVIDIA DGX Spark 将推出 64GB 统一内存配置，支持在设备上运行最多 100B 参数模型，起售价为 $4,999。两台设备可通过 NVIDIA Sync Cluster Assistant 组建 128GB 集群，将模型支持范围扩展至最多 200B 参数；NVIDIA 在 Qwen 3.8 27B 测试中称，双机性能最高达到单机的 1.7x。
推荐理由：64GB 配置提供了从单机本地智能体到双机集群的渐进路径，适合评估本地推理、长上下文和多智能体工作流的硬件需求。
arXiv · 多模态、视频与世界模型AI 评分6868 ExpertLens 通过多模态 MoE 领域专家实现高效适配
论文提出数据无关方法 ExpertLens，从预训练多模态 MoE 的路由权重中识别领域专长专家，并选择性微调目标领域相关专家。在数学、医疗和遥感任务上，该方法仅更新 21.7 - 47.0% 的模型参数，平均训练速度提升 4.0x，效果达到或超过全量微调。ExpertLens 在适配性能和训练效率上均优于 LoRA。
NVIDIA BlogAI 评分3636 NVIDIA AI 工厂如何通过高效、耐用与通用性最大化投资回报
NVIDIA通过高效、耐用和通用的AI工厂平台提升吞吐、延长硬件收益期，并扩大可承载的AI与非AI工作负载，以最大化投资回报。每兆瓦工厂成本约为$60 million，Vera Rubin NVL72较GB300 NVL72吞吐量提升超过30x，在DeepSeek V4 Pro上每百万tokens成本最高降低45x。A100自2020年出货后仍持续商用，CUDA跨代运行可避免既有硬件闲置。
arXiv · 多模态、视频与世界模型AI 评分6464 DecoMoE 通过解耦视觉传播与专家计算降低多模态 MoE 推理开销
论文提出 DecoMoE，通过 Sample-Adaptive Visual Boundary 和 Routing-Calibrated Expert Prefix 分别压缩视觉传播与专家计算，并在 Qwen3-VL-MoE 和 InternVL3.5-30B-A3B 上进行六项基准评测。
TechCrunch · AIAI 评分3535 Destro AI 的“秘诀”：让机器人和人类步调一致
Destro AI 以 AI intelligence layer 协调物流场景中的机器人与人类工人，并凭此从 stealth 状态融资 $8 million seed round。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon，面向复杂长程工作流
Google DeepMind 发布 Gemini 4 Argon，面向复杂软件工程、企业知识工作和网络安全防御，现通过 Fairwind Program 向一批可信网络防御者分阶段开放。
推荐理由：原文同时给出 1M tokens 输出上限、企业工作流评测与分阶段开放安排，可用于比较长程任务能力和接入门槛。
TechCrunch · AIAI 评分5454 OpenAI披露 Decisions API 有限预览，可用于预设选项决策
OpenAI在Dev Day上披露了Decisions API有限预览，可让模型在预设选项中快速作出决策，并支持图像理解、广泛语言和安全能力。该API被认为与TypeSafe AI面向软件自动化的Jev相似，后者可低成本、高速输出选项概率。QueryStory的演示显示，用Jev监控每次智能体行动的成本为$2.94，而使用frontier LLM为$372。
ComfyUI · 工作流与实践精选AI 评分8686 Comfy API 上线，将 ComfyUI 工作流部署为生产 API
Comfy API 面向付费 Comfy plan 用户上线，可将 ComfyUI 工作流及其 custom nodes、LoRAs、models 和 Python dependencies 打包为可自动扩缩的 API endpoint。
推荐理由：它把 ComfyUI 工作流的环境封装、版本固定与弹性部署合并进同一流程，适合评估从本地创作到产品化 API 的迁移成本。
Runway · 研究与模型精选AI 评分8181 Runway 宣布开放权重世界动作模型 Praxis-1
Runway宣布Praxis-1，这是其首个开放权重世界动作模型，目前正与早期伙伴在不同机器人具身和环境中测试，并计划未来几个月公开发布。Praxis-1基于大规模视频预训练，Runway称其在世界模型中模拟机器人策略与现实结果的相关性达到0.95。早期测试伙伴包括Noble Machines、Standard Bots和Ultra，模型将在各自硬件上运行。
推荐理由：Praxis-1将视频预训练用于跨具身机器人策略，并以0.95相关性仿真结果和多种硬件测试说明其开放权重路线。
ComfyUI · Releases精选AI 评分8282 ComfyUI v0.38.0 发布，新增多项模型与 Partner Nodes 支持
ComfyUI 发布 v0.38.0，新增多项模型支持与 Partner Nodes，并改进 KV cache、Transformer 编译、显存使用和资产扫描。
推荐理由：该版本同时覆盖模型接入、显存与编译优化、资产扫描和 HDR 处理，便于创作者评估升级对现有工作流的影响。
arXiv · 多模态、视频与世界模型精选AI 评分8282 LongLive-Plug 提出一次性蒸馏框架，支持视频生成模型即插即用复用
论文提出 LongLive-Plug，一种将蒸馏能力学习为基础模型 LoRA 的一次性框架，可免训练即插即用于兼容的下游视频模型。它覆盖单次 CFG、少步采样和长上下文错误校正，并在三类骨干网络、54 个下游模型和八类任务上进行了验证。
推荐理由：论文给出把单次 CFG、少步采样和长上下文纠错封装为可复用 LoRA 的方案，并以 54 个下游模型展示跨任务免训练部署路径。
Hugging Face Blog精选AI 评分6262 H 公司发布 Holo4 系列通用电脑操作智能体模型
H 公司发布 Holo4 系列智能体模型，含 27B dense 与 35B-A3B MoE 两个版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 在 Hugging Face 开放。
推荐理由：Holo4 给出跨 GUI、代码、MCP 与 API 的统一智能体方案，并公开轨迹与权重，便于评估开源电脑操作智能体的成本与能力边界。
Hugging Face BlogAI 评分4848 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速视觉语言推理
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下提升推理速度。该草稿模型增加 280M 参数（约 8.9%），在设备端解码最高加速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x。
Black Forest Labs · 图像与视频精选AI 评分8484 Black Forest Labs 发布 FLUX 3 Action，开放 7B 机器人动作策略权重
Black Forest Labs 发布 FLUX 3 Action（F3A）机器人动作策略模型及其开放权重，采用 WAM 联合预测未来视频与动作。报告称，其单步 7B checkpoint 在 RoboLab 达到 38.3%，高于 Cosmos 3 Nano 的 36.8%；guidance-distilled checkpoint 达到 42.2%。
推荐理由：报告同时给出 RoboLab、真实机器人和推理效率数据，可用于比较 WAM 与 VLA 在成功率、速度和部署成本上的取舍。
ComfyUI · 工作流与实践精选AI 评分7575 Comfy 发布 Comfy Router，用一个 API 调用前沿图像视频模型
Comfy 在 Comfy Developer Platform 上线 Comfy Router，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，并按任务选择供应商。
推荐理由：Comfy Router 把多家供应商的前沿图像视频模型收进一个 API，读者可据此判断多供应商切换与排队重试对现有生成流程的改动。
ComfyUI · 工作流与实践精选AI 评分6262 ComfyUI 让 MiniMax H3 视频 VAE 提速约 2 倍
ComfyUI 官方称 MiniMax H3 视频 VAE 编码最高约快 2.2 倍、解码快约 1.4-2.7 倍，1344x768、129 帧的编解码往返从 24.3 秒降到 12.7 秒。
推荐理由：ComfyUI 官方给出 MiniMax H3 视频 VAE 的加速细节与开启方式，可据此判断视频工作流的耗时与画质取舍。
NVIDIA BlogAI 评分2222 NVIDIA Isaac ROS 5.0 发布：面向智能体与开源机器人开发
NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0，新增智能体工作流与平台支持，支持 ROS Lyrical 和 Ubuntu 24.04。
NVIDIA BlogAI 评分3333 NVIDIA：为何规模化部署 Physical AI 需要每一层都具备安全性
NVIDIA指出，Physical AI规模化部署必须将安全覆盖硬件、软件、AI、运行环境及部署全生命周期，而非上线前一次性检查。NVIDIA Halos是面向Physical AI的全栈安全系统，覆盖自动驾驶与机器人开发、验证和部署，并结合仿真、合成数据与真实世界验证。
OpenAI NewsAI 评分2626 OpenAI 推出 Agents API
OpenAI 发布 Agents API，这是一个由 Codex harness 驱动的托管服务，用于构建和上线云端智能体，支持编排、长时间运行的会话和工具调用。
ComfyUI · 工作流与实践AI 评分2222 ComfyUI 推出 Forward Deployed Creatives 企业服务
ComfyUI 推出 Forward Deployed Creatives（FDCT）企业服务，由 Comfy 专家嵌入企业团队，在客户自己的 Comfy Enterprise 环境中构建工作流，并按 Validate、Build、Enable、Own 四个阶段交付。该服务强调赋能而非代做，以团队能否自行修改工作流作为衡量标准，最终工作流归企业所有。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可直接把原始音频转为经过整理和格式化的文本。
推荐理由：语音转写模型选型可参考其流式与非流式 WER 差异、双 API 划分和自定义词表能力。
Hugging Face Blog精选AI 评分7171 Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 管线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 管线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见，同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.Workflow 的节点类型与多端点 API 用法，可据此判断多步生成管线如何一次搭好并直接调用。
ElevenLabs · 音频创作精选AI 评分7575 ElevenLabs 发布 CLI v1，将 API 与 agents-as-code 带入终端
ElevenLabs 发布 CLI v1，将 ElevenLabs API 直接带入终端，并为编码智能体提供结构化 JSON 结果、--dry-run 预览和可解析错误。
推荐理由：ElevenLabs 将 API、结构化结果和 agents-as-code 纳入 CLI，展示了编码智能体管理语音应用与生产配置的可复用工作流。
Black Forest Labs · 图像与视频精选AI 评分7171 Black Forest Labs 发布 FLUX Video Upscale，支持最高原生 4K
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可将 480p 起的视频重新生成到最高原生 4K，并原生理解 FLUX 3 的输出，修复通用放大器容易遗漏的模糊人脸、水面和草地纹理网格伪影。
推荐理由：官方给出两种模式的价格与倍率差异，便于按交付分辨率在成本与修复细节之间取舍。
Diffusers · Releases精选AI 评分6262 Diffusers 0.40.0 发布：新增 LTX-2.5、MiniMax-H3 等管线并支持张量并行
Diffusers 0.40.0 发布，新增 LTX-2.5、MiniMax-H3、MiniMax Music 3、Stable Audio 3、Wan-Animate-2、JoyAI-Image-Edit-Plus 等管线，Modular Diffusers 结束实验阶段转为稳定支持。
推荐理由：Diffusers 0.40.0 的发布说明列出了新增视频与音频管线、张量并行和量化后端，可据此判断多模态生成与部署选型。
ComfyUI · 工作流与实践精选AI 评分8585 ComfyUI 开源本地 Comfy MCP，连接 Claude、Codex 和 Cursor
ComfyUI 开源 Comfy MCP 本地连接，让 Claude、Codex、Cursor 等 Agent 连接本机 ComfyUI，并与 Cloud MCP 统一。Agent 可读取本机 GPU、已安装节点和磁盘模型，判断模型是否适合本地运行，自动完成模型与工作流配置并执行任务。
推荐理由：它把本地 GPU、节点和模型检查接入智能体工作流，可帮助创作者在下载模型前判断硬件适配，并减少本地部署与工作流配置的手工步骤。
Hugging Face Blog精选AI 评分8888 Sentence Transformers v6.0 引入 MultiVectorEncoder，支持 Late Interaction 检索
Sentence Transformers v6.0 新增 MultiVectorEncoder，将 PyLate、Stanford-NLP ColBERT 和 ColPali 系列模型统一到同一 API，支持基于 MaxSim 的多向量检索。文章展示了文本、页面图像、音频和视频的编码与检索方法，并比较了索引存储、Token Pooling、检索后重排和多种向量数据库方案。
推荐理由：文章用代码串起模型加载、MaxSim 评分、索引与多模态检索，便于评估 token 级匹配在质量和存储成本之间的取舍。
ComfyUI · ReleasesAI 评分2222 ComfyUI v0.33.1 发布：新增 MiniMax Music 3 与 Bria 节点支持
ComfyUI 发布 v0.33.1，新增 MiniMax Music 3 及 CUDA Graphs 核心支持，并为 MiniMax 加入 ContextIR 和 Regenerate To 2K 节点。
Hugging Face Blog精选AI 评分7272 Strands Agents、LeRobot 与 Hugging Face Storage Buckets 打通机器人数据流闭环
Hugging Face Blog介绍了用 Strands Robots、LeRobot 和 Hugging Face Storage Buckets 构建机器人数据流闭环的方法。
推荐理由：文章展示了机器人示范采集、增量同步、远程流式训练和硬件部署如何串成闭环，并交代了桶存储的审计与安全边界。
Google DeepMind精选AI 评分9191 Google DeepMind 发布手语翻译模型 SL2T 1.0
Google DeepMind 发布手语到文本模型 SL2T 1.0，支持在 Gboard 和 Live Transcribe 中将 ASL 翻译为英文，首发于 Pixel 11，且无需额外费用。
推荐理由：这次发布同时给出模型训练规模、FLEURS-ASL结果与隐私处理路径，便于判断手语翻译走向产品化时的能力边界。
ComfyUI · ReleasesAI 评分3636 ComfyUI v0.32.0 发布：支持 LTX 2.5，新增 Qwen-Image 3.0 Pro 与 Grok-Imagine-Image-2.0 节点
ComfyUI 发布 v0.32.0，新增 LTX 2.5 支持及对应 Partner Nodes，并上线 Qwen-Image 3.0 Pro、Grok-Imagine-Image-2.0 模型节点。该版本最低官方支持的 PyTorch 升至 2.7，同时优化 MiniMax-H3 VAE、修复 H3 峰值内存与分块音频解码等问题。
Hugging Face Blog精选AI 评分9090 Meta 发布 Muse Glimmer：面向本地智能体的 30B 开源多模态模型
Meta 发布 Muse Glimmer-30B，这款采用 Apache 2.0 许可的开源多模态模型面向本地智能体场景。模型由 2B ViT-style 视觉编码器和 28B 文本解码器组成，并支持图像、视频输入与多模态工具调用。
推荐理由：原文同时给出 Muse Glimmer 的 30B 架构、Apache 2.0 开放方式和本地部署路径，便于评估多模态智能体的落地门槛。
ComfyUI · ReleasesAI 评分2222 ComfyUI v0.30.0 发布：支持 MiniMax H3 与 PrunaVAED 加速解码
ComfyUI 发布 v0.30.0，新增 MiniMax H3 模型支持（含 768P 分辨率）和更快的 LTX2.3 解码器 PrunaVAED，并加入 int8 convrot embedding lookup。该版本还引入数据集文件夹隔离、视频节点 crf 选项与 mp4 元数据前置存储，前端包升级至 1.47.11，工作流模板更新至 v0.11.27。
ComfyUI · 工作流与实践精选AI 评分8989 MiniMax H3 发布并获 ComfyUI Day-0 支持，开放权重支持原生音频与 2K 视频
MiniMax H3 今日发布开放权重，并在 ComfyUI 中获得 Day-0 原生支持，可接收文本、图像、视频或音频，生成带立体声的 2K、最长 15 秒视频。
推荐理由：文章把 H3 的多模态输入、原生立体声和 ComfyUI 本地运行路径放在一起，并给出显存缩减与工作流入口，便于评估视频创作部署成本。
ComfyUI · ReleasesAI 评分4242 ComfyUI v0.29.2 发布
ComfyUI 发布 v0.29.2，更新包含前端修复以及新的 api/partner 节点。完整变更内容可查看 Full Changelog。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层具身推理模型，可理解连续视频、编排多步任务并把动作执行交给底层 VLA 模型，同时原生调用 Google Search 等工具。
推荐理由：官方给出视频理解、任务编排与多机协作的能力边界和开放入口，可用于判断机器人上层编排模型的选型。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人智能层，首次让模型控制完整人形机器人，实现从脚到指尖的全身控制、灵巧操作与多机器人协作。
推荐理由：Gemini Robotics 2 把 VLA 控制从上半身扩展到全身并支持多机器人协作，可据此判断具身智能的模型分层与端侧部署路线。
World Labs · 空间智能与世界模型AI 评分4646 World Labs 用 R2S2R 引擎构建训练机器人的世界
World Labs 公布其 R2S2R（real-to-sim-to-real）引擎的早期结果：模型可将一个真实机器人任务重建为可交互仿真，并系统性变化外观、物体配置、杂乱度、物理、机器人状态与相机视角，生成数千种变体。
Hugging Face Blog精选AI 评分8686 NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式模拟器
NVIDIA 发布 Cosmos-H-Dreams，将 Cosmos-H-Surgical-Simulator 的手术世界模型能力蒸馏为可由机器人动作控制的实时生成式模拟器。
推荐理由：文章展示了如何通过蒸馏和流式推理把手术世界模型用于实时闭环模拟，便于理解其在策略评估与合成数据生成中的工作流。