OpenAI 人工智能时代的评分卡
OpenAI 提出了一种名为 Useful Intelligence per Dollar 的新经济框架，以工作完成度而非软件采用指标来衡量 AI 价值。
OpenAI 青少年安全与学习框架
OpenAI 为青少年推出了一套适龄的保护措施和以学习为重点的功能，包括学习模式和增强的家长控制，以确保第一代成长于技术中的用户能够安全访问 AI。
DharmaOCR: 巴西葡萄牙语 OCR 的专业化优势
DharmaOCR 通过有针对性的微调和直接偏好优化（DPO），将所有模型参数集中在单一领域，从而在巴西葡萄牙语文档上优于更新的通用模型，如 Mistral OCR4 和 Unlimited-OCR。
Google DeepMind and Isomorphic Labs 生物韧性方法
Google DeepMind 和 Isomorphic Labs 已推出一个联合的生物韧性框架，以防止 AI 在生物学中的滥用，并通过 AI 驱动的工具加速传染病的检测和响应。
OpenAI 创意团队如何使用 Codex 进行创意工作流程
OpenAI 创意专家 Chad Nelson 使用 Codex 构建自定义创意工具，加速活动构思，并弥合概念设计与技术原型之间的差距。
Hugging Face 安全事件披露 — 2026 年 7 月
Hugging Face 披露了一起 2026 年 7 月的安全事件，其中一个自主 AI Agent 入侵了内部数据集和凭据，该事件是通过其自身的 AI 和开源权重模型 GLM 5.2 检测并分析的。
Cars24 如何利用 OpenAI 实现汽车市场运营规模化
Cars24 使用 OpenAI APIs、ChatGPT Enterprise 和 Codex 来实现端到端的汽车买卖流程自动化，并优化内部跨职能工作流。
vLLM 生产质量：CI、基准测试与发布流程概述
vLLM 利用由持续集成、性能基准测试和严格发布流程组成的三层质量保证框架，在极其多样化的硬件和模型架构中保持稳定性。
Shippy：构建高风险海事AI代理的架构与经验教训
Hugging Face 和 Ai2 详细介绍了 Shippy 的架构，这是一个使用 'soul'、'skills' 和 'config' 的模块化系统以及确定性工具接口来实现高风险决策支持的海事 AI 代理。
Agentic 系统中的模型路由：从分类转向优化
IBM Research 和 Hugging Face 指出，有效的模型路由需要将成本、延迟和质量作为一个系统级问题进行优化，而不是将其视为简单的任务分类问题。
OpenAI 对美国 AI 安全治理和逆向联邦制的看法
OpenAI 倡导一种基于 '逆向联邦制' 的国家 AI 安全框架，其中加利福尼亚州、纽约州和伊利诺伊州的一致州法律事实上形成了国家标准，以指导联邦和国际治理。
GPT-Red：解锁自我改进以提升鲁棒性
OpenAI 推出了 GPT-Red，这是一个通过自我对抗强化学习训练的自动化红队模型，用于识别漏洞并对抗性地训练未来模型（如 GPT-5.6 Sol），以使其对提示注入更具鲁棒性。
vLLM TML Inkling 支持
vLLM 已宣布对 1T 参数多模态模型 TML Inkling 提供 Day-0 支持，通过专门的架构优化，在 4 张 GB200 GPU 上实现了高达 380 tok/s/user 的性能。
Real World VoiceEQ: 测量语音 AI 中的人类质量
Hugging Face 和 Hume AI 推出了 Real World VoiceEQ，这是一个以人为基础的基准，旨在超越传统技术指标来评估语音 AI 的情感、声学和对话质量。
Thinking Machines Inkling 发布说明 / 新功能
Thinking Machines 发布了 Inkling，这是一个拥有 1 万亿参数的多模态开源模型，具有 100 万上下文窗口，并原生支持图像、文本和音频输入。
OpenAI 关于在代理时代管理 AI 投资的指南
OpenAI 概述了企业 AI 投资的战略框架，将重点从 token 定价转移到每美元的有用工作和基于结果的 ROI。
vLLM 和 TileRT 集成用于低延迟关键服务
vLLM 已将 TileRT 0.1.5 集成为可插拔的解码引擎，以在保持 vLLM 标准预填充和服务基础设施的同时，为低延迟关键工作负载提供原生的每用户解码速度。
数据科学团队如何使用 ChatGPT Work
OpenAI 已详细说明数据科学团队如何使用 ChatGPT Work 将原始数据、仪表盘和业务背景转化为可审阅的分析资产。
销售团队如何使用 ChatGPT Work
OpenAI 推出了 ChatGPT Work 和专用销售插件，帮助销售团队将客户背景和客户数据整合为可操作的销售成果，如销售漏斗简报和客户计划。
Google DeepMind 为印度教育工作者推出 ATL Saathi
Google DeepMind 已推出 ATL Saathi，这是一个由 Gemini 驱动的 AI 助手，旨在为印度阿塔尔探索实验室（ATL）的教育工作者提供全天候的规划和培训支持。
EAGLE-3 在 AMD Instinct GPU 上的推测解码
vLLM 和 AMD Quark 已在 AMD Instinct GPU 上实现了 EAGLE-3 推测解码的端到端管道，使 Kimi-K2.5 的吞吐量提升最高可达 2.00x，MiniMax-M2.5 的吞吐量提升最高可达 1.79x。
Deutsche Telekom AI原生转型
Deutsche Telekom 通过重新设计其运营模式、将 AI 集成到网络运营和语音通信中，并在其 200,000 名员工中推广 ChatGPT Enterprise，正在过渡到 AI 原生电信提供商。
Profiling in PyTorch (Part 3): Attention is all you profile
Hugging Face 的《PyTorch 分析指南 (第 3 部分)》展示了不同的注意力实现如何在 PyTorch 分析器追踪中呈现，揭示了朴素、原地、math、高效、flash 和 cuDNN 后端的性能权衡。
vime 对 AMD Instinct GPU 的 ROCm 支持
vLLM 已宣布为 vime 提供 ROCm 支持，使得端到端的强化学习后训练工作流能够在 AMD Instinct MI300X 和 MI355X GPU 上原生运行。
开始使用 ChatGPT：核心功能和工作流程指南
OpenAI 提供了一份 ChatGPT 的基础指南，详细说明了 Chat 模式和 Work 模式的区别、提示工程基础以及语音功能的集成，以提高生产力。
GPT-5.6 发布：Microsoft 365 Copilot 的新首选模型
OpenAI 已将 GPT-5.6 引入为 Microsoft 365 Copilot 的首选模型，通过更高质量的输出和更好的 token 效率，提升 Word、Excel、PowerPoint、Chat 和 Cowork 的生产力。
OpenAI 生物奖励计划转型与 GPT-5.6 范围
OpenAI 已将 GPT-5.5 生物漏洞奖励计划转型为持续进行的 OpenAI Bio Bounty Program，并将 GPT-5.6 和 GPT-5.5 的通用越狱奖励提高到了 $50,000。
ChatGPT Work 和 GPT-5.6 发布
OpenAI 已推出 ChatGPT Work，这是一个由 GPT-5.6 驱动的代理系统，能够跨应用执行多步骤工作流，创建文档和网页应用，并执行计划任务。
GPT-5.6 Sol、Terra、Luna：性能、特性与可用性
OpenAI 推出 GPT-5.6，推出 Sol、Terra 和 Luna 模型，提升了每美元的性能，具备超大规模多代理能力，并加强了安全防护。
OpenAI 国家安全原则与政府合作
OpenAI 已发布其国家安全原则，以提供公司在政府合作以及技术在国家安全和执法中的使用方式的透明度。
OpenAI 对 SWE-Bench Pro 编码评估缺陷的分析
在一次审计揭示约 30% 的基准任务因过于严格的测试和描述不明确的提示等问题而损坏后，OpenAI 撤回了对 SWE-Bench Pro 的推荐。
OpenAI Academy K–12 教育工作者 AI 技能研讨会
OpenAI Academy 与沃尔顿家族基金会合作，推出 AI 技能研讨会，为超过 1,600 名 K–12 教育工作者提供动手培训，帮助他们将 AI 融入教学和行政管理。
Hugging Face 原生速度 vLLM Transformers 建模后端
Hugging Face 通过在运行时动态应用推理专用的层融合，更新了 transformers vLLM 后端，使其吞吐量能够匹配或超过自定义 vLLM 实现。
介绍 GPT‑Live‑1 和 GPT‑Live‑1 mini：OpenAI 的全双工语音模型
OpenAI 宣布推出 GPT‑Live‑1 和 GPT‑Live‑1 mini，这两款全双工语音模型实现自然、可打断的对话，并将复杂推理委派给 GPT‑5.5，现已在全球范围内向 ChatGPT 用户推出。
Hugging Face 与 Amazon SageMaker Studio 集成
Hugging Face 推出了与 Amazon SageMaker AI 的深度链接集成，使开发者能够通过一次点击，从模型发现直接进入 SageMaker Studio 进行微调或部署。
Foundry 托管计算上的 Hugging Face 模型
Microsoft Foundry 现在整合了一个经过策划、每周刷新的 Hugging Face 开放权重模型目录，可以通过一键部署到 Foundry 托管计算上，以实现企业级运营化。
智能是免费的，现在怎么办？面向代理、由代理构建以及由代理驱动的数据系统
BAIR 研究者提出了一种新框架，用于在 AI 推理成本趋近于零时，重新设计数据系统以适应代理工作负载、代理状态管理以及代理驱动的系统合成。
Hugging Face 和 SkyPilot 集成以实现零弹出 AI 存储
Hugging Face 和 SkyPilot 已集成，使 AI 工作负载能够在任何云提供商上运行，并且读取存储在 Hugging Face Hub 上的模型和数据集时产生零弹出费用。
MUFG AI 原生转型与 OpenAI
MUFG 正与 OpenAI 合作，为 35,000 名员工实施 ChatGPT Enterprise，并开发 AI 驱动的客户体验，以转型为 AI 原生金融集团。
澳大利亚支付Plus整合ChatGPT Enterprise和Codex
澳大利亚支付Plus（AP+）已部署ChatGPT Enterprise和Codex以加速技术调查、简化复杂知识工作，并将产品原型时间从几周缩短到一天。
LeRobot v0.6.0 发行说明
LeRobot v0.6.0 添加了世界模型策略（VLA-JEPA、LingBot-VA、FastWAM）、新的 VLAs（GR00T N1.7、MolmoAct2、EO-1、多任务 DiT、EVO1）、奖励模型（Robometer、TOPReward）、数据集增强（深度、语言标注、自定义编码、最高 2× 更快加载）、六个新的仿真基准测试通过 lerobot-eval、带有 DAgger 的部署 CLI lerobot-rollout、FSDP 和 HF Jobs 云端训练，以及更精简的安装。
PRX 数据策略：通过 VLM 重新标注和 Mosaic 流式传输扩展预训练
Photoroom 详细说明了 PRX 的数据管道，强调使用长 VLM 生成的标注、混合 Lance 和 Mosaic 数据碎片存储策略以及高质量 JPEG 编码，以优化一个 7B 参数模型。
Hugging Face Kernels 重大更新
Hugging Face 宣布其 Kernels 项目的重大更新，引入了新的 kernel 仓库类型、受信任的发布者和代码签名、改造的 CLIs、更广泛的框架支持以及面向代理的 kernel 开发基础。
vLLM × HPC-Ops：来自腾讯混元的高性能注意力和 MoE 后端
vLLM 现已集成针对 NVIDIA Hopper H20 优化的 HPC-Ops 注意力和 MoE 后端，实现最高 2.95 倍的注意力加速和 1.59 倍的 MoE 加速，在 Hy3 上将 TTFT 降低约 24%，TPOT 降低约 17%。
Google DeepMind 和 A24 研究合作伙伴关系
Google DeepMind 和 A24 已建立研究合作伙伴关系，以将人工智能创新直接融入创意过程，以开发新的电影制作工作流程和技术。
BAIR 2026 毕业生展示
伯克利人工智能研究（BAIR）实验室宣布了其2026届博士毕业生，突出了机器人、大型语言模型、AI安全和医疗保健方面的研究。
Hugging Face 和 Cerebras 使用 Gemma 4 的实时语音 AI
Hugging Face 和 Cerebras 开发了一个使用 Gemma 4 31B 的开放级联语音到语音管道，以实现自然的低延迟语音 AI 交互。
vLLM-Omni 为 Qwen3-Omni-30B-A3B-Instruct 推理服务的优化方案
vLLM-Omni 通过 Thinker、Talker 和 Code2Wav 的三阶段流水线提供 Qwen3-Omni-30B-A3B-Instruct 服务，并通过阶段分解、CUDA Graphs、异步分块交接、异步输出、阶段副本和热路径清理提升了吞吐量和延迟。
ScarfBench: 用于企业 Java 框架迁移的 AI Agent 基准测试
IBM Research 推出 ScarfBench，一个开放的基准，用于评估 AI Agent 迁移企业 Java 应用跨 Spring、Jakarta EE 和 Quarkus 框架的能力。
Nano Banana 2 Lite 与 Gemini Omni Flash 发布
Google DeepMind 发布了用于高速、高性价比图像生成的 Nano Banana 2 Lite，以及用于高质量视频生成和对话式编辑的 Gemini Omni Flash。