Reflection 发布 501B 开源模型 Beam，支持 1M 上下文与智能体编码
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，这是一个 501B 参数的 MoE 模型，每 token 激活 23B，支持 1M token 上下文，采用 Apache 2.0 许可，聚焦编码与智能体场景。
推荐理由：原文给出 501B MoE 开源模型的架构细节、量化版本与部署配方，可据此判断自托管长上下文编码智能体的硬件门槛。
#Hugging Face
Hugging Face Blog精选AI 评分8181 Hugging Face Blog精选AI 评分6060 NVIDIA 与 AI4Bharat 发布 2.8 万亿 token 的 Indic 预训练语料及开源数据生成流程
NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖 22 种印度语言，其中 2601.0 亿为本地文字 token、224.6 亿为罗马化 token，计数使用 Gemma-4 tokenizer。
推荐理由：原文给出了语料规模、语言覆盖和可复用的生成流程，读者可据此判断如何构建自己的 Indic 预训练数据。
Hugging Face Blog精选AI 评分6666 IBM 发布 Granite Switch 4.1：单一端点同时支持对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B 两个版本，在单一托管端点上同时支持自然语言对话、通用与专用决策以及语音转文字任务。
推荐理由：Granite Switch 4.1 把决策与语音适配器组合进单一端点，读者可了解多能力复用同一 KV cache 的工程思路。
Hugging Face Blog精选AI 评分8888 Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 多模态 MoE 模型，文中给出部署、微调与量化运行的完整路径，可据此评估本地与云端落地成本。
Hugging Face Blog精选AI 评分8080 Black Forest Labs 的 FLUX.3 Image Klein 上线 Diffusers
Black Forest Labs 发布 FLUX.3 Image Klein，并在 Diffusers 中首日支持。该模型同时支持文生图、多参考图生图和布局控制，可在提示词中写入 bounding box 指定各元素位置或移动参考图中的区域。
推荐理由：原文给出 FLUX.3 Image Klein 在 Diffusers 中的完整用法与显存、耗时数据，便于评估其图像编辑与布局控制能力。
AWS Machine Learning BlogAI 评分2222 用 Amazon SageMaker JumpStart 部署与评测模型
Amazon SageMaker JumpStart 提供可复用 Python 脚本，从模型目录部署模型、用示例提示词测量延迟与单请求生成速率，并在测试后删除端点。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、2B 激活参数的推理模型，面向端侧运行私有智能体，会先推理再作答并支持工具调用。它在 LiveClaw 上得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19，在 AutomationBench 上得分 27.69，超过次优模型三倍以上。
推荐理由：Liquid AI 给出 24B 总参数、2B 激活的端侧推理模型，并列出与更大 MoE 的智能体基准对比和部署入口。
NVIDIA Blog精选AI 评分7878 NVIDIA 为 RTX Spark 笔记本推送本地 AI 软件更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并联合生态伙伴推出面向本地 AI 的软件更新，覆盖 GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi、WorkBuddy 等智能体应用。
推荐理由：原文列出 RTX Spark 首发时本地智能体、创作与开发工具的适配清单，可据此判断本地 AI 工作流的可用边界。
Hugging Face Blog精选AI 评分7272 作者用 ML Intern 在几天内自建六个模型，总花费约 103 美元
作者借助 HuggingChat 中的 ML Intern，在几天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算花费约 103 美元。
推荐理由：作者用六个自建模型复盘了给 ML Intern 写提示词的方法，包括预算上限、基线和冒烟测试等可复用做法。